Open Sharing of Data at a Canadian Neuroscience Institute
Notice bibliographique
Résumé
Open sharing of research data is crucial to advancing our understanding of the human brain and discovering treatments for neuropsychiatric disorders. It is critical, however, to balance these goals with participant rights to privacy and confidentiality. We discuss the ethics of practicing open neuroscience at Baycrest Academy for Research and Education (BARE), a small but prominent Canadian neuroscience research institute based in a geriatric hospital. Through a systematic documentary analysis of applications for ethical approval, consent forms and study protocols from 244 studies, we report on data sharing trends and participant consent rates at the institute. We found that overall, 52% of these studies planned to share data. Following a significant increase over recent years, over 60% of the 91 studies launched since 2023 have data sharing plans, of which 80% (44/55) are obtaining optional consent. Analysis of optional consent rates from 2912 participants enrolled in 33 studies revealed that over 98% agreed to sharing their research data for unspecified future use. In addition to setting a benchmark for open data sharing in Canadian neuroscience institutes, we provide actionable recommendations for institutes to support their researchers in sharing neuroscience data openly, ethically, and responsibly.
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 | 0,169 | 0,289 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,022 | 0,011 |
| Communication savante | 0,017 | 0,007 |
| Science ouverte | 0,007 | 0,020 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,004 |
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 ».