Una organización internacional sin ánimo de lucro para fomentar el acceso y el uso adecuado de medicamentos entre la población hispano-parlante

Integridade Científica

Avaliação de pesquisa quantitativa: o uso de indicadores contra os indicadores manipulados

(Quantitative research assessment: using metrics against gamed metrics)
Ioannidis JPA, Maniadis Z
Intern Emerg Med (2023). https://doi.org/10.1007/s11739-023-03447-w
https://link.springer.com/article/10.1007/s11739-023-03447-w (de livre acesso em inglês)
Traduzido por Salud y Fármacos, publicado em Boletim Fármacos: Ética 2024; 2 (2)

Tags: medir a produtividade acadêmica, manipular as avaliações acadêmicas, autocitações, autorias não merecidas, abuso editorial, indicadores de manipulação de avaliação de desempenho, avaliação de desempenho acadêmico manipulado

Resumo
Os indicadores bibliométricos quantitativos são bastante utilizados e mal utilizados em avaliações de pesquisa. Certas medidas adquiriram grande importância ao moldar e recompensar as carreiras de milhões de cientistas. Dada a sua prestigiosa percepção, elas podem ser altamente manipuladas no atual ambiente de “publicar ou perecer” ou “ser citado ou perecer”. Esta revisão examina várias práticas de manipulação, incluindo manipulações com base em autoria, citações, editoriais e periódicos, bem como manipulação feita diretamente. Métodos diferentes são discutidos, incluindo enorme autoria de artigos sem merecer crédito (autoria gratuita), trabalho em equipe com atribuição excessiva de autoria a muitas pessoas (fatiamento de crédito), autocitações gigantescas, fazendas de citações, manipulação de índice H, nepotismo jornalístico (editorial), manipulações de fator de impacto de periódicos, fábricas de artigos e artigos de conteúdo falso e enormes publicações espúrias para estudos com projetos exigentes. Para todas essas práticas de manipulação, métricas e análises quantitativas podem ajudar a detectá-las e colocá-las em perspectiva. Um portfólio de métricas quantitativas também pode incluir indicadores de práticas de pesquisa recomendadas (por exemplo, compartilhamento de dados, compartilhamento de códigos, registro de protocolos e replicações) e também práticas de pesquisa inadequadas (por exemplo, sinais de manipulação de imagens). Métricas quantitativas rigorosas, reproduzíveis e transparentes que também informam sobre manipulações podem fortalecer as práticas e o legado de avaliações quantitativas no trabalho científico.

creado el 10 de Agosto de 2024