On “Journal publication productivity…” Richter et al. Phys Ther. 2008;88:376–386.
Notice bibliographique
Résumé
Having published an article on pediatric physical therapy publication trends in 1993,1 I was keenly interested in reading Richter and colleagues’ recent article on publication productivity in US academic physical therapy programs2 and the letters written in response to it.3–5 Kudos to Randy Richter and his colleagues for conducting this important study, despite some methodological shortcomings that were pointed out by the authors themselves2 and the respondents.3–5 I agree wholeheartedly with Christopher Maher4 that this study should not be ignored! Having been an academic in physical therapy programs in 2 major research-intensive universities in the United States from 1981 to 1989, I moved to Canada and the University of British Columbia's (UBC) physical therapy program in 1990 and have remained there ever since. Not only are there far fewer physical therapist education programs in Canada (n=13) than in the United States, they also are much more standardized in their approach. All 13 are located in research-intensive universities and are part of major health sciences centers.
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 | 0,010 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,032 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,016 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».