Predicting and assessing the impacts of COVID-19 disruption on marine science and sectors in Australia
Notice bibliographique
Résumé
Abstract By March 2020 coronavirus disease 2019 (COVID-19) was anticipated to present a major challenge to the work undertaken by scientists. This pandemic could be considered just one of the shocks that human society has had and will be likely to confront again in the future. As strategic thinking about the future can assist performance and planning of scientific research in the face of change, the pandemic presented an opportunity to evaluate the performance of marine researchers in prediction of future outcomes. In March 2020, two groups of researchers predicted outcomes for the Australian marine research sector, and then evaluated these predictions after 18 months. The self-assessed coping ability of a group experienced in ‘futures studies’ was not higher than the less-experienced group, suggesting that scientists in general may be well placed to cope with shocks. A range of changes to scientific endeavours (e.g., travel, fieldwork) and to marine sectors (e.g., fisheries, biodiversity) were predicted over the first 12–18 months of COVID-19 disruption. The predicted direction of change was generally correct (56%) or neutral (25%) for predictions related to the scientific endeavour, and correct (73%) or mixed (9%) for predictions related to sectors that are the focus of marine research. The success of this foresighting experiment suggests that the collective wisdom of scientists can be used by their organisations to consider the impact of shocks and disruptions and to better prepare for and cope with shocks. Graphical abstract Word cloud analysis of free text responses to questions about expected impact of COVID-19 on the activities associated with marine science
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 | 0,003 | 0,002 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».