Budování autorských center: ORCID, Crossref a profily vědců jako základ důvěry

Budování autorských center: ORCID, Crossref a profily vědců jako základ důvěry

Autorská centra jsou veřejné, propojené záznamy, které pomáhají lidem a strojům odpovídat na tři základní otázky:

1. Kdo vytvořil tuto práci?
2. Co přesně je tato práce?
3. Proč by měl kdokoli věřit spojení mezi osobou, prací a organizací?

Pro lidské čtenáře může autorské centrum vypadat jako profilová stránka s biografií, publikacemi, pověřeními a odkazy. Pro systémy umělé inteligence je užitečnější si to představit jako graf propojených důkazů.

Silné autorské centrum propojuje:

• Osobu s ORCID iD
• Publikaci, datovou sadu, zprávu nebo softwarový balíček s Digital Object Identifier (DOI)
• Dílo s kompletními metadaty Crossref nebo DataCite
• Výzkumníka s ověřenými afiliacemi a organizacemi
• Veřejný profil se stabilní institucionální webovou stránkou
• Příspěvky s jasnými rolemi, jako jsou ty v Taxonomii rolí přispěvatelů (Contributor Roles Taxonomy)
• Současné a minulé role s daty, zdroji a záznamy aktualizací

Tato propojení mohou zlepšit řešení identity, vyhledávání, přesnost citací a ověřování zdrojů. Nezaručují, že systém umělé inteligence bude autora citovat. Neexistuje žádný věrohodný veřejný důkaz, že přidání jednoho ORCID iD vede k pevnému nárůstu citací umělé inteligence. Silnější tvrzení je užší a lépe obhajitelné: kvalitní metadata identity a díla usnadňují vyhledávacím a výzkumným systémům najít, spárovat, ověřit a správně citovat vědecké materiály.

Tento článek odráží veřejnou dokumentaci a výzkum dostupný k 13. srpnu 2026.

Proč jsou autorská centra důležitá pro systémy umělé inteligence

Systémy umělé inteligence nepoužívají všechny stejné vyhledávací indexy, databáze nebo metody řazení. Některé se spoléhají na živé webové vyhledávání. Jiné používají vědecké databáze, licencované indexy, interní úložiště znalostí nebo vyhledávací systémy, které prohledávají dokumenty před generováním odpovědi.

Přesto mnoho systémů čelí stejným technickým problémům:

• Jména mohou být napsána různými způsoby.
• Několik výzkumníků může mít stejné jméno.
• Dílo může mít preprint, konferenční verzi, přijatý rukopis a finální verzi.
• Článek v časopise může být propojen s datovou sadou, softwarovým balíčkem, grantem nebo opravou.
• Autor může změnit instituci nebo jméno.
• Webová stránka může popisovat pověření, aniž by ukazovala, kdo je vydal nebo kdy byly platné.

Trvalé identifikátory a strukturovaná metadata pomáhají tyto problémy řešit.

Systém Digital Object Identifier popisuje identifikátor jako trvalé jméno pro digitální, fyzický nebo abstraktní objekt. Jeho hodnota závisí nejen na identifikátoru, ale také na metadatech s ním spojených. DOI Handbook (doi.org)

Užitečným způsobem, jak přemýšlet o autorském centru, je představit si ho jako čtyři propojené vrstvy:

Cílem není vytvořit profil plný působivých slov. Cílem je vytvořit záznam, ve kterém lze důležité tvrzení ověřit.

Tři hlavní části autorského centra

1. ORCID: Vrstva identity osoby

ORCID znamená Open Researcher and Contributor ID. Poskytuje trvalý identifikátor pro osobu a pomáhá rozlišovat výzkumníky, kteří mají podobná jména, používají různé formy jmen nebo si časem mění jména. ORCID overview (support.orcid.org)

Záznam ORCID může obsahovat:

• Jména a varianty jmen
• Zaměstnání a vzdělání
• Výzkumné práce
• Financování
• Aktivita recenzního řízení
• Redakční služba
• Členství a ocenění
• Výzkumné zdroje
• Odkazy na jiné identifikátory

Nejdůležitější funkcí není samotné 16místné číslo. Je to síť podporovaných spojení připojených k tomuto číslu.

