Ten Lessons Learned from Starting a New Scientific Editing Program at a Comprehensive Cancer Center
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction Science editors play an important role in ensuring the integrity of the scientific literature. While journal editors work with authors to improve the clarity and conciseness of manuscripts during the submission, peer review, and publication stages,1 inclusion of professional editors for authors early on during scholarly knowledge production also can be of high value. Specifically, author editors can provide authors with substantial editing support and customized educational resources that have the potential to improve faculty writing skills, boost their productivity, and enhance efficiency at later publication stages. Reports from various medical institutions on the use of such science editors are generally positive.2–6 However, shared experiences with these types of integrated editing–educational interventions targeted at faculty are scarce in the literature. Hence, this topic remains an underreported area of science communications that would benefit from further evaluation and discussion among all professionals involved in the knowledge production pipeline. This article provides a summary of 10 lessons learned from implementing a formal science editing program at Roswell Park Comprehensive Cancer Center in Buffalo, NY—this information was presented earlier in the form of a poster at the 2023 CSE meeting in Toronto, Canada. Roswell Park, founded in 1898, is a National Cancer Institute (NCI)-designated comprehensive cancer center, with approximately 400 faculty who are engaged in basic science and translational, clinical, and population-based research. The editing program, formally called the Scientific Editing and Research Communications Core (SERCC) Resource, was conceptualized following a needs assessment by the Faculty Development Program and Grants Office in […]
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle