MétaCan
Menu
Retour à la cohorte
Enregistrement W4401429097 · doi:10.1177/21677026241255882

Open Science at <i>Clinical Psychological Science</i> : Reflections on Progress, Lessons Learned, and Suggestions for Continued Improvement

2024· article· en· W4401429097 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueClinical Psychological Science · 2024
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMeta-analysis and systematic reviews
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésOpen sciencePsychological scienceOpen dataPsychologyBest practiceWork (physics)Engineering ethicsCitizen scienceComputer sciencePolitical scienceEngineeringSocial psychologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Open science is challenging and frequently time-consuming work, but the payoff is greater assurance that published research is transparent, conducted rigorously, and protected against some forms of researcher bias. In this editorial, we reflect on progress made toward the integration of open-science practices at Clinical Psychological Science ( CPS) 7 years after badges were introduced in the journal and 3 years after open science was initiated as an editorial priority at CPS. Along with establishing open science as an editorial priority, the first team of Open Science Advisors was established to oversee and facilitate preregistration, open materials, and open data badge applications. Here, we discuss how these practices have evolved over time, highlight best practices and common challenges in this work, and emphasize next steps for the future of open science in clinical-psychology research.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,404
score de la tête « metaresearch » (Gemma)0,200
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,768
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,4040,200
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,013
Études des sciences et des technologies0,0040,032
Communication savante0,0100,001
Science ouverte0,0160,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,937
Tête enseignante GPT0,764
Écart entre enseignants0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle