MétaCan
Menu
Retour à la cohorte
Enregistrement W2782573860 · doi:10.31468/cjsdwr.610

Review of "Detox Your Writing" and "Getting Published in Academic Journals"

2017· article· en· W2782573860 sur OpenAlexaffvenue
Brittany Amell

Notice bibliographique

RevueDiscourse and Writing/Rédactologie · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPublish or perishSurprisePublishingAcademic writingPublicationAudience measurementDoctoral dissertationSociologyHigher educationPedagogyPolitical science

Résumé

récupéré en direct d'OpenAlex

In an era of increasing pressure to publish and complete doctoral degrees as quickly as possible, all while managing heavy administrative workloads, it likely comes as no surprise that do-it-yourself (DIY) doctoral supervision tools are becoming increasingly prolific (Kamler & Thomson, 2008). Perhaps these materials are a response to a growing friction between time needed and time available for doctoral supervision, as well as between the crucial place writing occupies in a doctoral researcher’s life and the often tacit nature of apprenticing to become an academic. As both a doctoral student and a writing coach that works with other doctoral students, I am keenly interested in resources that can support me in both roles. Recently I picked up two texts to aid me with navigating my first attempts at publishing an article and with facilitating a doctoral writing workshop: Thomson and Kamler (2016), Detox your writing, and Paltridge and Starfield’s (2016), Getting published in academic journals. Both texts are geared toward a doctoral audience, though master’s level students and supervisors may equally appreciate the texts for their practical strategies. The texts are complementary as well. Where Thomson and Kamler focus mostly on the journey toward producing a dissertation, Paltridge and Starfield pick up from there to discuss how and why to consider publishing articles from the dissertation.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,919

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,554
Tête enseignante GPT0,646
Écart entre enseignants0,092 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiscourse and Writing/RédactologieMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207