بناء مراكز المؤلفين: ORCID و Crossref والملفات الشخصية للباحثين كأساسيات للثقة

بناء مراكز المؤلفين: ORCID و Crossref والملفات الشخصية للباحثين كأساسيات للثقة

مراكز المؤلفين هي سجلات عامة ومتصلة تساعد الأشخاص والآلات على الإجابة عن ثلاثة أسئلة أساسية:

1. من أنشأ هذا العمل؟
2. ما هو العمل بالضبط؟
3. لماذا يجب على أي شخص أن يثق بالاتصال بين الشخص والعمل والمؤسسة؟

بالنسبة للقراء البشريين، قد يبدو مركز المؤلف صفحة ملف شخصي تحتوي على سيرة ذاتية ومنشورات ومؤهلات وروابط. أما بالنسبة لأنظمة الذكاء الاصطناعي، فمن المفيد أكثر اعتبارها رسمًا بيانيًا للأدلة المتصلة.

يربط مركز المؤلف القوي:

• شخصًا بـ معرف ORCID
• منشورًا أو مجموعة بيانات أو تقريرًا أو حزمة برمجية بـ معرف كائن رقمي (DOI)
• عملًا بـ بيانات وصفية كاملة من Crossref أو DataCite
• باحثًا بانتماءات ومؤسسات موثقة
• ملفًا شخصيًا عامًا بصفحة ويب مؤسسية مستقرة
• المساهمات بأدوار واضحة، مثل تلك الموجودة في تصنيف أدوار المساهمين (CRediT)
• الأدوار الحالية والسابقة بالتواريخ والمصادر وسجلات التحديث

يمكن لهذه الروابط أن تحسن حل الهوية، والاسترجاع، ودقة الاستشهاد، والتحقق من المصدر. وهي لا تضمن أن نظام الذكاء الاصطناعي سيستشهد بمؤلف. لا يوجد دليل عام موثوق يثبت أن إضافة معرف ORCID واحد يؤدي إلى زيادة ثابتة في استشهادات الذكاء الاصطناعي. الادعاء الأقوى أضيق وأكثر قابلية للدفاع عنه: البيانات الوصفية الجيدة للهوية والعمل تسهل على أنظمة البحث والتحقيق العثور على المواد العلمية ومطابقتها والتحقق منها والاستشهاد بها بشكل صحيح.

تعكس هذه المقالة الوثائق والبحوث العامة المتاحة حتى 13 أغسطس 2026.

لماذا تهم مراكز المؤلفين أنظمة الذكاء الاصطناعي

لا تستخدم جميع أنظمة الذكاء الاصطناعي نفس فهارس البحث أو قواعد البيانات أو طرق التصنيف. يعتمد بعضها على البحث المباشر على الويب. بينما يستخدم البعض الآخر قواعد بيانات علمية، أو فهارس مرخصة، أو مخازن معرفة داخلية، أو أنظمة استرجاع تبحث في المستندات قبل إنشاء إجابة.

ومع ذلك، تواجه العديد من الأنظمة نفس المشكلات الفنية:

• قد يتم تهجئة الأسماء بطرق مختلفة.
• قد يتشارك عدة باحثين نفس الاسم.
• قد يكون للعمل نسخة أولية (preprint)، ونسخة مؤتمر، ومخطوطة مقبولة، ونسخة نهائية.
• قد ترتبط مقالة مجلة بمجموعة بيانات، أو حزمة برمجية، أو منحة، أو تصحيح.
• قد يغير المؤلف المؤسسات أو الأسماء.
• قد تصف صفحة ويب مؤهلًا دون بيان من أصدره أو متى كان ساريًا.

تساعد المعرفات الدائمة والبيانات الوصفية المنظمة في حل هذه المشكلات.

يصف نظام معرف الكائن الرقمي (DOI) المعرف بأنه اسم دائم لكائن رقمي أو مادي أو مجرد. وتعتمد قيمته ليس فقط على المعرف، بل أيضًا على البيانات الوصفية المتصلة به. دليل DOI (doi.org)

طريقة مفيدة للتفكير في مركز المؤلف هي أنه يتكون من أربع طبقات متصلة:

الهدف ليس إنشاء ملف شخصي مليء بالكلمات المثيرة للإعجاب. الهدف هو إنشاء سجل يمكن التحقق فيه من الادعاءات المهمة.

الأجزاء الثلاثة الرئيسية لمركز المؤلف

1. ORCID: طبقة هوية الشخص

ORCID هو اختصار لـ Open Researcher and Contributor ID (معرف الباحث والمساهم المفتوح). ويوفر معرفًا دائمًا للشخص ويساعد في تمييز الباحثين الذين لديهم أسماء متشابهة، أو يستخدمون أشكالًا مختلفة للأسماء، أو يغيرون أسماءهم بمرور الوقت. نظرة عامة على ORCID (support.orcid.org)

قد يحتوي سجل ORCID على:

• الأسماء والمتغيرات الاسمية
• التوظيف والتعليم
• الأعمال البحثية
• التمويل
• نشاط مراجعة الأقران
• الخدمة التحريرية
• العضويات والامتيازات
• الموارد البحثية
• روابط إلى معرفات أخرى

الميزة الأهم ليست الرقم المكون من 16 خانة نفسه. بل هي شبكة الاتصالات المدعومة المرتبطة بهذا الرقم.

