Predatory Journals on Trial: Allegations, Responses, and Lessons for Scholarly Publishing from <i>FTC v. OMICS</i>
Notice bibliographique
Résumé
On 25 August 2016, the US Federal Trade Commission (FTC) sued OMICS Group Inc., iMedPub LLC, Conference Series LLC, and Srinubabu Gedela, all affiliated with open access mega-publisher OMICS International, for deception in their solicitation of journal articles and advertising of conferences. The ongoing lawsuit seeks to stop OMICS’s deceptive practices and disgorge US $50.5 million in ill-gotten gains. OMICS has in turn claimed over $2.1 billion for harm caused by the lawsuit to its business and employees. This article describes the main arguments, counter-arguments, and court decisions in the 5920 pages of pleadings, exhibits, and orders that have been filed through 14 October 2018. The article then evaluates the case to formulate key take-aways for publishers, editors, academics, and universities. Depending on its ultimate outcome, the case against OMICS may be a turning point in the practices of questionable open access online publishers, making this interim case assessment pertinent to all concerned about the future of academic publishing.
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 | 0,055 | 0,190 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,037 | 0,025 |
| Communication savante | 0,043 | 0,021 |
| Science ouverte | 0,006 | 0,012 |
| Intégrité de la recherche | 0,064 | 0,051 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».