图1 部分签署者
................................................................................................................................................................................................
原文标题:STM welcomes landmark EU AI Act vote | Joint statement
来源:https://www.stm-assoc.org/stm-welcomes-landmark-eu-ai-act-vote/
时间:2024年3月13日
编译:朱鑫汝
">图2 四大类商业模式和三个备选类别
第一类 交易模式
交易模式,即出版商对每篇发表的文章收取一定费用(APC),这是继BMC等开放获取创新者之后的又一创新模式。交易模式将成本直接转嫁给研究人员,这种模式已被证明在一定规模内有效,但至少涉及两个伦理问题:第一个问题是这些模式能否在全球和学科范围内实现公平,第二个问题是人们认为付费出版可能会影响掠夺性或潜在掠夺性出版商的编辑标准。
第二类 捆绑模式
这一类型最初用于捆绑阅读和出版支出,现在已扩展到包括纯出版协议。捆绑模式可以大规模运作,利用出版商成熟的销售渠道,重新调整订阅和OA方面的现有支出,但需要花费大量精力进行谈判和交付工作。在这一类别中,有关全球公平定价的问题依然存在。虽然像Projekt DEAL这种大型捆绑模式吸引了很多关注,但像生化学会(Biochemical Society)这样的小型非营利组织也在进行捆绑谈判。
典型:封顶捆绑。封顶捆绑定价有时也被称为“先阅读后出版”(Read-and-Publish),它基于已有的订阅费用,即图书馆或联盟为维持期刊或图书目录的订阅权而支付的费用。 在此阅读费用之外,还需单独计算OA费用,通常以标准化处理费为基础。在许多情况下,作者必须根据协议条款寻求机构许可才能OA出版。
第三类 合作模式
合作模式可能是应用最多的一类,也是目前创新和实践最多的一类,它依赖于机构之间的合作。合作模式已被证明对较小的图书组合和知名度较高的单个图书效果良好,但鉴于图书馆预算压力日益增大,人们对依赖于订阅免费内容模式的长久性提出了质疑。
典型:订阅开放。订阅者必须保持订阅,才能发布OA内容。许多“订阅到开放”(Subscribe-to-Open,S2O)模式以折扣订阅价格为基础,要求固定比例的现有用户续订。如果达到续订门槛,该订阅年度出版的内容将以OA许可的方式提供,否则这些内容将保持封闭状态。
第四类 非图书馆资助模式
这一模式有时也称作“钻石模式”。这样的模式已经运行了一段时间,不同的模式取决于提供资金的行为者和资金保证的期限。这些模式减少了出版商对传统销售渠道的依赖,但也提出了编辑独立性和长期可持续性等问题。SciELO是可持续的、公平的非图书馆资助的典范。
典型:机构或社会支持。这种类型的支持主要出现在以使命为导向的组织中,它使出版商能够向机构或社团内部的作者提供免费的开放获取服务,并确信他们的运营成本将得到支付。机构外的作者或学会的非会员可以收取或不收取费用。在某些情况下,资金限制会限制一年中可出版的文章或书籍的数量。
第五类和第六类 延迟开放获取和绿色开放获取
从出版商的角度来看,延迟OA选项是可操作的商业模式,而绿色OA提供了不一定需要销售投入的合规途径。
延迟开放获取典型:青铜OA。适用于出版商在时滞期满后永久免费提供其内容。通常受到学协会出版商的青睐;商业出版商通常会在若干年后重新锁定内容。
绿色开放获取典型:预印本。预印本是实现开放获取的最初途径,以arXiv为代表,预印本允许作者在同行评审之前提供其作品的早期版本,供公众评审和使用。
第七类 探索模式
SPA-OPS是一个由S计划资助的项目,它指出了增加开放获取的几个机会,包括各种产品和授权机会,如开放平台和兄弟期刊,以及成本转移系统,如联合出版等。这些是出版商在开发真正的开放获取商业模式的同时可能希望探索的机制。
在上述分类中没有出现“过渡”和“转型”这两个词,过渡或转型可以是任何一种OA商业模式的目标或特征,因此这两个词无助于定义类别。例如,许多最初的捆绑交易都被贴上过渡或转型的标签,但并非所有这些交易都已经完全转向OA。
................................................................................................................................................................................................
原文标题:Making Sense of Open Access Business Models
时间:2024年3月26日
原文链接:https://scholarlykitchen.sspnet.org/2024/03/26/guest-post-making-sense-of-open-access-business-models/
编译:刘晶晶
">
该测评对于用户的启示包括以下3个方面。
(1)知情决策
出版商和编辑在选择用于学术出版工作流程的人工智能检测工具时,必须做出明智的决策。这些考虑因素不应局限于准确性,还应包括用户界面、可扩展性和整体用户反馈等因素。
(2)增强编辑流程
采用有效的人工智能检测工具可以简化人工智能生成内容的识别过程,从而增强编辑流程。同时,出版商和编辑能够保护科研诚信。
(3)作者意识
作者应了解出版流程中人工智能检测工具的存在和使用情况。出版商的明确沟通可以帮助作者了解这些工具如何有助于维护学术内容的真实性。
当前人工智能检测工具的局限性包括以下4个方面。
(1)假阳性和假阴性
包括Duplichecker在内的许多工具在准确标注内容方面都面临挑战。假阳性和假阴性会影响结果的可靠性,给依赖这些工具精确识别人工智能生成内容的用户带来挑战。
(2)有限的多语言支持
所有工具都是为提高英语准确性而量身定制的,但在其他语言中的表现可能不尽如人意。这一局限限制了这些工具的通用性。
(3)模糊检测过程
一些工具,如Writer和Contentdetector.ai,在提供有关检测过程的详细信息方面缺乏透明度。如果人工智能模型的内部运作情况没有得到清楚的说明,用户可能很难相信检测结果。
(4)缺乏标准化
人工智能检测工具缺乏标准化的衡量指标,这使得比较过程变得更加复杂。出版商和用户在对工具进行基准比较时面临挑战,因此行业必须努力建立标准化的评估标准。
该比较研究揭示了学术出版领域各种人工智能检测工具的优缺点。因此,最佳工具的选择取决于具体的用户需求。在做出明智决定时,必须首先考虑准确性、用户体验和成本等事项。
................................................................................................................................................................................................
原文标题:6 Leading AI Detection Tools for Academic Writing — A comparative analysis
来源:https://www.enago.com/academy/6-ai-detection-tools-for-academic-writing/
时间:2024年3月22日
编译:朱鑫汝
">