Například:

text Jane Smith └── ORCID iD ├── DOI článku ├── DOI datové sady ├── Identifikátor grantu ├── Univerzitní afiliace ├── Záznam softwaru └── Redakční role

Ověřená spojení jsou silnější

Organizace by měly shromažďovat ORCID iD prostřednictvím ověřeného procesu přihlášení, spíše než žádat lidi, aby identifikátor zadávali do formuláře. ORCID doporučuje používat svůj autorizační proces, aby výzkumník potvrdil správný záznam. ORCID integration and application programming interface guidance (info.orcid.org)

Toto rozlišení je důležité:

• Nezaručené tvrzení: „Tento ORCID iD patří Jane Smith.“
• Ověřené tvrzení: „Jane Smith se přihlásila přes ORCID a autorizovala tento systém k použití jejího iD.“
• Institucionální tvrzení: „Univerzita potvrzuje, že tato osoba zastávala tuto afiliaci v těchto datech.“

ORCID také ukládá zdroj a původ tvrzení. Dílo nebo afiliaci může přidat výzkumník, vydavatel, poskytovatel financování nebo jiná důvěryhodná organizace. ORCID trust guidance (info.orcid.org)

Tím se vytváří užitečný signál důvěry jak pro lidi, tak pro stroje:

Záznam nejen říká, co je tvrzeno. Může také ukázat, kdo tvrzení učinil a kdy bylo přidáno.

Důležité omezení

ORCID iD není zárukou, že každá položka v záznamu je správná. Samotný ORCID vybízí uživatele k prozkoumání ukazatelů důvěry, zdrojů, dat a organizací, které informace přidaly. ORCID trust markers (info.orcid.org)

Proto by organizace neměly považovat „má ORCID iD“ za rovnocenné s „je plně ověřeno“. Lepší model je:

• Samozřejmě potvrzeno
• Ověřeno
• Institucionálně potvrzeno
• Vydavatelem potvrzeno
• Poskytovatelem financování potvrzeno
• Nedávno zkontrolováno

2. Crossref a DataCite: Vrstva identity díla

ORCID identifikuje osobu. Crossref a DataCite pomáhají identifikovat dílo.

Digital Object Identifier může identifikovat:

• Články v časopisech
• Knihy a kapitoly knih
• Konferenční příspěvky
• Datové sady
• Software
• Zprávy
• Preprinty
• Recenze (peer review)
• Standardy
• Postery a prezentace

DOI by mělo směřovat na stabilní vstupní stránku. Důležitější je, že by mělo mít kompletní metadata popisující dílo.

Crossref doporučuje zaznamenávat informace, jako jsou:

• Příjmení a křestní jméno
• Role přispěvatelů
• Afiliace
• Identifikátory organizace
• ORCID iD
• Data publikace
• Abstrakty
• Reference
• Financování
• Licence
• Informace o verzi
• Aktualizace a opravy

Crossref required and recommended metadata (crossref.org)

Crossref popisuje svá metadata jako sdílený zdroj, který je přístupný prostřednictvím webových rozhraní, rozhraní pro programování aplikací (API) a hromadného stahování. Následné systémy mohou tyto informace využít k objevování a propojování vědeckých výstupů. Crossref metadata retrieval (crossref.org)

DataCite slouží podobné funkci pro datové sady a mnoho dalších výzkumných výstupů. Jeho současné Metadata Schema 4.7, vydané 3. března 2026, podporuje tvůrce, přispěvatele, ORCID identifikátory, afiliace, identifikátory organizací, související identifikátory, financování, popisy a typy zdrojů. DataCite Metadata Schema (schema.datacite.org)

DataCite výslovně doporučuje propojovat záznamy tvůrců a přispěvatelů s ORCID identifikátory a organizační afiliace s identifikátory organizací. DataCite name identifiers (support.datacite.org)

DOI není odznak kvality

DOI dokazuje, že záznam existuje v registračním systému DOI. Nedokazuje, že:

• Výzkum je správný
• Publikace prošla recenzním řízením
• Časopis je renomovaný
• Autor je expert
• Zjištění jsou důležitá

Crossref to jasně zdůrazňuje: samotné DOI neznačí hodnotu nebo přesnost objektu. Okolní metadata poskytují kontext a umožňují propojení. Crossref DOI guidance (support.crossref.org)

Proto je kompletní záznam DOI mnohem užitečnější než řetězec DOI umístěný na konci stránky.

