Modéliser la part collective de l'évolution des sciences : le jeu Nobel

old_uid19487
titleModéliser la part collective de l'évolution des sciences : le jeu Nobel
start_date2021/09/28
schedule14h30-16h30
onlineno
summaryAlors qu'en contre-point des politiques de type "publish or perish", la Déclaration sur l'évaluation de la recherche (DORA) reconnaît la nécessité d'améliorer les méthodes d'évaluation des chercheurs et des résultats de la recherche universitaire, que pouvons-nous dire des facteurs qui influencent le développement de nos connaissances scientifiques ? Quelle est la part du jeu social dans les dynamiques de découverte collective et quels sont les impacts des différentes politiques d'évaluation des chercheurs sur ces dynamiques ? Existe-t-il différents régimes dynamiques en fonction de la nature de ces évaluations ? Nous proposerons quelques concepts pour penser la part collective des dynamiques de publications scientifiques, à travers la modélisation de la relation entre la structure des incitations à la publication et les dilemmes d'exploration-exploitation des chercheurs. Cette approche sera illustrée par des études expérimentales, 'in silico' et empiriques. Recommended readings for this lecture Chavalarias, D., Wallach, J.D., Li, A.H.T., Ioannidis, J.P.A., 2016. Evolution of Reporting P Values in the Biomedical Literature, 1990-2015. JAMA 315, 1141. https://doi.org/10.1001/jama.2016.1952 Chavalarias, D., 2016. What’s wrong with Science? Scientometrics 1–23. https://doi.org/10.1007/s11192-016-2109-9 Rzhetsky, A., Foster, J.G., Foster, I.T., Evans, J.A., 2015. Choosing experiments to accelerate collective discovery. Proc. Natl. Acad. Sci. U.S.A. 112, 14569–14574. https://doi.org/10.1073/pnas.1509757112 He, X., Zhang, J., 2009. On the Growth of Scientific Knowledge: Yeast Biology as a Case Study. PLoS Computational Biology 5, e1000320. https://doi.org/10.1371/journal.pcbi.1000320
responsiblesBarberousse, Imbert, Drouet