MétaCan
Menu
Retour à la cohorte
Enregistrement W4297260346 · doi:10.1007/s43545-022-00524-3

Professors want to share: preliminary survey results on establishing open-source-endowed professorships

2022· article· en· W4297260346 sur OpenAlexaffabout
Joshua M. Pearce, Alexis S. Pascaris, Chelsea Schelly

Notice bibliographique

RevueSN Social Sciences · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Source Software Innovations
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSalaryExcellenceIncentiveQuarter (Canadian coin)Open scienceOpen sourceCompensation (psychology)Intellectual propertyPublic relationsPolitical scienceBusinessPsychologyMathematicsEconomicsComputer scienceLawSocial psychologyGeographyStatistics

Résumé

récupéré en direct d'OpenAlex

This study proposes a novel policy to provide incentives for open science: to offer open-source (OS)-endowed professorships. To hold an open-source-endowed chair, in addition to demonstrated excellence in their field, professors would need to agree to (1) ensuring all of their writing is distributed via open access in some way and (2) releasing all of their intellectual property in the public domain or under appropriate open-source licenses. The results of this survey study of university professors in the U.S. show that a super majority (86.7%) of faculty respondents indicated willingness to accept an OS-endowed professorship, while only 13.3% of respondents would not be willing to accept the terms of an OS-endowed professorship. The terms of accepting an OS-endowed professorship that were the most popular among respondents were increased salary, annual discretionary budget, as a term of tenure and annual RA or TA lines. More than a quarter of responding professors declared that no additional compensation would be needed for them to accept the terms of an OS-endowed professorship. The results demonstrate a clear willingness of academics to expand open access to science, which would hasten scientific progress while also making science more just and inclusive. It is clear that science funders have a large opportunity to move towards open science by offering open–source-endowed chairs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,032
score de la tête « metaresearch » (Gemma)0,111
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,111
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,166
Tête enseignante GPT0,377
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSN Social SciencesMême sujetOpen Source Software InnovationsTravaux en français237 207