MétaCan
Menu
Retour à la cohorte
Enregistrement W4288047051 · doi:10.1002/leap.1468

Student publishing in peer reviewed journals: Evidence from the <i>International Political Science Review</i>

2022· article· en· W4288047051 sur OpenAlexaff
Daniel Stockemer, Theresa Reidy, Antonia Teodoro, Guy Gerba

Notice bibliographique

RevueLearned Publishing · 2022
Typearticle
Langueen
DomaineDecision Sciences
Thématiquescientometrics and bibliometrics research
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPublishingPublicationDisciplinePeer reviewPsychologyPoliticsLibrary scienceMedical educationPolitical scienceSociologySocial scienceComputer scienceMedicineLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Publishing in peer‐reviewed journals has become an essential requirement for PhD students wishing to pursue a career in academia. Yet, there are few studies of student publishing and little discussion of norms around attribution of authorship for student research collaborators. (1) How often do students feature as submitters and authors in political science journals? (2) In what format (i.e., solo author, co‐author, multiple authors) do students normally submit and publish? (3) Are there gender differences in student submission and publication rates between male and female students? This article uses 2 years of data from the International Political Science Review (IPSR; i.e., 2019 and 2020) to answer these questions. Mainly using cross‐tabulations, we found that just one in eight submitting authors was a student (i.e., undergraduate and postgraduate). In terms of acceptance rates, students had generally lower acceptance rates than faculty. Yet, there were also important differences within the student body. As expected PhD students were more successful than undergraduate and masters' students, and in line with general disciplinary publishing patterns, female PhD students had a higher publication success rate than their male colleagues.

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 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)0,071
score de la tête « metaresearch » (Gemma)0,374
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
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 enseignants0,990
Score d'incertitude au seuil0,376

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0710,374
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0100,021
Études des sciences et des technologies0,0010,003
Communication savante0,0080,005
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,684
Tête enseignante GPT0,604
Écart entre enseignants0,080 · 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLearned PublishingMême sujetscientometrics and bibliometrics researchTravaux en français237 207