Role přispěvatelů dodávají smysl

V červenci 2026 Crossref Schema 5.5 přidalo lepší podporu pro více rolí přispěvatelů, korespondující autory a Taxonomii rolí přispěvatelů (Contributor Roles Taxonomy). Crossref Schema 5.5 (crossref.org)

Taxonomie rolí přispěvatelů obsahuje 14 rolí, včetně:

• Konceptualizace
• Správa dat
• Formální analýza
• Vyšetřování
• Metodologie
• Software
• Dohled
• Validace
• Vizualizace
• Psaní původního návrhu
• Psaní, revize a editace

Taxonomie byla navržena tak, aby byly příspěvky transparentnější a podporovaly uznání, odpovědnost, hodnocení výzkumu a integritu výzkumu. Contributor Roles Taxonomy (credit.niso.org)

Pro systémy umělé inteligence to vytváří bohatší odpověď než „Jane Smith je autorka.“ Systém může potenciálně rozlišovat mezi:

• Osobou, která navrhla studii
• Osobou, která napsala software
• Osobou, která analyzovala data
• Osobou, která dohlížela na projekt
• Osobou, která napsala původní rukopis

To je zvláště důležité pro velké výzkumné týmy a technické projekty.

3. Profily vědců: Vrstva kontextu

Profily vědců činí graf identity srozumitelným pro lidi a snáze interpretovatelným pro vyhledávací systémy.

Robustní profil by měl obsahovat:

• Stabilní institucionální stránku
• Konzistentní jméno
• Varianty jmen, kde je to vhodné
• ORCID iD
• Současné a minulé afiliace
• Oblasti výzkumu
• Vybraná díla s DOI odkazy
• Datové sady, software a zprávy
• Financování a ocenění
• Redakční nebo recenzní role
• Role přispěvatelů
• Data pro současné a minulé pozice
• Datum poslední revize
• Odkazy na další veřejné profily

Profily Google Scholar umožňují výzkumníkům seznamovat publikace, zveřejňovat profil, sledovat, kdo cituje jejich práci, a sledovat metrické údaje citací. Veřejný profil s ověřenou institucionální e-mailovou adresou může být způsobilý k zobrazení ve výsledcích vyhledávání Google Scholar. Google Scholar profiles (scholar.google.com)

Nicméně Google Scholar by měl být považován za vrstvu viditelnosti a objevování, nikoli za hlavní zdroj pravdy. Výzkumníci mohou spravovat své vlastní seznamy publikací a automatické párování může zahrnovat nesprávné nebo duplicitní práce. Počet citací se také liší napříč databázemi.

OpenAlex nabízí další užitečnou vrstvu pro objevování. Udržuje jednoznačné záznamy autorů a propojuje autory, díla, instituce, zdroje a témata. OpenAlex uvádí, že čerpá informace ze zdrojů, jako jsou Crossref a DataCite, a poté páruje autory s ORCID iD a afiliace s identifikátory organizací. OpenAlex ecosystem description (help.openalex.org)

Nejlepší praxí je proto federace profilů:

text Institucionální autorská stránka ↕ ORCID záznam ↕ Crossref nebo DataCite záznamy děl ↕ Profily OpenAlex a Google Scholar ↕ Stránky vydavatelů, repozitářů, poskytovatelů financování a profesní stránky

Žádný jediný profil nemusí obsahovat vše. Měly by na sebe vzájemně ukazovat a používat stejné identifikátory.

Jak tyto signály mohou ovlivnit citace umělé inteligence

Je důležité rozlišovat pět různých událostí:

1. Objevení: Dokáže systém najít stránku nebo dílo?
2. Řešení identity: Dokáže rozpoznat, která osoba a organizace jsou zapojeny?
3. Vyhledání: Zahrne systém dílo do své sady důkazů?
4. Výběr citace: Cituje dílo v odpovědi?
5. Správnost citace: Odkazuje citace na správné dílo a podporuje tvrzení?

