Analyzing referencing patterns in grey literature produced by influential global management consulting firms and international organizations
Notice bibliographique
Résumé
Given the growing influence of non-academic organizations in the policy sphere, it is important to investigate the evidence both produced by and relied on by these organizations. Using citation analysis, a methodology primarily used in academic literature, we investigated the evidence base supporting the grey literature published by leading global management consulting firms (GMCFs) and international organizations (IOs). With the topic of the skills needed for the future of work as a case study, we collected 234 reports published by influential GMCFs and IOs over twenty years. By extracting references from the bibliographies of these reports we: 1) analyzed referencing patterns by measuring citation counts, institutional self-referencing and utilization of scholarly sources; 2) compared reference patterns across GMCFs and IOs; and 3) described the most influential sources. Overall, both GMCFs and IOs showed increasing reliance on grey literature, demonstrated high levels of self-referencing, and had considerable variation in the number of sources referred to. Across type of publishing organization, we found that IOs had better referencing practices than GMCFs. Our findings call into question the evidence-base behind the reports published by these policy actors. We emphasize the need to rely on strong academic literature to inform policy decisions around the future of work.
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 | 0,071 | 0,348 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,168 | 0,158 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».