Racial, gender, sexual, and disability identities of the Journal of the Medical Library Association’s editorial board, reviewers, and authors
Notice bibliographique
Résumé
The Journal of the Medical Library Association (JMLA) recently issued a call for submissions that recognize and address social injustices; speak to diversity, equity, and inclusion in our workforce and among our user populations; and share critical perspectives on health sciences librarianship as well as those on any topic within JMLA’s scope written by authors who are Black, Indigenous, or People of Color. We also committed to creating more equitable opportunities for authors, reviewers, and editorial board members from marginalized groups. As part of this effort, we conducted a demographic survey of all individuals who served as a member of the JMLA editorial board or reviewer or had submitted a manuscript to JMLA between 2018 and 2020. We found that most survey respondents are white, heterosexual, women and do not identify with a disability, meaning that JMLA is missing out on a diversity of perspectives and life experiences that could improve the journal’s processes and policies, enrich its content, and accelerate the research and practice of health sciences librarianship. Therefore, to avoid perpetuating or aggravating systemic biases and power structures in scholarly publishing or health sciences librarianship, we pledge to take concrete steps toward making JMLA a more diverse and inclusive journal.
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 | 0,018 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,016 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».