على سبيل المثال:

text Jane Smith └── ORCID iD ├── Article DOI ├── Dataset DOI ├── Grant identifier ├── University affiliation ├── Software record └── Editorial role

الاتصالات الموثقة أقوى

يجب على المنظمات جمع معرفات ORCID من خلال عملية تسجيل دخول موثقة بدلًا من مطالبة الأشخاص بكتابة المعرف في نموذج. توصي ORCID باستخدام عملية التفويض الخاصة بها بحيث يؤكد الباحث السجل الصحيح. إرشادات ORCID للتكامل وواجهة برمجة التطبيقات (info.orcid.org)

هذا التمييز مهم:

• ادعاء غير موثق: "معرف ORCID هذا يخص جين سميث."
• ادعاء موثق: "قامت جين سميث بتسجيل الدخول عبر ORCID وسمحت لهذا النظام باستخدام معرفها."
• تأكيد مؤسسي: "تؤكد الجامعة أن هذا الشخص كان له هذا الانتماء خلال هذه التواريخ."

يخزن ORCID أيضًا مصدر ونشأة التأكيدات. يمكن إضافة عمل أو انتماء بواسطة الباحث أو ناشر أو ممول أو منظمة موثوقة أخرى. إرشادات ORCID للثقة (info.orcid.org)

يؤدي هذا إلى إنشاء إشارة ثقة مفيدة لكل من الأشخاص والآلات:

لا يكتفي السجل بذكر ما هو مدعى. بل يمكنه أيضًا أن يظهر من قدم الادعاء ومتى تمت إضافته.

قيود مهمة

معرف ORCID ليس ضمانًا بأن كل عنصر في السجل صحيح. تشجع ORCID نفسها المستخدمين على فحص علامات الثقة والمصادر والتواريخ والمنظمات التي أضافت المعلومات. علامات الثقة في ORCID (info.orcid.org)

لذلك، يجب ألا تعامل المنظمات "يمتلك معرف ORCID" على أنه مساوٍ لـ "تم التحقق منه بالكامل". النموذج الأفضل هو:

• ادعاء ذاتي
• موثق
• مؤكد مؤسسياً
• مؤكد من الناشر
• مؤكد من الجهة الممولة
• مُراجع حديثاً

2. Crossref و DataCite: طبقة هوية العمل

يحدد ORCID الشخص. وتساعد Crossref و DataCite في تحديد العمل.

يمكن لمعرف الكائن الرقمي (DOI) تحديد:

• مقالات المجلات
• الكتب وفصول الكتب
• أوراق المؤتمرات
• مجموعات البيانات
• البرمجيات
• التقارير
• النسخ الأولية (Preprints)
• مراجعات الأقران
• المعايير
• الملصقات والعروض التقديمية

يجب أن يؤدي معرف DOI إلى صفحة هبوط مستقرة. والأهم من ذلك، يجب أن يحتوي على بيانات وصفية كاملة تصف العمل.

توصي Crossref بتسجيل معلومات مثل:

• اسم العائلة والاسم الأول
• أدوار المساهمين
• الانتماءات
• معرفات المنظمات
• معرفات ORCID
• تواريخ النشر
• الملخصات
• المراجع
• التمويل
• التراخيص
• معلومات الإصدار
• التحديثات والتصحيحات

البيانات الوصفية المطلوبة والموصى بها من Crossref (crossref.org)

تصف Crossref بياناتها الوصفية بأنها مورد مشترك يمكن الوصول إليه عبر واجهات الويب، وواجهات برمجة التطبيقات، والتنزيلات بالجملة. يمكن للأنظمة التابعة استخدام هذه المعلومات لاكتشاف المخرجات العلمية وربطها. استرجاع البيانات الوصفية من Crossref (crossref.org)

تؤدي DataCite وظيفة مماثلة لمجموعات البيانات والعديد من المخرجات البحثية الأخرى. يدعم مخطط البيانات الوصفية الحالي 4.7، الذي تم إصداره في 3 مارس 2026، المبدعين والمساهمين ومعرفات ORCID والانتماءات ومعرفات المنظمات والمعرفات ذات الصلة والتمويل والأوصاف وأنواع الموارد. مخطط البيانات الوصفية لـ DataCite (schema.datacite.org)

توصي DataCite بشكل خاص بربط سجلات المبدعين والمساهمين بمعرفات ORCID، والانتماءات التنظيمية بمعرفات المنظمات. معرفات الأسماء في DataCite (support.datacite.org)

معرف DOI ليس علامة جودة

يثبت معرف DOI وجود سجل في نظام تسجيل DOI. ولكنه لا يثبت أن:

• البحث صحيح
• المنشور خضع لمراجعة الأقران
• المجلة مرموقة
• المؤلف خبير
• النتائج مهمة

توضح Crossref هذه النقطة بوضوح: معرف DOI نفسه لا يشير إلى قيمة الكائن أو دقته. توفر البيانات الوصفية المحيطة السياق وتتيح الاتصالات. إرشادات Crossref لـ DOI (support.crossref.org)

ولهذا السبب، يكون سجل DOI الكامل أكثر فائدة بكثير من مجرد سلسلة DOI موضوعة في أسفل الصفحة.

