MétaCan
Menu
Retour à la cohorte
Enregistrement W2150559305 · doi:10.1111/j.0030-1299.2007.15686.x

Publication bias and merit in ecology

2007· article· en· W2150559305 sur OpenAlexaff
Christopher J. Lortie, Lonnie W. Aarssen, Amber E Budden, Julia Koricheva, Roosa Leimu, Tom Tregenza

Notice bibliographique

RevueOikos · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensQueen's UniversityYork UniversityUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésImperfectProcess (computing)Set (abstract data type)Measure (data warehouse)EcologyComputer scienceProduct (mathematics)EconometricsPositive economicsData scienceEpistemologyBiologyEconomicsMathematicsData mining

Résumé

récupéré en direct d'OpenAlex

Bias, or any set of factors that influence the general expression of merit, is common in science and is an inevitable by‐product of an imperfect but otherwise reasonably objective human pursuit to understand the world we inhabit. In this paper, we explore the conceptual significance of a relatively tractable form of bias, namely publication and dissemination bias. A specific definition is developed, a working model of classification for publication bias is proposed, and an assessment of what we can measure is described. Finally, we offer expectations for ecologists with respect to the significance of bias in the publication process within our discipline. We argue that without explicit consideration of both the qualitative and quantitative aspects of publication bias in ecology, we limit our capacity to fairly assess and best use the science that we as a community produce.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0370,001

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 Opus0,038
Tête enseignante GPT0,266
Écart entre enseignants0,228 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
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

Citations96
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOikosMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207