8455新葡萄娱乐场特色吴金红教授在国际期刊上发表掠夺性期刊相关研究论文

来源:     发布时间:2024-06-18    作者:8455新葡萄娱乐场特色    点击次数:

近日,8455新葡萄娱乐场特色吴金红教授及其带领的研究团队在《scientometrics》发表题为“Identification and causal analysis of predatory open access journals based on interpretable machine learning的高水平论文(https://doi.org/10.1007/s11192-024-04969-6),提出了一种基于可解释机器学习模型的新方法,用以预警和识别潜在的掠夺性开放获取(OA)期刊,助力学术界维护科研诚信和资源的有效利用。

掠夺性期刊(Predatory Journals)是指那些以盈利为主要目的,而忽视或损害学术出版标准和伦理的期刊。随着开放获取(OA)运动的兴起,掠夺性期刊呈现迅猛增长的势头,对学术交流、学术出版和科学资源的有效利用产生了重大的负面影响。这种猖獗的增长对开放获取运动的健康发展构成了严重威胁,也破坏了研究和研究生态系统的完整性。从大量的OA期刊中识别掠夺性期刊将有助于学者避免在金钱投资、声誉、学术影响力和职业发展等领域的负面后果。识别掠夺性期刊的传统方法严重依赖领域专家的知识。然而,大量的掠夺性期刊表现出潜性和隐性特征,OA期刊的增长速度极快,使得专家很难从浩瀚的OA期刊中识别出这些掠夺性期刊。

针对此现象,研究团队开发了一个开放获取期刊预警指标系统,并集成了多种机器学习算法来计算OA期刊的预警值。通过引入SHAP(SHapley Additive exPlanations)可解释框架,研究以一种新颖的方式分析了预警风险的因果因素。


该文提出了一种可解释的机器学习模型,用于掠夺性OA期刊的早期预警,该模型通过多种机器学习算法的集成来识别掠夺性期刊。具体而言,该方法首先构建OA期刊预警指标系统,并集成多种机器学习算法来计算OA期刊的预警值。然后,引入SHAP可解释框架,以新颖的方式分析了预警风险的因果因素。为了验证模型因果因素的准确性,我们通过案例研究对国内外医学OA期刊进行了比较分析。本研究的实证分析表明,集成算法在准确识别掠夺性OA期刊风险方面的有效性。


该研究的结论为学术出版界提供了新的视角和工具,有助于提升OA期刊的质量和信誉,同时为研究人员选择发表平台时提供了科学依据。

《scientometrics》是同时被SSCI和SCIE检索的学术期刊,该期刊成立于1978年,主要发布与信息计量学和科学学相关的研究成果和实践经验,是FMS管理科学高质量期刊推荐列表中的B类期刊。

文章链接:https://doi.org/10.1007/s11192-024-04969-6



8455新葡萄娱乐场特色(中国)官方网站-App Store版权所有  ©   From 2015. All Rights Reserved  鄂ICP备05003335号 
地址:武汉市江夏区阳光大道1号 电话:027-59363328 59367318 传真:027-87800491