Editorial diversity in medical education journals
Notice bibliographique
Résumé
BACKGROUND: In recent years, the field of medical education has sought to amplify the voices of those from traditionally marginalised groups and medical education journals have sought to become more accessible and diverse. This study sought to examine the gender and geographical representation of editors and editorial board members in medical education journals. METHODS: Information about individual editors and editorial board members of 10 medical education journals was retrieved from their websites in January 2021, including their gender and the country in which they were based. Countries were categorised according to World Bank Income Classification and World Bank Geographical Regions. We then calculated the Composite Editorial Board Diversity Score for each journal. FINDINGS: Of 488 editors and editorial board members, 283 (58.0%) were male, 452 (92.6%) were based in high-income countries and 322 (66.0%) were from the four countries with greatest representation (the United States, the United Kingdom, Australia and Canada). DISCUSSION: The composition of medical education journals' editorial leadership teams remains dominated by males and those from higher income and Western countries. Strikingly, little change has taken place since this was last examined 17 years ago despite the field becoming apparently more globalised. As medical education strives to become a more inclusive and diverse discipline, developing policies to create more globally representative editorial leadership teams should now be an urgent priority.
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 | 0,036 | 0,166 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».