Health and Social Science Data—The Need to Reform Canada's Research Infrastructure
Notice bibliographique
Résumé
La collecte, la conservation et l'analyse des données sont fondamentales pour la recherche de pointe en sciences sociales et en santé. Malgré le rôle joué par Statistique Canada et l'Institut canadien d'information sur la santé (ICIS), les données importantes sont beaucoup trop cloisonnées au sein des provinces. Il est impossible d'entreprendre des analyses critiques, car les structures de financement de la recherche au Canada sont insuffisantes pour fournir un soutien à une échelle acceptable. Le Comité consultatif sur le système fédéral de soutien à la recherche a abordé certaines de ces questions en 2022, qui ont ensuite fait partie du budget fédéral de 2024 et du programme électoral du Parti libéral du Canada pour 2025. Cependant, il n'est pas certain que les initiatives de réforme à venir seront suffisantes. Le présent document présente un certain nombre de cas d'utilisation qui montrent l'énorme potentiel dans des domaines qui ont toujours été confrontés à de sérieux défis, en partie en raison des limites des structures actuelles de financement de la recherche. Enfin, il soutient que l'infrastructure de données en sciences de la santé et en sciences sociales doit être reconnue comme une « grande science » au même titre que les accélérateurs de particules et les grands télescopes.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».