Describing the landscape of medical education preprints on medRxiv
Notice bibliographique
Résumé
Abstract Introduction A preprint is a version of a research manuscript posted to a preprint server prior to peer review. Preprints enable authors to quickly and openly share research, afford opportunities for expedient feedback, and enable immediate listing of research on grant and promotion applications. In medical education, most journals welcome preprints, suggesting they play a role in the field’s discourse. Yet, little is known about medical education preprints, including author characteristics, use, and ultimate publication status. This study provides an overview of preprints in medical education in an effort to better understand their role in the field’s discourse. Methods The authors queried medRxiv, a preprint repository, to identify preprints categorized as Medical Education and downloaded the related metadata. CrossRef was queried to gather information on preprints later published in journals. Results Between 2019-2022, 204 preprints were classified in medRxiv as Medical Education with most deposited in 2021 (n=76, 37.3%). On average, preprint full-texts were downloaded 1875.2 times, and all were promoted on social media. Preprints were authored, on average, by 5.9 authors. Corresponding authors were based in 41 countries with nearly half (45.6%) in the United States, United Kingdom, and Canada. Almost half (n=101, 49.5%) of preprints became published articles in predominantly peer-reviewed journals. Preprints appeared in 65 peer-reviewed journals with BMC Medical Education (n=9, 8.9%) most represented. Discussion Medical education research is being deposited as preprints, which are promoted, heavily accessed, and subsequently published in peer-reviewed journals, including those specific to medical education. Considering the benefits of preprints and slowness of medical education publishing, it is likely that preprint deposition will increase and preprints will be integrated into the field’s discourse. Based on these findings, we propose next steps to facilitate the responsible and effective creation and use of preprints in medical education.
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 | 0,062 | 0,177 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,014 | 0,016 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,022 | 0,013 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,008 |
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 ».