Reasons for Rejection of Manuscripts Submitted to <i>AJR</i> by International Authors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to promote publication by international authors in AJR by analyzing the reasons for rejection of manuscripts. MATERIALS AND METHODS: Data available through the electronic system for review of submitted manuscripts were analyzed over a 2-year period with regard to country of origin, type of the manuscript, decision of the editors, and reason for rejection. Countries with more than 50 submitted manuscripts were selected, and rejection rates and reasons for rejection determined by one of the editors were compared. RESULTS: Eighteen countries had more than 50 manuscript submissions, and the rejection rates ranged from 22.6% to 73.4%. Countries with high rates of submission of reports of original research, including Clinical Observations manuscripts, had high acceptance rates. Countries in which English is the primary language had higher acceptance rates than those in which English is not the primary language (29.1% vs 40.3%, p < 0.05). Countries with English as the primary language, including Canada, the United Kingdom, and Australia, had rejection patterns similar to that of the United States. Language problems were not a major reason for rejection, except for manuscripts from China. Lack of new or useful knowledge was by far the most common reason for rejection in all countries (44-76% of all rejections). CONCLUSION: High-quality scientific work is key to overcoming barriers to publication. Designing an appropriate study that answers a clearly defined and pertinent question is an important first step. Language problems were not a major cause of rejection, except for manuscripts from China.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle