MétaCan
Menu
Retour à la cohorte
Enregistrement W4315706024 · doi:10.1097/01.hjh.0000914256.32838.78

JS-CC: CONTROVERSIES IN ACADEMIA MINI-DEBATES

2023· article· en· W4315706024 sur OpenAlexaffabout
Anastasia S. Mihailidou, Erika Jones, Dylan Burger, Swapnil Hiremath

Notice bibliographique

RevueJournal of Hypertension · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSession (web analytics)Perspective (graphical)Panel discussionStyle (visual arts)MedicineFocus (optics)Engineering ethicsPublic relationsMedia studiesSociologyPolitical scienceHistory

Résumé

récupéré en direct d'OpenAlex

Organized by the ISH Communications Committee, this session will feature two mini-debates focused on emerging controversies in academic/biomedical research. Our first debate will focus on the role of social media in an academic career and how this should be assessed in performance reviews. Dr. Anastasia Mihailidou (Australia) will argue the Pro perspective and Dr. Erika Jones (South Africa) will argue the Con. The second debate will focus on the increasing use of pre-prints in dissemination of research. Dr. Dylan Burger (Canada) will argue the Pro perspective while Dr. Swapnil Hiremath (Canada) will argue the Con. The session will emphasize effective communication in discussing these controversies and will feature a TED-style format and a more relaxed atmosphere than conventional debates. It will also include members of the Communications Committee as Panel discussants

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)0,067
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,354

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0670,071
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0140,006
Communication savante0,0230,012
Science ouverte0,0050,020
Intégrité de la recherche0,0260,021
Charge utile insuffisante (le modèle a refusé de juger)0,0750,024

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 Opus0,189
Tête enseignante GPT0,404
Écart entre enseignants0,215 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of HypertensionMême sujetSocial Media in Health EducationTravaux en français237 207