Tekijäkeskittymien rakentaminen: ORCID, Crossref ja tutkijaprofiilit luottamuksen perustekijöinä

Tekijäkeskittymien rakentaminen: ORCID, Crossref ja tutkijaprofiilit luottamuksen perustekijöinä

Tekijäkeskittymät ovat julkisia, toisiinsa kytkettyjä tietueita, jotka auttavat ihmisiä ja koneita vastaamaan kolmeen peruskysymykseen:

1. Kuka loi tämän työn?
2. Mikä tarkalleen on työ?
3. Miksi kenenkään pitäisi luottaa henkilön, työn ja organisaation väliseen yhteyteen?

Ihmislukijoille tekijäkeskittymä voi näyttää profiilisivulta, joka sisältää elämäkerran, julkaisuja, meriittejä ja linkkejä. Tekoälyjärjestelmien kannalta on hyödyllisempää ajatella sitä linkitettynä todistusaineistoverkkona.

Vahva tekijäkeskittymä yhdistää:

• Henkilön ORCID iD:hen
• Julkaisun, aineiston, raportin tai ohjelmistopaketin digitaaliseen tunnusnumeroon (DOI)
• Työn täydellisiin Crossref- tai DataCite-metatietoihin
• Tutkijan varmennettuihin sidoksiin ja organisaatioihin
• Julkisen profiilin vakaaseen institutionaaliseen verkkosivuun
• Osallistumiset selkeisiin rooleihin, kuten ne, jotka löytyvät Osallistujaroolien taksonomiasta (Contributor Roles Taxonomy)
• Nykyiset ja aiemmat roolit päivämääriin, lähteisiin ja päivitystietoihin

Nämä yhteydet voivat parantaa identiteetin tunnistusta, tiedonhakua, sitaattien tarkkuutta ja lähteiden varmennusta. Ne eivät takaa, että tekoälyjärjestelmä siteeraa tekijää. Ei ole uskottavaa julkista näyttöä siitä, että yhden ORCID iD:n lisääminen tuottaisi kiinteän kasvun tekoälysitaateissa. Vahvempi väite on rajatumpi ja puolustettavampi: hyvä identiteetti- ja työmetatieto helpottaa haku- ja tutkimusjärjestelmien kykyä löytää, yhdistää, varmistaa ja siteerata tieteellistä aineistoa oikein.

Tämä artikkeli heijastaa julkista dokumentaatiota ja tutkimusta, joka on saatavilla 13. elokuuta 2026 alkaen.

Miksi tekijäkeskittymät ovat tärkeitä tekoälyjärjestelmille

Kaikki tekoälyjärjestelmät eivät käytä samoja hakuindeksejä, tietokantoja tai sijoitusmenetelmiä. Jotkut luottavat reaaliaikaiseen verkkohakuun. Toiset käyttävät tieteellisiä tietokantoja, lisensoituja indeksejä, sisäisiä tietovarastoja tai hakuprosesseja, jotka etsivät asiakirjoista ennen vastauksen luomista.

Monet järjestelmät kohtaavat kuitenkin samat tekniset ongelmat:

• Nimet voivat olla kirjoitettu eri tavoilla.
• Useampi tutkija voi jakaa saman nimen.
• Teoksesta voi olla ennakkopainos, konferenssiversio, hyväksytty käsikirjoitus ja lopullinen versio.
• Lehtiartikkeliin voi liittyä aineisto, ohjelmistopaketti, apuraha tai korjaus.
• Tekijä voi vaihtaa organisaatiota tai nimeä.
• Verkkosivu voi kuvata pätevyyttä näyttämättä, kuka sen myönsi tai milloin se oli voimassa.

Pysyvät tunnisteet ja strukturoitu metatieto auttavat ratkaisemaan näitä ongelmia.

Digitaalisen tunnisteen (DOI) järjestelmä kuvaa tunnistetta pysyvänä nimenä digitaaliselle, fyysiselle tai abstraktille objektille. Sen arvo riippuu paitsi tunnisteesta, myös siihen liittyvästä metatiedosta. DOI-käsikirja (doi.org)

Tekijäkeskittymää voi hyödyllisesti ajatella neljänä toisiinsa kytkettynä kerroksena:

Tavoitteena ei ole luoda vaikuttavilla sanoilla täytettyä profiilia. Tavoitteena on luoda tietue, jossa tärkeät väitteet voidaan tarkistaa.

Tekijäkeskittymän kolme pääosaa

1. ORCID: Henkilön identiteettikerros

ORCID tulee sanoista Open Researcher and Contributor ID. Se tarjoaa henkilölle pysyvän tunnisteen ja auttaa erottamaan tutkijat, joilla on samankaltaisia nimiä, jotka käyttävät eri nimimuotoja tai jotka muuttavat nimiään ajan mittaan. ORCID-yleiskatsaus (support.orcid.org)

ORCID-tietue voi sisältää:

• Nimiä ja nimivariantteja
• Työsuhteita ja koulutusta
• Tutkimustöitä
• Rahoitusta
• Vertaisarviointitoimintaa
• Toimitustyötä
• Jäsenyyksiä ja tunnustuksia
• Tutkimusresursseja
• Linkkejä muihin tunnisteisiin

Tärkein ominaisuus ei ole itse 16-numeroinen luku. Se on tuettujen yhteyksien verkosto, joka on liitetty tähän numeroon.

