著者ハブの構築：信頼の基本要素としてのORCID、Crossref、研究者プロファイル

著者ハブとは、人々や機械が以下の3つの基本的な問いに答えるのに役立つ、公開され、相互に接続された記録です。

この著作を作成したのは誰ですか？
その著作とは正確には何ですか？
人物、著作、組織の間のつながりをなぜ信頼できるのでしょうか？

人間の読者にとって、著者ハブは経歴、出版物、資格、リンクが記載されたプロフィールページのように見えるかもしれません。人工知能システムにとっては、それをリンクされたエビデンスグラフとして考える方がより有用です。

強固な著者ハブは以下を接続します。

人物とORCID iD
出版物、データセット、レポート、またはソフトウェアパッケージとデジタルオブジェクト識別子
著作と完全なCrossrefまたはDataCiteメタデータ
研究者と検証済みの所属および組織
公開プロフィールと安定した機関のウェブページ
貢献と、貢献者役割分類法のような明確な役割
現在および過去の役割と日付、情報源、更新記録

これらの接続は、ID解決、情報検索、引用の正確性、情報源の検証を向上させることができます。これらは、人工知能システムが著者を引用することを保証するものではありません。1つのORCID iDを追加することで、人工知能による引用が一定量増加するという信頼できる公的な証拠はありません。より強力な主張は、より限定的で説得力があります。それは、優れたIDと著作のメタデータは、検索および研究システムが学術資料を見つけ、照合し、検証し、正しく引用するのを容易にするということです。

本記事は、2026年8月13日現在入手可能な公開文書と研究を反映しています。

人工知能システムにとって著者ハブが重要な理由

人工知能システムはすべて同じ検索インデックス、データベース、またはランキング方法を使用しているわけではありません。一部はライブウェブ検索に依存しています。他のものは学術データベース、ライセンスされたインデックス、内部知識ストア、または回答を生成する前に文書を検索する検索システムを使用します。

それでも、多くのシステムは同じ技術的な問題に直面しています。

名前は異なる方法で綴られる場合があります。
複数の研究者が同じ名前を共有する場合があります。
著作にはプレプリント、会議版、採択済み原稿、最終版が存在する場合があります。
ジャーナル記事は、データセット、ソフトウェアパッケージ、助成金、または訂正にリンクされている場合があります。
著者が所属機関や名前を変更する場合があります。
ウェブページが資格を説明していても、誰がいつ発行したかを示していない場合があります。

永続識別子と構造化メタデータは、これらの問題の解決に役立ちます。

デジタルオブジェクト識別子システムは、識別子をデジタル、物理、または抽象オブジェクトの永続的な名前として記述します。その価値は、識別子だけでなく、それに接続されたメタデータにも依存します。 DOIハンドブック (doi.org)

著者ハブを考える上で有用な方法は、4つの接続された層として捉えることです。

層	主な問い	有用な信頼の基本要素
人物	この研究者は誰ですか？	ORCID iD
著作	正確な出版物や成果物は何ですか？	デジタルオブジェクト識別子
組織	著作や役割はどこで行われましたか？	研究組織登録識別子
コンテキスト	その人物は何をして、誰がそれを確認していますか？	機関および研究者プロファイル

目標は、印象的な言葉でいっぱいのプロフィールを作成することではありません。重要な主張が確認できる記録を作成することです。

著者ハブの3つの主要な部分

1. ORCID: 人物ID層

ORCIDはOpen Researcher and Contributor IDの略です。それは個人に永続的な識別子を提供し、似た名前を持つ研究者、異なる名前の形式を使用する研究者、または時間の経過とともに名前を変更する研究者を区別するのに役立ちます。 ORCID概要 (support.orcid.org)

