Ofd vordrucke zum herunterladen

Dies ist die bisher umfassendste Analyse von Vorabdrucken in den Biowissenschaften. Obwohl eine ähnliche Analyse des Preprint-Ökosystems in Bezug auf den Preprint-Server arXiv stattgefunden hat, der den Physik-, Mathematik- und Informatik-Gemeinschaften dient, wurde eine ähnliche Analyse nicht mit Preprint-Servern durchgeführt, die die Forschung in den Biowissenschaften nachdere. Daher ist diese Studie sowohl willkommen als auch wichtig und liefert sehr nützliche Informationen für diejenigen, die überlegen, ob Preprints zu veröffentlichen sind, und diejenigen, die sich fragen, wie sie richtig bewertet werden sollen. Die Rezensenten loben auch die von den Autoren entwickelte Webanwendung, die es Benutzern ermöglicht, auf Metadaten zum Vorabdruck zuzugreifen, was in der Community von breitem Interesse ist. Der künftige Funktionsumfang Rxivist.org wird derzeit vor allem durch Entwicklungsressourcen eingeschränkt: Mit genügend Zeit und Beiträgen der Open-Source-Community (siehe Methoden) gibt es eine Reihe von Möglichkeiten für zukünftige Verbesserungen, und wir freuen uns über Beiträge externer Entwickler. Obwohl die Website derzeit hauptsächlich auf dem Server mit Python 3 gerendert wird, würde sie wahrscheinlich davon profitieren, wenn sie in eine clientseitige JavaScript-Anwendung umgewandelt wird. Die am häufigsten angeforderte Verbesserung ist eine vielfältigere Auswahl an E-Mail-Newslettern: Derzeit listet eine wöchentliche E-Mail die 20 meistgetwitterten Geschichten der Woche auf, aber die Leser haben Interesse an speziell zugeschnittenen Informationen bekundet – beispielsweise die am häufigsten getwitterten Vorabdrucke in Genetik, Genomik und Mikrobiologie oder die am meisten diskutierten Preprints, die ein Interessantes enthalten. Ein System, mit dem sich Benutzer bei Rxivist-Konten anmelden können, könnte die Registrierung relevanter Kategorien oder Begriffe ermöglichen, und eine verbesserte E-Mail-Automatisierung könnte Aktualisierungen an Einzelpersonen anpassen. Benutzer-Logins könnten auch die Anpassung der Rxivist-Homepage und Sortieralgorithmen ermöglichen, die Benutzerpräferenzen berücksichtigen, ähnlich dem Ansatz von papr (jhubiostatistics.shinyapps.io/papr/), der bioRxiv Preprints basierend auf Benutzereingaben empfiehlt. Dieser Ansatz wird von einigen der vielen Websites [9] gewählt, die als Overlay für arxiv.org fungieren, einem großen wissenschaftlichen Preprint-Server, der 1991 gegründet wurde und sich auf Bereiche wie Physik, Mathematik und Informatik spezialisiert hat: Arxivsorter (www.arxivsorter.org) und Arxivist (arxivist.com, von denen wir nicht wussten, als wir unsere Website nannten) geben Empfehlungen auf der Grundlage von Benutzerempfehlungen ab; Arxiv Sanity Preserver (arxiv-sanity.com) macht das gleiche und bietet auch eine „Top-Hype“-Liste, die nach Twitter-Aktivitäten geordnet wird. Die Forscher, die die Analyse geleitet haben, haben eine interaktive Datenbank aller bioRxiv Preprints ins Leben gerufen, die auf einer neuen Website namens Rxivist offen verfügbar ist. Die Studie selbst wurde am 13. Januar auf bioRxiv veröffentlicht1.

„Wir stellen fest, dass Preprints mehr als je zuvor heruntergeladen werden (1,1 Millionen allein im Oktober 2018) und dass die Rate der veröffentlichten Vorabdrucke auf einen aktuellen Höchststand von 2.100 pro Monat gestiegen ist.“ Twitter-Erwähnungen und arXiv-Downloads können bestimmten zeitlichen Mustern folgen. Zum Beispiel, für einige Artikel Downloads und Erwähnungen kann Wochen dauern, um langsam nach der Einreichung zu erhöhen, während für andere Artikel Downloads sehr schnell nach der Einreichung zu erhöhen sehr kurz danach zu schwinden. Die Gesamtzahl der Downloads und Erwähnungen ist orthogonal zu diesen zeitlichen Effekten und könnte in beiden Fällen unterschiedlich sein. Wir stimmen zu, dass die Analyse der absoluten Anzahl von Preprints in jeder bioRxiv-Kategorie von einem feldspezifischen Kontext profitieren würde. Es wäre jedoch ein großes Unternehmen, da dies die Bewertung jedes Artikels in PubMed und die Bestimmung der BioRxiv-Kategorie, in die jeder theoretisch entsandt worden wäre, erfordern würde. Wir versuchten, bioRxiv Abstracts zu verwenden, um einen Random Forest-Klassifikationsklassifikationswert zu trainieren, um vermeintliche Kategorien zuzuweisen, aber die Validierung mit anderen bioRxiv-Abstracts deutete darauf hin, dass unser erster Versuch nicht genügend unverwechselbare Informationen aus den Abstracts zog, um sichere Vorhersagen über die Kategorisierung zu treffen.