Faster, higher, stronger – together? A bibliometric analysis of author distribution in top medical education journals
Notice bibliographique
Résumé
INTRODUCTION: Medical education and medical education research are growing industries that have become increasingly globalised. Recognition of the colonial foundations of medical education has led to a growing focus on issues of equity, absence and marginalisation. One area of absence that has been underexplored is that of published voices from low-income and middle-income countries. We undertook a bibliometric analysis of five top medical education journals to determine which countries were absent and which countries were represented in prestigious first and last authorship positions. METHODS: . Country of origin was identified for first and last author of each publication, and the number of publications originating from each country was counted. RESULTS: Our analysis revealed a dominance of first and last authors from five countries: USA, Canada, UK, Netherlands and Australia. Authors from these five countries had first or last authored 70% of publications. Of the 195 countries in the world, 43% (approximately 83) were not represented by a single publication. There was an increase in the percentage of publications from outside of these five countries from 23% in 2012 to 40% in 2021. CONCLUSION: The dominance of wealthy nations within spaces that claim to be international is a finding that requires attention. We draw on analogies from modern Olympic sport and our own collaborative research process to show how academic publishing continues to be a colonised space that advantages those from wealthy and English-speaking countries.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,022 | 0,256 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».