MétaCan
Menu
Retour à la cohorte
Enregistrement W4416868046 · doi:10.12688/f1000research.170507.1

What goes in a funder’s Narrative CV?: A Scoping Review

2025· article· en· W4416868046 sur OpenAlexaff
Marc A. Albert, Aleeza Qayyum, Kailyn MacKinnon, Janina Ramos, Gustavo de Paula Dídimo, Gabriela Ferreira Kalkmann, Anna Catharina Vieira Armond, David Moher, Kelly D. Cobey

Notice bibliographique

RevueF1000Research · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInterdisciplinary Research and Collaboration
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésNarrativeNarrative reviewKey (lock)Grey literatureCurriculum

Résumé

récupéré en direct d'OpenAlex

Narrative Curriculum Vitae (NCVs) are a type of CV focusing on written descriptions of researchers' skills, experiences, collaborations, and achievements, which seek to promote more equitable and responsible research assessments. Despite an apparent shift by funding organizations towards the use of NCVs to reassess how researchers are evaluated, the extent of current NCV adoption is unclear. Therefore, we conducted a scoping review to answer the following: 1. Which research funding agencies currently provide NCVs templates for their applicants? and 2. What are the characteristics of said NCV templates? To this end, we employed grey literature searches to identify all existing NCV templates provided by research funding organizations. Our findings highlight several key insights. First, number of funders currently requiring NCVs remains low overall, although national granting agencies are among the early adopters. Second, some funders do not provide formal guidance on how to complete narrative CV's-this may create barriers to uptake. Third, among the NCV templates identified, there are structural commonalities, although there is little insight into the evaluation of NCVs. As interest in NCVs grows, addressing these gaps will be essential to realizing their potential as a fairer and more holistic tool for research assessment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,690
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,241
Tête enseignante GPT0,606
Écart entre enseignants0,365 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetInterdisciplinary Research and CollaborationTravaux en français237 207