Predatory journals in dermatology: a bibliometric review
Notice bibliographique
Résumé
Purpose By distorting the peer review process, predatory journals lure researchers and collect article processing charges (APCs) to earn income, thereby threatening clinical decisions. This study aims to identifying the characteristics of predatory publishing in the dermatology literature. Design/methodology/approach The authors used Kscien's list to detect dermatology-related predatory journals. Bibliometric parameters were analyzed at the level of journals, publishers, documents and authors. Findings Sixty-one potential predatory dermatology publishers published 4,164 articles in 57 journals from 2000 to 2020, with most publishers claiming to be located in the United States. Most journals were 1–5 years old. Six journals were indexed in PubMed, two in Scopus and 43 in Google Scholar (GS). The average APC was 1,049 USD. Skin, patient, cutaneous, psoriasis, dermatitis and acne were the most frequently used keywords in the article's title. A total of 1,146 articles in GS received 4,725 citations. More than half of the journals had <10 citations. Also, 318 articles in Web of Science were contaminated by the most cited articles and 4.49% of the articles had reported their funding source. The average number of authors per article was 3.7. India, the United States and Japan had the most articles from 119 involved countries. Asia, Europe and North America had the most contributed authors; 5.2% of articles were written through international collaboration. A majority of authors were from high- and low-middle-income countries. Women contributed 43.57% and 39.66% as the first and corresponding authors, respectively. Research limitations/implications The study had limitations, including heavy reliance on Kscien's list, potential for human error in manual data extraction and nonseparation of types of articles. Journals that only published dermatology articles were reviewed, so those occasionally publishing dermatology articles were missed. Predatory journals covering multiple subjects (Petrisor, 2016) may have resulted in overlooking some dermatology papers. This study did not claim to have covered all articles in predatory dermatology journals (PDJs) but evaluated many of them. The authors accept the claim that Kscien's list may have made a mistake in including journals. Originality/value The wide dispersion of authors involved in PDJs highlights the need to increase awareness among these authors.
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 | 0,025 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,162 | 0,175 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».