A Shortcut to Rejection: How Not to Write the Results Section of a Paper
Notice bibliographique
Résumé
This article discusses common errors in writing up the results of papers. It covers the following: (1) giving details about irrelevant topics, such as what program was used to enter the data, while ignoring important ones (for example, which options were chosen for various statistical tests); (2) reporting P levels of 0.0000 and negative values for t tests; (3) giving the P levels but not the actual values of the statistical tests; (4) not including confidence intervals and measures of the magnitude of an effect; (5) testing irrelevant hypotheses, such as whether reliability or validity coefficients are significantly different from zero; (6) attributing reliability and validity to tests rather than to the circumstances under which they are given; and (7) reporting levels of accuracy that cannot be supported by the data. Suggestions are made regarding the proper way to report findings.
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 | 0,409 | 0,836 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,013 |
| Communication savante | 0,012 | 0,016 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,021 | 0,034 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,031 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».