Establishing and Facilitating Large-Scale Manuscript Collaborations via Social Media: Novel Method and Tools for Replication
Notice bibliographique
Résumé
BACKGROUND: Authorship teams in the health professions are typically composed of scholars who are acquainted with one another before a manuscript is written. Even if a scholar has identified a diverse group of collaborators outside their usual network, writing an article with a large number of co-authors poses significant logistical challenges. OBJECTIVE: This paper describes a novel method for establishing and facilitating large-scale manuscript collaborations via social media. METHODS: On September 11, 2020, I used the social media platform Twitter to invite people to collaborate on an article I had drafted. Anyone who wanted to collaborate was welcome, regardless of discipline, specialty, title, country of residence, or degree completion. During the 25 days that followed, I used Google Docs, Google Sheets, and Google Forms to manage all aspects of the collaboration. RESULTS: The collaboration resulted in the completion of 2 manuscripts in a 25-day period. The International Council of Medical Journal Editors authorship criteria were met by 40 collaborators for the first article ("Documenting Social Media Engagement as Scholarship: A New Model for Assessing Academic Accomplishment for the Health Professions") and 35 collaborators for the second article ("The Benefits of Using Social Media as a Health Professional in Academia"). The authorship teams for both articles were notably diverse, with 17%-18% (7/40 and 6/35, respectively) of authors identifying as a person of color and/or underrepresented minority, 37%-38% (15/40 and 13/35, respectively) identifying as LGBTQ+ (lesbian, gay, bisexual, transgender, gender non-conforming, queer and/or questioning), 73%-74% (29/40 and 26/35, respectively) using she/her pronouns, and 20%-23% (9/40 and 7/35, respectively) identifying as a person with a disability. CONCLUSIONS: Scholars in the health professions can use this paper in conjunction with the tools provided to replicate this process in carrying out their own large-scale manuscript collaborations.
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 | 0,386 | 0,699 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,014 | 0,009 |
| Études des sciences et des technologies | 0,009 | 0,013 |
| Communication savante | 0,014 | 0,016 |
| Science ouverte | 0,007 | 0,025 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,006 |
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 ».