Δημιουργία Κόμβων Συγγραφέων: ORCID, Crossref και Προφίλ Επιστημόνων ως Πρωτογενείς Δείκτες Εμπιστοσύνης

Δημιουργία Κόμβων Συγγραφέων: ORCID, Crossref και Προφίλ Επιστημόνων ως Πρωτογενείς Δείκτες Εμπιστοσύνης

Οι κόμβοι συγγραφέων είναι δημόσιες, συνδεδεμένες καταγραφές που βοηθούν τους ανθρώπους και τις μηχανές να απαντήσουν σε τρία βασικά ερωτήματα:

1. Ποιος δημιούργησε αυτό το έργο;
2. Τι ακριβώς είναι το έργο;
3. Γιατί να εμπιστευτεί κανείς τη σύνδεση μεταξύ του ατόμου, του έργου και του οργανισμού;

Για τους ανθρώπινους αναγνώστες, ένας κόμβος συγγραφέα μπορεί να μοιάζει με σελίδα προφίλ με βιογραφία, δημοσιεύσεις, διαπιστευτήρια και συνδέσμους. Για τα συστήματα τεχνητής νοημοσύνης, είναι πιο χρήσιμο να τον σκεφτούμε ως ένα γραφήμα συνδεδεμένων αποδείξεων.

Ένας ισχυρός κόμβος συγγραφέα συνδέει:

• Ένα άτομο σε ένα ORCID iD
• Μια δημοσίευση, ένα σύνολο δεδομένων, μια αναφορά ή ένα πακέτο λογισμικού σε ένα Ψηφιακό Αναγνωριστικό Αντικειμένου (Digital Object Identifier)
• Ένα έργο σε πλήρη μεταδεδομένα Crossref ή DataCite
• Έναν ερευνητή σε επαληθευμένες σχέσεις και οργανισμούς
• Ένα δημόσιο προφίλ σε μια σταθερή θεσμική ιστοσελίδα
• Συνεισφορές σε σαφείς ρόλους, όπως αυτοί στην Ταξινόμηση Ρόλων Συνεισφερόντων (Contributor Roles Taxonomy)
• Τρέχοντες και παρελθόντες ρόλους σε ημερομηνίες, πηγές και αρχεία ενημέρωσης

Αυτές οι συνδέσεις μπορούν να βελτιώσουν την επίλυση ταυτότητας, την ανάκτηση, την ακρίβεια της αναφοράς και την επαλήθευση της πηγής. Δεν εγγυώνται ότι ένα σύστημα τεχνητής νοημοσύνης θα αναφέρει έναν συγγραφέα. Δεν υπάρχει αξιόπιστη δημόσια απόδειξη ότι η προσθήκη ενός ORCID iD παράγει μια σταθερή αύξηση στις αναφορές τεχνητής νοημοσύνης. Ο ισχυρότερος ισχυρισμός είναι στενότερος και πιο υπερασπίσιμος: τα καλά μεταδεδομένα ταυτότητας και έργου διευκολύνουν τα συστήματα αναζήτησης και έρευνας να βρίσκουν, να αντιστοιχίζουν, να επαληθεύουν και να αναφέρουν σωστά το επιστημονικό υλικό.

Αυτό το άρθρο αντικατοπτρίζει τη δημόσια τεκμηρίωση και έρευνα που είναι διαθέσιμη από τις 13 Αυγούστου 2026.

Γιατί οι Κόμβοι Συγγραφέων Είναι Σημαντικοί για τα Συστήματα Τεχνητής Νοημοσύνης

Τα συστήματα τεχνητής νοημοσύνης δεν χρησιμοποιούν όλα τους ίδιους δείκτες αναζήτησης, βάσεις δεδομένων ή μεθόδους κατάταξης. Ορισμένα βασίζονται σε ζωντανή αναζήτηση ιστού. Άλλα χρησιμοποιούν επιστημονικές βάσεις δεδομένων, αδειοδοτημένους δείκτες, εσωτερικές αποθήκες γνώσης ή συστήματα ανάκτησης που αναζητούν έγγραφα πριν δημιουργήσουν μια απάντηση.

Ωστόσο, πολλά συστήματα αντιμετωπίζουν τα ίδια τεχνικά προβλήματα:

• Τα ονόματα μπορεί να γράφονται με διαφορετικούς τρόπους.
• Πολλοί ερευνητές μπορεί να μοιράζονται το ίδιο όνομα.
• Ένα έργο μπορεί να έχει μια προδημοσίευση, μια έκδοση συνεδρίου, ένα αποδεκτό χειρόγραφο και μια τελική έκδοση.
• Ένα άρθρο περιοδικού μπορεί να συνδέεται με ένα σύνολο δεδομένων, ένα πακέτο λογισμικού, μια επιχορήγηση ή μια διόρθωση.
• Ένας συγγραφέας μπορεί να αλλάξει ιδρύματα ή ονόματα.
• Μια ιστοσελίδα μπορεί να περιγράφει ένα διαπιστευτήριο χωρίς να δείχνει ποιος το εξέδωσε ή πότε ήταν έγκυρο.

Οι επίμονοι αναγνωριστικοί αριθμοί και τα δομημένα μεταδεδομένα βοηθούν στην επίλυση αυτών των προβλημάτων.

Το σύστημα Ψηφιακών Αναγνωριστικών Αντικειμένων (Digital Object Identifier) περιγράφει έναν αναγνωριστικό αριθμό ως ένα επίμονο όνομα για ένα ψηφιακό, φυσικό ή αφηρημένο αντικείμενο. Η αξία του εξαρτάται όχι μόνο από τον αναγνωριστικό αριθμό, αλλά και από τα μεταδεδομένα που συνδέονται με αυτόν. Εγχειρίδιο DOI (doi.org)

Ένας χρήσιμος τρόπος να σκεφτείτε έναν κόμβο συγγραφέα είναι ως τέσσερα συνδεδεμένα επίπεδα:

Ο στόχος δεν είναι να δημιουργηθεί ένα προφίλ γεμάτο εντυπωσιακές λέξεις. Ο στόχος είναι να δημιουργηθεί μια καταγραφή στην οποία μπορούν να ελεγχθούν σημαντικοί ισχυρισμοί.

Τα Τρία Κύρια Μέρη Ενός Κόμβου Συγγραφέα

1. ORCID: Το Επίπεδο Ταυτότητας Ατόμου

Το ORCID σημαίνει Open Researcher and Contributor ID (Ανοικτό Αναγνωριστικό Ερευνητή και Συνεισφέροντος). Παρέχει ένα επίμονο αναγνωριστικό για ένα άτομο και βοηθά στη διάκριση ερευνητών που έχουν παρόμοια ονόματα, χρησιμοποιούν διαφορετικές μορφές ονομάτων ή αλλάζουν τα ονόματά τους με την πάροδο του χρόνου. Επισκόπηση ORCID (support.orcid.org)

Ένα αρχείο ORCID μπορεί να περιέχει:

• Ονόματα και παραλλαγές ονομάτων
• Απασχόληση και εκπαίδευση
• Ερευνητικά έργα
• Χρηματοδότηση
• Δραστηριότητα αξιολόγησης από ομοτίμους
• Συντακτική υπηρεσία
• Ιδιότητες μέλους και διακρίσεις
• Ερευνητικούς πόρους
• Συνδέσμους με άλλα αναγνωριστικά

Το πιο σημαντικό χαρακτηριστικό δεν είναι ο ίδιος ο 16ψήφιος αριθμός. Είναι το δίκτυο υποστηριζόμενων συνδέσεων που συνδέονται με αυτόν τον αριθμό.

