A toolkit for greater equity, diversity, and inclusion in early-career ecology funding
Notice bibliographique
Résumé
Funding is critical in ecology and related fields, as it enables research and sustains livelihoods. However, early-career researchers (ECRs) from diverse backgrounds are disproportionately underrepresented as funding recipients. To help funding programs self-evaluate progress towards increasing equity, diversity, and inclusion (EDI) in their funding opportunities, we introduce the Stage-based Assessments of Grants for EDI (SAGE) Toolkit. Developed using existing literature, semi-structured interviews, and coauthors’ experiences, the toolkit considers how each funding stage (Advertisement, Application, Review, Awarding) interacts with applicants from racialized and other underrepresented backgrounds. The toolkit offers specific criteria and recommendations, with explanations and examples from funding agencies, to support applicants who have been historically marginalized in ecology and are often left out of equitable funding consideration. Changes in funding mechanisms alone will not reverse the marginalization of communities and peoples in the field of ecology, but advancing EDI must include action throughout the grant process. Efforts to increase EDI must be sustained, and the toolkit allows for additional considerations and evolving best practices. With the SAGE Toolkit, efforts to increase EDI can help to transition away from a transactional dynamic between funder and applicant to instead supportive community and collaboration. The SAGE Toolkit is available online at bit.ly/ediSAGEtoolkit.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,013 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».