أدوار المساهمين تضيف معنى

في يوليو 2026، أضاف مخطط Crossref 5.5 دعمًا أفضل لأدوار المساهمين المتعددة، والمؤلفين المراسلين، وتصنيف أدوار المساهمين (CRediT). مخطط Crossref 5.5 (crossref.org)

يحتوي تصنيف أدوار المساهمين على 14 دورًا، بما في ذلك:

• تصور الفكرة
• تنظيم البيانات
• التحليل الرسمي
• التحقيق
• المنهجية
• البرمجيات
• الإشراف
• التحقق من الصحة
• التصور
• كتابة المسودة الأصلية
• الكتابة والمراجعة والتحرير

تم تصميم التصنيف لجعل المساهمات أكثر شفافية ودعم التقدير والمساءلة وتقييم البحوث ونزاهة البحث. تصنيف أدوار المساهمين (credit.niso.org)

بالنسبة لأنظمة الذكاء الاصطناعي، يؤدي هذا إلى إجابة أكثر ثراءً من "جين سميث مؤلفة". يمكن للنظام أن يميز بشكل محتمل بين:

• الشخص الذي صمم الدراسة
• الشخص الذي كتب البرنامج
• الشخص الذي حلل البيانات
• الشخص الذي أشرف على المشروع
• الشخص الذي كتب المخطوطة الأصلية

وهذا مهم بشكل خاص لفرق البحث الكبيرة والمشاريع التقنية.

3. الملفات الشخصية للباحثين: طبقة السياق

تُبسّط الملفات الشخصية للباحثين فهم رسم بياني الهوية للناس وتسهل تفسيرها لأنظمة البحث.

يجب أن يتضمن الملف الشخصي القوي:

• صفحة مؤسسية مستقرة
• اسم متسق
• متغيرات الاسم عند الاقتضاء
• معرف ORCID
• الانتماءات الحالية والسابقة
• مجالات البحث
• أعمال مختارة مع روابط DOI
• مجموعات البيانات والبرامج والتقارير
• التمويل والجوائز
• أدوار تحريرية أو مراجعة
• أدوار المساهمة
• تواريخ للمناصب الحالية والسابقة
• تاريخ آخر مراجعة
• روابط لملفات تعريف عامة أخرى

تسمح ملفات Google Scholar الشخصية للباحثين بسرد المنشورات، وجعل الملف الشخصي عامًا، ورؤية من يستشهد بأعمالهم، وتتبع مقاييس الاستشهاد. قد يكون الملف الشخصي العام مع عنوان بريد إلكتروني مؤسسي موثق مؤهلاً للظهور في نتائج بحث Google Scholar. ملفات Google Scholar الشخصية (scholar.google.com)

ومع ذلك، يجب التعامل مع Google Scholar على أنه طبقة رؤية واكتشاف، وليس المصدر الرئيسي للحقيقة. يمكن للباحثين إدارة قوائم منشوراتهم الخاصة، وقد تتضمن المطابقة التلقائية أعمالًا غير صحيحة أو مكررة. كما تختلف أعداد الاستشهادات عبر قواعد البيانات.

يقدم OpenAlex طبقة اكتشاف مفيدة أخرى. فهو يحتفظ بسجلات مؤلفين غير ملتبسة ويربط المؤلفين والأعمال والمؤسسات والمصادر والموضوعات. يذكر OpenAlex أنه يستمد المعلومات من مصادر مثل Crossref و DataCite، ثم يطابق المؤلفين بمعرفات ORCID والانتماءات بمعرفات المنظمات. وصف بيئة OpenAlex (help.openalex.org)

لذلك، فإن أفضل الممارسات هي اتحاد الملفات الشخصية:

text Institutional author page ↕ ORCID record ↕ Crossref or DataCite work records ↕ OpenAlex and Google Scholar profiles ↕ Publisher, repository, funder, and professional pages

لا يحتاج أي ملف شخصي واحد إلى أن يحتوي على كل شيء. يجب أن تشير إلى بعضها البعض وتستخدم نفس المعرفات.

كيف يمكن لهذه الإشارات أن تؤثر على استشهادات الذكاء الاصطناعي

من المهم فصل خمسة أحداث مختلفة:

1. الاكتشاف: هل يمكن للنظام العثور على الصفحة أو العمل؟
2. حل الهوية: هل يمكنه معرفة الشخص والمنظمة المعنيين؟
3. الاسترجاع: هل يدخل النظام العمل في مجموعته من الأدلة؟
4. اختيار الاستشهاد: هل يستشهد بالعمل في الإجابة؟
5. صحة الاستشهاد: هل يشير الاستشهاد إلى العمل الصحيح ويدعم الادعاء؟

يمكن أن تساعد بيانات ORCID الوصفية ومعرفات DOI والملفات الشخصية للباحثين بشكل مباشر في الخطوات الثلاث الأولى. وقد تحسن أيضًا صحة الاستشهاد. من المرجح أن يعتمد تأثيرها على اختيار الاستشهاد على مدى ملاءمة الموضوع، وجودة المصدر، وحداثته، وإمكانية الوصول إليه، ونظام الذكاء الاصطناعي المحدد.

