MétaCan
Menu
Retour à la cohorte
Enregistrement W4283704156 · doi:10.1177/01655515221097623

Do retraction practices work effectively? Evidence from citations of psychological retracted articles

2022· article· en· W4283704156 sur OpenAlexaff
Siluo Yang, Fan Qi, Heyu Diao, Isola Ajiferuke

Notice bibliographique

RevueJournal of Information Science · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensWestern University
Organismes subventionnairesNational Social Science Fund of ChinaMinistry of Education of the People's Republic of China
Mots-clésCitationCredibilityQuality (philosophy)PsychologyInferenceWeb of scienceProcess (computing)Computer scienceMEDLINEWorld Wide WebPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Scientific retraction practices are intended to help purge the continued use of flawed research and assist in maintaining the integrity, credibility and quality of scientific literature. However, the practical effect of retraction is still vague and needs to be further explored. In this study, we analysed the citation counts and sentiments (positive/negative) of retracted articles in psychology journals from Web of Science to explore the effect of retraction. Causal inference strategies were used to measure the net effect of retractions on citation. Results show that the retraction practices induced the citation counts to reduce as expected. However, the proportion of negative citations also decreased because of retraction, indicating an unsatisfied effect. The retraction practice of high-impact factors and open access journals was more effective than other journals. The study integrated an understanding of the dissemination of erroneous publications and provided implications for liabilities involved in the whole retraction process.

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
gemmaMétarechercheBibliométrieIntégrité de la recherche
Domaine: Évaluation · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelmedium
gptMétarechercheBibliométrieIntégrité de la recherche
Domaine: Évaluation · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
modèles en accordL'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)0,070
score de la tête « metaresearch » (Gemma)0,607
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,371

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0700,607
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,008
Études des sciences et des technologies0,0030,005
Communication savante0,0070,010
Science ouverte0,0020,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,096
Tête enseignante GPT0,423
Écart entre enseignants0,328 · 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.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

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

En bref

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Information ScienceMême sujetAcademic integrity and plagiarismCatégorieMétarechercheTravaux en français237 207