Membangun Pusat Penulis: ORCID, Crossref, dan Profil Akademik sebagai Primitif Kepercayaan

Membangun Pusat Penulis: ORCID, Crossref, dan Profil Akademik sebagai Primitif Kepercayaan

Pusat penulis adalah catatan publik yang terhubung yang membantu orang dan mesin menjawab tiga pertanyaan dasar:

1. Siapa yang membuat karya ini?
2. Apa sebenarnya karya tersebut?
3. Mengapa seseorang harus mempercayai hubungan antara orang, karya, dan organisasi?

Bagi pembaca manusia, pusat penulis mungkin terlihat seperti halaman profil dengan biografi, publikasi, kredensial, dan tautan. Untuk sistem kecerdasan buatan, lebih berguna untuk menganggapnya sebagai grafik bukti yang terhubung.

Pusat penulis yang kuat menghubungkan:

• Seseorang ke ORCID iD
• Publikasi, kumpulan data, laporan, atau paket perangkat lunak ke Pengidentifikasi Objek Digital
• Sebuah karya ke metadata Crossref atau DataCite yang lengkap
• Seorang peneliti ke afiliasi dan organisasi yang terverifikasi
• Profil publik ke halaman web institusi yang stabil
• Kontribusi ke peran yang jelas, seperti yang ada di Taksonomi Peran Kontributor
• Peran saat ini dan masa lalu ke tanggal, sumber, dan catatan pembaruan

Koneksi ini dapat meningkatkan resolusi identitas, pengambilan, akurasi sitasi, dan verifikasi sumber. Koneksi ini tidak menjamin bahwa sistem kecerdasan buatan akan mengutip seorang penulis. Tidak ada bukti publik yang kredibel bahwa penambahan satu ORCID iD menghasilkan peningkatan tetap dalam sitasi kecerdasan buatan. Klaim yang lebih kuat lebih sempit dan lebih dapat dipertahankan: metadata identitas dan karya yang baik memudahkan sistem pencarian dan penelitian untuk menemukan, mencocokkan, memverifikasi, dan mengutip materi ilmiah dengan benar.

Artikel ini mencerminkan dokumentasi publik dan penelitian yang tersedia per 13 Agustus 2026.

Mengapa Pusat Penulis Penting bagi Sistem Kecerdasan Buatan

Sistem kecerdasan buatan tidak semuanya menggunakan indeks pencarian, basis data, atau metode peringkat yang sama. Beberapa bergantung pada pencarian web langsung. Lainnya menggunakan basis data ilmiah, indeks berlisensi, penyimpanan pengetahuan internal, atau sistem pengambilan yang mencari dokumen sebelum menghasilkan jawaban.

Namun, banyak sistem menghadapi masalah teknis yang sama:

• Nama mungkin dieja dengan cara yang berbeda.
• Beberapa peneliti mungkin memiliki nama yang sama.
• Sebuah karya mungkin memiliki preprint, versi konferensi, manuskrip yang diterima, dan versi final.
• Artikel jurnal mungkin ditautkan ke kumpulan data, paket perangkat lunak, hibah, atau koreksi.
• Seorang penulis dapat berpindah institusi atau nama.
• Halaman web dapat menjelaskan kredensial tanpa menunjukkan siapa yang menerbitkannya atau kapan itu valid.

Pengidentifikasi persisten dan metadata terstruktur membantu memecahkan masalah ini.

Sistem Pengidentifikasi Objek Digital mendefinisikan pengidentifikasi sebagai nama persisten untuk objek digital, fisik, atau abstrak. Nilainya tidak hanya bergantung pada pengidentifikasi, tetapi juga pada metadata yang terhubung dengannya. Panduan DOI (doi.org)

Cara yang berguna untuk memikirkan pusat penulis adalah sebagai empat lapisan yang terhubung:

Tujuannya bukan untuk membuat profil yang penuh dengan kata-kata yang mengesankan. Tujuannya adalah untuk membuat catatan di mana klaim penting dapat diperiksa.

Tiga Bagian Utama dari Pusat Penulis

1. ORCID: Lapisan Identitas Individu

ORCID adalah singkatan dari Open Researcher and Contributor ID. Ini menyediakan pengidentifikasi persisten untuk seseorang dan membantu membedakan peneliti yang memiliki nama serupa, menggunakan bentuk nama yang berbeda, atau mengubah nama mereka seiring waktu. Ikhtisar ORCID (support.orcid.org)

Catatan ORCID dapat berisi:

• Nama dan varian nama
• Pekerjaan dan pendidikan
• Karya penelitian
• Pendanaan
• Aktivitas tinjauan sejawat
• Layanan editorial
• Keanggotaan dan penghargaan
• Sumber daya penelitian
• Tautan ke pengidentifikasi lain

Fitur terpenting bukanlah nomor 16 digit itu sendiri. Ini adalah jaringan koneksi yang didukung yang terhubung dengan nomor tersebut.

