A method for the madness: An international survey of health professions education authors’ journal choice
Notice bibliographique
Résumé
INTRODUCTION: Scholarship is a key activity in health professions education (HPE). When disseminating scholarly work, how one selects the journal to which they submit is often argued to be a key determinant of subsequent success. To draw more evidence-based recommendations in this regard, we surveyed successful scholars working in HPE regarding their perspectives and experiences with journal selection. METHODS: We conducted an international survey of HPE scholars, investigating their decisions regarding journal choice. Corresponding authors were identified from a sample of 4000 papers published in 2019 and 2020. They were invited via email with up to four reminders. We describe their experience and use principle component and regression analyses to identify factors associated with successful acceptance. RESULTS: In total, 863 responses were received (24.7% response rate), 691 of which were included in our analyses. Two thirds of respondents had their manuscripts accepted at their first-choice journal with revisions required in 98% of cases. We identified six priority factors when choosing journals. In descending order of importance, they were: fit, impact, editorial reputation, speed of dissemination, breadth of dissemination, and guidance from others. Authors who prioritised fit higher and who selected a journal earlier were more likely to have their manuscripts accepted at their first-choice journal. DISCUSSION: Based on our results we make three recommendations for authors when writing manuscripts: do not be disheartened by a revise decision, consider journal choice early in the research process, and use the fit between your manuscript and the journal as the main factor driving journal choice.
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 | 0,024 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 tête enseignante, 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 ».