MétaCan
Menu
Retour à la cohorte
Enregistrement W4367322216 · doi:10.3138/jsp-2022-0066

Who is Publishing in Biomedical Predatory Journals? A Study on Chinese Scholars

2023· article· en· W4367322216 sur OpenAlexvenueno aff
Jiahao Wang, Cheng Yang, Ming Chen

Notice bibliographique

RevueJournal of Scholarly Publishing · 2023
Typearticle
Langueen
DomaineDecision Sciences
Thématiquescientometrics and bibliometrics research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaPublishingMisconductPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The scale of predatory journals in the biomedical field is proliferating worldwide. In China, numerous cases of academic misconduct have occurred in international biomedical journals. The study aims to understand the sociodemographic characteristics of Chinese authors publishing in predatory biomedical journals and their perceptions of predatory journals. In predatory biomedical journals, 1408 Chinese scholars with 1482 published papers were identified. A questionnaire on predatory journals was emailed to them to analyse their perceptions of predatory journals. The study finds that provinces and cities with more authors are mainly distributed in eastern and central China. Authors mainly worked in hospitals ( n = 1162, 82.53 per cent) and schools ( n = 246, 17.47 per cent). Among hospitals, forty-eight are currently ranked in the top fifty in China. A total of ninety-three (7 per cent) authors responded to the questionnaire. Only half of the authors knew the concept of predatory journals ( n = 45, 48.39 per cent). Most respondents would not consider choosing predatory journals again ( n = 85, 91.40 per cent). Among all the corresponding authors, doctors working in top Chinese hospitals made up the majority. Chinese authors had insufficient knowledge of predatory journals, although most had professional expertise.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarechercheBibliométrie
Domaine: Évaluation · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptMétarechercheBibliométrieIntégrité de la recherche
Domaine: Évaluation · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,276
score de la tête « metaresearch » (Gemma)0,609
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie, Communication savante, Science ouverte, Intégrité de la recherche
Catégories consensuellesMétarecherche, Bibliométrie, Communication savante
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,334
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,2760,609
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,2160,333
Études des sciences et des technologies0,0010,000
Communication savante0,4180,266
Science ouverte0,0120,002
Intégrité de la recherche0,0010,010
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,539
Tête enseignante GPT0,563
Écart entre enseignants0,024 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

MétarechercheBibliométrieIntégrité de la recherche

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

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

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Scholarly PublishingMême sujetscientometrics and bibliometrics researchCatégorieMétarechercheTravaux en français237 207