A psychological perspective towards understanding the objective and subjective gray zones in predatory publishing
Notice bibliographique
Résumé
Abstract A continued lack of clarity persists because academics, policymakers, and other interested parties are unable to clearly define what is a “predatory” journal or publisher, and a potentially wide gray zone exists there. In this perspective, we argue that journals should be evaluated on a continuum, and not just in two shades, black and white. Since evaluations about what might constitute “predatory” are made by humans, the psychological decision-making system that determines them may induce biases. Considering such human psychological characteristics might shed light on the deterministic criteria that have been used, and continue to be used, to classify a journal or publisher as “predatory”, and perhaps, bring additional clarity to this discussion. Better methods of journal evaluation can be obtained when the factors that polarize journal evaluations are identified. As one example, we need to move away from simply using whitelists and blacklists and educate individual researchers about how to evaluate journals. This paper serves as an educational tool by providing more clarity about the “gray” publishing zone, and argues that currently available qualitative and quantitative systems should be fused to deterministically appreciate the zonation of white, gray and black journals, so as to possibly reduce or eliminate the influence of cognitive or “perception” bias from the “predatory” publishing debate.
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 | 0,026 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,061 |
| Communication savante | 0,015 | 0,014 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».