توصي وثائق Google Search باستخدام صفحة مؤلف، ورابط url، وروابط sameAs للمساعدة في تحديد مؤلفي المقالات. بالنسبة لمجموعات البيانات، توصي Google تحديدًا باستخدام معرف ORCID في خاصية sameAs لمؤلف شخصي. البيانات المنظمة لمقالات Google البيانات المنظمة لمجموعات بيانات Google (developers.google.com)

يمكن لصفحة ملف شخصي بسيطة استخدام البيانات المنظمة كالتالي:

{ "@context": "https://schema.org", "@type": "Person", "@id": "https://institution.edu/people/jane-doe#person", "name": "Jane Doe", "url": "https://institution.edu/people/jane-doe", "sameAs": [ "https://orcid.org/0000-0000-0000-0000", "https://scholar.google.com/citations?user=EXAMPLE", "https://openalex.org/authors/A0000000000" ], "affiliation": { "@type": "Organization", "name": "Example University", "sameAs": "https://ror.org/000000000" }, "subjectOf": [ { "@type": "ScholarlyArticle", "identifier": "https://doi.org/10.0000/example" } ] }

لا تضمن البيانات المنظمة ميزة بحث أو استشهادًا بالذكاء الاصطناعي. تذكر Google أن البيانات المنظمة حتى لو تم تنفيذها بشكل صحيح قد لا تظهر في نتائج البحث. وتكمن قيمتها في أنها تمنح الآلات طريقة واضحة وموحدة لتفسير الصفحة. إرشادات Google للبيانات المنظمة (developers.google.com)

الاستنتاج العملي هو:

المعرفات تحسن المسار إلى الأدلة. إنها لا تحل محل الأدلة.

ما يقوله البحث الحالي عن استشهادات الذكاء الاصطناعي

ركز البحث حول سلوك استشهاد الذكاء الاصطناعي بشكل أساسي على دقة الاستشهاد، واختيار المصدر، وقابلية التحقق. ولم ينتج بعد تقديرًا موثوقًا وعامًا لتأثير قوة الهوية المرتبطة بـ ORCID.

وجدت دراسة أجريت عام 2023 حول الاستشهادات التي تم إنشاؤها بواسطة ChatGPT معدلات كبيرة من المراجع المصطنعة والأخطاء في المراجع الحقيقية. فحصت الدراسة 636 استشهادًا تم إنشاؤها عبر 84 ورقة، ووجدت أن مشكلات الاستشهاد ظلت قائمة حتى في النموذج الأحدث الذي تم اختباره. دراسة Scientific Reports (nature.com)

وجدت دراسة أخرى لمحركات البحث التوليدية أن العديد من الجمل التي تم إنشاؤها لم تكن مدعومة بالكامل بالاستشهادات، وأن العديد من الاستشهادات لم تدعم البيانات بجانبها بشكل كافٍ. تقييم قابلية التحقق في محركات البحث التوليدية (arxiv.org)

تظهر الأبحاث الحديثة أيضًا أن أنظمة البحث التوليدية تختلف في اختياراتها للمصادر، وتداخل المصادر، والاستقرار، واستخدام المعرفة الداخلية مقابل الخارجية. توصيف بحث الويب في عصر الذكاء الاصطناعي التوليدي (aclanthology.org)

تدعم هذه النتائج موقفًا حذرًا:

• يمكن لمعرف DOI أن يقلل من الغموض حول العمل المستشهد به.
• يمكن لـ ORCID أن يقلل من الغموض حول الشخص.
• يمكن لمعرفات الانتماء أن تقلل من الغموض حول المنظمة.
• يمكن لأدوار المساهمين أن تحسن الإسناد.
• يمكن للملف الشخصي العام أن يوفر السياق.
• لا تضمن أي من هذه الإشارات أن النظام سيسترجع العمل أو يستشهد به.

برنامج بحثي لقياس قوة الهوية وتكرار استشهاد الذكاء الاصطناعي

يجب على المنظمات ألا تدعي أن مراكز المؤلفين تحسن استشهادات الذكاء الاصطناعي حتى تقوم بقياس العلاقة مباشرة.

تحديد درجة قوة هوية المؤلف

ما يلي هو درجة مقترحة، وليست معيارًا رسميًا.

لا تدرج أعداد الاستشهادات، أو مكانة المجلة، أو التصنيف المؤسسي في هذه الدرجة. يجب التعامل مع هذه العوامل كمتغيرات منفصلة. إن إدراجها سيجعل من الصعب تحديد ما إذا كانت قوة الهوية نفسها مرتبطة بتكرار الاستشهاد.

قياس أكثر من نوع واحد من الاستشهاد

يجب أن تتعقب الدراسة المفيدة ست نتائج على الأقل:

1. معدل استشهاد العمل
   النسبة المئوية للإجابات المؤهلة التي تستشهد بعمل معين.

2. معدل إسناد المؤلف
   النسبة المئوية للإجابات التي تسمي أو تنسب العمل بشكل صحيح للمؤلف الصحيح.

3. معدل المعرف الصالح
   النسبة المئوية للاستشهادات التي تحتوي على معرف DOI يؤدي إلى العمل الصحيح.

4. دقة الاستشهاد
   النسبة المئوية للاستشهادات التي تدعم بالفعل البيان المقدم.