Για παράδειγμα:

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

Οι πιστοποιημένες συνδέσεις είναι ισχυρότερες

Οι οργανισμοί θα πρέπει να συλλέγουν τα ORCID iDs μέσω μιας πιστοποιημένης διαδικασίας σύνδεσης αντί να ζητούν από τους ανθρώπους να πληκτρολογούν έναν αναγνωριστικό αριθμό σε μια φόρμα. Το ORCID συνιστά τη χρήση της διαδικασίας εξουσιοδότησής του, έτσι ώστε ο ερευνητής να επιβεβαιώνει τη σωστή καταγραφή. Οδηγίες ενσωμάτωσης και διεπαφής προγραμματισμού εφαρμογών ORCID (info.orcid.org)

Αυτή η διάκριση έχει σημασία:

• Μη επαληθευμένος ισχυρισμός: «Αυτό το ORCID iD ανήκει στην Jane Smith.»
• Πιστοποιημένος ισχυρισμός: «Η Jane Smith συνδέθηκε μέσω του ORCID και εξουσιοδότησε αυτό το σύστημα να χρησιμοποιήσει το iD της.»
• Θεσμική δήλωση: «Το πανεπιστήμιο επιβεβαιώνει ότι αυτό το άτομο είχε αυτή τη σχέση κατά τη διάρκεια αυτών των ημερομηνιών.»

Το ORCID αποθηκεύει επίσης την πηγή και την προέλευση των δηλώσεων. Ένα έργο ή μια σχέση μπορεί να προστεθεί από τον ερευνητή, έναν εκδότη, έναν χρηματοδότη ή έναν άλλο αξιόπιστο οργανισμό. Οδηγίες εμπιστοσύνης ORCID (info.orcid.org)

Αυτό δημιουργεί ένα χρήσιμο σήμα εμπιστοσύνης τόσο για τους ανθρώπους όσο και για τις μηχανές:

Η καταγραφή δεν αναφέρει μόνο τι ισχυρίζεται κανείς. Μπορεί επίσης να δείξει ποιος έκανε τον ισχυρισμό και πότε προστέθηκε.

Σημαντικός περιορισμός

Ένα ORCID iD δεν αποτελεί εγγύηση ότι κάθε στοιχείο σε μια καταγραφή είναι σωστό. Το ίδιο το ORCID ενθαρρύνει τους χρήστες να εξετάζουν τους δείκτες εμπιστοσύνης, τις πηγές, τις ημερομηνίες και τους οργανισμούς που πρόσθεσαν πληροφορίες. Δείκτες εμπιστοσύνης ORCID (info.orcid.org)

Επομένως, οι οργανισμοί δεν πρέπει να αντιμετωπίζουν το «έχει ORCID iD» ως ίσο με το «είναι πλήρως επαληθευμένο». Ένα καλύτερο μοντέλο είναι:

• Αυτο-δηλωμένο
• Πιστοποιημένο
• Θεσμικά επιβεβαιωμένο
• Επιβεβαιωμένο από εκδότη
• Επιβεβαιωμένο από χρηματοδότη
• Πρόσφατα αναθεωρημένο

2. Crossref και DataCite: Το Επίπεδο Ταυτότητας Έργου

Το ORCID αναγνωρίζει το άτομο. Το Crossref και το DataCite βοηθούν στην αναγνώριση του έργου.

Ένα Ψηφιακό Αναγνωριστικό Αντικειμένου (DOI) μπορεί να αναγνωρίσει:

• Άρθρα περιοδικών
• Βιβλία και κεφάλαια βιβλίων
• Πρακτικά συνεδρίων
• Σύνολα δεδομένων
• Λογισμικό
• Αναφορές
• Προδημοσιεύσεις
• Αξιολογήσεις από ομοτίμους
• Πρότυπα
• Αφίσες και παρουσιάσεις

Ένα DOI πρέπει να οδηγεί σε μια σταθερή σελίδα προορισμού. Το πιο σημαντικό, πρέπει να έχει πλήρη μεταδεδομένα που να περιγράφουν το έργο.

Το Crossref συνιστά την καταγραφή πληροφοριών όπως:

• Επώνυμο και όνομα
• Ρόλοι συνεισφερόντων
• Σχέσεις
• Αναγνωριστικά οργανισμών
• ORCID iDs
• Ημερομηνίες δημοσίευσης
• Περιλήψεις
• Αναφορές
• Χρηματοδότηση
• Άδειες
• Πληροφορίες έκδοσης
• Ενημερώσεις και διορθώσεις

Απαιτούμενα και προτεινόμενα μεταδεδομένα Crossref (crossref.org)

Το Crossref περιγράφει τα μεταδεδομένα του ως κοινό πόρο που μπορεί να προσπελαστεί μέσω διεπαφών ιστού, διεπαφών προγραμματισμού εφαρμογών και μαζικών λήψεων. Τα συστήματα κατάντη μπορούν να χρησιμοποιήσουν αυτές τις πληροφορίες για να ανακαλύψουν και να συνδέσουν επιστημονικές παραγωγές. Ανάκτηση μεταδεδομένων Crossref (crossref.org)

Το DataCite εξυπηρετεί παρόμοια λειτουργία για σύνολα δεδομένων και πολλές άλλες ερευνητικές παραγωγές. Το τρέχον Σχήμα Μεταδεδομένων 4.7, που κυκλοφόρησε στις 3 Μαρτίου 2026, υποστηρίζει δημιουργούς, συνεισφέροντες, αναγνωριστικά ORCID, σχέσεις, αναγνωριστικά οργανισμών, σχετιζόμενα αναγνωριστικά, χρηματοδότηση, περιγραφές και τύπους πόρων. Σχήμα Μεταδεδομένων DataCite (schema.datacite.org)

Το DataCite συνιστά συγκεκριμένα τη σύνδεση των αρχείων δημιουργών και συνεισφερόντων με αναγνωριστικά ORCID και των οργανωτικών σχέσεων με αναγνωριστικά οργανισμών. Αναγνωριστικά ονομάτων DataCite (support.datacite.org)

Ένα DOI δεν είναι σήμα ποιότητας

Ένα DOI αποδεικνύει ότι υπάρχει μια καταγραφή σε ένα σύστημα καταχώρισης DOI. Δεν αποδεικνύει ότι:

• Η έρευνα είναι σωστή
• Η δημοσίευση έχει αξιολογηθεί από ομοτίμους
• Το περιοδικό είναι αξιόπιστο
• Ο συγγραφέας είναι ειδικός
• Τα ευρήματα είναι σημαντικά

Το Crossref τονίζει ξεκάθαρα αυτό το σημείο: το ίδιο το DOI δεν σηματοδοτεί την αξία ή την ακρίβεια του αντικειμένου. Τα περιβάλλοντα μεταδεδομένα παρέχουν πλαίσιο και επιτρέπουν συνδέσεις. Οδηγίες DOI Crossref (support.crossref.org)

Γι' αυτό μια πλήρης καταγραφή DOI είναι πολύ πιο χρήσιμη από μια συμβολοσειρά DOI που τοποθετείται στο κάτω μέρος μιας σελίδας.

