Lost in translation: why language shouldn't silence good science
Notice bibliographique
Résumé
REJECTED! Reviewer rationale: “The English of the manuscript is not scientific, needs to be reviewed by a native English speaker.” A very frustrated Peruvian colleague shared this comment after his article was rejected despite timely submission to an appropriate journal. Even though he was confident in his writing, he then sent his manuscript to a friend, a well-published scientist and native English speaker, who could only suggest minor edits following a detailed review. Oddly enough, the manuscript was rejected again and the reviewer offered the exact same justification. In ensuing conversations with colleagues across Latin America, I came to realize that this was hardly an isolated incident. I repeatedly heard the same thing, even from NIH-funded international researchers: “es pan de cada día”, or in English, “an everyday occurrence”. Scientists, like my colleague, are questioning why their work continues to be rejected despite their efforts to produce well-researched and clearly written articles [Fig. 1].
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 | 0,029 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,011 |
| Communication savante | 0,016 | 0,011 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,017 | 0,033 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,019 |
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 ».