Contohnya:

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

Koneksi terautentikasi lebih kuat

Organisasi harus mengumpulkan ORCID iD melalui proses sign-in yang terautentikasi daripada meminta orang untuk mengetikkan pengidentifikasi ke dalam formulir. ORCID merekomendasikan penggunaan proses otorisasi agar peneliti mengonfirmasi catatan yang benar. Panduan integrasi dan antarmuka pemrograman aplikasi ORCID (info.orcid.org)

Perbedaan ini penting:

• Klaim tidak terverifikasi: “ORCID iD ini milik Jane Smith.”
• Klaim terautentikasi: “Jane Smith masuk melalui ORCID dan mengizinkan sistem ini untuk menggunakan iD-nya.”
• Pernyataan institusional: “Universitas mengonfirmasi bahwa orang ini memiliki afiliasi ini selama tanggal-tanggal ini.”

ORCID juga menyimpan sumber dan asal pernyataan. Sebuah karya atau afiliasi dapat ditambahkan oleh peneliti, penerbit, pemberi dana, atau organisasi terpercaya lainnya. Panduan kepercayaan ORCID (info.orcid.org)

Ini menciptakan sinyal kepercayaan yang berguna bagi orang dan mesin:

Catatan tersebut tidak hanya menyatakan apa yang diklaim. Ini juga dapat menunjukkan siapa yang membuat klaim dan kapan klaim itu ditambahkan.

Batasan penting

ORCID iD bukanlah jaminan bahwa setiap item dalam catatan itu benar. ORCID sendiri mendorong pengguna untuk memeriksa penanda kepercayaan, sumber, tanggal, dan organisasi yang menambahkan informasi. Penanda kepercayaan ORCID (info.orcid.org)

Oleh karena itu, organisasi tidak boleh memperlakukan “memiliki ORCID iD” sama dengan “terverifikasi sepenuhnya.” Model yang lebih baik adalah:

• Pernyataan mandiri
• Terautentikasi
• Dikonfirmasi institusi
• Dikonfirmasi penerbit
• Dikonfirmasi pemberi dana
• Baru saja ditinjau

2. Crossref dan DataCite: Lapisan Identitas Karya

ORCID mengidentifikasi orangnya. Crossref dan DataCite membantu mengidentifikasi karya.

Pengidentifikasi Objek Digital dapat mengidentifikasi:

• Artikel jurnal
• Buku dan bab buku
• Makalah konferensi
• Kumpulan data
• Perangkat lunak
• Laporan
• Preprint
• Tinjauan sejawat
• Standar
• Poster dan presentasi

DOI harus mengarah ke halaman landing yang stabil. Yang lebih penting, DOI harus memiliki metadata lengkap yang menjelaskan karya tersebut.

Crossref merekomendasikan pencatatan informasi seperti:

• Nama keluarga dan nama depan
• Peran kontributor
• Afiliasi
• Pengidentifikasi organisasi
• ORCID iD
• Tanggal publikasi
• Abstrak
• Referensi
• Pendanaan
• Lisensi
• Informasi versi
• Pembaruan dan koreksi

Metadata wajib dan yang direkomendasikan Crossref (crossref.org)

Crossref menggambarkan metadatanya sebagai sumber daya bersama yang dapat diakses melalui antarmuka web, antarmuka pemrograman aplikasi, dan unduhan massal. Sistem hilir dapat menggunakan informasi tersebut untuk menemukan dan menghubungkan output ilmiah. Pengambilan metadata Crossref (crossref.org)

DataCite memiliki fungsi serupa untuk kumpulan data dan banyak output penelitian lainnya. Skema Metadata 4.7 saat ini, yang dirilis pada 3 Maret 2026, mendukung pembuat, kontributor, pengidentifikasi ORCID, afiliasi, pengidentifikasi organisasi, pengidentifikasi terkait, pendanaan, deskripsi, dan jenis sumber daya. Skema Metadata DataCite (schema.datacite.org)

DataCite secara khusus merekomendasikan penghubungan catatan pembuat dan kontributor ke pengidentifikasi ORCID dan afiliasi organisasi ke pengidentifikasi organisasi. Pengidentifikasi nama DataCite (support.datacite.org)

DOI bukanlah lencana kualitas

DOI membuktikan bahwa sebuah catatan ada dalam sistem pendaftaran DOI. Itu tidak membuktikan bahwa:

• Penelitian itu benar
• Publikasi itu telah ditinjau sejawat
• Jurnal itu bereputasi
• Penulis itu seorang ahli
• Temuan itu penting

Crossref menjelaskan poin ini dengan jelas: DOI itu sendiri tidak menunjukkan nilai atau akurasi objek. Metadata di sekitarnya memberikan konteks dan memungkinkan koneksi. Panduan DOI Crossref (support.crossref.org)

Inilah sebabnya mengapa catatan DOI yang lengkap jauh lebih berguna daripada string DOI yang ditempatkan di bagian bawah halaman.