Οι ρόλοι συνεισφερόντων προσθέτουν νόημα

Τον Ιούλιο του 2026, το Crossref Schema 5.5 πρόσθεσε καλύτερη υποστήριξη για πολλαπλούς ρόλους συνεισφερόντων, συγγραφείς αλληλογραφίας και την Ταξινόμηση Ρόλων Συνεισφερόντων. Σχήμα Crossref 5.5 (crossref.org)

Η Ταξινόμηση Ρόλων Συνεισφερόντων περιέχει 14 ρόλους, συμπεριλαμβανομένων:

• Σύλληψη Ιδέας (Conceptualization)
• Επιμέλεια Δεδομένων (Data curation)
• Επίσημη Ανάλυση (Formal analysis)
• Διερεύνηση (Investigation)
• Μεθοδολογία (Methodology)
• Λογισμικό (Software)
• Επίβλεψη (Supervision)
• Επικύρωση (Validation)
• Οπτικοποίηση (Visualization)
• Συγγραφή αρχικού προσχέδιου (Writing the original draft)
• Συγγραφή, αναθεώρηση και επιμέλεια (Writing, review, and editing)

Η ταξινόμηση σχεδιάστηκε για να καταστήσει τις συνεισφορές πιο διαφανείς και να υποστηρίξει την αναγνώριση, τη λογοδοσία, την αξιολόγηση της έρευνας και την ακεραιότητα της έρευνας. Ταξινόμηση Ρόλων Συνεισφερόντων (credit.niso.org)

Για τα συστήματα τεχνητής νοημοσύνης, αυτό δημιουργεί μια πλουσιότερη απάντηση από το «Η Jane Smith είναι συγγραφέας». Ένα σύστημα μπορεί δυνητικά να διακρίνει μεταξύ:

• Του ατόμου που σχεδίασε τη μελέτη
• Του ατόμου που έγραψε το λογισμικό
• Του ατόμου που ανάλυσε τα δεδομένα
• Του ατόμου που επέβλεψε το έργο
• Του ατόμου που έγραψε το αρχικό χειρόγραφο

Αυτό είναι ιδιαίτερα σημαντικό για μεγάλες ερευνητικές ομάδες και τεχνικά έργα.

3. Προφίλ Επιστημόνων: Το Επίπεδο Πλαισίου

Τα προφίλ επιστημόνων καθιστούν το γράφημα ταυτότητας κατανοητό στους ανθρώπους και ευκολότερο για τα συστήματα αναζήτησης να το ερμηνεύσουν.

Ένα ισχυρό προφίλ θα πρέπει να περιλαμβάνει:

• Μια σταθερή θεσμική σελίδα
• Ένα συνεπές όνομα
• Παραλλαγές ονομάτων όπου είναι σκόπιμο
• ORCID iD
• Τρέχουσες και παρελθούσες σχέσεις
• Τομείς έρευνας
• Επιλεγμένα έργα με συνδέσμους DOI
• Σύνολα δεδομένων, λογισμικό και αναφορές
• Χρηματοδότηση και βραβεία
• Συντακτικούς ή αξιολογητικούς ρόλους
• Ρόλους συνεισφερόντων
• Ημερομηνίες για τρέχουσες και παρελθούσες θέσεις
• Μια ημερομηνία τελευταίας αναθεώρησης
• Συνδέσμους με άλλα δημόσια προφίλ

Τα προφίλ Google Scholar επιτρέπουν στους ερευνητές να καταχωρούν δημοσιεύσεις, να κάνουν το προφίλ δημόσιο, να βλέπουν ποιος αναφέρει το έργο τους και να παρακολουθούν μετρήσεις αναφορών. Ένα δημόσιο προφίλ με επαληθευμένη θεσμική διεύθυνση ηλεκτρονικού ταχυδρομείου μπορεί να είναι επιλέξιμο να εμφανίζεται στα αποτελέσματα αναζήτησης του Google Scholar. Προφίλ Google Scholar (scholar.google.com)

Ωστόσο, το Google Scholar θα πρέπει να αντιμετωπίζεται ως επίπεδο ορατότητας και ανακάλυψης, όχι ως η κύρια πηγή αλήθειας. Οι ερευνητές μπορούν να διαχειρίζονται τις δικές τους λίστες δημοσιεύσεων, και η αυτόματη αντιστοίχιση μπορεί να περιλαμβάνει λανθασμένα ή διπλά έργα. Ο αριθμός των αναφορών ποικίλλει επίσης μεταξύ των βάσεων δεδομένων.

Το OpenAlex προσφέρει ένα άλλο χρήσιμο επίπεδο ανακάλυψης. Διατηρεί αποσαφηνισμένα αρχεία συγγραφέων και συνδέει συγγραφείς, έργα, ιδρύματα, πηγές και θέματα. Το OpenAlex δηλώνει ότι αντλεί πληροφορίες από πηγές όπως το Crossref και το DataCite, και στη συνέχεια αντιστοιχίζει συγγραφείς σε ORCID iDs και σχέσεις σε αναγνωριστικά οργανισμών. Περιγραφή οικοσυστήματος OpenAlex (help.openalex.org)

Η βέλτιστη πρακτική είναι, επομένως, η ομοσπονδία προφίλ:

text Θεσμική σελίδα συγγραφέα ↕ Αρχείο ORCID ↕ Αρχεία έργων Crossref ή DataCite ↕ Προφίλ OpenAlex και Google Scholar ↕ Σελίδες εκδοτών, αποθετηρίων, χρηματοδοτών και επαγγελματικών οργανισμών

Κανένα μεμονωμένο προφίλ δεν χρειάζεται να περιέχει τα πάντα. Πρέπει να παραπέμπουν το ένα στο άλλο και να χρησιμοποιούν τους ίδιους αναγνωριστικούς αριθμούς.

Πώς Αυτά τα Σήματα Μπορούν να Επηρεάσουν τις Αναφορές Τεχνητής Νοημοσύνης

Είναι σημαντικό να διαχωρίσουμε πέντε διαφορετικά γεγονότα:

1. Ανακάλυψη: Μπορεί ένα σύστημα να βρει τη σελίδα ή το έργο;
2. Επίλυση ταυτότητας: Μπορεί να καταλάβει ποιο άτομο και ποιος οργανισμός εμπλέκονται;
3. Ανάκτηση: Το σύστημα ενσωματώνει το έργο στο σύνολο των αποδείξεών του;
4. Επιλογή αναφοράς: Αναφέρει το έργο στην απάντηση;
5. Ορθότητα αναφοράς: Η αναφορά παραπέμπει στο σωστό έργο και υποστηρίζει τον ισχυρισμό;

Το ORCID, τα μεταδεδομένα DOI και τα προφίλ επιστημόνων μπορούν να βοηθήσουν πιο άμεσα στα τρία πρώτα βήματα. Μπορεί επίσης να βελτιώσουν την ορθότητα της αναφοράς. Η επίδρασή τους στην επιλογή αναφοράς πιθανώς να εξαρτάται από τη συνάφεια του θέματος, την ποιότητα της πηγής, την επικαιρότητα, την προσβασιμότητα και το συγκεκριμένο σύστημα τεχνητής νοημοσύνης.

