Predatory and Legitimate Open Access Journals in Language and Linguistics: Where do they Part Ways?
Notice bibliographique
Résumé
This study aimed to identify editorial features that can distinguish predatory and legitimate open access journals in the discipline of language and linguistics. Fifty-six journals from the Directory of Open Access Journals (DOAJ) and an equal number of journals from Beall’s updated list of potential predatory journals (PPJs) were selected for a close examination. Analyses showed that these two groups of journals differed markedly in a large number of editorial features: certain publication frequencies, contact address and contact information, mean number of articles published per year, specialized focus, mean peer review time, claimed adoption of peer review, submission mode, listing of editor(s)-in-chief, relevance of their expertise, mean number of editorial board members, availability of the guide for authors and aims/scope sections, an APC for open access, mean APC, claimed indexation by DOAJ, provision of ethical guidelines and publishing policies, and presence of DOIs. Nevertheless, they did not differ significantly with regard to mean years of editorial activity, mention of average peer review time, mention of acceptance rate, mean number of editorial board members, mean number of editors, listing of editorial boards, claimed indexation by Google Scholar/ERIC/Scopus/Web of Science, COPE membership, and availability of ISSNs. These findings point to distinguishing editorial features that language and linguistics scholars need to consider when they look for legitimate open access journals to disseminate their research.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,101 | 0,047 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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; les deux têtes enseignantes 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 ».