Thank You to Our 2021 Peer Reviewers
Notice bibliographique
Résumé
The hours reading and commenting on manuscripts not only improve the manuscripts, but also increase the scientific rigor of future research in the field.With the advent of AGU's data policy, many reviewers have also helped immensely to evaluate the accessibility and availability of data, and many have provided insightful comments that helped to improve the data presentation and quality.We greatly appreciate the assistance of the reviewers in advancing open science, which is a key objective of AGU's data policy.We particularly appreciate the timely reviews in light of the demands imposed by the rapid review process at Geophysical Research Letters.The COVID pandemic continued to impose additional stresses on the review process, as many reviewers had to juggle increased family commitments, hours of online meetings, remote work and instruction, lack of physical access to library resources, and other hardships, to maintain the quality and timeliness of their reviews.We received 4,832 submissions in 2021 and 5,232 reviewers contributed to their evaluation by providing 8,874 reviews in total.Although we witnessed an increase in the number of submissions, the average number of days to complete a review increased only slightly!That says a lot about the diligence of our reviewers.We deeply appreciate their contributions in these challenging times
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 | 0,045 | 0,324 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,029 | 0,011 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,011 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,112 | 0,238 |
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 ».