Η τεκμηρίωση του Google Search συνιστά τη χρήση σελίδας συγγραφέα, url και συνδέσμων sameAs για να βοηθήσει στην αναγνώριση των συγγραφέων άρθρων. Για σύνολα δεδομένων, η Google συνιστά συγκεκριμένα τη χρήση ενός ORCID iD στην ιδιότητα sameAs για έναν δημιουργό προσώπου. Δομημένα δεδομένα άρθρων Google Δομημένα δεδομένα συνόλου δεδομένων Google (developers.google.com)

Μια απλή σελίδα προφίλ θα μπορούσε να χρησιμοποιεί δομημένα δεδομένα όπως αυτό:

{ "@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" } ] }

Τα δομημένα δεδομένα δεν εγγυώνται μια λειτουργία αναζήτησης ή αναφορά τεχνητής νοημοσύνης. Η Google δηλώνει ότι ακόμη και σωστά υλοποιημένα δομημένα δεδομένα ενδέχεται να μην εμφανιστούν στα αποτελέσματα αναζήτησης. Η αξία τους είναι ότι παρέχουν στις μηχανές έναν σαφή, τυπικό τρόπο ερμηνείας της σελίδας. Οδηγίες δομημένων δεδομένων Google (developers.google.com)

Το πρακτικό συμπέρασμα είναι:

Οι αναγνωριστικοί αριθμοί βελτιώνουν την οδό προς τα στοιχεία. Δεν αντικαθιστούν τα στοιχεία.

Τι Λέει η Τρέχουσα Έρευνα για τις Αναφορές Τεχνητής Νοημοσύνης

Η έρευνα σχετικά με τη συμπεριφορά αναφορών της τεχνητής νοημοσύνης έχει μελετήσει κυρίως την ακρίβεια των αναφορών, την επιλογή πηγής και την επαληθευσιμότητα. Δεν έχει ακόμη παραχθεί μια αξιόπιστη, γενική εκτίμηση για την επίδραση της δύναμης ταυτότητας που συνδέεται με το ORCID.

Μια μελέτη του 2023 σχετικά με αναφορές που δημιουργήθηκαν από το ChatGPT διαπίστωσε σημαντικά ποσοστά κατασκευασμένων αναφορών και σφαλμάτων σε πραγματικές αναφορές. Η μελέτη εξέτασε 636 αναφορές που δημιουργήθηκαν σε 84 εργασίες και διαπίστωσε ότι τα προβλήματα αναφορών παρέμειναν ακόμη και στο νεότερο μοντέλο που δοκιμάστηκε. Μελέτη Scientific Reports (nature.com)

Μια άλλη μελέτη γενετικών μηχανών αναζήτησης διαπίστωσε ότι πολλές δημιουργημένες προτάσεις δεν υποστηρίζονταν πλήρως από αναφορές και ότι πολλές αναφορές δεν υποστήριζαν επαρκώς τις δηλώσεις δίπλα τους. Αξιολόγηση της Επαληθευσιμότητας σε Γενετικά Συστήματα Αναζήτησης (arxiv.org)

Πρόσφατη έρευνα δείχνει επίσης ότι τα γενετικά συστήματα αναζήτησης διαφέρουν στις επιλογές πηγών, την επικάλυψη πηγών, τη σταθερότητα και τη χρήση εσωτερικής έναντι εξωτερικής γνώσης. Χαρακτηρισμός της Αναζήτησης Ιστού στην Εποχή της Γενετικής Τεχνητής Νοημοσύνης (aclanthology.org)

Αυτά τα ευρήματα υποστηρίζουν μια προσεκτική θέση:

• Ένα DOI μπορεί να μειώσει την ασάφεια σχετικά με το αναφερόμενο έργο.
• Το ORCID μπορεί να μειώσει την ασάφεια σχετικά με το άτομο.
• Τα αναγνωριστικά σχέσεων μπορούν να μειώσουν την ασάφεια σχετικά με τον οργανισμό.
• Οι ρόλοι συνεισφερόντων μπορούν να βελτιώσουν την απόδοση.
• Ένα δημόσιο προφίλ μπορεί να παρέχει πλαίσιο.
• Κανένα από αυτά τα σήματα δεν εγγυάται ότι ένα σύστημα θα ανακτήσει ή θα αναφέρει το έργο.

Ένα Ερευνητικό Πρόγραμμα για τη Μέτρηση της Δύναμης Ταυτότητας και της Συχνότητας Αναφορών Τεχνητής Νοημοσύνης

Οι οργανισμοί δεν πρέπει να ισχυρίζονται ότι οι κόμβοι συγγραφέων βελτιώνουν τις αναφορές τεχνητής νοημοσύνης, μέχρι να μετρήσουν άμεσα τη σχέση.

Ορισμός βαθμολογίας δύναμης ταυτότητας συγγραφέα

Το ακόλουθο είναι μια προτεινόμενη βαθμολογία, όχι ένα επίσημο πρότυπο.

Μην συμπεριλάβετε τον αριθμό των αναφορών, το κύρος του περιοδικού ή την κατάταξη του ιδρύματος σε αυτή τη βαθμολογία. Αυτοί οι παράγοντες θα πρέπει να αντιμετωπίζονται ως ξεχωριστές μεταβλητές. Η συμπερίληψή τους θα καθιστούσε δύσκολο τον προσδιορισμό του κατά πόσον η ίδια η δύναμη της ταυτότητας σχετίζεται με τη συχνότητα αναφορών.

Μέτρηση περισσοτέρων του ενός ειδών αναφορών

Μια χρήσιμη μελέτη θα πρέπει να παρακολουθεί τουλάχιστον έξι αποτελέσματα:

1. Ποσοστό αναφορών έργου Το ποσοστό των επιλέξιμων απαντήσεων που αναφέρουν ένα συγκεκριμένο έργο.

2. Ποσοστό απόδοσης συγγραφέα Το ποσοστό των απαντήσεων που ονομάζουν σωστά ή αποδίδουν το έργο στον σωστό συγγραφέα.

3. Ποσοστό έγκυρων αναγνωριστικών Το ποσοστό των αναφορών που περιέχουν ένα DOI το οποίο οδηγεί στο σωστό έργο.

4. Ακρίβεια αναφοράς Το ποσοστό των αναφορών που υποστηρίζουν πραγματικά τη δηλωθείσα πρόταση.

5. Ανάκληση αναφοράς Το ποσοστό σημαντικών υποστηρικτικών πηγών που αναφέρει το σύστημα.