ORCID, DOI metadata a profily vědců mohou nejpříměji pomoci s prvními třemi kroky. Mohou také zlepšit správnost citací. Jejich vliv na výběr citací bude pravděpodobně záviset na relevanci tématu, kvalitě zdroje, aktuálnosti, dostupnosti a konkrétním systému umělé inteligence.

Dokumentace Google Search doporučuje používat autorskou stránku, url a sameAs odkazy k identifikaci autorů článků. Pro datové sady Google výslovně doporučuje používat ORCID iD ve vlastnosti sameAs pro tvůrce osoby. Google article structured data Google dataset structured data (developers.google.com)

Jednoduchá profilová stránka by mohla použít strukturovaná data takto:

{ "@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" } ] }

Strukturovaná data nezaručují funkci vyhledávání nebo citaci umělou inteligencí. Google uvádí, že ani správně implementovaná strukturovaná data se nemusí objevit ve výsledcích vyhledávání. Jejich hodnota spočívá v tom, že dávají strojům jasný, standardní způsob interpretace stránky. Google structured data guidance (developers.google.com)

Praktický závěr je:

Identifikátory zlepšují cestu k důkazům. Nenahrazují důkazy.

Co říká současný výzkum o citacích umělé inteligence

Výzkum chování umělé inteligence při citování studoval především přesnost citací, výběr zdrojů a ověřitelnost. Dosud neposkytl spolehlivý, obecný odhad vlivu síly identity propojené s ORCID.

Studie citací generovaných ChatGPT z roku 2023 zjistila značnou míru smyšlených odkazů a chyb ve skutečných odkazech. Studie zkoumala 636 citací generovaných napříč 84 články a zjistila, že problémy s citacemi přetrvávaly i v testovaném novějším modelu. Scientific Reports study (nature.com)

Další studie generativních vyhledávačů zjistila, že mnoho generovaných vět nebylo plně podloženo citacemi a že mnoho citací nedostatečně podporovalo tvrzení vedle nich. Evaluating Verifiability in Generative Search Engines (arxiv.org)

Nedávný výzkum také ukazuje, že generativní vyhledávací systémy se liší ve výběru zdrojů, překrývání zdrojů, stabilitě a použití interních versus externích znalostí. Characterizing Web Search in the Age of Generative Artificial Intelligence (aclanthology.org)

Tato zjištění podporují opatrný postoj:

• DOI může snížit nejasnosti ohledně citovaného díla.
• ORCID může snížit nejasnosti ohledně osoby.
• Identifikátory afiliací mohou snížit nejasnosti ohledně organizace.
• Role přispěvatelů mohou zlepšit atribuci.
• Veřejný profil může poskytnout kontext.
• Žádný z těchto signálů nezaručuje, že systém dílo vyhledá nebo ocituje.

Výzkumný program pro měření síly identity a frekvence citací umělé inteligence

Organizace by neměly tvrdit, že autorská centra zlepšují citace umělé inteligence, dokud přímo nezměří vztah.

Definujte skóre síly autorské identity

Následující je navržené skóre, nikoli oficiální standard.

Nezahrnujte do tohoto skóre počet citací, prestiž časopisu nebo institucionální hodnocení. Tyto faktory by měly být považovány za samostatné proměnné. Jejich zahrnutí by ztížilo určení, zda samotná síla identity souvisí s frekvencí citací.

Měřte více než jeden druh citace

Užitečná studie by měla sledovat alespoň šest výsledků:

1. Míra citace díla
   Procento způsobilých odpovědí, které citují konkrétní dílo.

2. Míra autorství
   Procento odpovědí, které správně jmenují nebo připisují dílo správnému autorovi.

3. Míra platných identifikátorů
   Procento citací obsahujících DOI, které odkazuje na správné dílo.

4. Přesnost citací
   Procento citací, které skutečně podporují uvedené tvrzení.

5. Úplnost citací
   Procento důležitých podpůrných zdrojů, které systém cituje.

