Overcoming the Myths of the Review Process and Getting Your Paper Ready for Publication
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
T he flood of scientific papers published daily across all scientific disciplines has resulted in the majority of these articles receiving less reader attention than they deserve.It is getting increasingly difficult for readers to keep up with all of the published papers in his/her discipline.Even in the major scientific journals, nearly 75% of the published articles receive citations that are below the journal's impact factor, perhaps suggesting that many published papers do not receive sufficient attention from the average readership or simply they are not effective in communicating the results.(See, for example, Nature 2005, 435, 1003-1004.DOI: 10.1038/4351003b) Hence, it becomes the responsibility of the authors to take additional steps to make their paper effective as a scientific communication to a broad readership.A well-composed paper that can appeal to the general readership can draw favorable attention from editors and reviewers during the peer review process.(Tips on how to make your papers scientifically effective are available in an earlier editorial, "How to Make Your Next Paper Scientifically Effective" (http://pubs.acs.org/doi/abs/10.1021/jz4006916).We present in this Editorial some key steps in the review process for articles submitted to The Journal of Physical Chemistry Letters (JPCL) and provide some insight into how authors can work with the editors to improve their papers and facilitate their navigation through the peer review process.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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