Esimerkiksi:

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

Varmennetut yhteydet ovat vahvempia

Organisaatioiden tulisi kerätä ORCID iD:t todennetun kirjautumisprosessin kautta sen sijaan, että pyydetään ihmisiä syöttämään tunniste lomakkeeseen. ORCID suosittelee käyttämään sen valtuutusprosessia, jotta tutkija vahvistaa oikean tietueen. ORCID-integraation ja sovellusrajapinnan ohjeet (info.orcid.org)

Tällä erolla on merkitystä:

• Vahvistamaton väite: ”Tämä ORCID iD kuuluu Jane Smithille.”
• Varmennettu väite: ”Jane Smith kirjautui sisään ORCIDin kautta ja valtuutti tämän järjestelmän käyttämään iD:tään.”
• Institutionaalinen väite: ”Yliopisto vahvistaa, että tämä henkilö oli tässä sidoksessa näinä päivinä.”

ORCID tallentaa myös väitteiden lähteen ja alkuperän. Työn tai sidoksen voi lisätä tutkija, kustantaja, rahoittaja tai muu luotettu organisaatio. ORCID-luottamusohjeistus (info.orcid.org)

Tämä luo hyödyllisen luottamusmerkin sekä ihmisille että koneille:

Tietue ei kerro vain sitä, mitä väitetään. Se voi myös näyttää, kuka väitteen teki ja milloin se lisättiin.

Tärkeä rajoitus

ORCID iD ei takaa, että jokainen tietueessa oleva kohta on oikein. ORCID itse kannustaa käyttäjiä tarkastelemaan luottamusmerkintöjä, lähteitä, päivämääriä ja tietoa lisänneitä organisaatioita. ORCIDin luottamusmerkinnät (info.orcid.org)

Siksi organisaatioiden ei pitäisi pitää ”on ORCID iD” -tilaa samana kuin ”on täysin varmennettu” -tilaa. Parempi malli on:

• Itse ilmoitettu
• Varmennettu
• Institutionaalisesti vahvistettu
• Kustantajan vahvistama
• Rahoittajan vahvistama
• Äskettäin tarkastettu

2. Crossref ja DataCite: Työn identiteettikerros

ORCID tunnistaa henkilön. Crossref ja DataCite auttavat tunnistamaan työn.

Digitaalinen tunniste (DOI) voi tunnistaa:

• Lehtiartikkeleita
• Kirjoja ja kirjojen lukuja
• Konferenssipapereita
• Aineistoja
• Ohjelmistoja
• Raportteja
• Esijulkaisuja
• Vertaisarviointeja
• Standardeja
• Postereita ja esityksiä

DOI:n tulisi ohjata vakaalle laskeutumissivulle. Vielä tärkeämpää on, että sillä on oltava täydelliset työtä kuvaavat metatiedot.

Crossref suosittelee tallentamaan esimerkiksi seuraavat tiedot:

• Sukunimi ja etunimi
• Osallistujaroolit
• Sidokset
• Organisaatiotunnisteet
• ORCID iD:t
• Julkaisupäivämäärät
• Tiivistelmät
• Viitteet
• Rahoitus
• Lisenssit
• Versiotiedot
• Päivitykset ja korjaukset

Crossrefin pakolliset ja suositellut metatiedot (crossref.org)

Crossref kuvaa metatietojaan jaettavana resurssina, johon pääsee käsiksi verkkokäyttöliittymien, sovellusrajapintojen ja massalatausten kautta. Jatkumoissa olevat järjestelmät voivat käyttää tätä tietoa tieteellisten tuotosten löytämiseen ja yhdistämiseen. Crossrefin metatietojen haku (crossref.org)

DataCite palvelee vastaavaa tarkoitusta aineistojen ja monien muiden tutkimustuotosten osalta. Sen nykyinen metatietoskeema 4.7, joka julkaistiin 3. maaliskuuta 2026, tukee luojia, osallistujia, ORCID-tunnisteita, sidoksia, organisaatiotunnisteita, liittyviä tunnisteita, rahoitusta, kuvauksia ja resurssityyppejä. DataCiten metatietoskeema (schema.datacite.org)

DataCite suosittelee erityisesti luojien ja osallistujien tietueiden yhdistämistä ORCID-tunnisteisiin ja organisaation sidoksien yhdistämistä organisaatiotunnisteisiin. DataCiten nimien tunnisteet (support.datacite.org)

DOI ei ole laatumerkki

DOI todistaa, että tietue on olemassa DOI-rekisteröintijärjestelmässä. Se ei todista, että:

• Tutkimus on oikein
• Julkaisu on vertaisarvioitu
• Lehti on arvostettu
• Tekijä on asiantuntija
• Löydökset ovat tärkeitä

Crossref tekee tämän selväksi: itse DOI ei merkitse objektin arvoa tai tarkkuutta. Ympäröivät metatiedot tarjoavat kontekstin ja mahdollistavat yhteydet. Crossrefin DOI-ohjeistus (support.crossref.org)

Tämän vuoksi täydellinen DOI-tietue on paljon hyödyllisempi kuin pelkkä DOI-merkkijono sivun alareunassa.

