Politique d’évaluation

Tout article soumis à la rédaction est évalué par le comité éditorial avant d’être publié dans la revue.   Objectifs de l’évaluation L’évaluation doit aider la rédaction en chef à sélectionner l’article en fonction de la congruence thématique ou de l’impact attendu d’un travail afin de répondre à la question suivante : « Cette article est-elle […]

Tout article soumis à la rédaction est évalué par le comité éditorial avant d’être publié dans la revue.

 

Objectifs de l’évaluation

L’évaluation doit aider la rédaction en chef à sélectionner l’article en fonction de la congruence thématique ou de l’impact attendu d’un travail afin de répondre à la question suivante : « Cette article est-elle appropriée pour cette revue ? ».

L’évaluation des articles permettra de préserver le niveau de qualité de la revue en lui fournissant de l’information sur la pertinence, l’originalité et la validité du contenu de l’article.

Grille de sélection

Pourquoi Management & Datascience abandonne l’évaluation en double aveugle

La globalisation du secteur académique conjuguée à une accélération sans précédent de la transformation digitale impliquent de repenser en profondeur le rôle des revues scientifiques (Mamavi et Zerbib, 2020). C’est en tout cas la conviction de Management & Data Science, une plateforme ouverte de création et de diffusion de la connaissance spécialisée sur les questions de transformation digitale.

Management & Data Science offre une alternative concrète à la logique du « publish or perish » (Mamavi et Zerbib, 2019) en permettant une reconnaissance de nos auteurs via les altmetrics au travers de sa revue académique et ses datas chalenges (Mamavi, 2019),

La ligne éditoriale de notre revue défend un positionnement fondé sur la rigueur, la pertinence, la vitesse et l’impact alternatifManagement & Data Science estime qu’une étude peut être qualifiée de scientifique dès lors qu’elle répond à au moins deux critères fondamentaux : la transparence et la reproductibilité. Or, le double aveugle ne nous semble pas ici constituer un moyen incontournable pour évaluer ces deux critères.

Il nous paraît en effet impossible – y compris via une relecture à double aveugle – de garantir la reproductibilité d’un résultat sans un accès circonstancié au jeu de données. Or, si le jeu de donnée est accessible à la communauté, le double aveugle ne nous semble plus nécessaire.

Management & Data Science assume, en conséquence, un protocole de sélection fondé sur la décision souveraine du comité éditorial. Un comité éditorial peut en effet évaluer le degré de transparence d’un protocole de traitement au même titre qu’il peut apprécier l’existence, ou non, d’un jeu de données. Il peut par ailleurs recourir à tout un ensemble d’expertises afin de lever une éventuelle ambigüité. La vigilance de notre communauté, de nos lecteurs, ajoutée à l’ergonomie de notre plateforme, permet ensuite de discuter, de modérer, de contredire une référence, un protocole, un résultat, ou encore une interprétation.

Voilà pourquoi l’ensemble des articles publiés au sein de Management & Data Science sont en libre accès et peuvent être commentés par notre communauté. Il nous semble en effet que la conversation constitue une dynamique fertile et utile en matière de vitalisation et de régulation du débat scientifique.

Une communauté animée autour de la volonté de discuter et d’améliorer les travaux de recherche a le double avantage de générer un processus de perfectionnement et d’innovation continu, mais également de nourrir l’impact alternatif de nos auteurs.

Il nous semble enfin important de souligner qu’une absence d’évaluation à double aveugle n’implique pas une absence de sélection. Management & Data Science procède en effet à de nombreux rejets.

Management & Data Science s’inscrit à cet égard dans le sillage de la déclaration de Dora qui recommande une recherche concise fondée sur un accès sans contraintes aux données, aux protocoles ainsi qu’aux publications.

Publier dans Management & Datascience

La revue éditée par Management & Data Science propose trois rubriques principales: « Etude & Recherche« , « Culture Data » et « Avis d’Expert« .

  • Les articles publiés dans la rubrique « Etude & Recherche » reposent sur un protocole argumentatif rigoureux. Les sources bibliographiques ainsi que les méthodes d’analyse font l’objet d’une transparence complète. La section « Etude & Recherche » garantit à nos lecteurs clarté et rigueur méthodologique mais ne peut certifier la reproductibilité des résultats.
  • Les articles publiés dans « Culture Data » donnent accès au jeu de données et au protocole de traitement (généralement un programme). La section « Culture Data » certifie à nos lecteurs la transparence ainsi que la reproductibilité des résultats. Un éventuel décalage entre les résultats mentionnés et un test de notre communauté conduirait à une dépublication immédiate, définitive ou temporaire (le temps de corriger l’étude).
  • Les articles publiés dans « Avis d’expert » mettent en avant un point de vue intelligible, argumenté et pertinent, fondé (ou non) sur des sources bibliographiques.

Pour soumettre un article, consultez le guide des auteurs