Predatory Journals: Quantitative and Qualitative Analysis of Literature Published between 2012 and 2021
Notice bibliographique
Résumé
The main purpose of this study is to identify the trends in predatory publishing and to compile a core reading list of documents on the topic of ‘predatory journals.’ The study examined 541 documents on the topic of ‘predatory journals’ indexed in the Web of Science database published between 2012 and 2021. The data set was analyzed quantitatively (bibliometric study) and qualitatively (document classification). For bibliometric analysis, parameters like year, disciplines, number of citations, countries, document types, and journals were used. The documents were classified into four groups, namely, General (326), Empirical Studies (89), Technical Specifics (71), and Cautionary Texts (55). The results of the analysis and co-relation between quantitative and qualitative parameters reveal that publications in medical sciences (221) form the majority in almost all groups. There is a steady growth in publications in all groups during 2018 and 2019. Research papers and editorial materials are greater in number. The largest number of documents are from the United States (163 documents). A large number of papers have been published in the journals Scientometrics (22) and Learned Publishing (28). The most highly cited (17) papers have been published in Nature. The core reading list of forty documents on predatory journals is the outcome of the study after examining the co-relationship between the two methods. The core reading list may assist new researchers in comprehending the various aspects of predatory journals. The article concludes with suggestions for further 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 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 | 0,012 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,038 | 0,042 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».