学术出版领域掠夺性与合法期刊分类数据集

学术出版领域掠夺性与合法期刊分类数据集

数据来源：互联网公开数据

标签：掠夺性期刊,学术出版,期刊分类,期刊质量评估,学术诚信,数据分类,机器学习

数据概述： 本数据集基于印度大学教育委员会（UGC）发布的掠夺性期刊名单构建，包含203个标注样本。数据集将期刊分为两类：0类代表掠夺性期刊，1类代表合法期刊。这些数据可用于研究和识别掠夺性期刊的特征，帮助学术界区分合法与非法出版物。数据集的构建为研究掠夺性期刊现象提供了可靠的参考依据。

数据用途概述： 该数据集适用于多种学术研究和实际应用场景。研究者可利用此数据集进行机器学习模型训练，提升对掠夺性期刊的识别能力；学术机构可参考数据集内容完善期刊评估标准，提高学术出版物的质量；政策制定者可基于数据结果优化学术出版监管机制。此外，数据集还适用于学术诚信教育和出版伦理研究，帮助学术界更好地识别和防范掠夺性期刊。