MétaCan
Menu
Retour à la cohorte
Enregistrement W6924971079 · doi:10.17605/osf.io/jshg7

Reviewer selection biases editorial decisions on manuscripts

2017· other· en· W6924971079 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Science Framework · 2017
Typeother
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)Reliability (semiconductor)MEDLINEPeer reviewEditorial boardLetter to the editorAssociate editor

Résumé

récupéré en direct d'OpenAlex

Many journals, including the Journal of Neurochemistry, enable authors to list peer reviewers as “preferred” or “opposed” suggestions to the editor. At the Journal of Neurochemistry, the handling editor (HE) may follow recommendations or select non-author-suggested reviewers (non-ASRs). We investigated whether selection of author-suggested reviewers (ASRs) influenced decisions on a paper, and whether differences might be related to a reviewers’, editor’s or manuscript’s geographical location. In this retrospective analysis, we compared original research articles submitted to the Journal of Neurochemistry from 2013 through 2016, that were either reviewed exclusively by non-ASRs, by at least one ASR, by at least one reviewer marked by the author as “opposed”, or none. Manuscript outcome, reviewer rating of manuscript quality, rating of the reviewers’ performance by the editor (R-score), time to review, and the country of the editor, reviewers and manuscript author were analyzed using non-parametric rank-based comparisons, chi-square (x2) analysis, multivariate linear regression, one-way analysis of variance, and inter-rater reliability determination. Original research articles that had been reviewed by at least one ASR stood a higher chance of being accepted (525/1006 = 52%) than papers that had been reviewed by non-ASRs only (579/1800 = 32%). An article was 2.4 times more likely to be accepted than rejected by an ASR compared to a non-ASR (Pearson’s x2(1) = 181.3, p<0.05). At decision, the editor did not simply follow the reviewers’ recommendation but had a balancing role: Rates of recommendation from reviewers for rejection were 11.2% (139/1241) with ASRs vs. 29.0% (1379/4755) with non-ASRs (this is a ratio of 0.39 where 1 means no difference between rejection rates for both groups), whereas the proportion of final decisions to reject was 24.7% (248/1006) vs. 45.7% (822/1800) (a ratio of 0.54, considerably closer to 1). Recommendations by non-ASRs were more favorable for manuscripts from USA/Canada and Europe than for Asia/Pacific or Other countries. ASRs judged North American manuscripts most favorably, and judged papers generally more positively (mean: 2.54 on a 1-5 scale) than did non-ASRs (mean: 3.16) reviewers, whereas time for review (13.28 vs. 13.20 days) did not differ significantly between these groups. We also found that editors preferably assigned reviewers from their own geographical region, but there was no tendency for reviewers to judge papers from their own region more favorably. Our findings strongly confirm a bias towards lower rejection rates when ASRs assess a paper, which led to the decision to abandon the option to recommend reviewers at the Journal of Neurochemistry.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0040,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0190,056

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 Opus0,144
Tête enseignante GPT0,329
Écart entre enseignants0,185 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkMême sujetDiverse Scientific and Economic StudiesTravaux en français237 207