Exclusion of the non-English-speaking world from the scientific literature: Recommendations for change for addiction journals and publishers
Notice bibliographique
Résumé
Background: While English is only the native language of 7.3% of the world's population and less than 20% can speak the language, nearly 75% of all scientific publications are English. Aim: To describe how and why scientific contributions from the non-English-speaking world have been excluded from addiction literature, and put forward suggestions for making this literature more accessible to the non-English-speaking population. Methods: A working group of the International Society of Addiction Journal Editors (ISAJE) conducted an iterative review of issues related to scientific publishing from the non-English-speaking world. Findings: We discuss several issues stemming from the predominance of English in the scientific addiction literature, including historical drivers, why this matters, and proposed solutions, focusing on the increased availability of translation services. Conclusion: The addition of non-English-speaking authors, editorial team members, and journals will increase the value, impact, and transparency of research findings and increase the accountability and inclusivity of scientific publications.
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 | 0,493 | 0,723 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,019 | 0,017 |
| Études des sciences et des technologies | 0,018 | 0,020 |
| Communication savante | 0,055 | 0,056 |
| Science ouverte | 0,013 | 0,018 |
| Intégrité de la recherche | 0,028 | 0,031 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,007 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».