MétaCan
Menu
Retour à la cohorte
Enregistrement W4403775600 · doi:10.1007/s11160-024-09899-3

Predicting and assessing the impacts of COVID-19 disruption on marine science and sectors in Australia

2024· article· en· W4403775600 sur OpenAlexaff
Alistair J. Hobday, Vicki M. Walters, Robert L. Stephenson, Shane M. Baylis, Cindy Bessey, Fabio Boschetti, Cathy Bulman, Stephanie Contardo, Jeffrey M. Dambacher, Jemery Day, Natalie Dowling, Piers K. Dunstan, J. Paige Eveson, Jessica H. Farley, Mark Green, Elizabeth A. Fulton, Peter Grewe, Haris Kunnath, Andrew Lenton, Mary Mackay, Karlie S. McDonald, Jess Melbourne-Thomas, Chris Moeseneder, Sean Pascoe, Toby A. Patterson, Heidi Pethybridge, Éva E. Plagányi, Gabriela Scheufele, Qamar Schuyler, Joanna Strzelecki, Robin Thomson, Ingrid van Putten, Chris Wilcox

Notice bibliographique

RevueReviews in Fish Biology and Fisheries · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCOVID-19 impact on air quality
Établissements canadiensFisheries and Oceans CanadaUniversity of New Brunswick
Organismes subventionnairesCommonwealth Scientific and Industrial Research Organisation
Mots-clésBiologyCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)OceanographyFisheryVirologyOutbreak

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil0,401

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,408
Écart entre enseignants0,327 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReviews in Fish Biology and FisheriesMême sujetCOVID-19 impact on air qualityTravaux en français237 207