ORCID記録には以下が含まれる場合があります。

名前と名前のバリアント
雇用と教育
研究著作
資金
査読活動
編集サービス
会員資格と功績
研究リソース
他の識別子へのリンク

最も重要な特徴は、16桁の番号そのものではありません。その番号に付随するサポートされる接続のネットワークです。

例：

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

認証された接続はより強力です

組織は、人々がフォームに識別子を入力するように求めるのではなく、認証されたサインインプロセスを通じてORCID iDを収集すべきです。ORCIDは、研究者が正しい記録を確認できるように、その認証プロセスを使用することを推奨しています。 ORCID統合とアプリケーションプログラミングインターフェースのガイダンス (info.orcid.org)

この区別は重要です。

未検証の主張:「このORCID iDはジェーン・スミスに属します。」
認証された主張:「ジェーン・スミスはORCIDを通じてサインインし、このシステムが彼女のiDを使用することを許可しました。」
機関による断言:「大学は、この人物がこれらの期間中にこの所属を持っていたことを確認します。」

ORCIDは、主張の出典と出所も保存します。著作や所属は、研究者、出版社、資金提供機関、または他の信頼できる組織によって追加される場合があります。 ORCID信頼のガイダンス (info.orcid.org)

これは、人間と機械の両方にとって有用な信頼シグナルを生み出します。

記録は、何が主張されているかを述べるだけでなく、誰がいつその主張を行ったかも示すことができます。

重要な制限事項

ORCID iDは、記録上のすべての項目が正しいことを保証するものではありません。ORCID自体は、ユーザーに信頼マーカー、出典、日付、および情報を追加した組織を調べるよう促しています。 ORCID信頼マーカー (info.orcid.org)

したがって、組織は「ORCID iDを持っている」を「完全に検証されている」と同一視すべきではありません。より良いモデルは次のとおりです。

自己主張
認証済み
機関確認済み
出版社確認済み
資金提供機関確認済み
最近レビュー済み

2. CrossrefとDataCite: 著作ID層

ORCIDは人物を特定します。CrossrefとDataCiteは著作を特定するのに役立ちます。

デジタルオブジェクト識別子は以下を特定できます。

ジャーナル記事
書籍および書籍章
会議論文
データセット
ソフトウェア
レポート
プレプリント
査読
標準
ポスターとプレゼンテーション

DOIは安定したランディングページに解決されるべきです。さらに重要なことに、著作を記述する完全なメタデータを持つべきです。

Crossrefは以下のような情報の記録を推奨しています。

姓と名
貢献者役割
所属
組織識別子
ORCID iD
出版年月日
要旨
参考文献
資金
ライセンス
バージョン情報
更新と訂正

Crossrefの必須および推奨メタデータ (crossref.org)

Crossrefは、そのメタデータを、ウェブインターフェース、アプリケーションプログラミングインターフェース、および一括ダウンロードを通じてアクセスできる共有リソースとして説明しています。ダウンストリームシステムは、その情報を使用して学術成果を発見し、接続することができます。 Crossrefメタデータ検索 (crossref.org)

DataCiteは、データセットや他の多くの研究成果に対して同様の機能を提供します。2026年3月3日にリリースされた現在のMetadata Schema 4.7は、作成者、貢献者、ORCID識別子、所属、組織識別子、関連識別子、資金、説明、およびリソースタイプをサポートしています。 DataCiteメタデータスキーマ (schema.datacite.org)

DataCiteは、作成者および貢献者の記録をORCID識別子に、組織の所属を組織識別子に接続することを特に推奨しています。 DataCite名前識別子 (support.datacite.org)

DOIは品質バッジではありません

DOIは、DOI登録システムに記録が存在することを証明します。それは、以下のことを証明しません。

研究が正しいこと
出版物が査読済みであること
ジャーナルが評判の良いものであること
著者が専門家であること
発見が重要であること

Crossrefはこの点を明確にしています。DOI自体はオブジェクトの価値や正確性を示すものではありません。周囲のメタデータがコンテキストを提供し、接続を可能にします。 Crossref DOIガイダンス (support.crossref.org)

