Commentary: Industry collaboration: A call for ‘industry literacy’ – a commentary on Bourgaize et al. (2025)
Notice bibliographique
Résumé
In response to the article by Bourgaize et al. (Child and Adolescent Mental Health, 2025) on academic collaborations with technology companies, we argue that we need to move beyond guidance for individual researchers; instead, there is an urgent need to develop a research infrastructure, to manage the risks of collaborating with corporations whose profits rely on the very products under investigation. Institutional transparency is essential as well as consideration of the wider ecosystem regarding conflicts of interest. Much can be learned from historical examples of 'corporate playbook' techniques, such as the gambling and tobacco industries. Specialist ethical oversight is urgently needed, which considers broader questions around commercial influence, and minimum open science standards should be mandated by research institutions, in order to preserve public trust in science. An overarching national center of expertise is needed to develop guidance, together with legislation to enforce data sharing for independent research. Lastly, we suggest detailed questions should be asked about who may have the most to lose and the most to gain from a collaboration; academics should equip themselves not just with digital literacy, but also with 'industry literacy' to navigate this complex relationship.
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 | 0,024 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,016 |
| Communication savante | 0,011 | 0,016 |
| Science ouverte | 0,010 | 0,007 |
| Intégrité de la recherche | 0,105 | 0,118 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,007 |
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 ».