6. Křížová platformní stabilita
   Procento citací opakovaných napříč různými systémy nebo opakovanými běhy.

Nedávný rámec pro měření generativního vyhledávání odděluje výběr citací od absorpce citací, což znamená, zda se zdroj pouze objeví v seznamu citací, nebo skutečně přispívá důkazy k odpovědi. Toto rozlišení by mělo být zahrnuto v budoucích studiích autorských center. Citation selection and citation absorption framework (arxiv.org)

Studie jedna: Observační korelační studie

Tato studie se ptá:

Jsou díla spojená se silnějšími autorskými identitami častěji citována systémy umělé inteligence po kontrole za faktory tématu a publikace?

Navržený design

• Vyberte vzorek 10 000 až 50 000 vědeckých prací
• Pokryjte několik disciplín, jazyků a typů publikací
• Použijte Crossref, DataCite, OpenAlex a veřejná data ORCID
• Vypočítejte skóre síly identity pro každého autora a dílo
• Vytvořte sadu otázek, pro které jsou vzorkované práce relevantní
• Spusťte otázky napříč několika systémy produkujícími citace
• Opakujte každou otázku několikrát
• Zaznamenejte datum, systém, nastavení modelu, region a citované zdroje

Důležité kontrolní proměnné

Studie by měla kontrolovat:

• Relevanci tématu
• Rok publikace
• Status otevřeného přístupu
• Dostupnost abstraktu
• Dostupnost plného textu
• Místo konání
• Stávající počet vědeckých citací
• Institucionální reputaci
• Jazyk
• Rychlost stránky a procházitelnost
• Typ díla
• Běžnost jména autora
• Počet spoluautorů
• Znění dotazu
• Vyhledávací systém

Hlavní statistický model by mohl odhadnout:

text Pravděpodobnost správné citace = síla identity

• tematická relevance
• stáří díla
• otevřený přístup
• vědecké citace
• systém
• dotaz
• kontrolní proměnné autora a tématu

Logistická regrese nebo smíšený model by byly vhodné pro výsledek ano-ne, například zda bylo dílo citováno. Negativní binomický model může být užitečný pro počty citací, protože data citací jsou často nerovnoměrně rozložena.

Výsledek by měl být hlášen jako poměr šanc s intervalem spolehlivosti, nikoli jako jednoduché procento. Například:

Zvýšení síly identity o jednu standardní odchylku bylo spojeno se změnou pravděpodobnosti citace po kontrole za relevanci, stáří, přístup a předchozí vědeckou pozornost.

Studie by měla hlásit i nulové výsledky. Zjištění absence vztahu by bylo užitečné, protože by ukázalo, že identifikátory zlepšují kvalitu dat, aniž by nutně měnily chování umělé inteligence při citování.

Studie dvě: Kontrolovaný experiment s metadaty

Observační studie může zaměňovat sílu identity s popularitou. Kontrolovaný experiment může izolovat některé účinky.

Existují dvě praktické verze.

Verze A: Experiment s veřejným webem

Vytvořte spárované stránky se stejným věcným obsahem, ale s různými ošetřeními metadat:

• Pouze základní jméno autora
• Jméno autora plus institucionální profil
• Jméno autora plus ORCID odkaz
• Jméno autora, ORCID, DOI, identifikátor afiliace a strukturovaná data

Publikujte stránky ve stejnou dobu a sledujte:

• Objevení vyhledáváním
• Správné párování autora
• Vyhledání do odpovědí umělé inteligence
• Frekvenci citací
• Správnost citací

Tento experiment musí být interpretován opatrně. Veřejné systémy mohou procházet stránky v různých časech a organizace nemohou snadno měnit záznamy Crossref nebo DataCite pro již publikované dílo.

Verze B: Kontrolovaný výzkumný index

Vybudujte malý vyhledávací systém obsahující stejné dokumenty za různých podmínek metadat. Měňte pouze:

• Identifikátor autora
• DOI
• Afiliace
• Role přispěvatele
• Odkazy na profil
• Pole provence

Poté položte stejné otázky a změřte vyhledání a výběr citací. Tento experiment poskytuje lepší kontrolu, ale měří výzkumný systém spíše než komerční platformy.

Studie tři: Postupné organizační zavedení

Nejsilnější praktický design je rozdíl-v-rozdílech studie.