これが、完全なDOI記録が、ページの下部に配置されたDOI文字列よりもはるかに有用である理由です。

貢献者役割は意味を加えます

2026年7月、Crossref Schema 5.5は、複数の貢献者役割、責任著者、および貢献者役割分類法（Contributor Roles Taxonomy）に対するより良いサポートを追加しました。 Crossref Schema 5.5 (crossref.org)

貢献者役割分類法には、以下を含む14の役割があります。

概念化
データキュレーション
形式分析
調査
方法論
ソフトウェア
監督
検証
可視化
原稿の執筆（オリジナルドラフト）
執筆、レビュー、編集

この分類法は、貢献をより透明にし、功績、責任、研究評価、研究の誠実性をサポートするために設計されました。貢献者役割分類法 (credit.niso.org)

人工知能システムにとって、これは「ジェーン・スミスは著者である」というよりも豊かな回答を生み出します。システムは以下を区別できる可能性があります。

研究を設計した人物
ソフトウェアを記述した人物
データを分析した人物
プロジェクトを監督した人物
原稿を執筆した人物

これは、大規模な研究チームや技術プロジェクトにとって特に重要です。

3. 研究者プロファイル: コンテキスト層

研究者プロファイルは、IDグラフを人々にとって理解しやすくし、検索システムが解釈しやすくします。

堅牢なプロファイルには以下が含まれるべきです。

安定した機関ページ
一貫した名前
適切な場合の名前のバリアント
ORCID iD
現在および過去の所属
研究分野
DOIリンク付きの主要著作
データセット、ソフトウェア、およびレポート
資金と賞
編集または査読の役割
貢献者役割
現在および過去の役職の日付
最終レビュー日
他の公開プロファイルへのリンク

Google Scholarプロファイルは、研究者が出版物をリストアップし、プロファイルを公開し、誰が彼らの著作を引用しているかを確認し、引用指標を追跡することを可能にします。認証済みの機関メールアドレスを持つ公開プロファイルは、Google Scholarの検索結果に表示される資格がある場合があります。 Google Scholarプロファイル (scholar.google.com)

しかし、Google Scholarは可視性と発見の層として扱われるべきであり、主要な真実の情報源として扱われるべきではありません。研究者は自身の出版物リストを管理でき、自動マッチングには不正確な著作や重複した著作が含まれる可能性があります。引用数もデータベースによって異なります。

OpenAlexはもう一つの有用な発見層を提供します。それは曖昧さ解消された著者記録を維持し、著者、著作、機関、情報源、およびトピックを接続します。OpenAlexは、CrossrefやDataCiteなどの情報源から情報を取得し、著者をORCID iDに、所属を組織識別子に照合すると述べています。 OpenAlexエコシステムの説明 (help.openalex.org)

したがって、最良のプラクティスはプロファイルの連携です。

text 機関の著者ページ ↕ ORCID記録 ↕ CrossrefまたはDataCiteの著作記録 ↕ OpenAlexとGoogle Scholarのプロファイル ↕ 出版社、リポジトリ、資金提供機関、および専門家ページ

どの単一のプロファイルもすべてを含む必要はありません。それらは相互に参照し、同じ識別子を使用すべきです。

これらのシグナルが人工知能の引用にどのように影響するか

5つの異なる事象を区別することが重要です。

発見: システムはページや著作を見つけることができますか？
ID解決: どの人物と組織が関与しているかを判別できますか？
検索: システムはその著作をエビデンスセットに取り込みますか？
引用選択: 回答でその著作を引用しますか？
引用の正確性: 引用は正しい著作を指し、主張を裏付けていますか？

ORCID、DOIメタデータ、および研究者プロファイルは、最初の3つのステップに最も直接的に役立ちます。これらは引用の正確性も向上させる可能性があります。引用選択への影響は、トピックの関連性、情報源の品質、新しさ、アクセシビリティ、および特定の人工知能システムに依存する可能性があります。

