Bibliographic record
Abstract
I denne spalten presenteres tidligere publiserte artikler, mange av dem fra Tidsskriftet.Artiklene er utvalgt og blir introdusert av Ole Didrik Lærum. KuriosaHvem er forfatter?332 -5 Det er stas å være forfatter.Det er også utrolig kjekt å ha navnet sitt på en publikasjon.Hvis artikkelen er lang og komplisert, ser det dessuten ganske imponerende ut.Gjennom atskillige tiår har den medisinske vitenskapen vært preget av mange menneskers samarbeid, og det har medført at forfatterlisten kan bli nokså lang.Men det er ikke alltid at de som står på forfatterlisten, har ytt noe særlig.Tvertimot -de kan ha sneket seg innpå med listige midler for å få navnet sitt på trykk.Diverse ubehagelige opplevelser fra internasjonalt forskningsarbeid medførte at jeg skrev en spøkefull artikkel om dette problemet i 1982.Her ble alle de vanlige metodene for å bli medforfatter omtalt i detalj.Her finnes det både varianter av tilsynelatende aktverdige måter og sleipe triks -vel å merke hvis man selv ønsker å bli medforfatter.Imidlertid finnes også en annen variant, og det er hvordan man skal bli kvitt potensielle medforfattere.Er man så heldig å sitte på vitenskapelige data, er det kjekkest å slippe å dele æren med hærskare av andre personer.Så kan strategien velges etter hvilken posisjon man befinner seg i, det vil si om noen andre skal holdes ute eller om en selv skal komme inn.Artikkelen min fikk et fint oppsett, men likevel ble den ikke noe vellykket.Den falt pladask til jorden.Kollegene syntes at dette var slett ikke morsomt.Noe slikt skulle man ikke spøke med.Eneste unntaket var min gode venn, professor Ansgar Torvik i Oslo, en internasjonalt kjent forsker innen nevropatologi.Han ba om å få se manuskriptet på forhånd.Etter noen dager kom svaret: «Kjære Ole Didrik.Takk for fint manuskript.Jeg vil gjerne være medforfatter!»I 1980-årene kom de såkalte Vancouver-reglene for medforfatterskap i medisinske tidsskrifter.En rekke internasjonale redaktører hadde sett disse problemene og laget en arbeidsgruppe som utformet klare regler.De har siden vært retningsgivende.Likevel skjedde det etter hvert økende utglidning med praktisering av reglene.Etter en alvorlig uredelighetssak i Norge i 2004 tok journalisten Hans Wilhelm Steinfeld i etterkant opp spørsmålet om medforfattere, og artikkelen min ble gjenstand for et helt radioprogram.Heller ikke dette vakte noen reaksjon.Selve fusksaken førte imidlertid til at vi fikk en lov om etikk og redelighet i forskning, og bruk av Vancouverreglene ble innskjerpet.Fortsatt er spørsmålet om hvem som skal være medforfattere et følsomt tema.Kunnskap om dette merkelige fenomenets sosiologi kan kanskje bidra til større åpenhet og at de internasjonale reglene blir praktisert på en betryggende måte.For det ligger alltid noen potensielle medforfattere på lur i buskene.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.182 | 0.078 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".