Osallistujaroolit lisäävät merkitystä

Heinäkuussa 2026 Crossref Schema 5.5 lisäsi paremman tuen useille osallistujaroolle, vastaaville tekijöille ja Contributor Roles Taxonomy -luokitukselle. Crossref Schema 5.5 (crossref.org)

Contributor Roles Taxonomy sisältää 14 roolia, mukaan lukien:

• Käsitteellistäminen
• Aineiston kuratointi
• Formaali analyysi
• Tutkimus
• Metodologia
• Ohjelmisto
• Ohjaus
• Validointi
• Visualisointi
• Alkuperäisen luonnoksen kirjoittaminen
• Kirjoittaminen, arviointi ja editointi

Taksonomia suunniteltiin tekemään panoksista läpinäkyvämpiä ja tukemaan ansiointia, vastuullisuutta, tutkimuksen arviointia ja tutkimuksen eheyttä. Osallistujaroolien taksonomia (credit.niso.org)

Tekoälyjärjestelmille tämä luo rikkaamman vastauksen kuin ”Jane Smith on tekijä”. Järjestelmä voi mahdollisesti erottaa toisistaan:

• Henkilön, joka suunnitteli tutkimuksen
• Henkilön, joka kirjoitti ohjelmiston
• Henkilön, joka analysoi tiedot
• Henkilön, joka ohjasi projektia
• Henkilön, joka kirjoitti alkuperäisen käsikirjoituksen

Tämä on erityisen tärkeää suurille tutkimusryhmille ja teknisille hankkeille.

3. Tutkijaprofiilit: Kontekstikerros

Tutkijaprofiilit tekevät identiteettiverkosta ihmisille ymmärrettävän ja hakujärjestelmien helpommin tulkittavaksi.

Vankan profiilin tulisi sisältää:

• Vakaa institutionaalinen sivu
• Yhtenäinen nimi
• Nimivariantteja tarvittaessa
• ORCID iD
• Nykyiset ja aiemmat sidokset
• Tutkimusalueet
• Valitut teokset DOI-linkkeineen
• Aineistot, ohjelmistot ja raportit
• Rahoitus ja palkinnot
• Toimitus- tai arviointiroolit
• Osallistujaroolit
• Nykyisten ja aiempien tehtävien päivämäärät
• Viimeksi tarkastettu -päivämäärä
• Linkit muihin julkisiin profiileihin

Google Scholar -profiilit antavat tutkijoille mahdollisuuden luetella julkaisuja, tehdä profiilista julkisen, nähdä kuka siteeraa heidän työtään ja seurata sitaattimittareita. Julkinen profiili varmennetulla institutionaalisella sähköpostiosoitteella voi olla oikeutettu ilmestymään Google Scholarin hakutuloksissa. Google Scholar -profiilit (scholar.google.com)

Google Scholaria tulisi kuitenkin käsitellä näkyvyys- ja löydettävyyskerroksena, ei pääasiallisena totuuden lähteenä. Tutkijat voivat hallita omia julkaisuluetteloitaan, ja automaattinen yhdistäminen voi sisältää virheellisiä tai päällekkäisiä teoksia. Sitaattimäärät vaihtelevat myös tietokantojen välillä.

OpenAlex tarjoaa toisen hyödyllisen löydettävyyskerroksen. Se ylläpitää yksiselitteisiä tekijätietueita ja yhdistää tekijät, teokset, instituutiot, lähteet ja aiheet. OpenAlex ilmoittaa keräävänsä tietoa lähteistä kuten Crossref ja DataCite, ja sen jälkeen yhdistää tekijät ORCID iD:ihin ja sidokset organisaatiotunnisteisiin. OpenAlex-ekosysteemin kuvaus (help.openalex.org)

Paras käytäntö on siksi profiilifederaatio:

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

Yhdenkään profiilin ei tarvitse sisältää kaikkea. Niiden tulisi viitata toisiinsa ja käyttää samoja tunnisteita.

Miten nämä signaalit voivat vaikuttaa tekoälysitaateihin

On tärkeää erottaa viisi eri tapahtumaa:

1. Löydettävyys: Voiko järjestelmä löytää sivun tai työn?
2. Identiteetin tunnistus: Voiko se kertoa, ketkä henkilöt ja organisaatiot ovat mukana?
3. Haku: Tuoko järjestelmä työn todisteaineistoonsa?
4. Sitaatin valinta: Siteeraako se työtä vastauksessa?
5. Sitaatin oikeellisuus: Osoittaako sitaatti oikeaan työhön ja tukeeko se väitettä?

ORCID, DOI-metatiedot ja tutkijaprofiilit voivat auttaa suorimmin kolmessa ensimmäisessä vaiheessa. Ne voivat myös parantaa sitaattien oikeellisuutta. Niiden vaikutus sitaattien valintaan riippuu todennäköisesti aiheen relevanssista, lähteen laadusta, ajankohtaisuudesta, saavutettavuudesta ja tietystä tekoälyjärjestelmästä.