5. استدعاء الاستشهاد
   النسبة المئوية للمصادر الداعمة المهمة التي يستشهد بها النظام.

6. استقرار عبر المنصات
   النسبة المئوية للاستشهادات المتكررة عبر أنظمة مختلفة أو تشغيلات متكررة.

يفصل إطار عمل قياس حديث للبحث التوليدي بين اختيار الاستشهاد و امتصاص الاستشهاد، بمعنى ما إذا كان المصدر يظهر فقط في قائمة الاستشهادات أو يساهم فعليًا بأدلة في الإجابة. يجب تضمين هذا التمييز في دراسات مراكز المؤلفين المستقبلية. إطار عمل اختيار الاستشهاد وامتصاص الاستشهاد (arxiv.org)

الدراسة الأولى: دراسة الارتباط الرصدي

تسأل هذه الدراسة:

هل الأعمال المرتبطة بهويات مؤلف أقوى يُستشهد بها بشكل متكرر من قبل أنظمة الذكاء الاصطناعي بعد التحكم في عوامل الموضوع والنشر؟

تصميم مقترح

• أخذ عينة من 10,000 إلى 50,000 عمل أكاديمي
• تغطية عدة تخصصات ولغات وأنواع نشر
• استخدام بيانات Crossref و DataCite و OpenAlex وبيانات ORCID العامة
• حساب درجة قوة الهوية لكل مؤلف وعمل
• إنشاء مجموعة من الأسئلة التي تكون الأعمال المأخوذة عينات منها ذات صلة
• تشغيل الأسئلة عبر عدة أنظمة منتجة للاستشهادات
• تكرار كل سؤال عدة مرات
• تسجيل التاريخ والنظام وإعداد النموذج والمنطقة والمصادر المستشهد بها

متغيرات التحكم الهامة

يجب أن تتحكم الدراسة في:

• ملاءمة الموضوع
• سنة النشر
• حالة الوصول المفتوح
• توفر الملخص
• توفر النص الكامل
• مكان النشر
• عدد الاستشهادات الأكاديمية الحالية
• سمعة المؤسسة
• اللغة
• سرعة الصفحة وقابلية الزحف
• نوع العمل
• شيوع اسم المؤلف
• عدد المؤلفين المشاركين
• صياغة الاستعلام
• نظام البحث

يمكن للنموذج الإحصائي الرئيسي تقدير:

text Probability of correct citation = identity strength

• topical relevance
• work age
• open access
• scholarly citations
• system
• query
• author and topic controls

سيكون الانحدار اللوجستي أو نموذج التأثيرات المختلطة مناسبًا لنتيجة نعم أو لا مثل ما إذا كان العمل قد تم الاستشهاد به. قد يكون نموذج السالب ذو الحدين مفيدًا لعدد الاستشهادات لأن بيانات الاستشهاد غالبًا ما تكون موزعة بشكل غير متساوٍ.

يجب الإبلاغ عن النتيجة كـ نسبة أرجحية مع فترة ثقة، وليس كنسبة مئوية بسيطة. على سبيل المثال:

ارتبطت زيادة بانحراف معياري واحد في قوة الهوية بتغير في احتمالية الاستشهاد بعد التحكم في الملاءمة والعمر والوصول والانتباه الأكاديمي السابق.

يجب أن تبلغ الدراسة أيضًا عن النتائج السلبية. وسيكون اكتشاف عدم وجود علاقة مفيدًا لأنه سيظهر أن المعرفات تحسن جودة البيانات دون تغيير سلوك استشهاد الذكاء الاصطناعي بالضرورة.

الدراسة الثانية: تجربة بيانات وصفية مضبوطة

قد تخلط دراسة رصدية بين قوة الهوية والشعبية. يمكن لتجربة مضبوطة أن تعزل بعض التأثيرات.

هناك نسختان عمليتان.

النسخة أ: تجربة الويب العامة

إنشاء صفحات متطابقة بنفس المحتوى الموضوعي ولكن بمعالجات بيانات وصفية مختلفة:

• اسم المؤلف الأساسي فقط
• اسم المؤلف بالإضافة إلى الملف الشخصي المؤسسي
• اسم المؤلف بالإضافة إلى رابط ORCID
• اسم المؤلف، ORCID، DOI، معرف الانتماء، والبيانات المنظمة

نشر الصفحات في نفس الوقت ومراقبة:

• اكتشاف البحث
• المطابقة الصحيحة للمؤلف
• الاسترجاع في إجابات الذكاء الاصطناعي
• تكرار الاستشهاد
• صحة الاستشهاد

يجب تفسير هذه التجربة بعناية. قد تزحف الأنظمة العامة إلى الصفحات في أوقات مختلفة، ولا تستطيع المنظمات بسهولة تغيير سجلات Crossref أو DataCite لعمل منشور بالفعل.

النسخة ب: فهرس بحث مضبوط

بناء نظام استرجاع صغير يحتوي على نفس المستندات تحت ظروف بيانات وصفية مختلفة. قم بتغيير فقط:

• معرف المؤلف
• DOI
• الانتماء
• دور المساهم
• روابط الملفات الشخصية
• حقول المصدر

ثم اطرح نفس الأسئلة وقم بقياس الاسترجاع واختيار الاستشهاد. تمنح هذه التجربة تحكمًا أفضل، لكنها تقيس نظامًا بحثيًا بدلاً من المنصات التجارية.

