MétaCan
Menu
Retour à la cohorte
Enregistrement W3119025180 · doi:10.18549/pharmpract.2021.1.2284

Authors, peer reviewers, and readers: What is expected from each player in collaborative publishing?

2021· article· en· W3119025180 sur OpenAlexfundno aff
Fernando Fernández-Llimós

Notice bibliographique

RevuePharmacy Practice · 2021
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmaceutical industry and healthcare
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Illinois at Urbana-ChampaignUniversitas AirlanggaUniversità degli Studi di CamerinoUniversiti Sains MalaysiaUniversité LibanaiseUniversity of Technology SydneyUniversity of New EnglandBeirut Arab UniversityLomonosov Moscow State UniversityUniversidade de São PauloCairo UniversityRWTH Aachen UniversityUniversity of MinnesotaUniversity of PetraUniversity of TorontoUniversidade do PortoUniversidad Nacional de ColombiaDalhousie UniversityVrije Universiteit BrusselUniversité de ParisUniversidade Estadual de Ponta GrossaUniversidade de LisboaUniversità degli Studi Roma TreUniversitas PadjadjaranKøbenhavns Universitet
Mots-clésPublishingnobodyQuality (philosophy)Open peer reviewVisibilityWork (physics)Peer reviewComputer sciencePublic relationsWorld Wide WebInternet privacyPolitical scienceLawEngineeringComputer securityEpistemology

Résumé

récupéré en direct d'OpenAlex

Scholarly publishing is in a crisis, with the many stakeholders complaining about different aspects of the system. Authors want fast publication times, high visibility and publications in high-impact journals. Readers want freely accessible, high-quality articles. Peer reviewers want recognition for the work they perform to ensure the quality of the published articles. However, authors, peer reviewers, and readers are three different roles played by the same group of individuals, the users of the scholarly publishing system-and this system could work based on a collaborative publishing principle where "nobody pays, and nobody gets paid".

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,009
Science ouverte0,0000,000
Intégrité de la recherche0,0010,006
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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.

Tête enseignante Opus0,485
Tête enseignante GPT0,586
Écart entre enseignants0,101 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmacy PracticeMême sujetPharmaceutical industry and healthcareTravaux en français237 207