Google Searchin dokumentaatio suosittelee käyttämään tekijäsivua, url-kenttää ja sameAs-linkkejä apuna artikkelien tekijöiden tunnistamisessa. Aineistoille Google suosittelee erityisesti ORCID iD:n käyttöä sameAs-ominaisuudessa henkilön luojalle. Googlen artikkelin strukturoitu data Googlen aineiston strukturoitu data (developers.google.com)

Yksinkertainen profiilisivu voisi käyttää strukturoitua dataa näin:

{ "@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" } ] }

Strukturoitu data ei takaa hakuominaisuutta tai tekoälysitaattia. Google toteaa, että jopa oikein toteutettu strukturoitu data ei välttämättä näy hakutuloksissa. Sen arvo on siinä, että se antaa koneille selkeän, standardoidun tavan tulkita sivua. Googlen strukturoidun datan ohjeet (developers.google.com)

Käytännön johtopäätös on:

Tunnisteet parantavat reittiä todisteisiin. Ne eivät korvaa todisteita.

Mitä nykyinen tutkimus sanoo tekoälysitaateista

Tekoälysitaattikäyttäytymisen tutkimus on pääasiassa keskittynyt sitaattien tarkkuuteen, lähteiden valintaan ja todennettavuuteen. Se ei ole vielä tuottanut luotettavaa, yleistä arviota ORCIDiin linkitetyn identiteetin vahvuuden vaikutuksesta.

Vuonna 2023 tehdyssä ChatGPT:n tuottamien sitaattien tutkimuksessa havaittiin merkittäviä määriä keksittyjä viitteitä ja virheitä todellisissa viitteissä. Tutkimuksessa tarkasteltiin 636 sitaattia, jotka oli tuotettu 84 artikkelista, ja havaittiin, että sitaattiongelmat säilyivät jopa testatussa uudemmassa mallissa. Scientific Reports -tutkimus (nature.com)

Toisessa generatiivisten hakukoneiden tutkimuksessa havaittiin, että monet tuotetut lauseet eivät saaneet täyttä tukea sitaateista ja että monet sitaatit eivät riittävästi tukeneet niitä ympäröiviä väitteitä. Todistettavuuden arviointi generatiivisissa hakukoneissa (arxiv.org)

Tuore tutkimus osoittaa myös, että generatiiviset hakujärjestelmät eroavat lähteiden valinnassa, lähteiden päällekkäisyydessä, vakaudessa ja sisäisen versus ulkoisen tiedon käytössä. Verkkohaun luonnehtiminen generatiivisen tekoälyn aikakaudella (aclanthology.org)

Nämä löydökset tukevat varovaista kantaa:

• DOI voi vähentää siteeratun työn epäselvyyttä.
• ORCID voi vähentää henkilön epäselvyyttä.
• Sidostunnisteet voivat vähentää organisaation epäselvyyttä.
• Osallistujaroolit voivat parantaa ansioiden jakamista.
• Julkinen profiili voi tarjota kontekstin.
• Mikään näistä signaaleista ei takaa, että järjestelmä hakee tai siteeraa työtä.

Tutkimusohjelma identiteetin vahvuuden ja tekoälysitaattien tiheyden mittaamiseen

Organisaatioiden ei tulisi väittää, että tekijäkeskittymät parantavat tekoälysitaatteja, ennen kuin ne mittaavat suhdetta suoraan.

Määrittele tekijän identiteetin vahvuuspisteet

Seuraava on ehdotettu pisteytys, ei virallinen standardi.

Älä sisällytä sitaattimääriä, lehden arvovaltaa tai institutionaalista sijoitusta tähän pisteytykseen. Nämä tekijät tulisi käsitellä erillisinä muuttujina. Niiden sisällyttäminen vaikeuttaisi sen määrittämistä, liittyykö itse identiteetin vahvuus sitaattien tiheyteen.

Mittaa useampaa kuin yhtä sitaattityyppiä

Hyödyllisen tutkimuksen tulisi seurata vähintään kuutta tulosta:

1. Teoksen sitaattitiheys
   Osuus kelvollisista vastauksista, jotka siteeraavat tiettyä teosta.

2. Tekijän attribuutiotiheys
   Osuus vastauksista, jotka nimeävät tai liittävät työn oikein oikealle tekijälle.

3. Kelvollisten tunnisteiden tiheys
   Osuus sitaateista, jotka sisältävät DOI:n, joka johtaa oikeaan työhön.

4. Sitaattien tarkkuus
   Osuus sitaateista, jotka todella tukevat tehtyä väitettä.

5. Sitaattien kattavuus
   Osuus tärkeistä tukilähteistä, joita järjestelmä siteeraa.

6. Yli alustojen vakaus
   Osuus sitaateista, jotka toistuvat eri järjestelmissä tai toistuvissa ajoissa.

Tuore generatiivisen haun mittauskehys erottaa sitaatin valinnan sitaatin omaksumisesta, tarkoittaen sitä, ilmestyykö lähde vain sitaattilistaan vai tuottaako se todella todisteita vastaukseen. Tämä erottelu tulisi sisällyttää tuleviin tekijäkeskittymätutkimuksiin. Sitaatin valinnan ja sitaatin omaksumisen kehys (arxiv.org)

Tutkimus yksi: Havainnointikorrelaatiotutkimus

Tämä tutkimus kysyy:

Siteeraavatko tekoälyjärjestelmät useammin teoksia, jotka on yhdistetty vahvempiin tekijäidentiteetteihin, kun aihe- ja julkaisutekijät on vakioitu?

