Keynote: When Good Intentions Just Aren’t Enough: Engaging Diverse Communities as Partners in Knowledge
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: Alpha Abebe, PhD Assistant Professor, Communication Studies & Media Arts, Faculty of Humanities McMaster University REPORTER: Peter J Olson JAMA Network A fundamental aspect of the scientific enterprise is that it begins with a question about our world and the way it works. What comes next is extensive, laborious research that may or may not yield satisfactory answers, and there is always more work to be done to convert newly acquired knowledge into progress. The same can be said about endeavors to implement principles of diversity, equity, and inclusion (DEI) within the scholarly publishing industry. In her keynote address at the CSE 2023 Annual Meeting in Toronto, Dr Alpha Abebe accentuated the importance of weathering and even embracing the inherent challenges that come with efforts to bring about systemic and sustainable change. And—not unlike the scientific enterprise—one of those challenges is asking ourselves: Are we asking the right questions in the first place? A community practitioner and community engagement researcher, Abebe began by noting her appreciation of the theme of the CSE meeting, “Reflecting on Community: Opening Borders in Scholarly Publishing,” and went on to pose a series of questions that laid bare both the opportunities and the problems that accompany efforts to dismantle barriers within the scholarly publishing industry. Citing a formative experience during her postgraduate studies that shifted her perception of the concepts of data and knowledge, she posited that alternative voices, nonscholarly material, and lived experience are in fact forms of information that can make science […]
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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