The main contributors of scientific knowledge, researchers, generally aim to disseminate their findings far and wide. And yet, publishing companies have largely kept these findings behind a paywall. With digital publication technology markedly reducing cost, this enduring wall seems disproportionate and unjustified; moreover, it has sparked a topical exchange concerning how to modernize academic publishing. This discussion, however, seems to focus on how to compensate major publishers for providing open access through a "pay to publish" model, in turn transferring financial burdens from libraries to authors and their funders. Large publishing companies, including Elsevier, Springer Nature, Wiley, PLoS, and Frontiers, continue to earn exorbitant revenues each year, hundreds of millions of dollars of which now come from processing charges for open-access articles. A less expensive and equally accessible alternative exists: widespread self-archiving of peer-reviewed articles. All we need is awareness of this alternative and the will to employ it


翻译:科学知识的主要贡献者,研究人员,一般都致力于广泛和广泛地传播他们的研究成果。然而,出版公司基本上将这些研究结果保存在付费墙后面。随着数字出版技术显著降低成本,这一持久墙似乎不相称和不合理;此外,它引发了关于如何使学术出版现代化的时事交流。然而,这一讨论似乎侧重于如何补偿主要出版商通过“付费出版”模式提供公开访问的机会,反过来又将图书馆的财政负担转移给作者及其资助者。大型出版公司,包括Elsevier、Springer自然、Wiley、PLOS和Frontiers,继续每年赚取高额收入,其中数亿美元现在来自公开查阅文章的处理费用。存在一种不太昂贵和同样容易获得的替代方式:通过“付费出版”模式提供公开访问机会,而我们所需要的只是了解这一替代方式,以及使用这种方式的意愿。

0
下载
关闭预览

相关内容

知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
106+阅读 · 2020年6月10日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Arxiv
3+阅读 · 2017年11月20日
Arxiv
5+阅读 · 2017年10月27日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员