Ehdotettu suunnitelma

• Otanta 10 000 – 50 000 tieteellistä teosta
• Kattaa useita tieteenaloja, kieliä ja julkaisutyyppejä
• Käyttää Crossref-, DataCite-, OpenAlex- ja julkista ORCID-dataa
• Laskee identiteetin vahvuuspisteet kullekin tekijälle ja teokselle
• Luo joukon kysymyksiä, joihin otoksena olevat teokset ovat relevantteja
• Ajaa kysymykset useissa sitaatteja tuottavissa järjestelmissä
• Toistaa jokaisen kysymyksen useita kertoja
• Taltioi päivämäärän, järjestelmän, mallin asetukset, alueen ja siteeratut lähteet

Tärkeitä kontrollimuuttujia

Tutkimuksen tulisi kontrolloida seuraavia:

• Aiheen relevanssi
• Julkaisuvuosi
• Avoin saatavuus
• Tiivistelmän saatavuus
• Kokotekstin saatavuus
• Julkaisukanava
• Olemassa oleva tieteellisten sitaattien määrä
• Institutionaalinen maine
• Kieli
• Sivun nopeus ja indeksoitavuus
• Työn tyyppi
• Tekijän nimen yleisyys
• Yhteistyökumppaneiden määrä
• Hakukyselyn sanamuoto
• Hakujärjestelmä

Pääasiallinen tilastollinen malli voisi arvioida:

text Probability of correct citation = identity strength

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

Logistinen regressio tai sekoitettujen vaikutusten malli olisi sopiva kyllä-tai-ei-tulokseen, kuten siihen, siteerattiinko teosta. Negatiivinen binomimalli voi olla hyödyllinen sitaattimäärien osalta, koska sitaattidata on usein epätasaisesti jakautunut.

Tulos tulisi raportoida todennäköisyyksien suhteena luottamusvälillä, ei yksinkertaisena prosenttiosuutena. Esimerkiksi:

Yhden keskihajonnan kasvu identiteetin vahvuudessa liittyi sitaattitodennäköisyyden muutokseen, kun relevanssi, ikä, saatavuus ja aiempi tieteellinen huomio oli vakioitu.

Tutkimuksen tulisi raportoida myös nollatulokset. Mikäli suhdetta ei löydy, se olisi hyödyllistä, koska se osoittaisi, että tunnisteet parantavat datan laatua muuttamatta välttämättä tekoälyn sitaattikäyttäytymistä.

Tutkimus kaksi: Kontrolloitu metatietokoe

Havainnointitutkimus voi sekoittaa identiteetin vahvuuden ja suosion. Kontrolloitu koe voi eristää joitakin vaikutuksia.

On olemassa kaksi käytännöllistä versiota.

Versio A: Julkinen verkkokoe

Luo vastaavat sivut, joilla on sama asiasisältö, mutta erilaiset metatietokäsittelyt:

• Vain tekijän perusnimi
• Tekijän nimi ja institutionaalinen profiili
• Tekijän nimi ja ORCID-linkki
• Tekijän nimi, ORCID, DOI, sidostunniste ja strukturoitu data

Julkaise sivut samanaikaisesti ja seuraa:

• Haun löydettävyys
• Oikea tekijän yhdistäminen
• Haku tekoälyvastauksiin
• Sitaattitiheys
• Sitaatin oikeellisuus

Tämä koe on tulkittava huolellisesti. Julkiset järjestelmät voivat indeksoida sivuja eri aikoina, eivätkä organisaatiot voi helposti muuttaa Crossref- tai DataCite-tietueita jo julkaistun teoksen osalta.

Versio B: Kontrolloitu tutkimusindeksi

Rakenna pieni hakujärjestelmä, joka sisältää samat dokumentit eri metatieto-olosuhteissa. Vaihtele vain:

• Tekijätunniste
• DOI
• Sidos
• Osallistujarooli
• Profiililinkit
• Alkuperäkentät

Kysy sitten samat kysymykset ja mittaa hakua ja sitaatin valintaa. Tämä koe antaa paremman hallinnan, mutta se mittaa tutkimusjärjestelmää eikä kaupallisia alustoja.

Tutkimus kolme: Organisaation vaiheittainen käyttöönotto

Vahvin käytännöllinen suunnitelma on erotuserojen tutkimus.

Organisaatio voi ottaa käyttöön tekijäkeskittymiä vaiheittain:

• Osasto yksi saa koko ohjelman käyttöön lokakuussa 2026.
• Osasto kaksi saa sen tammikuussa 2027.
• Osasto kolme saa sen huhtikuussa 2027.