الدراسة الثالثة: نشر تنظيمي متدرج

أقوى تصميم عملي هو دراسة الفرق-في-الفروق.

يمكن للمنظمة نشر مراكز المؤلفين على مراحل:

• القسم الأول يتلقى البرنامج الكامل في أكتوبر 2026.
• القسم الثاني يتلقاه في يناير 2027.
• القسم الثالث يتلقاه في أبريل 2027.

يتم قياس جميع الأقسام قبل وبعد التنفيذ. وتعمل الأقسام التي لم تتلق البرنامج بعد كمجموعات مقارنة مؤقتة.

قياس:

• معدل إسناد المؤلف الصحيح
• حل DOI
• تكرار الاستشهاد
• دقة الاستشهاد
• مرات ظهور البحث
• زيارات صفحة الملف الشخصي
• الوقت اللازم لتصحيح البيانات الوصفية الخاطئة
• تغيرات التوظيف الحالي تظهر في غضون سبعة أيام
• الانتحالات والتصحيحات الرسمية تنعكس على الفور

هذا التصميم أقوى من مقارنة بسيطة قبل وبعد لأنه يساعد على فصل تأثير النشر عن التغييرات الأوسع في أنظمة الذكاء الاصطناعي.

فرضيات تستحق الاختبار

يمكن للمنظمات تسجيل هذه الفرضيات مسبقًا:

• H1: الروابط القوية للهوية تحسن إسناد المؤلف الصحيح.
• H2: البيانات الوصفية الكاملة لمعرف DOI تحسن معدلات الاستشهاد الصالحة.
• H3: تساعد معرفات الانتماء أكثر عندما يكون للمؤلفين أسماء شائعة أو ينتقلون بين المؤسسات.
• H4: تحسن الملفات الشخصية للباحثين الاكتشاف أكثر مما تحسن تكرار الاستشهاد النهائي.
• H5: قوة الهوية لها تأثير أكبر على المؤلفين غير المشهورين (long-tail authors) منها على المؤلفين المشهورين بالفعل.
• H6: يختلف التأثير حسب النظام والموضوع واللغة ونوع المنشور.
• H7: الحداثة وملاءمة الموضوع أهم من تزيين الملف الشخصي.

ما هي المؤهلات التي يجب نشرها؟

يجب أن ينشر الملف الشخصي المؤهلات التي يمكن التحقق منها. ويجب أن يحتوي كل مؤهل على:

• نوع المؤهل
• الشخص الحاصل عليه
• المنظمة المصدرة
• معرف دائم للمنظمة عند توفره
• تاريخ البدء والانتهاء
• مصدر التحقق
• حالة مثل حالي، منتهي الصلاحية، متنازع عليه، أو مؤرشف
• تاريخ آخر مراجعة

يجب على المنظمات تحديد مصدر كل مؤهل:

• مقدم ذاتيًا
• مؤكد مؤسسيًا
• مؤكد من الناشر
• مؤكد من الجهة الممولة
• مستورد من سجل
• قيد المراجعة

تجنب نشر تسميات غير مدعومة مثل "خبير رائد" أو "باحث عالمي". استبدلها بالأدلة:

• عدد ونوع الأعمال
• مجالات البحث
• أدوار موثقة
• مشاريع ممولة
• خدمة تحريرية
• مجموعات بيانات أو برامج عامة
• تعيينات مؤسسية

هذا النهج أكثر فائدة لكل من القراء والآلات.

خطة التنفيذ للمنظمات

المرحلة الأولى: إنشاء سياسة البيانات الوصفية

تعيين مجموعة حوكمة صغيرة تضم ممثلين من:

• إدارة البحوث
• خدمات المكتبة
• تكنولوجيا المعلومات
• الاتصالات
• خدمات النشر أو المستودعات
• الخصوصية
• نزاهة البحث

إنشاء سياسة بيانات قصيرة تحدد:

• الحقول المطلوبة
• أنظمة المعرفات المعتمدة
• من يجوز له تأكيد كل حقل
• الحقول العامة
• كيفية معالجة التصحيحات
• الوقت الذي يجب أن تستغرقه التحديثات
• ماذا يحدث عندما يغادر الشخص

استخدم عقد بيانات واحد عبر الأنظمة. على الأقل، يجب أن يحتوي كل سجل شخص وعمل ومنظمة ومؤهل على:

text persistent_id display_name source asserted_by valid_from valid_to last_verified status evidence_url

المرحلة الثانية: جمع المعرفات الموثقة

اطلب من الباحثين ربط سجلات ORCID الخاصة بهم من خلال عملية موثقة. لا تجعل المؤسسة مسؤولة عن تخمين أي معرف ORCID يخص شخصًا.

