論文の概要: Teaching reproducible research for medical students and postgraduate
pharmaceutical scientists
- arxiv url: http://arxiv.org/abs/2012.03554v1
- Date: Mon, 7 Dec 2020 09:44:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 21:38:20.854084
- Title: Teaching reproducible research for medical students and postgraduate
pharmaceutical scientists
- Title(参考訳): 医学生と大学院薬学者のための再現性研究の指導
- Authors: Andreas D. Meid
- Abstract要約: 多くの学術分野では、医学生はすでに研究中に科学的な仕事を始めています。
彼ら全員が、良い研究実践を教育の不可欠な部分として教えるべきです。
これは近代研究の中心的な側面である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In many academic settings, medical students start their scientific work
already during their studies. Like at our institution, they often work in
interdisciplinary teams with more or less experienced (postgraduate)
researchers of pharmaceutical sciences, natural sciences in general, or
biostatistics. All of them should be taught good research practices as an
integral part of their education, especially in terms of statistical analysis.
This includes reproducibility as a central aspect of modern research.
Acknowledging that even educators might be unfamiliar with necessary aspects of
a perfectly reproducible workflow, I agreed to give a lecture series on
reproducible research (RR) for medical students and postgraduate pharmacists
involved in several areas of clinical research. Thus, I designed a piloting
lecture series to highlight definitions of RR, reasons for RR, potential merits
of RR, and ways to work accordingly. In trying to actually reproduce a
published analysis, I encountered several practical obstacles. In this article,
I focus on this working example to emphasize the manifold facets of RR, to
provide possible explanations and solutions, and argue that harmonized
curricula for (quantitative) clinical researchers should include RR principles.
I therefore hope these experiences are helpful to raise awareness among
educators and students. RR working habits are not only beneficial for ourselves
or our students, but also for other researchers within an institution, for
scientific partners, for the scientific community, and eventually for the
public profiting from research findings.
- Abstract(参考訳): 多くの学術分野において、医学生は研究中に既に科学研究を開始している。
我々の機関と同様に、彼らは多かれ少なかれ経験豊富な(大学院)薬学、一般の自然科学、あるいは生統計学の研究者と学際的なチームで働いていることが多い。
それらはすべて、特に統計分析の観点から、教育の不可欠な部分として優れた研究実践を教えるべきである。
これは現代研究の中心的側面としての再現性を含んでいる。
完全に再現可能なワークフローの必要な側面に慣れていない教育者でさえも,臨床研究のいくつかの分野に関わる医学生や大学院生を対象に,再現可能な研究(RR)に関する講義シリーズを開催することに同意した。
そこで私は、RRの定義、RRの理由、RRのメリットの可能性、そしてそれに従って作業する方法を明らかにするためのパイロット講義シリーズを設計した。
実際に分析を再現しようとすると、いくつかの現実的な障害に遭遇しました。
本稿では、RRの多様体面を強調し、可能な説明と解決策を提供し、(定量的な)臨床研究者のための調和されたカリキュラムにはRR原理を含めるべきであると主張する。
したがって、これらの経験が教育者や学生の意識を高めるのに役立つことを願っています。
RRの労働習慣は、私たち自身や学生にとってだけでなく、機関内の他の研究者にとっても、科学的パートナーにとっても、科学コミュニティにとっても、そして最終的には研究結果から公衆の利益のためにも有益である。
関連論文リスト