Organizace může zavádět autorská centra postupně:

• Oddělení jedna obdrží plný program v říjnu 2026.
• Oddělení dva ho obdrží v lednu 2027.
• Oddělení tři ho obdrží v dubnu 2027.

Všechna oddělení jsou měřena před a po implementaci. Oddělení, která program dosud neobdržela, slouží jako dočasné srovnávací skupiny.

Měřte:

• Správnou atribuci autora
• Řešení DOI
• Frekvenci citací
• Přesnost citací
• Dojmy z vyhledávání
• Návštěvy profilových stránek
• Čas potřebný k opravě špatných metadat

Tento design je silnější než jednoduché srovnání před a po, protože pomáhá oddělit účinek zavedení od širších změn v systémech umělé inteligence.

Hypotézy, které stojí za otestování

Organizace mohou předem zaregistrovat tyto hypotézy:

• H1: Silnější odkazy identity zlepšují správnou atribuci autora.
• H2: Kompletní DOI metadata zlepšují míru platných citací.
• H3: Identifikátory afiliací pomáhají nejvíce, když mají autoři běžná jména nebo se pohybují mezi institucemi.
• H4: Profily vědců zlepšují objevitelnost více než konečnou frekvenci citací.
• H5: Síla identity má větší vliv na méně známé autory než na již slavné autory.
• H6: Účinek se liší podle systému, tématu, jazyka a typu publikace.
• H7: Aktuálnost a tematická relevance jsou důležitější než ozdoby profilu.

Jaká pověření by měla být publikována?

Profil by měl publikovat ověřitelná pověření. Každé pověření by mělo mít:

• Typ pověření
• Osobu, která ho drží
• Vydávající organizaci
• Trvalý identifikátor organizace, je-li k dispozici
• Data zahájení a ukončení
• Zdroj ověření
• Status, jako je aktuální, vypršelý, sporný nebo archivovaný
• Datum poslední revize

Organizace by měly označovat zdroj každého pověření:

• Samozřejmě hlášeno
• Institucionálně ověřeno
• Vydavatelem ověřeno
• Poskytovatelem financování ověřeno
• Importováno z registru
• Čeká na kontrolu

Vyhněte se publikování nepodložených štítků, jako jsou „přední expert“ nebo „světově uznávaný výzkumník“. Nahraďte je důkazy:

• Počet a typ prací
• Oblasti výzkumu
• Ověřené role
• Financované projekty
• Redakční služba
• Veřejné datové sady nebo software
• Institucionální jmenování

Tento přístup je užitečnější pro čtenáře i stroje.

Plán zavedení pro organizace

Fáze jedna: Vytvoření politiky metadat

Přiřaďte malou řídící skupinu se zástupci z:

• Administrativy výzkumu
• Knihovních služeb
• Informačních technologií
• Komunikace
• Vydavatelských nebo repozitářních služeb
• Ochrany soukromí
• Integrity výzkumu

Vytvořte krátkou datovou politiku, která definuje:

• Požadovaná pole
• Schválené identifikační systémy
• Kdo může každé pole tvrdit
• Která pole jsou veřejná
• Jak se řeší opravy
• Jak dlouho by měly trvat aktualizace
• Co se stane, když osoba odejde

Použijte jednu datovou smlouvu napříč systémy. Minimálně každý záznam osoby, díla, organizace a pověření by měl mít:

text persistent_id display_name source asserted_by valid_from valid_to last_verified status evidence_url

Fáze dvě: Shromažďování ověřených identifikátorů

Požádejte výzkumníky, aby propojili své ORCID záznamy prostřednictvím ověřeného procesu. Nepřenášejte odpovědnost na instituci za hádání, který ORCID iD patří dané osobě.

Zároveň:

• Přiřaďte identifikátory organizace oddělením a institucím
• Propojte záznamy zaměstnanců s ORCID
• Párujte stávající publikace se záznamy DOI
• Označte kolize jmen
• Zachovejte alternativní formy jmen
• Zaznamenejte souhlas a nastavení viditelnosti

Fáze tři: Zlepšení metadat DOI

Pro nová díla vyžadujte, aby publikační workflow shromažďovalo:

• Úplná jména autorů
• Ověřené ORCID iD
• Afiliace
• Identifikátory organizací
• Role přispěvatelů
• Identifikátory financování
• Abstrakty
• Reference
• Licence
• Informace o verzi a aktualizaci

Pro starší díla začněte s nejnovějšími pěti lety a nejčastěji používanými autory organizace.

