Proposal for ‘segmented peer review’ of multidisciplinary papers
Notice bibliographique
Résumé
We propose a new process for peer review of multidisciplinary journal submissions called 'segmented peer review'. The current translational research environment increasingly requires complex and multidisciplinary studies that span multiple distinct specialties within a single paper. Such papers present logistic and practical barriers to effective peer review. To address these barriers, papers undergoing segmented peer review require authors to explicitly i) identify each of the areas of expertise required to review the paper, ii) direct each reviewer to the relevant portions of the manuscript, and iii) suggest in-field reviewers. This segmentation of the paper is then followed by a 'segmented peer review request' tailored to the expertise of each potential reviewer, with a request to confine his / her review to those 'in-scope' aspects of the paper, while de-emphasizing any optional 'out-of-scope' comments. Each reviewer indicates the fitness for publication, or suitability for revision, of their particular segment of the manuscript. The segmented peer review process is completed when the editors integrate the segmented peer reviews. We propose segmented peer review as a fit-for-purpose process with tangible advantages for authors, reviewers, and journal editors. It should reduce the specific barriers to publication inherent in the evaluation of multidisciplinary research efforts.
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 | 0,359 | 0,447 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,011 | 0,019 |
| Communication savante | 0,029 | 0,017 |
| Science ouverte | 0,012 | 0,015 |
| Intégrité de la recherche | 0,034 | 0,036 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,018 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».