- Getting aligned on representational alignment [89.81370730647467]
本研究では,認知科学,神経科学,機械学習における表現的アライメントの研究を行う。
表現的アライメントに関心のある研究コミュニティ間での知識伝達は限られている。
本稿では,表現的アライメントを研究する研究者の間で共通言語として機能する統一フレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-18T17:47:58Z) - In-class Data Analysis Replications: Teaching Students while Testing
Science [18.517814794413457]
本研究では,EPFLで教えられた応用データ分析コースのプロジェクトコンポーネントにデータ解析の複製を組み込んだ。
学生がデータ分析の複製を期待していることと、彼らが経験したこととの間には相違点がある。
我々は,学術コミュニティにおけるクラス内データ分析レプリケーションの有意義なメリットを同定する。
論文 参考訳(メタデータ) (2023-08-31T06:53:22Z) - How Data Scientists Review the Scholarly Literature [4.406926847270567]
データサイエンティストの文献レビューの実践について検討する。
データサイエンスは、論文の指数的な増加を示す分野である。
これらの科学者が直面する具体的な実践や課題について、事前の研究は行われていない。
論文 参考訳(メタデータ) (2023-01-10T03:53:05Z) - Building a Culture of Reproducibility in Academic Research [55.22219308265945]
再現性(reproducibility)は、研究者が「抽象的な」議論をしない理想であるが、願望が学界の冷酷な現実と出会うと、しばしば「消える」という理想である。
このエッセイでは、他の優先順位に対する要求のバランスをとりながら、運用方法に不満を抱く個人的な経験を共有します。
論文 参考訳(メタデータ) (2022-12-27T16:03:50Z) - Reproducibility in machine learning for medical imaging [3.1390096961027076]
本章は、医療画像の機械学習分野の研究者への紹介である。
それぞれの目的は、それを定義すること、それを達成するための要件を説明すること、有用性について議論することである。
この章は、教義の利点に関する議論と、この概念と研究実践におけるその実践に対する非教義的なアプローチへの嘆願で終わる。
論文 参考訳(メタデータ) (2022-09-12T09:00:04Z) - Award rate inequities in biomedical research [55.850540873687386]
著者らは、2010年から2022年の間にミシガン大学医学部から提案された14,263の生物医学研究提案を分析した。
人種・倫理と提案の受賞率には明確な関係がある。
黒人/アフリカ系アメリカ人とアジア系アメリカ人の研究者は、白人の研究者と比較して全ての応募カテゴリーで不利に見える。
論文 参考訳(メタデータ) (2022-06-14T14:05:39Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳(メタデータ) (2021-05-03T21:20:20Z) - A field guide to cultivating computational biology [1.040598660564506]
バイオメディカルリサーチセンターは、実験や患者からの大規模なデータセットを活用することで、基礎的な発見と治療戦略を強化することができる。
このデータと、それを作成し、分析する新しい技術は、従来の個別の単一分野の研究モデルを超えて、データ駆動の発見の時代を後押ししてきた。
我々は、個々の科学者、機関、雑誌発行者、資金調達機関、教育者に対する解決策を提案する。
論文 参考訳(メタデータ) (2021-04-23T01:24:21Z) - Towards Continual Reinforcement Learning: A Review and Perspectives [69.48324517535549]
我々は,連続的強化学習(RL)に対する異なる定式化とアプローチの文献レビューの提供を目的とする。
まだ初期段階だが、継続的なrlの研究は、よりインクリメンタルな強化学習者を開発することを約束している。
これには、医療、教育、物流、ロボット工学などの分野の応用が含まれる。
論文 参考訳(メタデータ) (2020-12-25T02:35:27Z) - Learnings from Frontier Development Lab and SpaceML -- AI Accelerators
for NASA and ESA [57.06643156253045]
AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。
我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。
FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
論文 参考訳(メタデータ) (2020-11-09T21:23:03Z) - Secondary Studies in the Academic Context: A Systematic Mapping and
Survey [4.122293798697967]
本研究の主な目的は,学術的文脈における二次研究の利用について概観することである。
我々は,SE研究プロジェクト実施のための研究方法論として,セカンダリスタディの利用に関する利用可能かつ関連する研究をSMで検証した。
第2に、64人のSE研究者による調査が行われ、研究プロジェクトを支援するための二次研究を行うことの価値に関する認識が特定された。
論文 参考訳(メタデータ) (2020-07-10T20:01:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。