Google検索のドキュメントでは、記事の著者を特定するために著者ページ、url、およびsameAsリンクを使用することを推奨しています。データセットの場合、Googleは特に、人物作成者に対するsameAsプロパティにORCID iDを使用することを推奨しています。 Google記事構造化データ Googleデータセット構造化データ (developers.google.com)

シンプルなプロフィールページでは、次のような構造化データを使用できます。

{ "@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" } ] }

構造化データは、検索機能や人工知能による引用を保証するものではありません。Googleは、正しく実装された構造化データであっても、検索結果に表示されない場合があると述べています。その価値は、機械がページを解釈するための明確で標準的な方法を提供することにあります。 Google構造化データガイダンス (developers.google.com)

実用的な結論は次のとおりです。

識別子はエビデンスへの経路を改善します。それらはエビデンスに取って代わるものではありません。

人工知能の引用に関する現在の研究動向

人工知能の引用行動に関する研究は、主に引用の正確性、情報源の選択、および検証可能性を研究してきました。ORCIDにリンクされたIDの強度効果について、信頼できる一般的な推定値はまだ得られていません。

ChatGPTによって生成された引用に関する2023年の研究では、捏造された参考文献や実際の参考文献の誤りがかなりの割合で見られました。この研究は84の論文で生成された636の引用を調査し、テストされた新しいモデルでも引用の問題が残っていることを発見しました。 Scientific Reportsの研究 (nature.com)

生成型検索エンジンに関する別の研究では、生成された多くの文が引用によって十分に裏付けられておらず、多くの引用がその隣の記述を適切に裏付けていないことが判明しました。生成型検索エンジンの検証可能性の評価 (arxiv.org)

最近の研究では、生成型検索システムが情報源の選択、情報源の重複、安定性、内部知識と外部知識の使用において異なっていることも示されています。生成AI時代のウェブ検索の特性評価 (aclanthology.org)

これらの知見は、慎重な姿勢を支持します。

DOIは引用された著作に関する曖昧さを減らすことができます。
ORCIDは人物に関する曖昧さを減らすことができます。
所属識別子は組織に関する曖昧さを減らすことができます。
貢献者役割は帰属を改善することができます。
公開プロファイルはコンテキストを提供できます。
これらのシグナルのいずれも、システムが著作を検索または引用することを保証するものではありません。

ID強度と人工知能引用頻度を測定するための研究プログラム

組織は、著者ハブが人工知能による引用を改善すると主張すべきではありません。その関係を直接測定するまでは。

著者ID強度スコアの定義

以下は提案されたスコアであり、公式な標準ではありません。

構成要素	推奨点数	測定方法
認証済みORCID iD	15	研究者がORCID認証を通じてiDを確認
ORCIDから著作へのリンク	15	ORCID記録上の著作がDOI記録と一致
ORCID情報源の品質	10	重要な主張が出版社、資金提供機関、または機関から提供されている
DOIの完全性	15	DOI記録に著者、ORCID、所属、日付、要旨、関連する参考文献が含まれる
組織連携	10	所属に永続的な組織識別子が含まれる
貢献者役割	10	著作記録に明確な貢献者役割が含まれる
機関プロファイル	10	安定した、公開された、最新の著者ページが存在する
研究者プロファイルの連携	5	Google ScholarとOpenAlexの記録が同じ人物にリンクされている
最新性	10	記録とプロファイルが過去1年以内にレビューされた
合計	100

このスコアには、引用数、ジャーナルの名声、または機関のランキングを含めないでください。これらの要因は独立した変数として扱われるべきです。これらを含めると、IDの強度自体が引用頻度に関連しているかどうかを判断するのが難しくなります。

