Self-plagiarism: a misnomer
Notice bibliographique
Résumé
The opprobrium of self-plagiarism makes one a scientific pariah. This paper provides a critical evaluation of the discourse of “self-plagiarism” in scientific publications. We first show that “self-plagiarism” is a misnomer and should be replaced with “unacceptable duplication.” We distinguish acceptable from unacceptable duplication in scientific communications, providing a typology of both. We then review issues of copyright infringement and propose a preventive ethics approach to unacceptable duplication. Scientific misconduct and self-plagiarismAmerican Journal of Obstetrics & GynecologyVol. 214Issue 4PreviewThe recent report on self-plagiarism is very interesting.1 Mandal et al2 recently reported an Indian perspective, mentioned several problems referring to scientific misconduct, and noted that self-plagiarism was a very common problem. In fact, the problem can be seen worldwide. Here, we would like to share our experience. First, in the context of non-English speaking countries, such as Thailand, scientific misconduct might be observable in the form of “translational plagiarism.”3 This can be seen in several publications, including reports by eminent researchers from local universities. Full-Text PDF ReplyAmerican Journal of Obstetrics & GynecologyVol. 214Issue 4PreviewWe appreciate the comments of Drs Joob and Wiwanitkit with regard to our recent article.1 Most of their comments (eg, “translational plagiarism”) are on plagiarism and not self- plagiarism, but some are relevant to both. The authors of this letter are correct that the response to plagiarism or unacceptable duplication is quite variable and at times minimal. The medical and scientific community may need to address this issue and possibly create a set of rules for detection and response to these issues. Full-Text PDF
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 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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».