Investigating academic library responses to predatory publishing in the United States, Canada and Spanish-speaking Latin America
Notice bibliographique
Résumé
Purpose \nThis is a comparative investigation of how university libraries in the United States, Canada and Spanish-speaking Latin America are responding to predatory publishing. \n \nDesign/methodology/approach \nThe Times Higher Education World University Rankings was used to identify the top ten universities from each of the US and Canada, as well as the top 20 Spanish-language universities in Latin America. Each university library's website was scrutinized to discover whether the libraries employed scholarly communication librarians, whether they offered scholarly communication workshops, or whether they shared information about scholarly communication on their websites. This information was further examined to determine if it discussed predatory publishing specifically. \n \nFindings \nMost libraries in the US/Canada sample employ scholarly communication librarians and nearly half offer workshops on predatory publishing. No library in the Latin America sample employed a scholarly communication specialist and just one offered a workshop addressing predatory publishing. The websites of the libraries in the US and Canada addressed predatory publishing both indirectly and directly, with US libraries favoring the former approach and Canadian libraries tending towards the latter. Predatory publishing was rarely addressed directly by the libraries in the Latin America sample; however, all discussed self-archiving and/or Open Access. \n \nResearch limitations/implications \nBrazilian universities were excluded owing to the researchers' language limitations. Data were collected between September 15 and 30, 2019, so it represents a snapshot of information available at that time. The study was limited to an analysis of library websites using a fixed set of keywords, and it did not investigate whether other campus units were involved or whether other methods of informing researchers about predatory publishing were being used. \n \nOriginality/value \nThe study reveals some best practices leading to recommendations to help academic libraries combat predatory publishing and improve scholarly publishing literacy among researchers.
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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».