複数の種類の引用を測定する

有用な研究では、少なくとも6つの結果を追跡すべきです。

著作引用率
特定の著作を引用する適切な回答の割合。
著者帰属率
著作を正しい著者に正しく命名または帰属させる回答の割合。
有効な識別子率
正しい著作に解決されるDOIを含む引用の割合。
引用の正確性（Precision）
述べられた主張を実際に裏付ける引用の割合。
引用の再現率（Recall）
システムが引用する重要な裏付けとなる情報源の割合。
クロスプラットフォーム安定性
異なるシステム間または繰り返し実行された場合に繰り返される引用の割合。

生成型検索に関する最近の測定フレームワークは、引用選択を引用吸収から分離しています。これは、情報源が単に引用リストに表示されるだけでなく、実際に回答にエビデンスを提供するかどうかを意味します。この区別は、今後の著者ハブ研究に含めるべきです。引用選択および引用吸収フレームワーク (arxiv.org)

研究1：観察相関研究

この研究は次のことを問いかけます。

トピックおよび出版要因を管理した後、より強力な著者IDに接続された著作は、人工知能システムによってより頻繁に引用されますか？

推奨される設計

10,000から50,000の学術著作をサンプリングします。
複数の分野、言語、出版タイプをカバーします。
Crossref、DataCite、OpenAlex、および公開ORCIDデータを使用します。
各著者と著作についてID強度スコアを計算します。
サンプリングされた著作が関連する質問セットを作成します。
いくつかの引用生成システムで質問を実行します。
各質問を数回繰り返します。
日付、システム、モデル設定、地域、および引用された情報源を記録します。

重要な制御変数

研究では以下を制御すべきです。

トピックの関連性
出版年
オープンアクセスステータス
要旨の利用可能性
フルテキストの利用可能性
掲載場所
既存の学術引用数
機関の評判
言語
ページの速度とクロール可能性
著作の種類
著者名の一般的な程度
共著者の数
クエリの表現
検索システム

主要な統計モデルは以下を推定できます。

text Probability of correct citation = identity strength

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

著作が引用されたかどうかのようなイエス・ノーの結果には、ロジスティック回帰または混合効果モデルが適切でしょう。引用データはしばしば不均一に分布するため、負の二項モデルは引用数に役立つかもしれません。

結果は単純な割合ではなく、信頼区間付きオッズ比として報告されるべきです。例：

関連性、年数、アクセス、および先行する学術的注目を制御した後、ID強度の1標準偏差の増加は引用確率の変化と関連していました。

研究は帰無結果も報告すべきです。関係がないという発見は、識別子が人工知能の引用行動を必ずしも変更することなくデータ品質を向上させることを示すため、有用でしょう。

研究2：制御されたメタデータ実験

観察研究では、ID強度と人気を混同する可能性があります。制御された実験は、いくつかの効果を分離することができます。

2つの実用的なバージョンがあります。

バージョンA：公開ウェブ実験

実質的に同じコンテンツを持つが、異なるメタデータ処理を施したマッチングされたページを作成します。

基本的な著者名のみ
著者名と機関プロファイル
著者名とORCIDリンク
著者名、ORCID、DOI、所属識別子、および構造化データ

ページを同時に公開し、以下を監視します。

検索による発見
正しい著者マッチング
人工知能の回答への検索
引用頻度
引用の正確性

この実験は慎重に解釈されなければなりません。公開システムは異なる時間にページをクロールする可能性があり、組織はすでに公開されている著作のCrossrefまたはDataCiteの記録を容易に変更することはできません。

