Typos, Misspellings and Other Accidents: Metadata Accuracy as a Measure of Publisher Quality
Notice bibliographique
Résumé
Appraising the quality and legitimacy of academic journals and publishers is often challenging for academic stakeholders. Debates over defining “predatory publishing” continue to be heated, especially since the academic status and legitimacy of publishers and scholars are being contested. Our research proffers metadata accuracy as an empirical measure of quality (or lack thereof) of academic journals and publishers. Using a dataset of 1,301,898 articles from 2,305 journals published by ten relatively new Open Access publishers, we identify 1,684 articles with metadata typos. Typos provide unique, candid insight into quality control processes of journals and publishers. In some cases, typos provide clues suggesting how and why mistakes occur, while also revealing quality control failures that underpin published typos. Some publishers exhibited much higher propensities for typos than others, revealing institutional and quality differences between publishers. Articles with authors from less-wealthy and scientifically peripheral countries were also more prone to typos. Metadata quality is an axis of inequality in modern science, since less-wealthy, more peripheral scholars are less likely to enjoy the scholarly and professional benefits of accurate metadata. Textual analysis of metadata can provide evidence to better inform normative and professional appraisals of journal quality, value and legitimacy.
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 | 0,065 | 0,385 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,023 | 0,035 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».