MétaCan
Menu
Retour à la cohorte
Enregistrement W3199846882 · doi:10.1002/ece3.8106

Preprinting is positively associated with early career researcher status in ecology and evolution

2021· article· en· W3199846882 sur OpenAlexafffund
Jesse Wolf, Layla MacKay, Sarah E. Haworth, Marie‐Laurence Cossette, Morgan N. Dedato, Kiana B. Young, Colin Elliott, Rebekah A. Oomen

Notice bibliographique

RevueEcology and Evolution · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAcademic Publishing and Open Access
Établissements canadiensTrent University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaJames S. McDonnell Foundation
Mots-clésPreprintInstitutionServerEcologyBiologySociologyWorld Wide WebComputer scienceSocial science

Résumé

récupéré en direct d'OpenAlex

The usage of preprint servers in ecology and evolution is increasing, allowing research to be rapidly disseminated and available through open access at no cost. Early Career Researchers (ECRs) often have limited experience with the peer review process, which can be challenging when trying to build publication records and demonstrate research ability for funding opportunities, scholarships, grants, or faculty positions. ECRs face different challenges relative to researchers with permanent positions and established research programs. These challenges might also vary according to institution size and country, which are factors associated with the availability of funding for open access journals. We predicted that the career stage and institution size impact the relative usage of preprint servers among researchers in ecology and evolution. Using data collected from 500 articles (100 from each of two open access journals, two closed access journals, and a preprint server), we showed that ECRs generated more preprints relative to non-ECRs, for both first and last authors. We speculate that this pattern is reflective of the advantages of quick and open access research that is disproportionately beneficial to ECRs. There is also a marginal association between first author, institution size, and preprint usage, whereby the number of preprints tends to increase with institution size for ECRs. The United States and United Kingdom contributed the greatest number of preprints by ECRs, whereas non-Western countries contributed relatively fewer preprints. This empirical evidence that preprint usage varies with the career stage, institution size, and country helps to identify barriers surrounding large-scale adoption of preprinting in ecology and evolution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,073
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,073
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,358
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineIncitatifs
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology and EvolutionMême sujetAcademic Publishing and Open AccessTravaux en français237 207