Snappy answers to stupid questions: an evidence-based framework for responding to peer-review feedback
Notice bibliographique
Résumé
BACKGROUND: Authors are inundated with feedback from peer reviewers. Although this feedback is usually helpful, it can also be incomprehensible, rude or plain silly. Inspired by Al Jaffe's classic comic from Mad Magazine, we sought to develop an evidenced-based framework for providing "snappy answers to stupid questions," in the hope of aiding emerging academics in responding appropriately to feedback from peer review. METHODS: We solicited, categorized and analyzed examples of silly feedback from peer reviewers using the grounded theory qualitative research paradigm from 50 key informants. The informants represented 15 different professions, 33 institutions and 11 countries (i.e., Australia, Barbados, Canada, Germany, Japan, New Zealand, South Africa, Sweden, Switzerland, UK and USA). RESULTS: We developed a Scale of Silliness (SOS) and a Scale of Belligerence (SOB) to facilitate the assessment of inadequate peer-review feedback and guide users in preparing suitable responses to it. The SOB score is tempered by users' current mood, as captured by the Mood Reflective Index (MRI), and dictates the Appropriate Degree of Response (ADR) for the particular situation. CONCLUSION: Designed using the highest quality of (most easily accessible anecdotal) evidence available, this framework may fill a significant gap in the research literature by helping emerging academics respond to silly feedback from peer reviewers. Although use of the framework to its full extent may have negative consequences (e.g., loss of promotion), its therapeutic value cannot be understated.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,697 | 0,642 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,043 | 0,016 |
| Études des sciences et des technologies | 0,021 | 0,067 |
| Communication savante | 0,032 | 0,034 |
| Science ouverte | 0,019 | 0,038 |
| Intégrité de la recherche | 0,013 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».