Um ano de e-mails não solicitados: o modus operandi de revistas e editoras predatórias
Notice bibliographique
Résumé
Objectives: To quantify, characterize and analyze e-mail from predatory journals (PJ) received by an academic in dentistry. Materials and methods: E-mails received in 2019 and suspected of being potentially predatory were pre-selected. The Ottawa Hospital Research Institute (OHRI) checklist was applied to identify the suspected biomedical PJ, including the following criteria: article processing charge (APC), fake impact factor, the journal being listed in the Directory of Open Access Journals (DOAJ) and the Committee on Publication Ethics (COPE). We also extracted information on the lack of an impact factor on Journal Citations Reports, non-journal affiliated contact e-mail address, flattering language, article and/or personal citation, unsubscribe link, being listed in the National Library of Medicine (NLM) current catalog and indexed on Medline. Results: A total of 2,812 unsolicited suspected e-mails were received, and 1,837 requested some sort of manuscript; among these, 1,751 met some of the OHRI criteria. Less than half (780/1,837, 42%) referred to some area of dentistry. The median APC was US$399. A false impact factor was mentioned in 11% (201/1,837) of the e-mails, and 27% (504/1,837) corresponded to journals currently listed in the NLM catalog. Journals listed in DOAJ and COPE sent 89 e-mails. Conclusions: The email campaign from PJ was high and recurrent. Researchers should be well informed about PJ’ modus operandi to protect their own reputation as authors and that of science.
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 | 0,032 | 0,279 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,014 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».