THE GROWING CHALLENGE OF PREDATORY PUBLISHING: A CALL FOR ACTION
Notice bibliographique
Résumé
Predatory publishing (PP) is a growing challenge since the emergence of an online and openaccess publishing model 1 .The term PP was first coined in 2010 by Jeffrey Beall who explained that the mission of predatory publishers was "to exploit the author-pays, open-access model for their own profit" 1:15 .Publishing in predatory journals is becoming an industry that threatens the integrity of scientific discovery and scholarship 2 .PP not only wastes funding and other resources 3 , but it is also detrimental to authors' reputation and careers.It impedes meaningful knowledge dissemination due to the fact that information published in predatory journals may not be credible or reliable 4 .This is a cause for concern to nursing and the biomedical sciences when PP is cited in legitimate journals [5][6] or when they are included in evidence syntheses published in legitimate journals 7 .Such citations have the potential of altering results 7 and/or impacting patient care 8 .Of concern, the number of predatory journals continues to increase across disciplines 9 with 'no signs of slowing' -Cabells Scholarly Analytics list of suspected predatory journals includes 17,000 journal titles! 10 Although much has been written about PP, there continues to be a notable lack of empirical studies on PP across all disciplines 9 including nursing 4,9 .In this editorial, we highlight best practices for scholarly publishing, discuss current perspectives on PP, and identify strategies to halt submissions to predatory journals.
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 | 0,054 | 0,190 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,010 | 0,027 |
| Communication savante | 0,032 | 0,039 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,031 | 0,037 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,007 |
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 ».