Crossref a DataCite by měly přijímat opravy a aktualizace, nikoli pouze původní vklad. Řetězce DOI zůstávají trvalé, zatímco přidružená metadata lze udržovat. Crossref metadata maintenance (crossref.org)

Fáze čtyři: Vybudování kanonických autorských stránek

Každý výzkumník by měl mít jednu stabilní institucionální stránku. Tato stránka by měla:

• Používat trvalou webovou adresu
• Zobrazovat aktuální roli
• Zachovávat předchozí role s daty
• Odkazovat na ORCID
• Odkazovat na vybrané záznamy DOI
• Odkazovat na veřejné profily vědců
• Zobrazovat oblasti výzkumu
• Zobrazovat datum poslední aktualizace
• Používat strukturovaná data
• Zůstat přístupná pro vyhledávací roboty
• Nevyžadovat přihlášení

Google doporučuje používat jasné URL adresy autorů a sameAs odkazy k rozlišení autorů. Google author markup guidance (developers.google.com)

Fáze pět: Federace a monitorování profilů

Propojte institucionální stránku s:

• ORCID
• Google Scholar
• OpenAlex
• Stránkami vydavatelů
• Záznamy repozitářů
• Grantovými stránkami
• Veřejnými profesními profily, kde je to vhodné

Použijte automatizované kontroly k nalezení:

• Rozbitých DOI odkazů
• Chybějících ORCID odkazů
• Duplicitních autorů
• Nesprávných shody spoluautorů
• Starých afiliací
• Vypršelých pověření
• Chybějících dat aktualizace
• Nesouhlasných jmen
• Stažení nebo oprav

Správa aktualizací a změn rolí

Autorské centrum musí zachovat historii. Nemělo by přepisovat minulost pokaždé, když osoba změní zaměstnání.

Doporučená hierarchie zdrojů

Když výzkumník změní instituci

Nemažte starou afiliaci z historických prací.

Namísto toho:

1. Přidejte datum ukončení k záznamu bývalého zaměstnání.
2. Přidejte novou afiliaci s datem zahájení.
3. Aktualizujte institucionální profil.
4. Ponechte historické afiliace publikací beze změny, pokud vydavatel nevydá opravu.
5. Aktualizujte záznam ORCID prostřednictvím správného zdroje.
6. Přesměrujte starou profilovou stránku na archivovanou nebo novou stránku.

Když si osoba změní jméno

Použijte ORCID k propojení variant jmen. Přidejte bývalá nebo alternativní jména, pokud s tím výzkumník souhlasí. Neměňte jméno autora v publikovaném záznamu DOI pouze proto, aby odpovídalo aktuálnímu profilu.

The purpose of the persistent identifier is to connect works across name changes without rewriting the publication record.

Účelem trvalého identifikátoru je propojit díla napříč změnami jmen, aniž by se přepisoval publikační záznam.

Když se změní role přispěvatele

Role přispěvatele u dokončeného díla by měla být považována za součást historického záznamu.

Například:

• Role osoby u publikovaného článku by se neměla měnit, protože se později stane vedoucím oddělení.
• Redakční role by měla mít datum zahájení a ukončení.
• Grantová role by měla být vázána na období grantu.
• Softwarová role by měla být vázána na verzi nebo vydání.

Pokud je původní záznam příspěvku chybný, použijte formální proces opravy. Nepřepisujte ho tiše.

Když vyprší pověření

Použijte jasné hodnoty stavu:

• Aktuální
• Vypršelý
• Obnovený
• Pozastavený
• Sborný
• Archivovaný

Automatická připomenutí by měla být odeslána před vypršením platnosti. Veřejné profily by měly ukazovat stav a datum, spíše než ponechávat zastaralé pověření viditelné bez vysvětlení.