バージョンB：制御された研究インデックス

異なるメタデータ条件下で同じドキュメントを含む小さな検索システムを構築します。以下のみを変更します。

著者識別子
DOI
所属
貢献者役割
プロファイルリンク
出典フィールド

その後、同じ質問をして、検索と引用選択を測定します。この実験はより良い制御を提供しますが、商用プラットフォームではなく研究システムを測定するものです。

研究3：組織的な段階的導入

最も強力な実用的な設計は、**差の差分析（difference-in-differences study）**です。

組織は著者ハブを段階的に導入できます。

部署1は2026年10月に完全なプログラムを受けます。
部署2は2027年1月に受けます。
部署3は2027年4月に受けます。

すべての部署は導入前後に測定されます。まだプログラムを受けていない部署は一時的な比較グループとして機能します。

測定項目：

正しい著者帰属
DOI解決
引用頻度
引用の正確性
検索インプレッション
プロファイルページへの訪問数
不適切なメタデータを修正するのにかかる時間

この設計は、導入の効果を人工知能システムの広範な変化から分離するのに役立つため、単純なビフォーアフター比較よりも強力です。

テストする価値のある仮説

組織はこれらの仮説を事前登録できます。

H1: より強力なIDリンクは、正しい著者帰属を改善します。
H2: 完全なDOIメタデータは、有効な引用率を改善します。
H3: 所属識別子は、著者が一般的な名前を持つ場合や機関間を移動する場合に最も役立ちます。
H4: 研究者プロファイルは、最終的な引用頻度を改善するよりも発見を改善します。
H5: ID強度は、すでに有名な著者よりも、ロングテール著者に大きな影響を与えます。
H6: 効果はシステム、トピック、言語、および出版タイプによって異なります。
H7: 最新性とトピックの関連性は、プロファイルの装飾よりも重要です。

どのような資格を公開すべきか？

プロファイルは、確認可能な資格を公開すべきです。各資格は以下を持つべきです。

資格の種類
保持者
発行組織
利用可能な場合は組織の永続識別子
開始日と終了日
検証情報源
現在、期限切れ、異議申し立て中、アーカイブ済みなどのステータス
最終レビュー日

資格	公開可能な証拠
雇用	機関、組織識別子、部署、開始日、終了日
学歴	学位、授与機関、修了年、検証情報源
助成金	資金提供機関、賞番号、役割、日付、プロジェクトページ
出版物	DOI、著者、所属、貢献者役割
データセット	DataCite DOI、作成者、ライセンス、バージョン、リポジトリ
ソフトウェア	リポジトリ、リリース、DOI、ライセンス、役割
編集サービス	ジャーナル、役割、開始日、終了日
査読	許可されている場合は公開レビュー記録または検証済みサービス記録
受賞	発行機関、賞名、年、公開発表
認定	発行者、認定番号、発行日、有効期限

組織は各資格の情報源を明記すべきです。

自己主張
機関検証済み
出版社検証済み
資金提供機関検証済み
レジストリからインポート済み
レビュー待ち

「一流の専門家」や「世界的に有名な研究者」などの裏付けのないラベルの公開は避けてください。それらを証拠に置き換えてください。

著作の数と種類
研究分野
検証済み役割
資金提供プロジェクト
編集サービス
公開データセットまたはソフトウェア
機関の役職

このアプローチは、読者と機械の両方にとってより有用です。

組織向けの導入計画

フェーズ1：メタデータポリシーの作成

以下からの代表者を含む小規模なガバナンスグループを割り当てます。

研究管理
図書館サービス
情報技術
コミュニケーション
出版またはリポジトリサービス
プライバシー
研究の誠実性

以下を定義する短いデータポリシーを作成します。

必須フィールド
承認済み識別子システム
各フィールドを主張できる人物
公開されるフィールド
修正の処理方法
更新にかかるべき時間
人物が離職した場合の対応

システム全体で単一のデータ契約を使用します。最低限、すべての人物、著作、組織、および資格の記録は以下を持つべきです。

text persistent_id display_name source asserted_by valid_from valid_to last_verified status evidence_url

フェーズ2：認証済み識別子の収集

研究者には、認証プロセスを通じてORCID記録を接続するよう求めます。どのORCID iDが誰に属するかを推測する責任を機関に負わせないでください。

同時に：

部署および機関に組織識別子を割り当てます。
職員記録をORCIDにリンクします。
既存の出版物をDOI記録に照合します。
名前の一致をフラグ付けします。
代替の名前形式を保持します。
同意と可視性設定を記録します。

