Reusing Figures in Research: New License Clauses Eliminate Need for Permissions or Payments
Notice bibliographique
Résumé
Introduction: Academic authors typically seek permissions and pay a fee if they want to reuse figures, images, tables, or other brief excerpts from previously published works in their own publications. This process can be time-consuming and costly, presenting a real barrier for authors. However, in many cases, this convention may be unnecessary. Electronic resource (e-resource) licenses that libraries sign with publishers often now include clauses that permit the use, with appropriate credit, of such content from licensed materials by authorized users in their own publications for personal, scholarly, or educational purposes. Description of Program: This paper describes a project that we undertook to investigate which of our library’s current licenses include such a clause. We focused on licenses for the largest journal collections, likely the content most often cited by authors. Of the 23 licenses we reviewed, 19 had clauses permitting reuse. We anticipated that informing authors about this topic would be a challenge, so we thought carefully about strategies, developing a comprehensive communications plan to guide these efforts. Finally, we discuss several cases of authors helped by this project and how we shared our learning with colleagues in other libraries. Next steps: We plan to add this clause to our list of recommended licensing terms, incorporating it into more of our direct licenses with vendors from now on. Also, because many authors who we support are graduate students writing their theses or dissertations, we hope to empower student authors in considering the fair dealing copyright exemption for reusing figures in the future.
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 | 0,013 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».