Towards Minimizing Research Inequities in Africa: Lessons from the ARISE Programme
Notice bibliographique
Résumé
Through an ambitious development blueprint called Agenda 2063, Africa is on a mission to creating the ‘Africa We Want’ by the year 2063, centred on science, technology, and innovation. While the 2063 development agenda portends attainment of socio-economic development and prosperity in Africa, it brings with it an enormous need for strategic investment in research to ensure that no one is left behind. This paper presents insights from the African Research Initiative for Scientific Excellence (ARISE) programme on inclusive research capacity strengthening investment in Africa. The insights are drawn from a comprehensive candidate selection process for ARISE, from which 45 researchers (from a pool of 929 applicants) are recruited for ARISE Fellowships. The 45 early-to-mid-career researchers, 37% of which are women, are hosted in 45 institutions of higher learning located in 38 countries across Africa, conducting 5-year research fellowships with grants of up to €500,000 each. The insights from the ARISE programme contribute to the debate on effective approaches to programme scoping, design, and delivery, underscoring the need for consideration of scientific excellence in the context of diversity in research support capacity and investments across Africa.
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 | 0,147 | 0,189 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,009 | 0,019 |
| Communication savante | 0,014 | 0,015 |
| Science ouverte | 0,003 | 0,041 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».