Researching researchers: exploring the challenges of conducting research during a pandemic
Notice bibliographique
Résumé
BACKGROUND: Research assistants (RAs) are vital for the successful completion of research. When data collection and recruitment are disrupted, like during the COVID-19 pandemic and accompanying restrictions, the effects on RAs attempting to conduct research are unclear. PARTICIPANTS AND PROCEDURE: could help patients uphold health and safety procedures during the COVID-19 pandemic participated in semi-structured interviews. RESULTS: Thematic analysis of the interview data identified four key themes (and sub-themes) that reflected RAs' experiences of conducting research during the COVID-19 pandemic: inspiration and motivation; research barriers; human connections and relationships; and creativity and problem-solving. The first theme focused on the sources of RAs' inspiration and motivation to participate in research; the second focused on the barriers that affected data collection and recruitment. The third theme described the impact that human connections and relationships had on the success of the research, and the final theme explored the RAs' creativity and problem-solving approaches, which aided in navigating the challenges faced during the pandemic. The RAs overcame the challenges with positive attitudes, creativity, and collaboration. CONCLUSIONS: Overall, the results reveal how the RAs explored creative strategies to adapt research methods to suit unanticipated circumstances and develop interpersonal skills to facilitate participation in future research and career activities.
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 | 0,256 | 0,250 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,028 | 0,035 |
| Communication savante | 0,024 | 0,014 |
| Science ouverte | 0,005 | 0,015 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».