A 45-year Retrospective Content Analysis of <i>JVME</i> Articles
Notice bibliographique
Résumé
To study changes in Journal of Veterinary Medical Education ( JVME) content, this article presents the results of an analysis of a purposeful sample ( n = 537) and demographic analysis of all 1,072 articles published from 2005 to 2019. The findings were compared to a prior analysis of articles from 1974 to 2004. Article length increased, as did the number of authors and institutions per article. Female first author numbers grew at a greater rate than the proportion of female faculty at AAVMC-accredited colleges. Close to 85% of articles were by authors in the US, UK, Canada and Australia, while 40 other countries contributed the remainder. The primary topics of papers published from 2005 to 2019 were student affairs (17.3%), professional skills (15.1%), courses and curricula (12.7%), specialty/disciplinary training (12.5%), and technology/information resources (11.5%). The prevalence of articles with an identified research methodology grew from 14.2% in 1974–2004, to 55.9% ( n = 300) in 2005–2019. Among research articles, 54.7% reported an intervention and 70.3% included a comparison. Random assignment to experimental or control conditions occurred in 32 articles (15.2%). Qualitative inquiry expanded, with 16.3% of research articles using this methodology alone. The most cited article was a review paper discussing the human-animal bond. Descriptions of courses and curricula constituted the majority of articles over the journal’s lifespan, while no pattern was discerned between major reports in veterinary education and subsequent publications on that topic. Over the last 45 years, JVME has transitioned from a newsletter to a scholarly publication, with ongoing evolution.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».