How Journals and Publishers Can Help to Reform Research Assessment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,045 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle