Nurturing a Culture of Responsible Conduct of Research to Support Safe Disclosure
Notice bibliographique
Résumé
Pressures to publish, which are prevalent in higher education, can lead to research misconduct and, in the absence of clear, safe disclosure policies—and mechanisms and structures to support them—individuals affected by research misconduct may fear retaliation when speaking up. This Organizational Improvement Plan examines how to foster a climate where individuals feel supported and are encouraged to speak up if they witness research misconduct at Forest University (a pseudonym), a research-intensive university in Ontario, Canada. In alignment with my values, the change process is guided by authentic and ethical leadership perspectives. The Change-Path Model, supported by Beckhard and Harris’ Change-Management Process, is the change framework to address the Problem of Practice (PoP). Krüger’s Iceberg Model of Change and an adapted readiness rubric have been used to deepen my understanding of the organizational culture and to identify expected and unexpected resistance points. The Plan-Do-Check-Act cycle will be used to determine where refinement is needed. Forest University has a large, diverse population of students, faculty, and staff. A working group will be assembled using shared equity leadership to ensure a range of lived and learned experience to address the PoP and support the change. The proposed solution takes a hybrid approach that focuses on introducing mechanisms and structures to support policy, including hiring a dedicated role to develop training and education, serve as an intake for research misconduct concerns, and to keep policy up to date.
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 | 0,094 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,017 | 0,020 |
| Communication savante | 0,022 | 0,011 |
| Science ouverte | 0,004 | 0,020 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».