MétaCan
Menu
Retour à la cohorte
Enregistrement W4210961700 · doi:10.5195/jmla.2022.1430

Creating a more inclusive journal: the Journal of the Medical Library Association’s evolving process for selecting editorial board members

2021· editorial· en· W4210961700 sur OpenAlexaff
Margaret Henderson, John Cyrus, Erin Eldermire, Jill Boruff, Katherine G. Akers, Beverly Murphy

Notice bibliographique

RevueJournal of the Medical Library Association JMLA · 2021
Typeeditorial
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésEditorial boardSelection (genetic algorithm)Process (computing)Computer scienceAssociation (psychology)World Wide WebLibrary scienceData sciencePsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The Journal of the Medical Library Association (JMLA) selects new editorial board members every year. In the spring of 2021, JMLA used a new process for reviewing and selecting applicants for the limited number of open editorial board positions. This reevaluation of the selection process was spurred by a desire to create a more diverse and representative board. Changes to the procedures for selecting new editorial board members included having an open call for editorial board members, creating an application form, creating a selection committee to screen applicants, creating a form for the selection committee to extract data from applications, and creating a two-step process for screening and then selecting board members. As part of construction of this new process, areas for continued improvement were also identified, such as refining the application form to allow more specific answers to areas of interest to the selection committee. The newly created selection process for editorial board members constitutes a significant change in JMLA processes; however, more can be done to build on this work by further refining the selection process and ensuring that new members are selected in a transparent and streamlined manner.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarecherche
Domaine: Incitatifs · Genre: Éditorial
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetlow
gptMétarechercheCommunication savante
Domaine: Évaluation · Genre: Éditorial
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objetmedium
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,043
score de la tête « metaresearch » (Gemma)0,147
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,229

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,147
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0080,006
Communication savante0,0260,011
Science ouverte0,0030,004
Intégrité de la recherche0,0080,015
Charge utile insuffisante (le modèle a refusé de juger)0,0090,008

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 Opus0,006
Tête enseignante GPT0,290
Écart entre enseignants0,284 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

MétarechercheCommunication savante

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeSans objet
DomaineIncitatifs · Évaluation
GenreÉditorial

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

En bref

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Medical Library Association JMLAMême sujetDiversity and Career in MedicineCatégorieMétarechercheTravaux en français237 207