Kaikki osastot mitataan ennen käyttöönottoa ja sen jälkeen. Osastot, jotka eivät ole vielä saaneet ohjelmaa, toimivat väliaikaisina vertailuryhminä.

Mittaukset:

• Oikea tekijän attribuutio
• DOI-resoluutio
• Sitaattitiheys
• Sitaattien tarkkuus
• Hakunäytöt
• Profiilisivujen vierailut
• Huonojen metatietojen korjaamiseen tarvittava aika

Tämä suunnitelma on vahvempi kuin yksinkertainen ennen ja jälkeen -vertailu, koska se auttaa erottamaan käyttöönoton vaikutuksen tekoälyjärjestelmien laajemmista muutoksista.

Hypoteeseja, jotka kannattaa testata

Organisaatiot voivat ennakkorekisteröidä nämä hypoteesit:

• H1: Vahvemmat identiteettilinkit parantavat oikeaa tekijän attribuutiota.
• H2: Täydelliset DOI-metatiedot parantavat kelvollisten sitaattien tiheyttä.
• H3: Sidostunnisteet auttavat eniten, kun tekijöillä on yleisiä nimiä tai he vaihtavat organisaatioita.
• H4: Tutkijaprofiilit parantavat löydettävyyttä enemmän kuin ne parantavat lopullista sitaattitiheyttä.
• H5: Identiteetin vahvuudella on suurempi vaikutus harvoin siteerattuihin tekijöihin kuin jo tunnettuihin tekijöihin.
• H6: Vaikutus vaihtelee järjestelmän, aiheen, kielen ja julkaisutyypin mukaan.
• H7: Ajantasaisuus ja aiheen relevanssi ovat tärkeämpiä kuin profiilin koristelu.

Mitä meriittejä tulisi julkaista?

Profiilin tulisi julkaista tarkistettavissa olevat meriitit. Jokaisella meriitillä tulisi olla:

• Meriitin tyyppi
• Henkilö, jolla se on
• Myöntävä organisaatio
• Organisaation pysyvä tunniste, jos saatavilla
• Alku- ja päättymispäivämäärät
• Varmennuslähde
• Tila, kuten nykyinen, vanhentunut, kiistanalainen tai arkistoitu
• Viimeksi tarkastettu -päivämäärä

Organisaatioiden tulisi merkitä kunkin meriitin lähde:

• Itse ilmoitettu
• Institutionaalisesti varmennettu
• Kustantajan varmentama
• Rahoittajan varmentama
• Tuotu rekisteristä
• Odottaa tarkastusta

Vältä tukemattomien nimikkeiden, kuten ”johtava asiantuntija” tai ”maailmankuulu tutkija”, julkaisemista. Korvaa ne todisteilla:

• Teosten määrä ja tyyppi
• Tutkimusalueet
• Varmennetut roolit
• Rahoitetut projektit
• Toimitustyö
• Julkiset aineistot tai ohjelmistot
• Institutionaaliset nimitykset

Tämä lähestymistapa on hyödyllisempi sekä lukijoille että koneille.

Organisaatioiden käyttöönotto suunnitelma

Vaihe yksi: Luo metatietopolitiikka

Määritä pieni ohjausryhmä, jossa on edustajia seuraavista:

• Tutkimushallinto
• Kirjastopalvelut
• Tietotekniikka
• Viestintä
• Julkaisu- tai arkistopalvelut
• Tietosuoja
• Tutkimuksen etiikka

Luo lyhyt tietopolitiikka, joka määrittelee:

• Pakolliset kentät
• Hyväksytyt tunnistinjärjestelmät
• Kuka voi vahvistaa kunkin kentän
• Mitkä kentät ovat julkisia
• Miten korjaukset käsitellään
• Kuinka kauan päivitysten pitäisi kestää
• Mitä tapahtuu, kun henkilö lähtee

Käytä yhtä datatietuetta järjestelmien välillä. Vähintään jokaisella henkilö-, työ-, organisaatio- ja meriittitietueella tulisi olla:

text persistent_id display_name source asserted_by valid_from valid_to last_verified status evidence_url

Vaihe kaksi: Kerää varmennetut tunnisteet

Pyydä tutkijoita yhdistämään ORCID-tietueensa todennetun prosessin kautta. Älä tee instituutiosta vastuullista arvaamaan, mikä ORCID iD kuuluu henkilölle.

Samanaikaisesti:

• Määritä organisaatiotunnisteet osastoille ja laitoksille
• Linkitä henkilöstötietueet ORCIDiin
• Yhdistä olemassa olevat julkaisut DOI-tietueisiin
• Merkitse nimien ristiriidat
• Säilytä vaihtoehtoiset nimimuodot
• Tallenna suostumus- ja näkyvyysasetukset

Vaihe kolme: Paranna DOI-metatietoja

Uusien teosten osalta edellytä julkaisuprosessia keräämään:

• Tekijöiden täydelliset nimet
• Varmennetut ORCID iD:t
• Sidokset
• Organisaatiotunnisteet
• Osallistujaroolit
• Rahoituksen tunnisteet
• Tiivistelmät
• Viitteet
• Lisenssit
• Versio- ja päivitystiedot

Vanhempien teosten osalta aloita viidestä viimeisimmästä vuodesta ja organisaation eniten käytetyistä tekijöistä.

