“It’s messy and it’s massive”: How has the open science debate developed in the post-COVID era?
Notice bibliographique
Résumé
<ns3:p>The COVID-19 pandemic accelerated the global adoption of open science (OS) practices. However, as the pandemic subsides, the debate around OS continues to evolve. This study investigates how the pandemic has shaped the OS discourse and identifies key issues and challenges. Interviews were conducted with influential actors across the research and publishing communities. The findings show that while many areas of debate remained constant, the ways in which they were discussed exposed underlying systemic challenges, which must be addressed if OS is to progress. These issues included the scope and definition of OS; regional variations in its implementation; the relationship between OS and fundamental questions of the purpose and practice of science; and the need to reform incentives and reward structures within research systems. A more complex understanding of OS is required, which takes into account the importance of equity and diversity and the challenges of implementing OS in different cultural and geographical contexts. The study emphasises the importance of shifting scientific culture to prioritise values such as quality, integrity, and openness, and reforming rewards structures to incentivise open practices.</ns3:p>
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 | 0,199 | 0,192 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,067 | 0,227 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,071 | 0,001 |
| Science ouverte | 0,060 | 0,071 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes 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 ».