MétaCan
Menu
Retour à la cohorte
Enregistrement W4294564769 · doi:10.1101/2022.09.02.22279345

Online training in manuscript peer review: a systematic review

2022· review· en· W4294564769 sur OpenAlexaff
Jessie V. Willis, Kelly D. Cobey, Janina Ramos, Ryan Chow, Jeremy Y. Ng, Mohsen Alayche, David Moher

Notice bibliographique

RevuemedRxiv · 2022
Typereview
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPsycINFOMEDLINEPublishingData extractionInclusion (mineral)Grey literaturePeer reviewComputer scienceSystematic reviewWeb of scienceWorld Wide WebMedical educationPsychologyInformation retrievalMedicinePolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT 1. Background Peer review plays an integral role in scientific publishing. Despite this, there is no training standard for peer reviewers and review guidelines tend to vary between journals. The purpose of this study was to conduct a systematic review of all openly available online training in scholarly peer review and to analyze their characteristics. 2. Methods MEDLINE, PsycINFO, Embase, ERIC, and Web of Science were systematically searched. Additional grey literature searches were conducted on Google, YouTube, university library websites, publisher websites and the websites of peer review related events and groups. All English or French training material in scholarly peer review of biomedical manuscripts openly accessible online on the search date (September 12, 2021) were included. Sources created prior to 2012 were excluded. Screening was conducted in duplicate in two separate phases: title and abstract followed by full text. Data extraction was conducted by one reviewer and verified by a second. Conflicts were resolved by third-party at both stages. Characteristics were reported using frequencies and percentages. A direct content analysis was preformed using pre-defined topics of interest based on existing checklists for peer reviewers. A risk of bias tool was purpose-built for this study to evaluate the included training material as evidence-based. The tool was used in duplicate with conflicts resolved through discussion between the two reviewers. 3. Results After screening 1244 records, there were 43 sources that met the inclusion criteria; however, 23 of 45 (51%) were not able to be fully accessed for data extraction. The most common barriers to access were membership requirements (n = 11 of 23, 48%), availability for a limited time (n = 8, 35%), and paywalls with an average cost of $99 USD (n = 7, 30%). The remaining 20 sources were included in the data analysis. All sources were published in English. Half of the sources were created in the last five years (n = 10, 50%). The most common training format was an online module (n = 12, 60%) with an estimated completion time of less than one hour (n = 13, 65%). The most frequently covered topics included how to write a peer review report (n = 18, 90%), critical appraisal of data and results (n = 16, 80%), and a definition of peer review (n = 16, 80%). Critical appraisal of reporting guidelines (n = 9, 45%), clinical trials (n = 3, 15%), and statistical analysis (n = 3, 15%) were less commonly covered. Using our ad-hoc risk of bias tool, four sources (20%) met our criteria for evidence-based. 4. Conclusion Our comprehensive search of the literature identified 20 openly accessible online training materials in manuscript peer review. For such a crucial step in the dissemination of literature, a lack of training could potentially explain disparities in the quality of scholarly publishing. Future efforts should be focused on creating a more unified openly accessible online manuscript peer review training program.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,454
score de la tête « metaresearch » (Gemma)0,362
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,411
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,4540,362
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0600,014
Bibliométrie0,0010,008
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0090,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0590,009

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 Opus0,868
Tête enseignante GPT0,568
Écart entre enseignants0,300 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetMeta-analysis and systematic reviewsTravaux en français237 207