MétaCan
Menu
Retour à la cohorte
Enregistrement W2051359108 · doi:10.1111/j.1465-7295.2012.00480.x

THE EFFECTS OF PUBLICATION LAGS ON LIFE‐CYCLE RESEARCH PRODUCTIVITY IN ECONOMICS

2012· article· en· W2051359108 sur OpenAlexaboutno aff
John P. Conley, Mario J. Crucini, Robert Driskill, Ali Sina Önder

Notice bibliographique

RevueEconomic Inquiry · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Markets and Investment Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityEconomicsConstruct (python library)Demographic economicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

We investigate how increases in publication delays have affected the life cycle of publications of recent Ph.D. graduates in economics. We construct a panel dataset of 14,271 individuals who were awarded Ph.D.s between 1986 and 2000 in U.S. and Canadian economics departments. For this population of scholars, we amass complete records of publications in peer‐reviewed journals listed in the JEL (a total of 368,672 observations). We find evidence of significantly diminished productivity in recent relative to earlier cohorts when productivity of an individual is measured by the number of AER‐equivalent publications. Diminished productivity is less evident when the number of AER‐equivalent pages is used instead. Our findings are consistent with earlier empirical findings of increasing editorial delays, decreasing acceptance rates at journals, and a trend toward longer manuscripts. This decline in productivity is evident in both graduates of top 30 and non‐top 30 ranked economics departments and may have important implications for what should constitute a tenurable record. We also find that the research rankings of top economics departments are a surprisingly poor predictor of the subsequent research rankings of their Ph.D.s graduates. (JEL A11, J24, J29, J44)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,137
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,137
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,290
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic InquiryMême sujetFinancial Markets and Investment StrategiesTravaux en français237 207