Why Do Manuscripts Get Rejected? A Content Analysis of Rejection Reports from the Indian Journal of Psychological Medicine
Notice bibliographique
Résumé
Background: A proportion of manuscripts submitted to scientific journals get rejected, for varied reasons. A systematic analysis of the reasons for rejection will be relevant to editors, reviewers, and prospective authors. We aimed to analyze the reasons for rejection of manuscripts submitted to the Indian Journal of Psychological Medicine, the flagship journal of Indian Psychiatric Society South Zonal Branch. Methods: We performed a content analysis of the rejection reports of all the articles submitted to the journal between January 1, 2018, and May 15, 2020. Rejection reports were extracted from the manuscript management website and divided into three types: desk rejections, post-peer-review rejections, and post-editorial-re-review rejections. They were analyzed separately for the rejection reasons, using a predefined coding frame. Results: A total of 898 rejection reports were available for content analysis. Rejection was a common fate for manuscripts across the types of submission; figures ranged from 26.7% for viewpoint articles to 72.1% for review articles. The median time to desk rejection was 3 days, while the median time to post-peer-review rejection and post-editorial-re-review rejection was 42 days and 96 days, respectively. The most common reasons for desk rejection were lack of novelty or being out of the journal’s scope. Inappropriate study designs, poor methodological descriptions, poor quality of writing, and weak study rationale were the most common rejection reasons mentioned by both peer reviewers and editorial re-reviewers. Conclusions: Common reasons for rejection included poor methodology and poorly written manuscripts. Prospective authors should pay adequate attention to conceptualization, design, and presentation of their study, apart from selecting an appropriate journal, to avoid rejection and enhance their manuscript’s chances of publication.
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 | 0,115 | 0,494 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,020 | 0,015 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».