Peran kontributor menambah makna

Pada Juli 2026, Skema Crossref 5.5 menambahkan dukungan yang lebih baik untuk berbagai peran kontributor, penulis korespondensi, dan Taksonomi Peran Kontributor. Skema Crossref 5.5 (crossref.org)

Taksonomi Peran Kontributor berisi 14 peran, termasuk:

• Konseptualisasi
• Kurasi data
• Analisis formal
• Investigasi
• Metodologi
• Perangkat lunak
• Supervisi
• Validasi
• Visualisasi
• Menulis draf asli
• Menulis, meninjau, dan mengedit

Taksonomi ini dirancang untuk membuat kontribusi lebih transparan dan mendukung kredit, akuntabilitas, penilaian penelitian, dan integritas penelitian. Taksonomi Peran Kontributor (credit.niso.org)

Untuk sistem kecerdasan buatan, ini menciptakan jawaban yang lebih kaya daripada “Jane Smith adalah seorang penulis.” Sistem berpotensi membedakan antara:

• Orang yang merancang studi
• Orang yang menulis perangkat lunak
• Orang yang menganalisis data
• Orang yang mengawasi proyek
• Orang yang menulis manuskrip asli

Itu sangat penting untuk tim peneliti besar dan proyek teknis.

3. Profil Akademik: Lapisan Konteks

Profil akademik membuat grafik identitas dapat dipahami oleh orang dan lebih mudah diinterpretasikan oleh sistem pencarian.

Profil yang kuat harus mencakup:

• Halaman institusi yang stabil
• Nama yang konsisten
• Varian nama jika sesuai
• ORCID iD
• Afiliasi saat ini dan masa lalu
• Bidang penelitian
• Karya terpilih dengan tautan DOI
• Kumpulan data, perangkat lunak, dan laporan
• Pendanaan dan penghargaan
• Peran editorial atau peninjauan
• Peran kontributor
• Tanggal untuk posisi saat ini dan masa lalu
• Tanggal terakhir ditinjau
• Tautan ke profil publik lainnya

Profil Google Scholar memungkinkan peneliti untuk mencantumkan publikasi, membuat profil publik, melihat siapa yang mengutip karya mereka, dan melacak metrik sitasi. Profil publik dengan alamat email institusi yang terverifikasi mungkin memenuhi syarat untuk muncul di hasil pencarian Google Scholar. Profil Google Scholar (scholar.google.com)

Namun, Google Scholar harus diperlakukan sebagai lapisan visibilitas dan penemuan, bukan sumber kebenaran utama. Peneliti dapat mengelola daftar publikasi mereka sendiri, dan pencocokan otomatis dapat menyertakan karya yang salah atau duplikat. Jumlah sitasi juga bervariasi di berbagai basis data.

OpenAlex menawarkan lapisan penemuan berguna lainnya. Ini mempertahankan catatan penulis yang telah di-disambiguasi dan menghubungkan penulis, karya, institusi, sumber, dan topik. OpenAlex menyatakan bahwa mereka menarik informasi dari sumber-sumber seperti Crossref dan DataCite, kemudian mencocokkan penulis dengan ORCID iD dan afiliasi dengan pengidentifikasi organisasi. Deskripsi ekosistem OpenAlex (help.openalex.org)

Praktik terbaik adalah federasi profil:

text Halaman penulis institusi ↕ Catatan ORCID ↕ Catatan karya Crossref atau DataCite ↕ Profil OpenAlex dan Google Scholar ↕ Halaman penerbit, repositori, pemberi dana, dan profesional

Tidak ada satu profil pun yang perlu berisi segalanya. Mereka harus saling menunjuk satu sama lain dan menggunakan pengidentifikasi yang sama.

Bagaimana Sinyal Ini Dapat Memengaruhi Sitasi Kecerdasan Buatan

Penting untuk memisahkan lima peristiwa yang berbeda:

1. Penemuan: Bisakah sistem menemukan halaman atau karya tersebut?
2. Resolusi identitas: Bisakah itu mengetahui orang dan organisasi mana yang terlibat?
3. Pengambilan: Apakah sistem membawa karya tersebut ke dalam set buktinya?
4. Pemilihan sitasi: Apakah sistem mengutip karya tersebut dalam jawaban?
5. Kebenaran sitasi: Apakah sitasi menunjuk ke karya yang tepat dan mendukung klaim?

