MétaCan
Menu
Retour à la cohorte
Enregistrement W2413148804

Coauthorship in pathology, a comparison with physics and a survery-generated and member-preferred authorship guideline.

2004· article· en· W2413148804 sur OpenAlexaboutno aff
Eugen Tarnow, Barry R. De Young, Michael B. Cohen

Notice bibliographique

RevuePubMed · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGuidelineMedical journalVariety (cybernetics)Library scienceFamily medicinePsychologyMedicineMedical educationComputer sciencePathologyArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In a large and detailed survey of scientific coauthorship in pathology, 3500 members of the US and Canadian Academy of Pathology (USCAP) were surveyed via the Internet with a final response rate of 22.5%. The results were compared with a previous survey of members of the American Physical Society (APS). The fields are found to be very similar. For example, there is no well-defined way to determine coauthorship: the byline is arrived at without the use of public coauthorship standards according to 90% of respondents (92% in physics). A substantial amount of inappropriate authorship is present in both fields using a variety of authorship guidelines. For example, using the guideline of the International Committee of Medical Journal Editors (the "Uniform Requirements for Manuscripts Submitted to Biomedical Journals" [ICMJE]), the average number of coauthors judged to be inappropriate in pathology on papers with 4 coauthors is 1.0 (1.2 in physics), and using the guideline requiring "direct contributions to scientific discovery or invention," we find 1.6 (1.5 in physics). Finally, it is suggested that authorship guidelines should be constructed by public surveys rather than closed-door committees: an authorship guideline constructed from previous survey feedback (from APS members) was found to be preferable to USCAP members (it received 40% of the vote, the ICMJE received 24% of the vote).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,091
score de la tête « metaresearch » (Gemma)0,361
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,481

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0910,361
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0100,010
Études des sciences et des technologies0,0020,002
Communication savante0,0030,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,243
Tête enseignante GPT0,390
Écart entre enseignants0,146 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineÉvaluation
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

Citations17
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetSocial Media in Health EducationTravaux en français237 207