Collaborative Open Resources on Research Integrity and Ethics (CORRIE)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This course has been collaboratively developed by staff of Munster Technological University (MTU), Atlantic Technological University (ATU) in Ireland, the University of Windsor in Ontario, Canada, and Teagasc. It was originally funded as part of the N-TUTORR project at MTU, with follow-up funding from SATLE Reusable Learning Resources. The Articulate Rise 360 platform has been used to build a series of asynchronous multi-media self-contained learning objects and further support compliance of researchers (students and staff) on research integrity and research ethical requirements locally, nationally and internationally. The resources entail media-rich components consisting of interactive documents, audio and video files, and self-testing opportunities through practical scenarios and dilemmas encountered in the areas of research integrity and research ethics. The resources are designed to align with the principles of Universal Design Learning and Open Science. The resource content is framed around the lessons and includes: - Principles of Research Integrity, - Principles of Research Ethics, - Vulnerability and Vulnerable Groups in Research, - Evidence-Informed Practice, - Community/Participant Engagement, - Informed Consent, - Voluntary Participation and Right to Withdraw, - Data Storage and Management, - Responsible Dissemination, - Justification for Animal Research, - Animals as Sentients, - The 3 R’s Principle, - The 5 Domains Model for Assessing Animal Welfare, - Legal Oversight and Policy Regulations in Animal Research, - Ethical Challenges and Public Perception in Animal Research.
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.
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 | 0,069 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,165 | 0,354 |
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 découle