ORCID, metadata DOI, dan profil akademik dapat membantu secara paling langsung dengan tiga langkah pertama. Mereka juga dapat meningkatkan kebenaran sitasi. Efeknya pada pemilihan sitasi kemungkinan akan tergantung pada relevansi topik, kualitas sumber, kekinian, aksesibilitas, dan sistem kecerdasan buatan tertentu.

Dokumentasi Google Search merekomendasikan penggunaan halaman penulis, url, dan tautan sameAs untuk membantu mengidentifikasi penulis artikel. Untuk kumpulan data, Google secara khusus merekomendasikan penggunaan ORCID iD dalam properti sameAs untuk pembuat perorangan. Data terstruktur artikel Google Data terstruktur dataset Google (developers.google.com)

Halaman profil sederhana dapat menggunakan data terstruktur seperti ini:

{ "@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" } ] }

Data terstruktur tidak menjamin fitur pencarian atau sitasi kecerdasan buatan. Google menyatakan bahwa data terstruktur yang diimplementasikan dengan benar pun mungkin tidak muncul di hasil pencarian. Nilainya adalah memberikan cara yang jelas dan standar bagi mesin untuk menginterpretasikan halaman tersebut. Panduan data terstruktur Google (developers.google.com)

Kesimpulan praktisnya adalah:

Pengidentifikasi meningkatkan jalur ke bukti. Itu tidak menggantikan bukti.

Apa Kata Penelitian Saat Ini tentang Sitasi Kecerdasan Buatan

Penelitian tentang perilaku sitasi kecerdasan buatan terutama telah mempelajari akurasi sitasi, pemilihan sumber, dan keterverifikasian. Belum ada perkiraan umum yang dapat diandalkan untuk efek kekuatan identitas yang terhubung dengan ORCID.

Sebuah studi tahun 2023 tentang sitasi yang dihasilkan oleh ChatGPT menemukan tingkat referensi yang dibuat-buat dan kesalahan dalam referensi asli yang substansial. Studi ini memeriksa 636 sitasi yang dihasilkan di 84 makalah dan menemukan bahwa masalah sitasi tetap ada bahkan pada model baru yang diuji. Studi Laporan Ilmiah (nature.com)

Studi lain tentang mesin pencari generatif menemukan bahwa banyak kalimat yang dihasilkan tidak sepenuhnya didukung oleh sitasi dan bahwa banyak sitasi tidak cukup mendukung pernyataan di sampingnya. Mengevaluasi Keterverifikasian dalam Mesin Pencari Generatif (arxiv.org)

Penelitian terbaru juga menunjukkan bahwa sistem pencarian generatif berbeda dalam pilihan sumber, tumpang tindih sumber, stabilitas, dan penggunaan pengetahuan internal versus eksternal. Mencirikan Pencarian Web di Era Kecerdasan Buatan Generatif (aclanthology.org)

Temuan ini mendukung posisi hati-hati:

• DOI dapat mengurangi ambiguitas tentang karya yang dikutip.
• ORCID dapat mengurangi ambiguitas tentang orang tersebut.
• Pengidentifikasi afiliasi dapat mengurangi ambiguitas tentang organisasi.
• Peran kontributor dapat meningkatkan atribusi.
• Profil publik dapat memberikan konteks.
• Tidak satu pun dari sinyal ini menjamin bahwa sistem akan mengambil atau mengutip karya tersebut.

Program Penelitian untuk Mengukur Kekuatan Identitas dan Frekuensi Sitasi Kecerdasan Buatan

Organisasi tidak boleh mengklaim bahwa pusat penulis meningkatkan sitasi kecerdasan buatan sampai mereka mengukur hubungan tersebut secara langsung.

Menentukan skor kekuatan identitas penulis

Berikut ini adalah skor yang diusulkan, bukan standar resmi.

Jangan menyertakan jumlah sitasi, prestise jurnal, atau peringkat institusi dalam skor ini. Faktor-faktor tersebut harus diperlakukan sebagai variabel terpisah. Memasukannya akan menyulitkan untuk menentukan apakah kekuatan identitas itu sendiri terkait dengan frekuensi sitasi.

Mengukur lebih dari satu jenis sitasi

Studi yang berguna harus melacak setidaknya enam hasil:

1. Tingkat sitasi karya Persentase jawaban yang memenuhi syarat yang mengutip karya tertentu.

2. Tingkat atribusi penulis Persentase jawaban yang dengan benar menamai atau mengatribusikan karya kepada penulis yang tepat.

