Presenter: Werner Paulus, University Hospital Muenster, Muenster. Publishing A High-quality, Non-commercial Neuropathology Journal Without a Publisher: The First Nine Months
Notice bibliographique
Résumé
Scholarly communication faces increasing economical and ethical challenges, including pricing policies and overbearing behavior of commercial publishing houses. Based on the hypothesis that a diamond open access neuropathology journal of a high scientific and technical quality can be run entirely by neuropathologists, we launched Free Neuropathology (FNP; freeneuropathology.org) in January 2020. Classical publisher activities, such as copyediting, layout, website maintenance, and journal promotion, are undertaken by neuropathologists and neuroscientists using free open access software. The journal is free for both readers and authors, and papers are published under a Creative Commons BY SA licence, where copyright remains with the authors. Based on 26 articles published by August 2020, it takes FNP 11.1 days from submission to first, and 19.9 days to final, decision. High-quality copyediting, layout, and online publishing in the final format is accomplished in only 8 days. Absence of a commercial publisher enables prioritization of democratic and scientifically-driven decisions on editorial structure, website design, journal promotion, paper formatting, special article series, and number of accepted papers. This new model of journal publishing, which returns the control of scholarly communication to scientists, will be of interest to neuropathologists and wider scientific community alike. Learning Objectives Summarize the current state and driving forces behind commercial and non-commercial scientific publishing in neuropathology. Describe the advantages and challenges of a non-commercial publishing platform for neuropathology.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes 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 ».