Když výzkumník opustí organizaci

Organizace by měla:

• Zachovat historický profil
• Jasně označit bývalou roli
• Ponechat odkazy na publikované práce
• Přenést vlastnictví profilu
• Nastavit přesměrování pro bývalou stránku
• Odstranit soukromé kontaktní informace
• Ponechat institucionální tvrzení, která byla pravdivá během období bývalého zaměstnání

Když je autorství sporné

Zamrazte sporné pole, zachovejte původní zdroj a zaznamenejte spor. Neodstraňujte autora ani neměňte role příspěvků pouze na základě neformální žádosti.

Úřad pro integritu výzkumu, vydavatel nebo odpovědný projektový orgán by měl určit formální cestu k nápravě.

Měřítka úspěchu

Organizace by měly sledovat provozní kvalitu, než slíbí zvýšenou viditelnost umělé inteligence.

Navržené cíle zahrnují:

• 95 procent aktivních výzkumníků má ověřené ORCID iD
• 95 procent nových prací zahrnuje ORCID, kde je k dispozici
• 95 procent afiliací používá trvalý identifikátor organizace
• 100 procent nových vkladů DOI prochází validací metadat
• 100 procent autorských stránek obsahuje stabilní profilovou adresu
• 100 procent změn rolí zahrnuje data
• Méně než 1 procento prací je nesprávně přiřazeno autorovi
• Opravy metadat jsou dokončeny do 30 dnů
• Změny aktuálního zaměstnání se objeví do sedmi dnů
• Stažení a formální opravy jsou okamžitě zohledněny

Pro studii citací umělé inteligence sledujte:

• Míru správné atribuci autora
• Míru platných DOI
• Přesnost citací
• Úplnost citací
• Frekvenci citací děl
• Shodu napříč systémy
• Čas od opravy metadat po zlepšené indexování
• Rozdíl mezi objevením profilu a konečnou citací v odpovědi

Organizace by měla tyto míry hlásit podle disciplíny, jazyka, kariérní fáze a běžnosti jména. Jinak by průměrné skóre mohlo skrývat nerovné výsledky.

Rizika a záruky

Autorská centra mohou vytvářet nová rizika, pokud se stanou systémem „gatekeeping“.

Organizace by neměly:

• Postihovat výzkumníky, kteří si ponechají některé informace ORCID soukromé
• Považovat veřejný profil Google Scholar za důkaz kvality
• Používat počty citací jako náhradu za recenzní řízení
• Zbytečně zveřejňovat osobní kontaktní údaje
• Odvozovat odbornost pouze z institucionální prestiže
• Požadovat, aby každý výzkumník používal stejnou veřejnou profilovou službu
• Považovat chybějící identifikátory za důkaz pochybení
• Povolit automatizovaným systémům přepisování záznamů bez kontroly

Adopce ORCID a kvalita metadat se liší podle oboru, země, kariérní fáze a typu publikace. Spravedlivý systém musí podporovat ruční opravy, kontroly soukromí, rozmanitost jmen a lidi, jejichž práce není dobře reprezentována metrikami publikací v časopisech.

Závěr

Silné autorské centrum není projekt osobní značky. Je to strojově čitelný systém důkazů.

• ORCID propojuje osobu s trvalou identitou.
• Crossref a DataCite propojují díla se stabilními identifikátory a bohatými metadaty.
• Identifikátory Research Organization Registry propojují lidi a díla s institucemi.
• Role přispěvatelů ukazují, co každá osoba skutečně udělala.
• Institucionální a vědecké profily poskytují veřejný kontext.
• Strukturovaná data pomáhají vyhledávacím systémům interpretovat vztahy.
• Správa a historie verzí ukazují, co je aktuální, co bylo pravdivé v minulosti a kdo potvrdil každé tvrzení.

Pravděpodobným přínosem není automatické zvýšení hodnocení. Přínosem je silnější řetězec od osoby → díla → organizace → důkazu.

Organizace by se proto měly zavázat ke dvěma věcem:

1. Standardizovat a udržovat metadata.
2. Měřit chování umělé inteligence při citování, spíše než předpokládat účinek.

Nejdůvěryhodnější autorské centrum není to s největším počtem odznaků. Je to to, jehož důležitá tvrzení jsou trvalá, propojená, podložená, aktuální a snadno ověřitelná.