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
- Chain of Ideas: Revolutionizing Research Via Novel Idea Development with LLM Agents [64.64280477958283]
科学文献の急激な増加は、研究者が最近の進歩と意義ある研究方向を見極めるのを困難にしている。
大規模言語モデル(LLM)の最近の発展は、新しい研究のアイデアを自動生成するための有望な道のりを示唆している。
本研究では, チェーン構造に関連文献を整理し, 研究領域の進展を効果的に反映する, LLMベースのエージェントであるChain-of-Ideas(CoI)エージェントを提案する。
論文 参考訳（メタデータ） (2024-10-17T03:26:37Z) - Two Heads Are Better Than One: A Multi-Agent System Has the Potential to Improve Scientific Idea Generation [48.29699224989952]
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。
このマルチエージェントアプローチは、新規で影響力のある科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-10-12T07:16:22Z) - Large Language Models as Co-Pilots for Causal Inference in Medical Studies [0.0]
本研究では,大規模言語モデル(LLM)を共同パイロットツールとして活用し,因果推論の有効性を損なう研究設計上の欠陥の同定を支援する。
本研究では,LLMの概念的枠組みを,様々な分野のドメイン知識を符号化する因果コパイロットとして提案する。
論文 参考訳（メタデータ） (2024-07-26T22:43:15Z) - A Comprehensive Survey of Scientific Large Language Models and Their Applications in Scientific Discovery [68.48094108571432]
大規模言語モデル(LLM)は、テキストやその他のデータ処理方法に革命をもたらした。
我々は,科学LLM間のクロスフィールドおよびクロスモーダル接続を明らかにすることで,研究ランドスケープのより総合的なビューを提供することを目指している。
論文 参考訳（メタデータ） (2024-06-16T08:03:24Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、大規模言語モデルによる研究アイデア作成エージェントである。
科学文献に基づいて繰り返し精製しながら、問題、方法、実験設計を生成する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳（メタデータ） (2024-04-11T13:36:29Z) - 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) - 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) - 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。