Plenary Report: A Stand-up Comedian's Guide to Science Communication
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
SPEAKER: Kasha Patel Deputy Weather Editor The Washington Post REPORTER: Peter J Olson JAMA Network Science editors are a lot like cats: they spend most of their time on computer keyboards and only annoy writers in the process. [Insert laughter here.] That one-liner may or may not strike you as funny—but regardless of whether it made you giggle or groan, I couldn’t resist employing one of the comedy tactics suggested by Kasha Patel during her Plenary Address at the CSE 2023 Annual Meeting in Toronto, particularly given her assertion that just about anyone can craft a joke if they really put their mind to it. A science journalist by day and comedian by night, Patel kicked things off with a lively, rib-tickling routine that focused on her formative years as a self-described nerd—including naming her phone charger “Mitochondria” (because it’s the powerhouse of her cell) and taking on a dubious position in the world of sports (as treasurer of her ultimate frisbee team)—and highlighted a previous and pivotal stint at a “small science startup called NASA.” The latter experience yielded a wellspring of content for her burgeoning career as a stand-up comic; beyond that, it would inspire an extensive empirical endeavor that would help her assess the connections between comedy and science and explore the use of humor as a tool for effective communication of scientific principles. A chemistry major in college, Patel enrolled in a master’s program for science journalism at Boston University while preparing for a run […]
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,006 |
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