Thesis Lounge: A graduate student organized session - Remote data collection in a COVID-19 pandemic era: A perspective of a graduate student studying in Canada and collecting his PhD thesis research data in Africa
Notice bibliographique
Résumé
Thesis Lounge: a graduate student organized session\nRemote data collection in a COVID-19 pandemic era: A perspective of a graduate student studying in Canada and collecting his PhD thesis research data in Africa.\nRationale: This session is a participatory session with the lead presenter being a current Ph.D. Candidate at Western University in Canada. The presenter shares his remote data collection experience from two African countries during the height of the COVID-19 pandemic. This session begins with a 30 minute presentation designed to describe the presenter’s approach to collecting data remotely, as well as highlighting tips to improve success as well as potential pitfalls to take note of.\nThe next part of the session will build on the presentation and focus on drawing from other participants who have also collected their graduate research data from African countries remotely. Their perspectives and experiences will also enrich the session when they bring a multidisciplinary, multi cultural and contextual content to the discussion. The session will conclude with questions and answers from the audience.\nAt the end of this session, graduate students should be guided in how to overcome distance barriers when successfully planning and remotely collecting data from the African continent during a pandemic.\nPresenter: Uche Ikenyei is a PhD. Candidate, Health Information Sciences (HIS), Western University, Canada. His PhD research focuses on exploring ways of improving developing countries’ health information systems for future infectious disease pandemics.\n*Please note this session will be recorded and posted on this page after the conference.\nMeeting ID: 921 8023 8171
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,005 | 0,012 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».