Gaceta Sanitaria en 2017. Mejorando la calidad de nuestra revista
Bibliographic record
Abstract
Dedicado a nuestra compañera y amiga Julia Bolívar Empezamos este a ño 2018 con nuestra Nota editorial anual, en la cual pretendemos compartir con los/las lectores/as, personas autoras y la sociedad la actividad realizada por el equipo editorial de la revista a lo largo del a ño anterior.El documento también permite analizar los avances y las áreas de mejora en marcha de la revista 1 .A continuación, presentaremos brevemente las actividades realizadas durante el a ño 2017, así como la información sobre el desempe ño de la revista.Muchas de estas actividades se ven reflejadas también en el blog del comité editorial de Gaceta Sanitaria. Acciones para incrementar la calidad de la revistaEdición basada en la evidencia Gaceta Sanitaria tiene como objetivo principal influir en su audiencia para mejorar la salud de la población, contribuyendo a la práctica profesional basada en la mejor evidencia científica disponible, abogando igualmente por la modificación de las políticas para que contribuyan a facilitar comportamientos más saludables por parte de la población.En este marco, la estrategia de investigación para la mejora de la calidad de Gaceta Sanitaria pretende optimizar el proceso editorial de la revista, mejorar la calidad científica de las contribuciones que se publican, aumentar la difusión a las distintas audiencias y valorar el impacto o la influencia en ellas de los nuevos productos (material audiovisual, blogs) y los cambios que estos producen (en factor de impacto, lecturas o descargas).En 2017, el comité editorial de Gaceta Sanitaria comenzó dos investigaciones para evaluar la implantación de la estrategia de género de la revista, por una parte, y la aplicación de las recomendaciones para la elaboración de estudios cualitativos, por otra.En 2018 se continuará con el desarrollo de estas investigaciones y se tiene previsto emprender otras nuevas, basadas en los contenidos publicados en la revista (sobre la estrategia REWARD, los artículos de salud comunitaria y los temas de los blogs de la revista) y que valoren la influencia de la exposición a las redes sociales y las nuevas iniciativas (
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 | 0.006 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.007 | 0.010 |
| Insufficient payload (model declined to judge) | 0.017 | 0.007 |
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".