Commentary: Suggestions for guidance by academics who collaborate with digital companies – a commentary on Bourgaize et al. (2025)
Notice bibliographique
Résumé
Our collective article argues for the development of a clear, shared guidance to support responsible collaborations between academic researchers and digital technology companies, particularly in the fields of education and youth mental health. Drawing on longstanding experience in edtech research, we argue that effective academia-industry collaboration requires clearer institutional support, with explicit guidance at both the contractual and community engagement levels to ensure transparency, fair reporting and the inclusion of all stakeholders. We highlight the challenges researchers face, such as limited legal support and difficulties in publishing negative results, and the need for strong contractual safeguards that protect against the suppression of negative results, define data ownership and set transparent terms for data use, publication timelines and study termination. We also advocate for formalized data-sharing protocols and a centralized, anonymized data repository governed by shared principles, enabling more rigorous cross-study analyses and supporting funders, researchers and policymakers in making evidence-based decisions.
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 | 0,074 | 0,353 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,018 | 0,025 |
| Communication savante | 0,018 | 0,020 |
| Science ouverte | 0,015 | 0,012 |
| Intégrité de la recherche | 0,118 | 0,108 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».