The International Natural Product Sciences Taskforce (INPST) and the power of Twitter networking exemplified through #INPST hashtag analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The development of digital technologies and the evolution of open innovation approaches have enabled the creation of diverse virtual organizations and enterprises coordinating their activities primarily online. The open innovation platform titled "International Natural Product Sciences Taskforce" (INPST) was established in 2018, to bring together in collaborative environment individuals and organizations interested in natural product scientific research, and to empower their interactions by using digital communication tools. METHODS: In this work, we present a general overview of INPST activities and showcase the specific use of Twitter as a powerful networking tool that was used to host a one-week "2021 INPST Twitter Networking Event" (spanning from 31st May 2021 to 6th June 2021) based on the application of the Twitter hashtag #INPST. RESULTS AND CONCLUSION: The use of this hashtag during the networking event period was analyzed with Symplur Signals (https://www.symplur.com/), revealing a total of 6,036 tweets, shared by 686 users, which generated a total of 65,004,773 impressions (views of the respective tweets). This networking event's achieved high visibility and participation rate showcases a convincing example of how this social media platform can be used as a highly effective tool to host virtual Twitter-based international biomedical research events.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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