في الوقت نفسه:

• تعيين معرفات تنظيمية للأقسام والمؤسسات
• ربط سجلات الموظفين بـ ORCID
• مطابقة المنشورات الحالية بسجلات DOI
• وضع علامة على تعارضات الأسماء
• الحفاظ على أشكال الأسماء البديلة
• تسجيل إعدادات الموافقة والرؤية

المرحلة الثالثة: تحسين البيانات الوصفية لـ DOI

للأعمال الجديدة، اطلب أن تجمع سير عمل النشر:

• أسماء المؤلفين الكاملة
• معرفات ORCID الموثقة
• الانتماءات
• معرفات المنظمات
• أدوار المساهمين
• معرفات التمويل
• الملخصات
• المراجع
• التراخيص
• معلومات الإصدار والتحديث

بالنسبة للأعمال القديمة، ابدأ بالسنوات الخمس الأخيرة والمؤلفين الأكثر استخدامًا للمنظمة.

يجب أن تتلقى Crossref و DataCite التصحيحات والتحديثات بدلاً من الإيداع الأصلي فقط. تبقى سلاسل DOI دائمة، بينما يمكن الحفاظ على البيانات الوصفية المرتبطة بها. صيانة البيانات الوصفية في Crossref (crossref.org)

المرحلة الرابعة: بناء صفحات المؤلف الأساسية

يجب أن يكون لكل باحث صفحة مؤسسية مستقرة واحدة. يجب أن تقوم هذه الصفحة بما يلي:

• استخدام عنوان ويب دائم
• إظهار الدور الحالي
• الحفاظ على الأدوار السابقة مع التواريخ
• الربط بـ ORCID
• الربط بسجلات DOI المختارة
• الربط بالملفات الشخصية العامة للباحثين
• إظهار مجالات البحث
• عرض تاريخ آخر تحديث
• استخدام البيانات المنظمة
• البقاء قابلة للوصول لزواحف البحث
• تجنب طلب تسجيل الدخول

توصي Google باستخدام عناوين URL واضحة للمؤلفين وروابط sameAs للمساعدة في تمييز المؤلفين. إرشادات ترميز مؤلف Google (developers.google.com)

المرحلة الخامسة: اتحاد ومراقبة الملفات الشخصية

ربط الصفحة المؤسسية بـ:

• ORCID
• Google Scholar
• OpenAlex
• صفحات الناشرين
• سجلات المستودعات
• صفحات المنح
• الملفات الشخصية المهنية العامة عند الاقتضاء

استخدام الفحوصات الآلية للعثور على:

• روابط DOI المعطلة
• روابط ORCID المفقودة
• المؤلفين المكررين
• مطابقات المؤلف المشارك الخاطئة
• الانتماءات القديمة
• المؤهلات منتهية الصلاحية
• تواريخ التحديث المفقودة
• الأسماء غير المتطابقة
• الانسحابات أو التصحيحات

حوكمة التحديثات وتغييرات الأدوار

يجب أن يحافظ مركز المؤلف على التاريخ. لا يجب أن يعيد كتابة الماضي في كل مرة يغير فيها شخص وظيفته.

التسلسل الهرمي الموصى به للمصدر

عندما يغير الباحث المؤسسات

لا تحذف الانتماء القديم من الأعمال التاريخية.

بدلاً من ذلك:

1. أضف تاريخ انتهاء إلى سجل التوظيف السابق.
2. أضف الانتماء الجديد بتاريخ بدء.
3. حدث الملف الشخصي المؤسسي.
4. حافظ على انتماءات المنشورات التاريخية دون تغيير ما لم يصدر الناشر تصحيحًا.
5. حدث سجل ORCID من خلال المصدر الصحيح.
6. أعد توجيه صفحة الملف الشخصي القديمة إلى صفحة مؤرشفة أو جديدة.

عندما يغير شخص اسمه

استخدم ORCID لربط متغيرات الاسم. أضف الأسماء السابقة أو البديلة حيثما يوافق الباحث. لا تغير اسم المؤلف في سجل DOI منشور لمجرد مطابقته لملف شخصي حالي.

الغرض من المعرف الدائم هو ربط الأعمال عبر تغييرات الاسم دون إعادة كتابة سجل النشر.

عندما يتغير دور المساهم

يجب التعامل مع دور المساهم في عمل مكتمل كجزء من السجل التاريخي.

على سبيل المثال:

• لا يجب أن يتغير دور الشخص في مقال منشور لأنه أصبح لاحقًا رئيس قسم.
• يجب أن يكون للدور التحريري تاريخ بدء وتاريخ انتهاء.
• يجب ربط دور المنحة بفترة المنحة.
• يجب ربط دور البرنامج بالإصدار أو النسخة.

إذا كان سجل المساهمة الأصلي خاطئًا، استخدم عملية تصحيح رسمية. لا تقم بتجاوزه بصمت.

عندما تنتهي صلاحية المؤهل

استخدم قيم حالة واضحة:

• حالي
• منتهي الصلاحية
• مُجدد
• موقوف
• متنازع عليه
• مؤرشف

يجب إرسال تذكيرات تلقائية قبل انتهاء الصلاحية. يجب أن تعرض الملفات الشخصية العامة الحالة والتاريخ بدلاً من ترك مؤهل قديم مرئيًا دون تفسير.

