Early Career Researchers' Quest for Reputation in the Digital Age
Notice bibliographique
Résumé
The purpose of this article is twofold: a) to describe and compare methods of early career researcher (ECR) assessment/appraisal; b) to explain how ECRs build, showcase, and monitor their reputation in an era of novel developments in scholarly communications. In all, 116 ECRs from China, France, Malaysia, Poland, Spain, the UK, and the US were questioned about appraisal and reputation in structured in-depth interviews. Desk research supplemented the interview data. It was found that ECRs are assessed very traditionally, largely on journal papers, and cannot (although some would like to) see this state of affairs changing. Mainly, they would prefer that less weight be given to the volume of papers published and more weight given to the quality of their research and its impact on the body of knowledge in their field. Unavoidably, then, ECRs' efforts to build, showcase, and monitor their reputation are still very much associated with research achievements. Nevertheless, online scholarly communities, and ResearchGate in particular, are gaining ground among ECRs, with increase in visibility and citations, and therefore a maximization of research impact, considered to be their main reputational benefits. Metrics are regarded as ‘a rule of the game' that has to be accepted, although ECRs have minimal interest in altmetrics.
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 | 0,078 | 0,198 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,023 | 0,014 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».