Towards inclusive authorship: Analyzing author representation in PLOS Global Public Health front matter content
Notice bibliographique
Résumé
Underrepresentation and lack of inclusion of Global South researchers have been key shortcomings in global health publications. This has contributed to epistemic injustice in global health and impacted evidence informed policymaking. PLOS Global Public Health (GPH)was launched in 2021 with the goal of charting a new path towards equity, diversity and inclusion in global health publications. The journal also invited independent assessments of its progress. This study analyses commissioned 136 front matter content (opinions, reviews, and essays) and a total of 878 authors published in PLOS GPH between October 2021 and December 2024. Using publicly available data from the journal website and online profiles, we examined authorship representation based on World Bank country income classification, gender, and Indigeneity. Additionally, we examined article content in terms of country focus and topics covered. We inferred gender by reviewing public profiles for gendered prefixes and pronouns and when unavailable by using genderize.io. We analyzed for Indigeneity by reviewing authors' public profiles. Our results indicate that 609 of 878 (69%) of authors for the commissioned content were affiliated with high income countries. Under gender representation, 403 of 878 (46%) authors identified as women compared to 471 of 878 (54%) as men. Only 7 of 135 (5%) first authors and 6 of 117 (5%) senior authors publicly identified as Indigenous. While most articles had a global focus (78 of 136, or 57%), 46 of 136 (34%) focused on the Global South, and 12 of 136 (8%) on the Global North. Global South affiliated authors were better represented in articles pertaining to the Global South, comprising on average 43% of authorship compared to an overall average of 30%. To advance equity, journals should commission more content from Global South authors and actively invite contributions from Indigenous and gender-diverse authors on topics relevant to their communities.
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 | 0,046 | 0,328 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,015 | 0,019 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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.
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 ».