عندما يغادر الباحث المنظمة

يجب على المنظمة أن:

• تحافظ على الملف الشخصي التاريخي
• تحدد الدور السابق بوضوح
• تحتفظ بالروابط إلى الأعمال المنشورة
• تنقل ملكية الملف الشخصي
• تضع إعادة توجيه للصفحة السابقة
• تزيل معلومات الاتصال الخاصة
• تحتفظ بالتأكيدات المؤسسية التي كانت صحيحة خلال فترة التوظيف السابقة

عندما يكون التأليف متنازعًا عليه

قم بتجميد الحقل المتنازع عليه، واحتفظ بالمصدر الأصلي، وسجل النزاع. لا تزيل مؤلفًا أو تغير أدوار المساهمة بناءً على طلب غير رسمي فقط.

يجب أن يحدد مكتب نزاهة البحث، أو الناشر، أو السلطة المسؤولة عن المشروع مسار التصحيح الرسمي.

مقاييس النجاح

يجب على المنظمات تتبع جودة التشغيل قبل الوعد بزيادة وضوح الذكاء الاصطناعي.

تشمل الأهداف المقترحة ما يلي:

• 95 بالمائة من الباحثين النشطين لديهم معرفات ORCID موثقة
• 95 بالمائة من الأعمال الجديدة تتضمن ORCID حيثما كان متاحًا
• 95 بالمائة من الانتماءات تستخدم معرف منظمة دائم
• 100 بالمائة من الإيداعات الجديدة لمعرفات DOI تجتاز التحقق من البيانات الوصفية
• 100 بالمائة من صفحات المؤلفين تحتوي على عنوان ملف شخصي مستقر
• 100 بالمائة من تغييرات الأدوار تتضمن تواريخ
• أقل من 1 بالمائة من الأعمال تُسند بشكل غير صحيح لمؤلف
• تكتمل تصحيحات البيانات الوصفية في غضون 30 يومًا
• تظهر تغييرات التوظيف الحالي في غضون سبعة أيام
• تنعكس الانسحابات والتصحيحات الرسمية على الفور

بالنسبة لدراسة استشهادات الذكاء الاصطناعي، تتبع:

• معدل إسناد المؤلف الصحيح
• معدل DOI الصالح
• دقة الاستشهاد
• استدعاء الاستشهاد
• تكرار استشهاد العمل
• التوافق عبر الأنظمة
• الوقت من تصحيح البيانات الوصفية إلى تحسين الفهرسة
• الفرق بين اكتشاف الملف الشخصي واستشهاد الإجابة النهائية

يجب على المنظمة الإبلاغ عن هذه المقاييس حسب التخصص واللغة والمرحلة المهنية وشيوع الاسم. وإلا، قد تخفي النتيجة المتوسطة نتائج غير متساوية.

المخاطر والضمانات

يمكن لمراكز المؤلفين أن تخلق مخاطر جديدة إذا أصبحت نظام حراسة.

يجب ألا تقوم المنظمات بما يلي:

• معاقبة الباحثين الذين يحتفظون ببعض معلومات ORCID خاصة
• معاملة ملف شخصي عام في Google Scholar كدليل على الجودة
• استخدام عدد الاستشهادات كبديل لمراجعة الأقران
• نشر تفاصيل الاتصال الشخصية دون داع
• استنتاج الخبرة من المكانة المؤسسية وحدها
• مطالبة كل باحث باستخدام نفس خدمة الملف الشخصي العام
• اعتبار المعرفات المفقودة دليلًا على سوء السلوك
• السماح للأنظمة الآلية بتجاوز السجلات دون مراجعة

يختلف تبني ORCID وجودة البيانات الوصفية حسب المجال والبلد والمرحلة المهنية ونوع المنشور. يجب أن يدعم النظام العادل التصحيح اليدوي وضوابط الخصوصية وتنوع الأسماء والأشخاص الذين لا يتم تمثيل أعمالهم بشكل جيد بواسطة مقاييس منشورات المجلات.

الخاتمة

مركز المؤلف القوي ليس مشروعًا للعلامة التجارية الشخصية. إنه نظام أدلة قابل للقراءة آليًا.

• يربط ORCID الشخص بهوية دائمة.
• تربط Crossref و DataCite الأعمال بمعرفات مستقرة وبيانات وصفية غنية.
• تربط معرفات سجل المنظمات البحثية الأشخاص والأعمال بالمؤسسات.
• تُظهر أدوار المساهمين ما فعله كل شخص بالفعل.
• توفر الملفات الشخصية المؤسسية والأكاديمية سياقًا عامًا.
• تساعد البيانات المنظمة أنظمة البحث على تفسير العلاقات.
• تُظهر الحوكمة وتاريخ الإصدار ما هو حديث، وما كان صحيحًا في الماضي، ومن أكد كل ادعاء.

المنفعة المحتملة ليست تعزيزًا تلقائيًا في التصنيف. المنفعة هي سلسلة أقوى من شخص ← عمل ← منظمة ← دليل.

لذلك يجب على المنظمات الالتزام بالتزامين:

1. توحيد وصيانة البيانات الوصفية.
2. قياس سلوك استشهاد الذكاء الاصطناعي بدلاً من افتراض وجود تأثير.

مركز المؤلف الأكثر مصداقية ليس هو الذي يحتوي على أكبر عدد من الشارات. بل هو الذي تكون ادعاءاته المهمة دائمة، ومتصلة، ومستمدة من مصادر، وحديثة، وسهلة التحقق.