3. Tingkat pengidentifikasi yang valid Persentase sitasi yang berisi DOI yang mengarah ke karya yang benar.

4. Presisi sitasi Persentase sitasi yang benar-benar mendukung pernyataan yang dibuat.

5. Pengingat sitasi Persentase sumber pendukung penting yang dikutip oleh sistem.

6. Stabilitas lintas platform Persentase sitasi yang diulang di berbagai sistem atau pengulangan eksekusi.

Kerangka pengukuran terbaru untuk pencarian generatif memisahkan pemilihan sitasi dari penyerapan sitasi, yang berarti apakah sumber tersebut hanya muncul dalam daftar sitasi atau benar-benar berkontribusi bukti pada jawaban. Perbedaan ini harus dimasukkan dalam studi pusat penulis di masa depan. Kerangka pemilihan sitasi dan penyerapan sitasi (arxiv.org)

Studi Satu: Studi korelasi observasional

Studi ini bertanya:

Apakah karya yang terhubung dengan identitas penulis yang lebih kuat lebih sering dikutip oleh sistem kecerdasan buatan setelah mengontrol faktor topik dan publikasi?

Desain yang disarankan

• Ambil sampel 10.000 hingga 50.000 karya ilmiah
• Meliputi beberapa disiplin ilmu, bahasa, dan jenis publikasi
• Gunakan data Crossref, DataCite, OpenAlex, dan ORCID publik
• Hitung skor kekuatan identitas untuk setiap penulis dan karya
• Buat serangkaian pertanyaan yang relevan dengan karya-karya yang disampel
• Jalankan pertanyaan di beberapa sistem penghasil sitasi
• Ulangi setiap pertanyaan beberapa kali
• Catat tanggal, sistem, pengaturan model, wilayah, dan sumber yang dikutip

Variabel kontrol penting

Studi ini harus mengontrol untuk:

• Relevansi topik
• Tahun publikasi
• Status akses terbuka
• Ketersediaan abstrak
• Ketersediaan teks lengkap
• Tempat
• Jumlah sitasi ilmiah yang ada
• Reputasi institusi
• Bahasa
• Kecepatan halaman dan kemampuan crawl
• Jenis karya
• Nama penulis yang umum
• Jumlah rekan penulis
• Kata-kata kueri
• Sistem pencarian

Model statistik utama dapat memperkirakan:

text Probabilitas sitasi yang benar = kekuatan identitas

• relevansi topikal
• usia karya
• akses terbuka
• sitasi ilmiah
• sistem
• kueri
• kontrol penulis dan topik

Regresi logistik atau model efek campuran akan sesuai untuk hasil ya-atau-tidak seperti apakah suatu karya dikutip. Model binomial negatif mungkin berguna untuk jumlah sitasi karena data sitasi seringkali tidak terdistribusi secara merata.

Hasilnya harus dilaporkan sebagai rasio odds dengan interval kepercayaan, bukan sebagai persentase sederhana. Contohnya:

Peningkatan satu standar deviasi dalam kekuatan identitas dikaitkan dengan perubahan probabilitas sitasi setelah mengontrol relevansi, usia, akses, dan perhatian ilmiah sebelumnya.

Studi ini juga harus melaporkan hasil nol. Temuan tidak adanya hubungan akan berguna karena akan menunjukkan bahwa pengidentifikasi meningkatkan kualitas data tanpa harus mengubah perilaku sitasi kecerdasan buatan.

Studi Dua: Eksperimen metadata terkontrol

Studi observasional dapat membingungkan kekuatan identitas dengan popularitas. Eksperimen terkontrol dapat mengisolasi beberapa efek.

Ada dua versi praktis.

Versi A: Eksperimen web publik

Buat halaman yang cocok dengan konten substantif yang sama tetapi perlakuan metadata yang berbeda:

• Hanya nama penulis dasar
• Nama penulis ditambah profil institusi
• Nama penulis ditambah tautan ORCID
• Nama penulis, ORCID, DOI, pengidentifikasi afiliasi, dan data terstruktur

Publikasikan halaman secara bersamaan dan pantau:

• Penemuan pencarian
• Pencocokan penulis yang benar
• Pengambilan ke dalam jawaban kecerdasan buatan
• Frekuensi sitasi
• Kebenaran sitasi

Eksperimen ini harus diinterpretasikan dengan hati-hati. Sistem publik dapat meng-crawl halaman pada waktu yang berbeda, dan organisasi tidak dapat dengan mudah mengubah catatan Crossref atau DataCite untuk karya yang sudah diterbitkan.

Versi B: Indeks penelitian terkontrol

Bangun sistem pengambilan kecil yang berisi dokumen yang sama di bawah kondisi metadata yang berbeda. Variasikan hanya:

• Pengidentifikasi penulis
• DOI
• Afiliasi
• Peran kontributor
• Tautan profil
• Bidang asal

Kemudian ajukan pertanyaan yang sama dan ukur pengambilan serta pemilihan sitasi. Eksperimen ini memberikan kontrol yang lebih baik, tetapi mengukur sistem penelitian daripada platform komersial.