Crossref ja DataCite tulisi saada korjauksia ja päivityksiä alkuperäisen tallennuksen sijaan. DOI-merkkijonot pysyvät pysyvinä, kun taas niihin liittyviä metatietoja voidaan ylläpitää. Crossrefin metatietojen ylläpito (crossref.org)

Vaihe neljä: Rakenna kanoniset tekijäsivut

Jokaisella tutkijalla tulisi olla yksi vakaa institutionaalinen sivu. Tämän sivun tulisi:

• Käyttää pysyvää verkko-osoitetta
• Näyttää nykyisen roolin
• Säilyttää aiemmat roolit päivämäärineen
• Linkittää ORCIDiin
• Linkittää valittuihin DOI-tietueisiin
• Linkittää julkisiin tutkijaprofiileihin
• Näyttää tutkimusalueet
• Näyttää viimeisimmän päivityksen päivämäärän
• Käyttää strukturoitua dataa
• Pysyä hakukoneroottoreiden saavutettavissa
• Välttää kirjautumisen vaatimista

Google suosittelee selkeiden tekijä-URL-osoitteiden ja sameAs-linkkien käyttöä tekijöiden erottamiseksi. Googlen tekijämerkintöjen ohjeet (developers.google.com)

Vaihe viisi: Federoi ja valvo profiileja

Linkitä institutionaalinen sivu:

• ORCIDiin
• Google Scholariin
• OpenAlexiin
• Kustantajien sivuille
• Arkistotietueisiin
• Apurahojen sivuille
• Julkisiin ammattiprofiileihin tarvittaessa

Käytä automatisoituja tarkistuksia löytääksesi:

• Rikkinäiset DOI-linkit
• Puuttuvat ORCID-linkit
• Päällekkäiset tekijät
• Väärät yhteistyökumppanien yhdistelmät
• Vanhat sidokset
• Vanhentuneet meriitit
• Puuttuvat päivityspäivämäärät
• Epäjohdonmukaiset nimet
• Takaisinvedot tai korjaukset

Päivitysten ja roolimuutosten hallinto

Tekijäkeskittymän on säilytettävä historia. Sen ei tulisi kirjoittaa menneisyyttä uudelleen joka kerta, kun henkilö vaihtaa työpaikkaa.

Suositeltu lähdehierarkia

Kun tutkija vaihtaa organisaatiota

Älä poista vanhaa sidosta historiallisista teoksista.

Sen sijaan:

1. Lisää päättymispäivämäärä entiseen työsuhdetietueeseen.
2. Lisää uusi sidos alkamispäivämäärällä.
3. Päivitä institutionaalinen profiili.
4. Pidä historialliset julkaisusidokset ennallaan, ellei kustantaja tee korjausta.
5. Päivitä ORCID-tietue oikean lähteen kautta.
6. Ohjaa vanha profiilisivu arkistoituun tai uuteen sivuun.

Kun henkilö vaihtaa nimeä

Käytä ORCIDia yhdistämään nimivariantteja. Lisää entiset tai vaihtoehtoiset nimet, jos tutkija suostuu. Älä muuta tekijän nimeä julkaistussa DOI-tietueessa vain siksi, että se vastaisi nykyistä profiilia.

Pysyvän tunnisteen tarkoitus on yhdistää teoksia nimenvaihdosten yli ilman, että julkaisutietuetta kirjoitetaan uudelleen.

Kun osallistujan rooli muuttuu

Osallistujan roolia valmiissa työssä tulisi käsitellä osana historiallista tietuetta.

Esimerkiksi:

• Henkilön rooli julkaistussa artikkelissa ei saa muuttua siksi, että hänestä tulee myöhemmin osastonjohtaja.
• Toimituksellisella roolilla tulisi olla alku- ja päättymispäivämäärä.
• Apuraharooli tulisi sitoa apurahakauteen.
• Ohjelmistorooli tulisi sitoa versioon tai julkaisuun.

Jos alkuperäinen osallistumistietue on virheellinen, käytä virallista korjausprosessia. Älä ylikirjoita sitä hiljaisesti.

Kun pätevyys vanhenee

Käytä selkeitä tilan arvoja:

• Nykyinen
• Vanhentunut
• Uusittu
• Keskeytetty
• Kiistanalainen
• Arkistoitu

Automatisoituja muistutuksia tulisi lähettää ennen vanhenemista. Julkisten profiilien tulisi näyttää tila ja päivämäärä sen sijaan, että vanhentunut meriitti jätetään näkyviin selityksettä.

Kun tutkija lähtee organisaatiosta

Organisaation tulisi:

• Säilyttää historiallinen profiili
• Merkitä entinen rooli selkeästi
• Säilyttää linkit julkaistuihin teoksiin
• Siirtää profiilin omistajuus
• Asettaa uudelleenohjaus entiselle sivulle
• Poistaa yksityiset yhteystiedot
• Säilyttää institutionaaliset väitteet, jotka olivat totta entisen työsuhteen aikana

Kun tekijyydestä kiistellään

Jäädytä kiistanalainen kenttä, säilytä alkuperäinen lähde ja kirjaa kiista. Älä poista tekijää tai muuta osallistumisrooleja pelkän epävirallisen pyynnön perusteella.