6. Σταθερότητα μεταξύ πλατφορμών Το ποσοστό των αναφορών που επαναλαμβάνονται σε διαφορετικά συστήματα ή σε επαναλαμβανόμενες εκτελέσεις.

Ένα πρόσφατο πλαίσιο μέτρησης για τη γενετική αναζήτηση διαχωρίζει την επιλογή αναφορών από την απορρόφηση αναφορών, δηλαδή το αν μια πηγή απλώς εμφανίζεται στη λίστα αναφορών ή αν συνεισφέρει πραγματικά αποδεικτικά στοιχεία στην απάντηση. Αυτή η διάκριση θα πρέπει να συμπεριληφθεί σε μελλοντικές μελέτες κόμβων συγγραφέων. Πλαίσιο επιλογής αναφορών και απορρόφησης αναφορών (arxiv.org)

Μελέτη Ένα: Μελέτη συσχέτισης παρατήρησης

Αυτή η μελέτη ρωτά:

Έργα που συνδέονται με ισχυρότερες ταυτότητες συγγραφέων αναφέρονται συχνότερα από συστήματα τεχνητής νοημοσύνης, αφού ελεγχθούν για παράγοντες θέματος και δημοσίευσης;

Προτεινόμενος σχεδιασμός

• Δειγματοληψία 10.000 έως 50.000 επιστημονικών έργων
• Κάλυψη πολλών κλάδων, γλωσσών και τύπων δημοσιεύσεων
• Χρήση δεδομένων Crossref, DataCite, OpenAlex και δημόσιων δεδομένων ORCID
• Υπολογισμός βαθμολογίας δύναμης ταυτότητας για κάθε συγγραφέα και έργο
• Δημιουργία ενός συνόλου ερωτήσεων για τις οποίες τα δειγματοληπτικά έργα είναι σχετικά
• Εκτέλεση των ερωτήσεων σε πολλά συστήματα παραγωγής αναφορών
• Επανάληψη κάθε ερώτησης αρκετές φορές
• Καταγραφή ημερομηνίας, συστήματος, ρύθμισης μοντέλου, περιοχής και αναφερόμενων πηγών

Σημαντικές μεταβλητές ελέγχου

Η μελέτη θα πρέπει να ελέγχει για:

• Συνάφεια θέματος
• Έτος δημοσίευσης
• Κατάσταση ανοικτής πρόσβασης
• Διαθεσιμότητα περίληψης
• Διαθεσιμότητα πλήρους κειμένου
• Χώρος δημοσίευσης
• Υπάρχοντα αριθμός επιστημονικών αναφορών
• Θεσμική φήμη
• Γλώσσα
• Ταχύτητα σελίδας και δυνατότητα ανίχνευσης
• Τύπος έργου
• Κοινότητα ονόματος συγγραφέα
• Αριθμός συν-συγγραφέων
• Διατύπωση ερωτήματος
• Σύστημα αναζήτησης

Το κύριο στατιστικό μοντέλο θα μπορούσε να εκτιμήσει:

text Probability of correct citation = identity strength

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

Μια λογιστική παλινδρόμηση ή ένα μοντέλο μικτών επιδράσεων θα ήταν κατάλληλο για ένα αποτέλεσμα ναι-ή-όχι, όπως το αν ένα έργο αναφέρθηκε. Ένα αρνητικό διωνυμικό μοντέλο μπορεί να είναι χρήσιμο για τον αριθμό των αναφορών, επειδή τα δεδομένα αναφορών συχνά κατανέμονται άνισα.

Το αποτέλεσμα θα πρέπει να αναφέρεται ως αναλογία πιθανοτήτων με διάστημα εμπιστοσύνης, όχι ως απλό ποσοστό. Για παράδειγμα:

Μια αύξηση κατά μία τυπική απόκλιση στη δύναμη της ταυτότητας συσχετίστηκε με μια αλλαγή στην πιθανότητα αναφοράς, αφού ελέγχθηκαν η συνάφεια, η ηλικία, η πρόσβαση και η προηγούμενη επιστημονική προσοχή.

Η μελέτη θα πρέπει επίσης να αναφέρει μηδενικά αποτελέσματα. Ένα εύρημα μη σχέσης θα ήταν χρήσιμο επειδή θα έδειχνε ότι οι αναγνωριστικοί αριθμοί βελτιώνουν την ποιότητα των δεδομένων χωρίς να αλλάζουν απαραίτητα τη συμπεριφορά αναφορών της τεχνητής νοημοσύνης.

Μελέτη Δύο: Ελεγχόμενο πείραμα μεταδεδομένων

Μια μελέτη παρατήρησης μπορεί να συγχέει τη δύναμη της ταυτότητας με τη δημοτικότητα. Ένα ελεγχόμενο πείραμα μπορεί να απομονώσει ορισμένες επιδράσεις.

Υπάρχουν δύο πρακτικές εκδοχές.

Έκδοση Α: Πείραμα δημόσιου ιστού

Δημιουργήστε αντιστοιχισμένες σελίδες με το ίδιο ουσιαστικό περιεχόμενο αλλά διαφορετικές επεξεργασίες μεταδεδομένων:

• Μόνο βασικό όνομα συγγραφέα
• Όνομα συγγραφέα συν θεσμικό προφίλ
• Όνομα συγγραφέα συν σύνδεσμο ORCID
• Όνομα συγγραφέα, ORCID, DOI, αναγνωριστικό σχέσης και δομημένα δεδομένα

Δημοσιεύστε τις σελίδες ταυτόχρονα και παρακολουθήστε:

• Ανακάλυψη από αναζήτηση
• Σωστή αντιστοίχιση συγγραφέα
• Ανάκτηση σε απαντήσεις τεχνητής νοημοσύνης
• Συχνότητα αναφορών
• Ορθότητα αναφορών

Αυτό το πείραμα πρέπει να ερμηνευτεί προσεκτικά. Τα δημόσια συστήματα μπορεί να ανιχνεύουν σελίδες σε διαφορετικές χρονικές στιγμές, και οι οργανισμοί δεν μπορούν εύκολα να αλλάξουν αρχεία Crossref ή DataCite για ένα ήδη δημοσιευμένο έργο.

Έκδοση Β: Ελεγχόμενος ερευνητικός δείκτης

Δημιουργήστε ένα μικρό σύστημα ανάκτησης που να περιέχει τα ίδια έγγραφα υπό διαφορετικές συνθήκες μεταδεδομένων. Μεταβάλλετε μόνο:

• Αναγνωριστικό συγγραφέα
• DOI
• Σχέση
• Ρόλο συνεισφέροντος
• Συνδέσμους προφίλ
• Πεδία προέλευσης

Στη συνέχεια, υποβάλετε τις ίδιες ερωτήσεις και μετρήστε την ανάκτηση και την επιλογή αναφορών. Αυτό το πείραμα παρέχει καλύτερο έλεγχο, αλλά μετρά ένα ερευνητικό σύστημα και όχι εμπορικές πλατφόρμες.

