Research capacity strengthening in Africa: Perspectives from the social sciences, humanities, and arts
Notice bibliographique
Résumé
Global and human development and freedoms increasingly thrive on robust and policy-orientated research and related activities. Yet, the African research landscape faces a myriad of challenges which have resulted in a very unequal continent in terms of research and research capacity. The prevailing research inequities and challenges in Africa are even more pronounced in the social sciences, humanities, arts, and related fields (SSHA). Here, the strengths and impact of scholarship in SSHA fields are often overshadowed by deficits and apparent preferential investment in research in science, technology, engineering, and mathematics-related fields. In response, the African Academy of Sciences commissioned a study in 2020 to generate evidence on the SSHA research support landscape in Africa. This paper summarizes findings from literature review, key informant interviews, a bibliometric analysis, a survey with a sample of 670 respondents from SSHA communities in Africa, and a series of focus group discussions. We highlight key messages and make recommendations focussing on lessons learnt, opportunities, needs, and priorities for intervention to enhance significant SSHA research leadership capacity strengthening and, ultimately, minimize research inequalities in 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 | 0,044 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,016 |
| Études des sciences et des technologies | 0,014 | 0,022 |
| Communication savante | 0,020 | 0,022 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».