Tutkimuksen etiikkatoimiston, kustantajan tai vastuullisen projektiviranomaisen tulisi määrittää virallinen korjauspolku.

Onnistumisen mittarit

Organisaatioiden tulisi seurata toiminnan laatua ennen kuin ne lupaavat lisääntynyttä tekoälyn näkyvyyttä.

Ehdotettuja tavoitteita ovat:

• 95 prosentilla aktiivisista tutkijoista on varmennettu ORCID iD
• 95 prosenttia uusista teoksista sisältää ORCIDin, jos saatavilla
• 95 prosenttia sidoksista käyttää pysyvää organisaatiotunnistetta
• 100 prosenttia uusista DOI-talletuksista läpäisee metatietojen validoinnin
• 100 prosenttia tekijäsivuista sisältää vakaan profiiliosoitteen
• 100 prosenttia roolimuutoksista sisältää päivämäärät
• Alle 1 prosentti teoksista on virheellisesti liitetty tekijään
• Metatietojen korjaukset valmistuvat 30 päivän kuluessa
• Nykyiset työsuhteen muutokset ilmestyvät seitsemän päivän kuluessa
• Takaisinvedot ja viralliset korjaukset näkyvät viipymättä

Tekoälysitaattitutkimuksen osalta seurattavat asiat:

• Oikea tekijän attribuutiotiheys
• Kelvollisten DOI:n tiheys
• Sitaattien tarkkuus
• Sitaattien kattavuus
• Teoksen sitaattitiheys
• Yli järjestelmien välinen yhdenmukaisuus
• Aika metatietojen korjaamisesta parantuneeseen indeksointiin
• Ero profiilin löydettävyyden ja lopullisen vastauksen sitaattien välillä

Organisaation tulisi raportoida nämä mittarit tieteenalan, kielen, uravaiheen ja nimen yleisyyden mukaan. Muuten keskimääräinen pistemäärä voi peittää epätasaisia tuloksia.

Riskit ja suojatoimet

Tekijäkeskittymät voivat luoda uusia riskejä, jos niistä tulee portinvartijajärjestelmä.

Organisaatioiden ei tulisi:

• Rangaista tutkijoita, jotka pitävät osan ORCID-tiedoistaan yksityisinä
• Käsittää julkista Google Scholar -profiilia laadun todisteena
• Käyttää sitaattimääriä vertaisarvioinnin korvikkeena
• Julkaista henkilökohtaisia yhteystietoja tarpeettomasti
• Johtaa asiantuntemusta pelkästään institutionaalisesta maineesta
• Vaatia jokaista tutkijaa käyttämään samaa julkista profiilipalvelua
• Käsitellä puuttuvia tunnisteita todisteena väärinkäytöksestä
• Sallia automatisoitujen järjestelmien ylikirjoittaa tietueita ilman tarkistusta

ORCIDin käyttöönottotiheys ja metatietojen laatu vaihtelevat tieteenalan, maan, uravaiheen ja julkaisutyypin mukaan. Oikeudenmukaisen järjestelmän on tuettava manuaalista korjausta, yksityisyyden hallintaa, nimien monimuotoisuutta ja ihmisiä, joiden työtä lehtijulkaisumetrit eivät edusta hyvin.

Yhteenveto

Vahva tekijäkeskittymä ei ole henkilökohtainen brändäysprojekti. Se on koneellisesti luettavissa oleva todistusaineistojärjestelmä.

• ORCID yhdistää henkilön pysyvään identiteettiin.
• Crossref ja DataCite yhdistävät teokset vakaisiin tunnisteisiin ja rikkaisiin metatietoihin.
• Research Organization Registry -tunnisteet yhdistävät ihmisiä ja teoksia organisaatioihin.
• Osallistujaroolit näyttävät, mitä kukin henkilö todella teki.
• Institutionaaliset ja tutkijaprofiilit tarjoavat julkisen kontekstin.
• Strukturoitu data auttaa hakujärjestelmiä tulkitsemaan suhteita.
• Hallinto ja versiohistoria näyttävät, mikä on ajantasaista, mikä oli totta menneisyydessä ja kuka vahvisti kunkin väitteen.

Todennäköinen hyöty ei ole automaattinen sijoituksen nousu. Hyöty on vahvempi ketju: henkilö → työ → organisaatio → todisteet.

Organisaatioiden tulisi siksi sitoutua kahteen asiaan:

1. Standardoi ja ylläpidä metatiedot.
2. Mittaa tekoälyn sitaattikäyttäytymistä sen sijaan, että olettaa vaikutusta.

Uskottavin tekijäkeskittymä ei ole se, jolla on eniten merkkejä. Se on se, jonka tärkeät väitteet ovat pysyviä, yhdistettyjä, lähteistettyjä, ajantasaisia ja helposti varmennettavissa.