Μελέτη Τρία: Σταδιακή οργανωτική εφαρμογή

Ο ισχυρότερος πρακτικός σχεδιασμός είναι μια μελέτη διαφοράς-σε-διαφορές.

Ένας οργανισμός μπορεί να εφαρμόσει τους κόμβους συγγραφέων σε στάδια:

• Το Τμήμα Ένα λαμβάνει το πλήρες πρόγραμμα τον Οκτώβριο του 2026.
• Το Τμήμα Δύο το λαμβάνει τον Ιανουάριο του 2027.
• Το Τμήμα Τρία το λαμβάνει τον Απρίλιο του 2027.

Όλα τα τμήματα μετρώνται πριν και μετά την εφαρμογή. Τα τμήματα που δεν έχουν λάβει ακόμη το πρόγραμμα χρησιμεύουν ως προσωρινές ομάδες σύγκρισης.

Μετρήστε:

• Σωστή απόδοση συγγραφέα
• Επίλυση DOI
• Συχνότητα αναφορών
• Ακρίβεια αναφορών
• Εμφανίσεις αναζήτησης
• Επισκέψεις σελίδας προφίλ
• Χρόνος που απαιτείται για τη διόρθωση κακών μεταδεδομένων

Αυτός ο σχεδιασμός είναι ισχυρότερος από μια απλή σύγκριση πριν-και-μετά, επειδή βοηθά στον διαχωρισμό της επίδρασης της εφαρμογής από ευρύτερες αλλαγές στα συστήματα τεχνητής νοημοσύνης.

Υποθέσεις που αξίζει να δοκιμαστούν

Οι οργανισμοί μπορούν να προκαταχωρήσουν αυτές τις υποθέσεις:

• Υ1: Οι ισχυρότεροι σύνδεσμοι ταυτότητας βελτιώνουν τη σωστή απόδοση συγγραφέα.
• Υ2: Τα πλήρη μεταδεδομένα DOI βελτιώνουν τα ποσοστά έγκυρων αναφορών.
• Υ3: Τα αναγνωριστικά σχέσεων βοηθούν περισσότερο όταν οι συγγραφείς έχουν κοινά ονόματα ή μετακινούνται μεταξύ ιδρυμάτων.
• Υ4: Τα προφίλ επιστημόνων βελτιώνουν την ανακάλυψη περισσότερο από ό,τι βελτιώνουν την τελική συχνότητα αναφορών.
• Υ5: Η δύναμη της ταυτότητας έχει μεγαλύτερη επίδραση στους λιγότερο γνωστούς συγγραφείς από ό,τι στους ήδη διάσημους συγγραφείς.
• Υ6: Η επίδραση ποικίλλει ανά σύστημα, θέμα, γλώσσα και τύπο δημοσίευσης.
• Υ7: Η επικαιρότητα και η θεματική συνάφεια έχουν μεγαλύτερη σημασία από τη διακόσμηση του προφίλ.

Ποια Διαπιστευτήρια Πρέπει να Δημοσιευθούν;

Ένα προφίλ θα πρέπει να δημοσιεύει διαπιστευτήρια που μπορούν να ελεγχθούν. Κάθε διαπιστευτήριο θα πρέπει να έχει:

• Έναν τύπο διαπιστευτηρίου
• Το άτομο που το κατέχει
• Τον εκδίδοντα οργανισμό
• Ένα επίμονο αναγνωριστικό για τον οργανισμό, όταν είναι διαθέσιμο
• Ημερομηνίες έναρξης και λήξης
• Μια πηγή επαλήθευσης
• Μια κατάσταση όπως τρέχουσα, ληγμένη, αμφισβητούμενη ή αρχειοθετημένη
• Μια ημερομηνία τελευταίας αναθεώρησης

Οι οργανισμοί θα πρέπει να επισημαίνουν την πηγή κάθε διαπιστευτηρίου:

• Αυτο-αναφερόμενο
• Θεσμικά επαληθευμένο
• Επαληθευμένο από εκδότη
• Επαληθευμένο από χρηματοδότη
• Εισαγόμενο από μητρώο
• Εκκρεμεί αναθεώρηση

Αποφύγετε τη δημοσίευση μη υποστηριζόμενων ετικετών όπως «κορυφαίος ειδικός» ή «παγκοσμίου φήμης ερευνητής». Αντικαταστήστε τες με αποδεικτικά στοιχεία:

• Αριθμός και τύπος έργων
• Τομείς έρευνας
• Επαληθευμένοι ρόλοι
• Χρηματοδοτούμενα έργα
• Συντακτική υπηρεσία
• Δημόσια σύνολα δεδομένων ή λογισμικό
• Θεσμικές τοποθετήσεις

Αυτή η προσέγγιση είναι πιο χρήσιμη τόσο για τους αναγνώστες όσο και για τις μηχανές.

Σχέδιο Υλοποίησης για Οργανισμούς

Φάση Ένα: Δημιουργία της πολιτικής μεταδεδομένων

Αναθέστε μια μικρή ομάδα διακυβέρνησης με εκπροσώπους από:

• Διοίκηση έρευνας
• Υπηρεσίες βιβλιοθήκης
• Τεχνολογία πληροφοριών
• Επικοινωνίες
• Υπηρεσίες έκδοσης ή αποθετηρίου
• Προστασία προσωπικών δεδομένων
• Ακεραιότητα έρευνας

Δημιουργήστε μια σύντομη πολιτική δεδομένων που να ορίζει:

• Απαιτούμενα πεδία
• Εγκεκριμένα συστήματα αναγνωριστικών
• Ποιος μπορεί να δηλώσει κάθε πεδίο
• Ποια πεδία είναι δημόσια
• Πώς αντιμετωπίζονται οι διορθώσεις
• Πόσο χρόνο πρέπει να διαρκούν οι ενημερώσεις
• Τι συμβαίνει όταν ένα άτομο αποχωρεί

Χρησιμοποιήστε ένα ενιαίο συμβόλαιο δεδομένων σε όλα τα συστήματα. Κατ' ελάχιστον, κάθε άτομο, έργο, οργανισμός και καταγραφή διαπιστευτηρίου θα πρέπει να έχει:

text persistent_id display_name source asserted_by valid_from valid_to last_verified status evidence_url

Φάση Δύο: Συλλογή πιστοποιημένων αναγνωριστικών

Ζητήστε από τους ερευνητές να συνδέσουν τα αρχεία ORCID τους μέσω μιας πιστοποιημένης διαδικασίας. Μην αναθέτετε στο ίδρυμα την ευθύνη να μαντέψει ποιο ORCID iD ανήκει σε ένα άτομο.

