The Drain of Scientific Publishing Infographic
Notice bibliographique
Résumé
Infographic accompanying the "The Drain of Scientific Publishing" Beigel, F., Brockington, D., Crosetto, P., Derrick, G., Fyfe, A., Barreiro, P. G., Hanson, M. A., Haustein, S., Larivière, V., Noe, C., Pinfield, S., & Wilsdon, J. (2025). The Drain of Scientific Publishing [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2511.04820 The four-fold drain of scientific publishing Money: For-profit publishers charge unreasonable fees for reading and publishing that are disconnected from journal production costs. Elsevier, Springer Nature, Wiley and Taylor & Francis made close to $US 15 billion in profit from 2019 to 2024. Time: Researchers spend enormous amounts of time in their roles as authors, reviewers, and editors, to maintain a scholarly publishing system that prioritizes quantity over quality. These time pressures undermine rigor and drive burnout. Trust: Commercial pressures to publish more and faster allow low-quality and fraudulent papers to flood academic journals.The erosion of rigor undermines public confidence in science and damages its credibility. Control: Rankings and metrics like journal impact factor and h-index dictate academic success. Assessment infrastructures are biased towards English journals and controlled by for-profit companies such as Clarivate and Elsevier. Stop the drain: Funders and institution must intervene and change incentives and ownership of scientific publishing. We propose that scholarly publishingneeds to be re-communalized. Universities, libraries, and funders need to build asystem that is communityled and managed. Private organizations may provide services but not extract unreasonable profits. Build on open: The alternative publishing models already exist: preprints, diamond journals, open peer review, publish-review-curate. And so do the open infrastructures: OJS, SciELO, Redalyc, Latindex, African Journals Online, Érudit, etc. We need to align research assessment with open and community led publishing. The visual elements of this infographic were generated with the help of an LLM.
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 | 0,003 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,025 | 0,017 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,296 | 0,136 |
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 ».