フェーズ3：DOIメタデータの改善

新しい著作については、出版ワークフローで以下を収集することを義務付けます。

完全な著者名
認証済みORCID iD
所属
組織識別子
貢献者役割
資金識別子
要旨
参考文献
ライセンス
バージョンと更新情報

古い著作については、直近5年間と組織内で最もよく利用されている著者から始めます。

CrossrefとDataCiteは、元の登録だけでなく、修正と更新も受け取るべきです。DOI文字列は永続的ですが、関連するメタデータは維持することができます。 Crossrefメタデータ維持 (crossref.org)

フェーズ4：典拠となる著者ページの構築

各研究者は、1つの安定した機関ページを持つべきです。そのページは以下であるべきです。

永続的なウェブアドレスを使用する
現在の役割を表示する
以前の役割を日付とともに保存する
ORCIDにリンクする
主要なDOI記録にリンクする
公開された研究者プロファイルにリンクする
研究分野を表示する
最終更新日を表示する
構造化データを使用する
検索クローラーがアクセス可能であるように維持する
ログインを要求しない

Googleは、著者を区別するのに役立つ明確な著者URLとsameAsリンクを使用することを推奨しています。 Google著者マークアップガイダンス (developers.google.com)

フェーズ5：プロファイルの連携と監視

機関ページを以下にリンクします。

ORCID
Google Scholar
OpenAlex
出版社ページ
リポジトリ記録
助成金ページ
適切な場合の公開専門家プロファイル

以下を見つけるために自動チェックを使用します。

破損したDOIリンク
欠落したORCIDリンク
重複する著者
間違った共著者マッチング
古い所属
期限切れの資格
欠落した更新日
不一致の名前
撤回または訂正

更新と役割変更のためのガバナンス

著者ハブは履歴を保存しなければなりません。人物が転職するたびに過去を書き換えるべきではありません。

推奨される情報源階層

情報	主な権威
個人が管理する名前と公開範囲	研究者とORCID
現在の雇用	機関
出版物の著者情報	出版社とDOI登録機関
貢献者役割	出版社、プロジェクト記録、または正式な訂正
助成金授与	資金提供機関
学位または認定	発行組織
公開プロファイルの提示	機関、研究者のレビュー付き

研究者が所属機関を変更した場合

過去の著作から古い所属を削除しないでください。

その代わりに：

以前の雇用記録に終了日を追加します。
開始日とともに新しい所属を追加します。
機関プロファイルを更新します。
出版社が訂正を発行しない限り、過去の出版物所属は変更しないままにします。
適切な情報源を通じてORCID記録を更新します。
古いプロフィールページをアーカイブされたページまたは新しいページにリダイレクトします。

人物が名前を変更した場合

ORCIDを使用して名前のバリアントを接続します。研究者が同意する場合、以前の名前や別名を追加します。現在のプロファイルに合わせるためだけに、公開済みのDOI記録の著者名を変更しないでください。

永続識別子の目的は、出版記録を書き換えることなく、名前の変更をまたいで著作を接続することです。

貢献者の役割が変更された場合

完成した著作における貢献者の役割は、履歴記録の一部として扱われるべきです。

例：

出版された記事における人物の役割は、後にその人物が学部長になったからといって変更されるべきではありません。
編集の役割には開始日と終了日があるべきです。
助成金の役割は助成金期間に紐付けられるべきです。
ソフトウェアの役割はバージョンまたはリリースに紐付けられるべきです。

元の貢献記録が間違っている場合は、正式な訂正プロセスを使用してください。黙って上書きしないでください。

資格の有効期限が切れた場合

明確なステータス値を使用します。

現在
期限切れ
更新済み
一時停止
異議申し立て中
アーカイブ済み

有効期限前に自動リマインダーを送信すべきです。公開プロファイルは、説明なしに古い資格を表示したままにするのではなく、ステータスと日付を示すべきです。

研究者が組織を離れた場合

組織は以下を行うべきです。

履歴プロファイルを保存します。
以前の役割を明確にマークします。
公開された著作へのリンクを保持します。
プロファイルの所有権を移管します。
以前のページのリダイレクトを設定します。
個人の連絡先情報を削除します。
以前の雇用期間中に真実であった機関の主張を保持します。