Ταυτόχρονα:

• Αντιστοιχίστε αναγνωριστικά οργανισμού σε τμήματα και ιδρύματα
• Συνδέστε τα αρχεία προσωπικού με το ORCID
• Αντιστοιχίστε τις υπάρχουσες δημοσιεύσεις σε αρχεία DOI
• Επισημάνετε τις συγκρούσεις ονομάτων
• Διατηρήστε εναλλακτικές μορφές ονομάτων
• Καταγράψτε τις ρυθμίσεις συναίνεσης και ορατότητας

Φάση Τρία: Βελτίωση μεταδεδομένων DOI

Για νέα έργα, απαιτήστε η ροή εργασίας δημοσίευσης να συλλέγει:

• Πλήρη ονόματα συγγραφέων
• Πιστοποιημένα ORCID iDs
• Σχέσεις
• Αναγνωριστικά οργανισμών
• Ρόλους συνεισφερόντων
• Αναγνωριστικά χρηματοδότησης
• Περιλήψεις
• Αναφορές
• Άδειες
• Πληροφορίες έκδοσης και ενημέρωσης

Για παλαιότερα έργα, ξεκινήστε με τα πιο πρόσφατα πέντε έτη και τους συγγραφείς με τη μεγαλύτερη χρήση του οργανισμού.

Τα Crossref και DataCite θα πρέπει να λαμβάνουν διορθώσεις και ενημερώσεις αντί μόνο την αρχική κατάθεση. Οι συμβολοσειρές DOI παραμένουν επίμονες, ενώ τα συσχετιζόμενα μεταδεδομένα μπορούν να διατηρηθούν. Συντήρηση μεταδεδομένων Crossref (crossref.org)

Φάση Τέσσερα: Δημιουργία κανονικών σελίδων συγγραφέων

Κάθε ερευνητής θα πρέπει να έχει μία σταθερή θεσμική σελίδα. Αυτή η σελίδα θα πρέπει να:

• Χρησιμοποιεί μια μόνιμη διεύθυνση ιστού
• Δείχνει τον τρέχοντα ρόλο
• Διατηρεί προηγούμενους ρόλους με ημερομηνίες
• Συνδέεται με το ORCID
• Συνδέεται με επιλεγμένα αρχεία DOI
• Συνδέεται με δημόσια προφίλ επιστημόνων
• Δείχνει τους τομείς έρευνας
• Εμφανίζει μια ημερομηνία τελευταίας ενημέρωσης
• Χρησιμοποιεί δομημένα δεδομένα
• Παραμένει προσβάσιμη για τους ανιχνευτές αναζήτησης
• Αποφεύγει την απαίτηση σύνδεσης

Η Google συνιστά τη χρήση σαφών διευθύνσεων URL συγγραφέων και συνδέσμων sameAs για να βοηθήσει στη διάκριση των συγγραφέων. Οδηγίες σήμανσης συγγραφέων Google (developers.google.com)

Φάση Πέντε: Ομοσπονδιοποίηση και παρακολούθηση προφίλ

Συνδέστε τη θεσμική σελίδα με:

• ORCID
• Google Scholar
• OpenAlex
• Σελίδες εκδοτών
• Αρχεία αποθετηρίων
• Σελίδες επιχορηγήσεων
• Δημόσια επαγγελματικά προφίλ όπου είναι σκόπιμο

Χρησιμοποιήστε αυτοματοποιημένους ελέγχους για να βρείτε:

• Χαλασμένους συνδέσμους DOI
• Ελλείποντες συνδέσμους ORCID
• Διπλούς συγγραφείς
• Λανθασμένες αντιστοιχίσεις συν-συγγραφέων
• Παλιές σχέσεις
• Ληγμένα διαπιστευτήρια
• Ελλείπουσες ημερομηνίες ενημέρωσης
• Ασυμφωνίες ονομάτων
• Ανακλήσεις ή διορθώσεις

Διακυβέρνηση για Ενημερώσεις και Αλλαγές Ρόλων

Ένας κόμβος συγγραφέα πρέπει να διατηρεί το ιστορικό. Δεν πρέπει να ξαναγράφει το παρελθόν κάθε φορά που ένα άτομο αλλάζει δουλειά.

Προτεινόμενη ιεραρχία πηγών

Όταν ένας ερευνητής αλλάζει ιδρύματα

Μην διαγράφετε την παλιά σχέση από ιστορικά έργα.

Αντίθετα:

1. Προσθέστε μια ημερομηνία λήξης στο προηγούμενο αρχείο απασχόλησης.
2. Προσθέστε τη νέα σχέση με μια ημερομηνία έναρξης.
3. Ενημερώστε το θεσμικό προφίλ.
4. Διατηρήστε τις ιστορικές σχέσεις δημοσίευσης αμετάβλητες, εκτός εάν ο εκδότης εκδώσει διόρθωση.
5. Ενημερώστε το αρχείο ORCID μέσω της σωστής πηγής.
6. Ανακατευθύνετε την παλιά σελίδα προφίλ σε μια αρχειοθετημένη ή νέα σελίδα.

Όταν ένα άτομο αλλάζει όνομα

Χρησιμοποιήστε το ORCID για να συνδέσετε παραλλαγές ονομάτων. Προσθέστε πρώην ή εναλλακτικά ονόματα όπου ο ερευνητής συμφωνεί. Μην αλλάζετε το όνομα συγγραφέα σε μια δημοσιευμένη καταγραφή DOI μόνο και μόνο για να ταιριάζει με ένα τρέχον προφίλ.

Ο σκοπός του επίμονου αναγνωριστικού είναι να συνδέει έργα σε αλλαγές ονομάτων χωρίς να ξαναγράφει την καταγραφή δημοσίευσης.

Όταν αλλάζει ο ρόλος ενός συνεισφέροντος

Ο ρόλος ενός συνεισφέροντος σε ένα ολοκληρωμένο έργο θα πρέπει να αντιμετωπίζεται ως μέρος της ιστορικής καταγραφής.

Για παράδειγμα:

• Ο ρόλος ενός ατόμου σε ένα δημοσιευμένο άρθρο δεν πρέπει να αλλάζει επειδή αργότερα γίνεται πρόεδρος τμήματος.
• Ένας συντακτικός ρόλος πρέπει να έχει ημερομηνία έναρξης και λήξης.
• Ένας ρόλος επιχορήγησης πρέπει να συνδέεται με την περίοδο επιχορήγησης.
• Ένας ρόλος λογισμικού πρέπει να συνδέεται με την έκδοση ή την κυκλοφορία.

Εάν η αρχική καταγραφή συνεισφοράς είναι λανθασμένη, χρησιμοποιήστε μια επίσημη διαδικασία διόρθωσης. Μην την αντικαθιστάτε σιωπηλά.

Όταν ένα διαπιστευτήριο λήγει

Χρησιμοποιήστε σαφείς τιμές κατάστασης:

• Τρέχον
• Ληγμένο
• Ανανεωμένο
• Σε αναστολή
• Αμφισβητούμενο
• Αρχειοθετημένο

Θα πρέπει να αποστέλλονται αυτοματοποιημένες υπενθυμίσεις πριν από τη λήξη. Τα δημόσια προφίλ θα πρέπει να δείχνουν την κατάσταση και την ημερομηνία αντί να αφήνουν ένα παλιό διαπιστευτήριο ορατό χωρίς εξήγηση.

