Impact of the <scp>COVID</scp>‐19 Pandemic on Early Career Investigators in Rheumatology: Recommendations to Address Challenges to Early Research Careers
Notice bibliographique
Résumé
OBJECTIVE: The COVID-19 pandemic has impacted the careers of trainees and early career investigators (ECIs). We sought to assess how the American College of Rheumatology (ACR) and the Rheumatology Research Foundation (RRF) can address the needs of those pursuing research careers. METHODS: The Committee on Research created a survey to assess the impact of COVID-19 and identify topics for the ACR and the RRF to address. In fall of 2020, we surveyed postdoctoral trainees and ECIs within 9 years of terminal training. Responses were analyzed using descriptive statistics and qualitative content analysis. RESULTS: Twenty-one percent of invitees responded to the survey (n = 365); of these, 60% were pursuing careers in academic research. Seventy-five percent of respondents in academic research career paths placed their primary projects on hold during the pandemic. The number of individuals pursuing a research career from 2020 to 2021 decreased by 5%. Respondents reported funding, caregiving, and lack of preliminary data as significant challenges. Suggested impactful interventions included increased funding, funding process reform, and expanding mentoring and networking resources. CONCLUSION: Major stressors identified during the pandemic included increased caregiving responsibilities and difficulty obtaining data and funding, for which respondents suggested increases and changes in funding programs as well as more mentoring and networking opportunities. Based on these, the Committee on Research proposes 3 priorities: 1) flexible funding mechanisms for ECIs and additional support for those impacted by caregiving; 2) virtual and in-person programs for career development and networking; and 3) curated content relevant to building a research career available on demand.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,116 | 0,193 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,008 |
| Communication savante | 0,018 | 0,013 |
| Science ouverte | 0,012 | 0,016 |
| Intégrité de la recherche | 0,024 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,006 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».