MétaCan
Menu
Retour à la cohorte
Enregistrement W2969398614 · doi:10.36591/se-4202-02

How Journals and Publishers Can Help to Reform Research Assessment

2019· article· en· W2969398614 sur OpenAlexaboutno aff
Anna Hatch, Mark Patterson

Notice bibliographique

RevueScience Editor · 2019
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceComputer scienceLibrary scienceData science

Résumé

récupéré en direct d'OpenAlex

Journals and publishers recognize that editorial decisions can make or break researchers’ careers. It is well established that administrators and decision-makers use journal prestige and impact factors as a shortcut to assess the research of job applicants, current academic staff, and even proactively recruit academics who score highly on such metrics. It is not uncommon to find language in university evaluation policies that reference or explicitly mention the Journal Impact Factor (JIF). For example, a recent study found that the JIF or other closely related terms, including “high-impact journal” and “journal impact,” were mentioned in 23% of review, promotion, and tenure documents in a representative sample of academic institutions across the United States and Canada.1 This amount increased to 40% among research-intensive universities. However, such an approach to research evaluation provides a limited view of anyone’s accomplishments. Many groups also have argued that focusing on journal brands intensifies competition between researchers and journals in ways that distort behavior and undermine a healthy and productive scholarly enterprise.­2,3 But it is not enough to recognize the problem. Identifying specific approaches that publishers can take to address these concerns really is key. The Declaration on Research Assessment (DORA)4 is doing that by advancing practical and robust approaches to improve how research is evaluated in hiring, promotion, and funding decisions. But change—which is essentially cultural—does not come easy. It hinges on the actions of individuals, organizations, and every stakeholder in the environment. When DORA was released in 2013, the declaration provided 18 targeted recommendations […]

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)0,281
score de la tête « metaresearch » (Gemma)0,520
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,719
Score d'incertitude au seuil0,887

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2810,520
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0150,009
Études des sciences et des technologies0,0180,047
Communication savante0,1000,118
Science ouverte0,0090,041
Intégrité de la recherche0,0490,045
Charge utile insuffisante (le modèle a refusé de juger)0,0340,029

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 Opus0,319
Tête enseignante GPT0,589
Écart entre enseignants0,270 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineÉvaluation
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience EditorMême sujetEvaluation and Performance AssessmentTravaux en français237 207