Safeguarding the Integrity and Credibility of Food Science Research: Navigating Challenges as Professionals
Notice bibliographique
Résumé
Objectives: Professionals and practitioners in food science & technology navigate a minefield of challenges stemming from the convergence of scientific inquiry and research, and mass and social media. Escalating skepticism and erosion of trust in science is exacerbated by poorly conducted science, plagiarism, inadequate peer review, predatory publishing, misrepresentation of science in the media, and public perceptions of science that are shaped by politicization and mis- and disinformation. Methods: Key search terms (science, food science & technology, nutrition) were crosslinked with search terms that describe challenges undermining trust in science (media, mis/disinformation, skepticism, hype, generative AI, credibility, politicization, etc.). Over 200 articles covering social media impacts on scientific credibility, the evolution of science & peer review, the rapidly changing rules governing scientific output in academia and industry and codes of ethics meant to govern how professionals work, particularly in the context of food science, food technology, and nutritional science. Results: Contradictory 'facts' presented in mass and social media generate distrust in scientific discoveries. Leveraging the comprehensive literature review, a strategic framework was defined that 1) identifies and manages factors that challenge integrity and credibility of food research, and 2) prescribes strategies that allow professionals to mitigate and manage challenges in this complex space in order to provide credible research results in food & nutritional science and food technologies. Evidence supports a compelling need for strict adherence to common codes of ethics when conducting, reporting and communicating research results in academia and public forums. Conclusions: Tools and a framework for professionals identifies the intersection of factors that contribute to erosion of trust and highlights challenges as they relate to perceived loss of integrity or credibility in food science and technology. Funding Sources: N/A.
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 | 0,425 | 0,580 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,017 | 0,012 |
| Études des sciences et des technologies | 0,017 | 0,041 |
| Communication savante | 0,052 | 0,055 |
| Science ouverte | 0,005 | 0,032 |
| Intégrité de la recherche | 0,017 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».