Notice bibliographique
Résumé
CONTEXT AND OBJECTIVE: The scientific and technological progress that has taken place since the 1960s has brought an ever-growing volume of scientific research, and inflation in co-authorship. Over this period, it has been observed that an increasing number of publications have listed authors or co-authors whose participation in the published research was minimal or even nonexistent. The objective of this work was to analyze reports in the literature regarding misconduct in authorship: its types, chief causes, consequences and ethical guidelines; and to outline proposals for greater ethical commitment in scientific publication. DESIGN AND SETTING: Narrative review undertaken at Faculdade de Medicina de Itajubá, Minas Gerais, Brazil. METHODS: Analysis of publications about authorship using the Medline, Lilacs and SciELO databases. RESULTS AND CONCLUSIONS: Frequent types of misconduct were gift authorship and divided and redundant publications. The chief causes of these practices seem to be the pressure exerted by academia and the desire for social and professional development. Such factors have brought an increase in unethical behavior. This bias in science continues despite the criteria defined by the International Committee of Medical Journal Editors, the Vancouver group. RECOMMENDATIONS: Various actions are proposed for educational institutions, research development agencies, regulatory agencies and professional associations. The aim is to establish an evaluation policy that gives primacy to the quality of publications and sets ethical principles for scientific research.
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 | 0,123 | 0,209 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,060 |
| Communication savante | 0,010 | 0,016 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,014 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».