Completing a doctoral dissertation during a global pandemic: Lessons learned.
Notice bibliographique
Résumé
In March 2020, when the World Health Organization declared a global health emergency, I was a doctoral student at the University of Calgary. I was about three-quarters of the way through the program and was in the early stages of data gathering for my dissertation. The interruption to my studies was sudden and abrupt. Fortunately, I was able to continue interviewing research participants after a six week pause, but in a manner dramatically different than planned. I was also able to lean heavily on technology to adapt to the new conditions. The topic of my dissertation was collecting faculty perceptions of the need and urgency for change in the publicly funded postsecondary education system. Ironically, my participants identified technology as a major force of change in their paradigm as well. While completing the writing of my dissertation, the results of my data analysis and new literature being published magnified the strength of my findings. In hindsight, I realize that the timing of my work bridged the pre and post-pandemic environments. It also happening in real time, at a pace that might be unprecedented. While the pandemic cannot be declared over, it has already become clear that the nature of academic research has been irrevocably altered and that the publicly funded post-secondary education system has been similarly impacted. The results of my research provide a clear view of some of those changing conditions and allows us to project some perceptions of the future of the system.
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 | 0,033 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,007 |
| Communication savante | 0,020 | 0,016 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,006 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,016 |
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 ».