Diversity in the <i>International Journal of Forensic Mental Health</i>
Notice bibliographique
Résumé
In this article, we evaluate the extent to which the International Journal of Forensic Mental Health addresses and incorporates discussion of diversity constructs in its publications. Five years of publishing data from 582 manuscript submissions and 164 published articles were reviewed and coded for the inclusion of several diversity constructs (i.e., sex or gender, race or ethnicity, country, age, culture), how these constructs were included in the research (i.e., part of the hypothesis/aims of the study), and the countries the authors and participants represented. Results indicate that most article submissions, authors, and participant samples came from Europe, North America, and Oceania, and these regions had higher acceptance rates. Most articles included studies of clinical populations, and many authors’ primary affiliations were forensic mental health or correctional services. Less than a third of the article titles and over half of the article abstracts mentioned one of the diversity constructs examined. This is somewhat promising and tells us that the journal is publishing articles reporting and examining aspects of diversity in their samples. However, we argue more can be done. Future research and recommendations for the next steps in improving diversity, equity, and inclusiveness in the publication processes and publications are outlined.
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 | 0,118 | 0,318 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,021 | 0,019 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,027 | 0,017 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».