The state and evolution of Gold open access: a country and discipline level analysis
Notice bibliographique
Résumé
Purpose The purpose of this paper is to investigate the evolution of Gold open access (OA) rates in different countries and disciplines, as well as explore the influencing factors. Design/methodology/approach In this study, employing the OA filter option of Web of Science (WoS), the authors perform a large-scale evaluation of the OA state of countries and disciplines from 1990 to 2016. Particularly, the authors consider not only the absolute number of Gold OA literature but also the ratio of them among all literature. Findings Currently, one-quarter of the WoS articles is Gold OA articles. Brazil is the most active country in OA publishing, while Russia, India and China have the lowest OA ratios. The OA percentage of Brazil has been decreasing dramatically in recent years, while the OA percentages of China, UK and the Netherlands have been increasing. There also exist huge differences of OA percentages across different subject categories. The percentages of OA articles in biology, life, and health-related areas are high, while those in physics and chemistry-related subject categories are very low. Originality/value With the availability of large-scale data from WoS, this study conducts a comprehensive evaluation of the Gold OA state of major countries for the first time. The variation of OA percentages is considered in light of the research profiles. OA policies in different countries and funding organizations also have an influence on the OA development.
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 | 0,011 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,030 | 0,046 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».