Peer Review #2 of "Denouncing the use of field-specific effect size distributions to inform magnitude (v0.1)"
Notice bibliographique
Résumé
An effect size (ES) provides valuable information regarding the magnitude of effects, with the interpretation of magnitude being the most important.Interpreting ES magnitude requires combining information from the numerical ES value and the context of the research.However, many researchers adopt popular benchmarks such as those proposed by Cohen.More recently, researchers have proposed interpreting ES magnitude relative to the distribution of observed ES values in a specific field, creating unique benchmarks for declaring effects small, medium or large.However, there is no valid rationale whatsoever for this approach.This study was carried out in two parts: 1) We identified articles that proposed the use of field-specific ES distributions to interpret magnitude (primary articles); and 2) We identified articles that cited the primary articles and classified them by year and publication type.The first type consisted of methodological papers.The second type included articles that interpreted ES magnitude using the approach proposed in the primary articles.There has been a steady increase in the number of methodological and substantial articles discussing or adopting the approach of interpreting ES magnitude by considering the distribution of ESs in that field, even though the approach is devoid of a theoretical framework.It is hoped that this research will restrict the practice of interpreting ES magnitude relative to the distribution of ES values in a field and instead encourage researchers to interpret such by considering the specific context of the study.
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 | 0,172 | 0,627 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,017 | 0,012 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,015 | 0,009 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,009 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,090 | 0,042 |
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 ».