Studi Tiga: Peluncuran organisasi bertahap

Desain praktis terkuat adalah studi perbedaan-dalam-perbedaan.

Sebuah organisasi dapat meluncurkan pusat penulis secara bertahap:

• Departemen Satu menerima program penuh pada Oktober 2026.
• Departemen Dua menerimanya pada Januari 2027.
• Departemen Tiga menerimanya pada April 2027.

Semua departemen diukur sebelum dan sesudah implementasi. Departemen yang belum menerima program berfungsi sebagai kelompok perbandingan sementara.

Ukur:

• Atribusi penulis yang benar
• Resolusi DOI
• Frekuensi sitasi
• Akurasi sitasi
• Impressi pencarian
• Kunjungan halaman profil
• Waktu yang dibutuhkan untuk mengoreksi metadata yang buruk
• Perubahan pekerjaan saat ini muncul dalam tujuh hari

Desain ini lebih kuat daripada perbandingan sederhana sebelum-dan-sesudah karena membantu memisahkan efek peluncuran dari perubahan yang lebih luas dalam sistem kecerdasan buatan.

Hipotesis yang layak diuji

Organisasi dapat mendaftarkan hipotesis ini sebelumnya:

• H1: Tautan identitas yang lebih kuat meningkatkan atribusi penulis yang benar.

• H2: Metadata DOI yang lengkap meningkatkan tingkat sitasi yang valid.

• H3: Pengidentifikasi afiliasi paling membantu ketika penulis memiliki nama umum atau berpindah antar institusi.

• H4: Profil akademik meningkatkan penemuan lebih dari sekadar meningkatkan frekuensi sitasi akhir.

• H5: Kekuatan identitas memiliki efek yang lebih besar pada penulis long-tail daripada pada penulis yang sudah terkenal.

• H6: Efek bervariasi berdasarkan sistem, topik, bahasa, dan jenis publikasi.

• H7: Kekinian dan relevansi topikal lebih penting daripada dekorasi profil.

Kredensial Apa yang Harus Dipublikasikan?

Profil harus mempublikasikan kredensial yang dapat diperiksa. Setiap kredensial harus memiliki:

• Jenis kredensial
• Orang yang memilikinya
• Organisasi penerbit
• Pengidentifikasi persisten untuk organisasi jika tersedia
• Tanggal mulai dan berakhir
• Sumber verifikasi
• Status seperti saat ini, kedaluwarsa, disengketakan, atau diarsipkan
• Tanggal terakhir ditinjau

Organisasi harus melabeli sumber setiap kredensial:

• Dilaporkan sendiri
• Diverifikasi institusi
• Diverifikasi penerbit
• Diverifikasi pemberi dana
• Diimpor dari registri
• Menunggu peninjauan

Hindari mempublikasikan label yang tidak didukung seperti “pakar terkemuka” atau “peneliti terkenal di dunia.” Ganti dengan bukti:

• Jumlah dan jenis karya
• Bidang penelitian
• Peran terverifikasi
• Proyek yang didanai
• Layanan editorial
• Kumpulan data atau perangkat lunak publik
• Penunjukan institusional

Pendekatan ini lebih berguna bagi pembaca dan mesin.

Rencana Peluncuran untuk Organisasi

Fase Satu: Buat kebijakan metadata

Tunjuk kelompok tata kelola kecil dengan perwakilan dari:

• Administrasi penelitian
• Layanan perpustakaan
• Teknologi informasi
• Komunikasi
• Layanan penerbitan atau repositori
• Privasi
• Integritas penelitian

Buat kebijakan data singkat yang mendefinisikan:

• Bidang yang wajib diisi
• Sistem pengidentifikasi yang disetujui
• Siapa yang dapat menyatakan setiap bidang
• Bidang mana yang bersifat publik
• Bagaimana koreksi ditangani
• Berapa lama waktu yang dibutuhkan untuk pembaruan
• Apa yang terjadi ketika seseorang pergi

Gunakan satu kontrak data di seluruh sistem. Minimal, setiap orang, karya, organisasi, dan catatan kredensial harus memiliki:

text persistent_id display_name source asserted_by valid_from valid_to last_verified status evidence_url

Fase Dua: Kumpulkan pengidentifikasi terautentikasi

Minta peneliti untuk menghubungkan catatan ORCID mereka melalui proses terautentikasi. Jangan membuat institusi bertanggung jawab untuk menebak ORCID iD mana yang milik seseorang.

