MétaCan
Menu
Retour à la cohorte
Enregistrement W4410520192 · doi:10.1111/medu.15695

Everybody hurts: The Reviewer‐Imposed Pain (RIP) matrix

2025· article· en· W4410520192 sur OpenAlexaff
Lara Varpio, Linda Snell, Jason R. Frank, Jonathan Sherbino

Notice bibliographique

RevueMedical Education · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensMcMaster UniversityUniversity of OttawaMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésConstructiveMatrix (chemical analysis)Set (abstract data type)PsychologyStatisticianPeer reviewProcess (computing)Computer scienceApplied psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The peer review process supports authors by providing feedback on manuscripts from external, expert readers. However, not all reviews are supportive. Some reviews are just painful. But just how painful are they? In this study, we set out to validate a matrix describing the levels of pain authors experience in response to the sting of peer reviewer comments. The study was carried out in two phases. In Phase 1, we developed a matrix combining two scales-i.e. the Suffering Scale and the Grind Gauge. The first categorises review-induced pain across four levels, with Level 1 being the least pain and Level 4 the greatest pain. The second categorises the amount of work required by the author to respond to and address reviewer comments, with Level 1 being the least amount and Level 4 the greatest amount. In Phase 2, we tested the performance of the matrix by recruiting multiple, global study sites to provide performance data. This work resulted in the development and validation of the Reviewer-Imposed Pain (RIP) matrix. A statistician analysed our data and assures us that the RIP matrix is now a validated tool. Our study shows that the pain associated with academic peer review affects physiologic, affective, and cognitive dimensions. This tongue-in-cheek paper pokes fun at the peer review process; however, the response from survey participants suggests that the process is not necessarily funny. Peer review is essential for advancing science; however, for these advancements to occur, peer reviewer comments need to be constructive. The RIP matrix encourages both authors and reviewers to reflect on the impact of reviewer comments. This is essential because, as previous research has illustrated and as Voltaire succinctly stated, pain is real.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,168
score de la tête « metaresearch » (Gemma)0,429
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,832
Score d'incertitude au seuil0,891

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1680,429
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0070,004
Études des sciences et des technologies0,0040,005
Communication savante0,0070,006
Science ouverte0,0020,009
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,371
Écart entre enseignants0,362 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetAcademic integrity and plagiarismTravaux en français237 207