Όταν ένας ερευνητής αποχωρεί από τον οργανισμό

Ο οργανισμός θα πρέπει να:

• Διατηρήσει το ιστορικό προφίλ
• Επισημάνει σαφώς τον πρώην ρόλο
• Διατηρήσει συνδέσμους προς δημοσιευμένα έργα
• Μεταβιβάσει την ιδιοκτησία του προφίλ
• Ορίσει μια ανακατεύθυνση για την πρώην σελίδα
• Αφαιρέσει ιδιωτικές πληροφορίες επικοινωνίας
• Διατηρήσει θεσμικές δηλώσεις που ήταν αληθείς κατά την περίοδο της πρώην απασχόλησης

Όταν αμφισβητείται η συγγραφική ιδιότητα

Παγώστε το αμφισβητούμενο πεδίο, διατηρήστε την αρχική πηγή και καταγράψτε την αμφισβήτηση. Μην αφαιρείτε έναν συγγραφέα ή μην αλλάζετε ρόλους συνεισφοράς μόνο με βάση ένα άτυπο αίτημα.

Το γραφείο ακεραιότητας της έρευνας, ο εκδότης ή η υπεύθυνη αρχή του έργου θα πρέπει να καθορίσει την επίσημη πορεία διόρθωσης.

Μέτρα Επιτυχίας

Οι οργανισμοί θα πρέπει να παρακολουθούν την επιχειρησιακή ποιότητα πριν υποσχεθούν αυξημένη ορατότητα από την τεχνητή νοημοσύνη.

Οι προτεινόμενοι στόχοι περιλαμβάνουν:

• Το 95% των ενεργών ερευνητών έχουν πιστοποιημένα ORCID iDs
• Το 95% των νέων έργων περιλαμβάνουν ORCID όπου είναι διαθέσιμο
• Το 95% των σχέσεων χρησιμοποιούν ένα επίμονο αναγνωριστικό οργανισμού
• Το 100% των νέων καταθέσεων DOI περνούν την επικύρωση μεταδεδομένων
• Το 100% των σελίδων συγγραφέων περιέχουν μια σταθερή διεύθυνση προφίλ
• Το 100% των αλλαγών ρόλων περιλαμβάνουν ημερομηνίες
• Λιγότερο από το 1% των έργων αποδίδονται λανθασμένα σε συγγραφέα
• Οι διορθώσεις μεταδεδομένων ολοκληρώνονται εντός 30 ημερών
• Οι αλλαγές τρέχουσας απασχόλησης εμφανίζονται εντός επτά ημερών
• Οι ανακλήσεις και οι επίσημες διορθώσεις αντικατοπτρίζονται άμεσα

Για τη μελέτη αναφορών τεχνητής νοημοσύνης, παρακολουθήστε:

• Ποσοστό σωστής απόδοσης συγγραφέα
• Ποσοστό έγκυρων DOI
• Ακρίβεια αναφορών
• Ανάκληση αναφορών
• Συχνότητα αναφορών έργου
• Συμφωνία μεταξύ συστημάτων
• Χρόνος από τη διόρθωση μεταδεδομένων μέχρι τη βελτιωμένη ευρετηρίαση
• Διαφορά μεταξύ ανακάλυψης προφίλ και τελικής αναφοράς απάντησης

Ο οργανισμός θα πρέπει να αναφέρει αυτά τα μέτρα ανά κλάδο, γλώσσα, στάδιο καριέρας και κοινότητα ονόματος. Διαφορετικά, μια μέση βαθμολογία μπορεί να αποκρύψει άνισα αποτελέσματα.

Κίνδυνοι και Διασφαλίσεις

Οι κόμβοι συγγραφέων μπορούν να δημιουργήσουν νέους κινδύνους εάν γίνουν ένα σύστημα φυλάκων.

Οι οργανισμοί δεν θα πρέπει να:

• Τιμωρούν ερευνητές που διατηρούν ορισμένες πληροφορίες ORCID ιδιωτικές
• Αντιμετωπίζουν ένα δημόσιο προφίλ Google Scholar ως απόδειξη ποιότητας
• Χρησιμοποιούν τους αριθμούς αναφορών ως υποκατάστατο της αξιολόγησης από ομοτίμους
• Δημοσιεύουν προσωπικά στοιχεία επικοινωνίας αδικαιολόγητα
• Συνάγουν εμπειρογνωμοσύνη μόνο από το θεσμικό κύρος
• Απαιτούν από κάθε ερευνητή να χρησιμοποιεί την ίδια δημόσια υπηρεσία προφίλ
• Αντιμετωπίζουν τα ελλείποντα αναγνωριστικά ως απόδειξη παράβασης
• Επιτρέπουν σε αυτοματοποιημένα συστήματα να αντικαθιστούν αρχεία χωρίς αναθεώρηση

Η υιοθέτηση του ORCID και η ποιότητα των μεταδεδομένων ποικίλλουν ανά κλάδο, χώρα, στάδιο καριέρας και τύπο δημοσίευσης. Ένα δίκαιο σύστημα πρέπει να υποστηρίζει τη χειροκίνητη διόρθωση, τους ελέγχους απορρήτου, την ποικιλομορφία ονομάτων και τους ανθρώπους των οποίων το έργο δεν αντιπροσωπεύεται καλά από μετρήσεις δημοσιεύσεων περιοδικών.

Συμπέρασμα

Ένας ισχυρός κόμβος συγγραφέα δεν είναι ένα έργο προσωπικής προβολής. Είναι ένα αναγνώσιμο από μηχανές σύστημα αποδείξεων.

• Το ORCID συνδέει ένα άτομο με μια επίμονη ταυτότητα.
• Τα Crossref και DataCite συνδέουν έργα με σταθερούς αναγνωριστικούς αριθμούς και πλούσια μεταδεδομένα.
• Τα αναγνωριστικά Research Organization Registry συνδέουν ανθρώπους και έργα με ιδρύματα.
• Οι ρόλοι συνεισφερόντων δείχνουν τι έκανε πραγματικά κάθε άτομο.
• Τα θεσμικά και επιστημονικά προφίλ παρέχουν δημόσιο πλαίσιο.
• Τα δομημένα δεδομένα βοηθούν τα συστήματα αναζήτησης να ερμηνεύουν τις σχέσεις.
• Η διακυβέρνηση και το ιστορικό εκδόσεων δείχνουν τι είναι τρέχον, τι ίσχυε στο παρελθόν και ποιος επιβεβαίωσε κάθε ισχυρισμό.

Το πιθανό όφελος δεν είναι μια αυτόματη ενίσχυση κατάταξης. Το όφελος είναι μια ισχυρότερη αλυσίδα από άτομο → έργο → οργανισμός → αποδεικτικά στοιχεία.

Οι οργανισμοί θα πρέπει, επομένως, να κάνουν δύο δεσμεύσεις:

1. Τυποποίηση και διατήρηση των μεταδεδομένων.
2. Μέτρηση της συμπεριφοράς αναφορών της τεχνητής νοημοσύνης αντί να υποθέτουν μια επίδραση.

Ο πιο αξιόπιστος κόμβος συγγραφέα δεν είναι αυτός με τα περισσότερα διακριτικά. Είναι αυτός του οποίου οι σημαντικοί ισχυρισμοί είναι επίμονοι, συνδεδεμένοι, τεκμηριωμένοι, τρέχοντες και εύκολα επαληθεύσιμοι.