Pada saat yang sama:

• Tetapkan pengidentifikasi organisasi untuk departemen dan institusi
• Tautkan catatan staf ke ORCID
• Cocokkan publikasi yang ada dengan catatan DOI
• Tandai bentrokan nama
• Pertahankan bentuk nama alternatif
• Catat pengaturan persetujuan dan visibilitas

Fase Tiga: Tingkatkan metadata DOI

Untuk karya baru, wajibkan alur kerja publikasi untuk mengumpulkan:

• Nama penulis lengkap
• ORCID iD terautentikasi
• Afiliasi
• Pengidentifikasi organisasi
• Peran kontributor
• Pengidentifikasi pendanaan
• Abstrak
• Referensi
• Lisensi
• Informasi versi dan pembaruan

Untuk karya lama, mulailah dengan lima tahun terakhir dan penulis yang paling sering digunakan oleh organisasi.

Crossref dan DataCite harus menerima koreksi dan pembaruan daripada hanya deposit asli. String DOI tetap persisten, sementara metadata terkait dapat dikelola. Pemeliharaan metadata Crossref (crossref.org)

Fase Empat: Bangun halaman penulis kanonis

Setiap peneliti harus memiliki satu halaman institusi yang stabil. Halaman itu harus:

• Menggunakan alamat web permanen
• Menunjukkan peran saat ini
• Mempertahankan peran sebelumnya dengan tanggal
• Menautkan ke ORCID
• Menautkan ke catatan DOI terpilih
• Menautkan ke profil akademik publik
• Menunjukkan bidang penelitian
• Menampilkan tanggal terakhir diperbarui
• Menggunakan data terstruktur
• Tetap dapat diakses oleh crawler pencarian
• Menghindari kebutuhan login

Google merekomendasikan penggunaan URL penulis yang jelas dan tautan sameAs untuk membantu membedakan penulis. Panduan markup penulis Google (developers.google.com)

Fase Lima: Federasi dan pantau profil

Tautkan halaman institusi ke:

• ORCID
• Google Scholar
• OpenAlex
• Halaman penerbit
• Catatan repositori
• Halaman hibah
• Profil profesional publik jika sesuai

Gunakan pemeriksaan otomatis untuk menemukan:

• Tautan DOI yang rusak
• Tautan ORCID yang hilang
• Penulis duplikat
• Pencocokan rekan penulis yang salah
• Afiliasi lama
• Kredensial kedaluwarsa
• Tanggal pembaruan yang hilang
• Nama yang tidak cocok
• Penarikan atau koreksi

Tata Kelola untuk Pembaruan dan Perubahan Peran

Pusat penulis harus mempertahankan sejarah. Pusat ini tidak boleh menulis ulang masa lalu setiap kali seseorang berganti pekerjaan.

Hierarki sumber yang direkomendasikan

Ketika seorang peneliti berpindah institusi

Jangan menghapus afiliasi lama dari karya historis.

Sebaliknya:

1. Tambahkan tanggal berakhir pada catatan pekerjaan sebelumnya.
2. Tambahkan afiliasi baru dengan tanggal mulai.
3. Perbarui profil institusi.
4. Biarkan afiliasi publikasi historis tidak berubah kecuali penerbit mengeluarkan koreksi.
5. Perbarui catatan ORCID melalui sumber yang tepat.
6. Arahkan ulang halaman profil lama ke halaman yang diarsipkan atau halaman baru.

Ketika seseorang berganti nama

Gunakan ORCID untuk menghubungkan varian nama. Tambahkan nama sebelumnya atau nama alternatif di mana peneliti setuju. Jangan mengubah nama penulis dalam catatan DOI yang diterbitkan hanya untuk membuatnya cocok dengan profil saat ini.

Tujuan pengidentifikasi persisten adalah untuk menghubungkan karya di seluruh perubahan nama tanpa menulis ulang catatan publikasi.

Ketika peran kontributor berubah

Peran kontributor pada karya yang telah selesai harus diperlakukan sebagai bagian dari catatan historis.

Contohnya:

• Peran seseorang dalam artikel yang diterbitkan tidak boleh berubah karena mereka kemudian menjadi ketua departemen.
• Peran editorial harus memiliki tanggal mulai dan berakhir.
• Peran hibah harus dikaitkan dengan periode hibah.
• Peran perangkat lunak harus dikaitkan dengan versi atau rilis.

Jika catatan kontribusi asli salah, gunakan proses koreksi formal. Jangan diam-diam menimpanya.

Ketika kredensial kedaluwarsa

Gunakan nilai status yang jelas:

• Saat ini
• Kedaluwarsa
• Diperbarui
• Ditangguhkan
• Disengketakan
• Diarsipkan

Pengingat otomatis harus dikirim sebelum kedaluwarsa. Profil publik harus menunjukkan status dan tanggal daripada membiarkan kredensial lama terlihat tanpa penjelasan.

