Synthesis & Synergy: Finding Connection Across Spinocerebellar Ataxia Type 1, Knowledge Translation, and Higher Education Research
Notice bibliographique
Résumé
Graduate students are socialized into three key domains of academia throughout their studies – research, service, and teaching. The outcome of this socialization is impacted by a student’s disciplinary affiliation, training environment, and supervisory relationship. This multi-disciplinary dissertation represents a scholarly examination of three examples of disciplinary research, service, and teaching. For disciplinary research, we explore characterizing the DNA damage response of ataxin-1, the disease-causing protein of the neurodegenerative triplet-repeat disorder Spinocerebellar Ataxia type 1. For service, we examine the positive impact of a knowledge translation platform for ataxia research ataxia patient and family member readers, as well as its volunteer writers and editors. For teaching, we investigate how the COVID-19 pandemic has impacted graduate students' and postdoctoral fellows' development due to laboratory closures. Further, we return to this examination of the influence of COVID-19 on academia through the exploration of disparities in publication pressure reported by scholars in Canada. Though seemingly disparate research topics, each line of inquiry is grounded within research pragmatism, namely the identification of practical solutions through a clear understanding of a phenomenon. This breadth of research would not be possible without interdisciplinary graduate training, which develops scholars adept at creating innovative solutions to complex or ill-defined problems. Overall, this dissertation offers a snapshot of the opportunities and challenges of interdisciplinary research training within a biomedical research department.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».