著者情報が異議を申し立てられた場合

異議が申し立てられたフィールドを凍結し、元の情報源を保存し、異議を記録します。非公式な要求だけに基づいて著者情報を削除したり、貢献者の役割を変更したりしないでください。

研究倫理室、出版社、または責任あるプロジェクト担当者が正式な訂正経路を決定すべきです。

成功の尺度

組織は、人工知能の可視性向上を約束する前に、運用品質を追跡すべきです。

提案される目標には以下が含まれます。

活動中の研究者の95パーセントが認証済みORCID iDを持つ
新しい著作の95パーセントが利用可能な場合にORCIDを含む
所属の95パーセントが永続的な組織識別子を使用する
新しいDOI登録の100パーセントがメタデータ検証に合格する
著者ページの100パーセントが安定したプロファイルアドレスを含む
役割変更の100パーセントが日付を含む
著作の誤った著者への割り当てが1パーセント未満である
メタデータの修正が30日以内に完了する
現在の雇用変更が7日以内に表示される
撤回および正式な訂正が迅速に反映される

人工知能引用研究については、以下を追跡します。

正しい著者帰属率
有効なDOI率
引用の正確性（Precision）
引用の再現率（Recall）
著作の引用頻度
システム間の合意
メタデータの修正からインデックス改善までの時間
プロファイルの発見と最終回答引用の差

組織はこれらの尺度を、分野、言語、キャリア段階、名前の一般的な程度別に報告すべきです。そうしないと、平均スコアが不均等な結果を隠してしまう可能性があります。

リスクとセーフガード

著者ハブは、門番システムになった場合、新たなリスクを生み出す可能性があります。

組織は以下を行うべきではありません。

一部のORCID情報を非公開にする研究者を罰する
公開されたGoogle Scholarプロファイルを品質の証明として扱う
引用数を査読の代替として使用する
不必要に個人の連絡先を公開する
機関の評判だけで専門知識を推測する
すべての研究者に同じ公開プロファイルサービスを使用するよう要求する
識別子の欠落を不正行為の証拠として扱う
自動化されたシステムがレビューなしに記録を上書きすることを許可する

ORCIDの採用とメタデータの品質は、分野、国、キャリア段階、および出版物の種類によって異なります。公正なシステムは、手動訂正、プライバシー管理、名前の多様性、およびジャーナル出版指標によって十分に表現されない人々の仕事をサポートする必要があります。

結論

強固な著者ハブは、個人のブランディングプロジェクトではありません。それは機械可読なエビデンスシステムです。

ORCIDは個人を永続的なIDに接続します。
CrossrefとDataCiteは著作を安定した識別子と豊富なメタデータに接続します。
研究組織登録識別子は人物と著作を機関に接続します。
貢献者役割は各人物が実際に何をしたかを示します。
機関および研究者プロファイルは公開コンテキストを提供します。
構造化データは検索システムが関係性を解釈するのに役立ちます。
ガバナンスとバージョン履歴は、何が現在のもので、過去に何が真実であり、誰が各主張を確認したかを示します。

予想される利益は、自動的なランキング向上ではありません。その利益は、人物 → 著作 → 組織 → エビデンスというより強力な連鎖です。

したがって、組織は2つのコミットメントを行うべきです。

メタデータを標準化し、維持する。
効果を仮定するのではなく、人工知能の引用行動を測定する。

最も信頼できる著者ハブは、最も多くのバッジを持つものではありません。それは、重要な主張が永続的で、接続され、情報源が明確で、最新であり、検証が容易であるものです。