Ketika seorang peneliti meninggalkan organisasi

Organisasi harus:

• Mempertahankan profil historis
• Menandai peran sebelumnya dengan jelas
• Mempertahankan tautan ke karya yang diterbitkan
• Mentransfer kepemilikan profil
• Mengatur pengalihan untuk halaman sebelumnya
• Menghapus informasi kontak pribadi
• Menjaga pernyataan institusional yang benar selama periode pekerjaan sebelumnya

Ketika kepenulisan disengketakan

Bekukan bidang yang disengketakan, pertahankan sumber asli, dan catat sengketa. Jangan menghapus penulis atau mengubah peran kontribusi hanya berdasarkan permintaan informal.

Kantor integritas penelitian, penerbit, atau otoritas proyek yang bertanggung jawab harus menentukan jalur koreksi formal.

Ukuran Keberhasilan

Organisasi harus melacak kualitas operasional sebelum menjanjikan peningkatan visibilitas kecerdasan buatan.

Target yang disarankan meliputi:

• 95 persen peneliti aktif memiliki ORCID iD terautentikasi
• 95 persen karya baru menyertakan ORCID jika tersedia
• 95 persen afiliasi menggunakan pengidentifikasi organisasi persisten
• 100 persen deposit DOI baru lulus validasi metadata
• 100 persen halaman penulis berisi alamat profil yang stabil
• 100 persen perubahan peran menyertakan tanggal
• Kurang dari 1 persen karya salah ditetapkan ke seorang penulis
• Koreksi metadata diselesaikan dalam 30 hari
• Perubahan pekerjaan saat ini muncul dalam tujuh hari
• Penarikan dan koreksi formal tercermin dengan segera

Untuk studi sitasi kecerdasan buatan, lacak:

• Tingkat atribusi penulis yang benar
• Tingkat DOI yang valid
• Presisi sitasi
• Pengingat sitasi
• Frekuensi sitasi karya
• Kesepakatan lintas sistem
• Waktu dari koreksi metadata hingga peningkatan pengindeksan
• Perbedaan antara penemuan profil dan sitasi jawaban akhir

Organisasi harus melaporkan ukuran-ukuran ini berdasarkan disiplin, bahasa, tahap karier, dan keumuman nama. Jika tidak, skor rata-rata dapat menyembunyikan hasil yang tidak setara.

Risiko dan Perlindungan

Pusat penulis dapat menciptakan risiko baru jika menjadi sistem penjaga gerbang.

Organisasi tidak boleh:

• Menghukum peneliti yang menjaga privasi beberapa informasi ORCID
• Memperlakukan profil Google Scholar publik sebagai bukti kualitas
• Menggunakan jumlah sitasi sebagai pengganti tinjauan sejawat
• Mempublikasikan detail kontak pribadi yang tidak perlu
• Menyimpulkan keahlian hanya dari prestise institusional
• Meminta setiap peneliti untuk menggunakan layanan profil publik yang sama
• Memperlakukan pengidentifikasi yang hilang sebagai bukti pelanggaran
• Membiarkan sistem otomatis menimpa catatan tanpa tinjauan

Adopsi ORCID dan kualitas metadata bervariasi berdasarkan bidang, negara, tahap karier, dan jenis publikasi. Sistem yang adil harus mendukung koreksi manual, kontrol privasi, keragaman nama, dan orang-orang yang karyanya tidak terwakili dengan baik oleh metrik publikasi jurnal.

Kesimpulan

Pusat penulis yang kuat bukanlah proyek branding pribadi. Ini adalah sistem bukti yang dapat dibaca mesin.

• ORCID menghubungkan seseorang ke identitas yang persisten.
• Crossref dan DataCite menghubungkan karya ke pengidentifikasi stabil dan metadata yang kaya.
• Pengidentifikasi Research Organization Registry menghubungkan orang dan karya ke institusi.
• Peran kontributor menunjukkan apa yang sebenarnya dilakukan setiap orang.
• Profil institusi dan akademik memberikan konteks publik.
• Data terstruktur membantu sistem pencarian menginterpretasikan hubungan.
• Tata kelola dan riwayat versi menunjukkan apa yang terkini, apa yang benar di masa lalu, dan siapa yang mengonfirmasi setiap klaim.

Manfaat yang mungkin bukanlah peningkatan peringkat otomatis. Manfaatnya adalah rantai yang lebih kuat dari orang → karya → organisasi → bukti.

Organisasi karena itu harus membuat dua komitmen:

1. Standarisasi dan kelola metadata.
2. Ukur perilaku sitasi kecerdasan buatan daripada berasumsi efeknya.

Pusat penulis yang paling kredibel bukanlah yang memiliki lencana terbanyak. Ini adalah pusat yang klaim pentingnya persisten, terhubung, bersumber, terkini, dan mudah diverifikasi.