MétaCan
Menu
Retour à la cohorte
Enregistrement W4414462560 · doi:10.1371/journal.pbio.3003368

Ending publication bias: A values-based approach to surface null and negative results

2025· article· en· W4414462560 sur OpenAlexaff
Stephen Curry, Eunice Mercado-Lara, Virginia Arechavala‐Gomeza, C. Glenn Begley, C. Bernard, René Bernard, Stefano Bertuzzi, Needhi Bhalla, Dawn Bowers, Samuel Brod, Chris Chambers, Michael R. Dougherty, Yensi Flores Bueso, Stefânia Forner, Alexandra L. J. Freeman, Magali Haas, Darla P. Henderson, Kanika Khanna, Rebecca Lawrence, Kifayathullah Liakath‐Ali, Christine Liu, Neil Malhotra, José G. Merino, Edward Miguel, Rachel Miles, Mary Munson, Shinichi Nakagawa, Robert Nobles, Joy Owango, Michel Tuan Pham, Gina R. Poe, Sarvenaz Sarabipour, Jill L. Silverman, Laura N. Smith, P. Sriramarao, Paul W. Sternberg, Geeta K. Swamy, Malú G. Tansey, Gonzalo E. Torres, Erick H. Turner, Lauren von Klinggraeff, Frances Weis‐Garcia

Notice bibliographique

RevuePLoS Biology · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAcademic Publishing and Open Access
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institute of General Medical SciencesU.S. Department of Health and Human ServicesNational Institutes of HealthLilly EndowmentMichael J. Fox Foundation for Parkinson's ResearchNational Institute on AgingEli Lilly and Company
Mots-clésPublicationPublishingScientific publishingPublication biasNull (SQL)Null hypothesis

Résumé

récupéré en direct d'OpenAlex

Sharing knowledge is a basic tenet of the scientific community, yet publication bias arising from the reluctance or inability to publish negative or null results remains a long-standing and deep-seated problem, albeit one that varies in severity between disciplines and study types. Recognizing that previous endeavors to address the issue have been fragmentary and largely unsuccessful, this Consensus View proposes concrete and concerted measures that major stakeholders can take to create and incentivize new pathways for publishing negative results. Funders, research institutions, publishers, learned societies, and the research community all have a role in making this an achievable norm that will buttress public trust in science.

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)0,520
score de la tête « metaresearch » (Gemma)0,717
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,480
Score d'incertitude au seuil0,592

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,5200,717
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0050,007
Bibliométrie0,0210,010
Études des sciences et des technologies0,0080,046
Communication savante0,0260,024
Science ouverte0,0120,022
Intégrité de la recherche0,0160,019
Charge utile insuffisante (le modèle a refusé de juger)0,0150,004

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 Opus0,184
Tête enseignante GPT0,419
Écart entre enseignants0,235 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomainePrésentation des résultats
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

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS BiologyMême sujetAcademic Publishing and Open AccessTravaux en français237 207