Canadian social science workforce in COVID-19 rapid research
Notice bibliographique
Résumé
This dataset includes the social science researchers’ information from the COVID-19 rapid response research projects funded by two Canadian Federal government funding agencies, namely the Social Sciences and Humanities Research Council (SSHRC) and the Canadian Institutes of Health Research (CIHR). SSHRC and CIHR are the two major funding agencies in Canada, especially for researchers affiliated with universities and research institutes across Canada. The COVID-19 rapid response research opportunities were considered the first nationwide quick response disaster research in Canada’s history. This data presents information on researchers who were awarded funding from March 2020-April 2021 on COVID-19 related grants. SSHRC grants included: Partnership Engage Grants COVID-19 Special Initiative: September 2020 Competition and June 2020 competition. CIHR grants included: Operating Grants: Strengthening Pandemic Preparedness in Long-Term Care (COVID-19), COVID-19 Mental Health & Substance Use Service Needs and Delivery, COVID-19 May 2020 Rapid Research Funding Opportunity, Knowledge Synthesis: COVID-19 in Mental Health and Substance Use, and Canadian International COVID-19 Surveillance Border Study and Canadian Immunization Research Network: COVID-19 Vaccine Readiness Funding Opportunity. The data includes the research title, researchers’ project roles, contact information (affiliations, geographic locations, education level, and professional websites) and disciplines. As Canada has two official languages, both English and French projects are included. This dataset portrays the landscape of COVID-19-specific hazards and disaster research workforce in the Canadian social sciences community. Researchers from Canada and internationally could use this dataset to identify their potential research partners in Canada and collaboratively develop research partnerships for post-COVID-19 research in particular, as well as hazards and disaster research in general. The general public could use this dataset to contact their researchers within their communities to request related knowledge and skills. Prospective students could utilize this dataset to find related educational organizations, programs, and supervisors to pursue higher-level education.
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 | 0,006 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,014 | 0,041 |
| Études des sciences et des technologies | 0,008 | 0,001 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,136 | 0,039 |
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 ».