Methods development in evidence synthesis: a dialogue between science and society
Notice bibliographique
Résumé
This chapter is about the science of evidence synthesis: the way that academics bring together knowledge from across multiple studies into a whole, to present the state of current understanding about a given area. While scientists have been doing this for centuries in the form of literature reviews, the advent of ‘evidence informed’ decision-making over the past 30-40 years has forced academics to develop a form of literature review that was demonstrably the sum of available knowledge in its area (rather than providing a partial and potentially biased picture). The key challenge methodologically has been in providing useful and useable evidence that can inform decisions, whilst not compromising on the high standards that usually need to be met to make claims about causality. Addressing this challenge has required the evolution of new research methods across multiple disciplines - something that seems likely to continue into the future.
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 | 0,411 | 0,445 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,004 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,005 | 0,021 |
| Communication savante | 0,030 | 0,031 |
| Science ouverte | 0,007 | 0,017 |
| Intégrité de la recherche | 0,011 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,007 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».