MétaCan
Menu
Retour à la cohorte
Enregistrement W4388041288 · doi:10.1158/2326-6066.cir-23-0522

Lessons for the Next Generation of Scientists from the Second Annual Arthur and Sandra Irving Cancer Immunology Symposium

2023· article· en· W4388041288 sur OpenAlexaff
Christopher Alvarez‐Breckenridge, Kristin G. Anderson, Ana Luísa Correia, Shadmehr Demehri, Huy Q. Dinh, Karen O. Dixon, Gavin P. Dunn, Laura Evgin, Jérémy Goc, Zinaida Good, Nir Hacohen, Patrick Han, Pavel Hanč, John W. Hickey, Kelly Kersten, Beiyun C. Liu, Aitziber Buqué, J. Justin Milner, Yuri Pritykin, Ferdinando Pucci, Nicole E. Scharping, Lisa Sudmeier, Yufei Wang, Andreas Wieland, Michelle M. Williams

Notice bibliographique

RevueCancer Immunology Research · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensCanada's Michael Smith Genome Sciences CentreUniversity of British Columbia
Organismes subventionnairesNational Cancer Institute
Mots-clésPublishingScientific publishingEngineering ethicsPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The Arthur and Sandra Irving Cancer Immunology Symposium has been created as a platform for established cancer immunologists to mentor trainees and young investigators as they launch their research career in the field. By sharing their different paths to success, the senior faculty mentors provide an invaluable resource to support the development of the next generation of leaders in the cancer immunology community. This Commentary describes some of the key topics that were discussed during the 2022 symposium: scientific and career trajectory, leadership, mentoring, collaborations, and publishing. For each of these topics, established investigators discussed the elements that facilitate success in these areas as well as mistakes that can hinder progress. Herein, we outline the critical points raised in these discussions for establishing a successful independent research career. These points are highly relevant for the broader scientific community.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,729
Score d'incertitude au seuil0,733

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,187
Tête enseignante GPT0,425
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Immunology ResearchMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207