Autorcentru izveide: ORCID, Crossref un zinātnieku profili kā uzticamības primitīvi

Autorcentru izveide: ORCID, Crossref un zinātnieku profili kā uzticamības primitīvi

Autoru centri ir publiski, saistīti ieraksti, kas palīdz cilvēkiem un mašīnām atbildēt uz trim pamatjautājumiem:

1. Kas radījis šo darbu?
2. Kas tieši ir šis darbs?
3. Kāpēc vispār būtu jāuzticas saiknei starp personu, darbu un organizāciju?

Cilvēkiem autorcentrs var izskatīties kā profila lapa ar biogrāfiju, publikācijām, kvalifikāciju un saitēm. Mākslīgā intelekta sistēmām ir noderīgāk to aplūkot kā saistītu pierādījumu grafiku.

Spēcīgs autorcentrs savieno:

• Personu ar ORCID iD
• Publikāciju, datu kopu, ziņojumu vai programmatūras paketi ar Digitālo Objekta Identifikatoru
• Darbu ar pilnīgiem Crossref vai DataCite metadatiem
• Pētnieku ar verificētām piederībām un organizācijām
• Publisku profilu ar stabilu institucionālu tīmekļa lapu
• Ieguldījumus ar skaidrām lomām, piemēram, tām, kas aprakstītas Līdzautoru lomu taksonomijā
• Pašreizējās un iepriekšējās lomas ar datumiem, avotiem un atjaunināšanas ierakstiem

Šie savienojumi var uzlabot identitātes noteikšanu, izguvi, citēšanas precizitāti un avotu pārbaudi. Tie negarantē, ka mākslīgā intelekta sistēma citēs autoru. Nav ticamu publisku pierādījumu, ka viena ORCID iD pievienošana radītu fiksētu mākslīgā intelekta citātu skaita pieaugumu. Spēcīgāks apgalvojums ir šaurāks un labāk aizstāvams: labi identitātes un darbu metadati atvieglo meklēšanas un pētniecības sistēmām atrast, saskaņot, pārbaudīt un pareizi citēt zinātnisko materiālu.

Šis raksts atspoguļo publisko dokumentāciju un pētījumus, kas pieejami līdz 2026. gada 13. augustam.

Kāpēc autoru centri ir svarīgi mākslīgā intelekta sistēmām

Mākslīgā intelekta sistēmas neizmanto vienādus meklēšanas indeksus, datubāzes vai ranžēšanas metodes. Dažas paļaujas uz tiešraides tīmekļa meklēšanu. Citas izmanto zinātniskās datubāzes, licencētus indeksus, iekšējos zināšanu krātuves vai izguves sistēmas, kas meklē dokumentus pirms atbildes ģenerēšanas.

Tomēr daudzas sistēmas saskaras ar tām pašām tehniskajām problēmām:

• Vārdi var būt uzrakstīti dažādos veidos.
• Vairāki pētnieki var dalīties ar vienu vārdu.
• Darbam var būt preprints, konferences versija, pieņemts manuskripts un galīgā versija.
• Žurnāla raksts var būt saistīts ar datu kopu, programmatūras paketi, grāntu vai labojumu.
• Autors var mainīt iestādi vai vārdu.
• Tīmekļa lapa var aprakstīt kvalifikāciju, neparādot, kas to izdeva vai kad tā bija derīga.

Noturīgi identifikatori un strukturēti metadati palīdz atrisināt šīs problēmas.

Digitālo Objektu Identifikatoru sistēma apraksta identifikatoru kā noturīgu nosaukumu digitālam, fiziskam vai abstraktam objektam. Tā vērtība ir atkarīga ne tikai no identifikatora, bet arī no ar to saistītajiem metadatiem. DOI rokasgrāmata (doi.org)

Noderīgs veids, kā domāt par autorcentru, ir kā četros savienotos slāņos:

Mērķis nav izveidot profilu, kas pilns ar iespaidīgiem vārdiem. Mērķis ir izveidot ierakstu, kurā var pārbaudīt svarīgus apgalvojumus.

Trīs galvenās autorcentra daļas

1. ORCID: Personas identitātes slānis

ORCID apzīmē Atvērto Pētnieku un Līdzautoru ID. Tas nodrošina noturīgu identifikatoru personai un palīdz atšķirt pētniekus, kuriem ir līdzīgi vārdi, kuri izmanto dažādas vārdu formas vai maina vārdus laika gaitā. ORCID pārskats (support.orcid.org)

ORCID ieraksts var saturēt:

• Vārdus un vārdu variantus
• Nodarbinātību un izglītību
• Pētniecības darbus
• Finansējumu
• Recenzēšanas aktivitātes
• Redakcionālo darbu
• Dalības un atzinības
• Pētniecības resursus
• Saites uz citiem identifikatoriem

Svarīgākā iezīme nav pats 16 ciparu numurs. Tas ir ar šo numuru saistītais atbalstītu savienojumu tīkls.

Piemēram:

text Jana Smita └── ORCID iD ├── Raksta DOI ├── Datu kopas DOI ├── Grānta identifikators ├── Universitātes piederība ├── Programmatūras ieraksts └── Redakcionālā loma

Autentificēti savienojumi ir spēcīgāki

Organizācijām jāievāc ORCID iD, izmantojot autentificētu pieteikšanās procesu, nevis lūdzot cilvēkus ievadīt identifikatoru veidlapā. ORCID iesaka izmantot savu autorizācijas procesu, lai pētnieks apstiprinātu pareizo ierakstu. ORCID integrācijas un lietojumprogrammu saskarnes vadlīnijas (info.orcid.org)

Šī atšķirība ir svarīga:

• Nepārbaudīts apgalvojums: “Šis ORCID iD pieder Janai Smitai.”
• Autentificēts apgalvojums: “Jana Smita pieteicās caur ORCID un atļāva šai sistēmai izmantot savu iD.”
• Institucionāls apgalvojums: “Universitāte apstiprina, ka šai personai bija šī piederība šajos datumos.”

ORCID arī glabā apgalvojumu avotu un izcelsmi. Darbu vai piederību var pievienot pētnieks, izdevējs, finansētājs vai cita uzticama organizācija. ORCID uzticamības vadlīnijas (info.orcid.org)

Tas rada noderīgu uzticamības signālu gan cilvēkiem, gan mašīnām:

Ieraksts ne tikai norāda to, kas tiek apgalvots. Tas var arī parādīt, kas izteica apgalvojumu un kad tas tika pievienots.

Svarīgs ierobežojums

ORCID iD nav garantija, ka katrs ieraksta elements ir pareizs. Pats ORCID mudina lietotājus pārbaudīt uzticamības marķierus, avotus, datumus un organizācijas, kas pievienoja informāciju. ORCID uzticamības marķieri (info.orcid.org)

Tāpēc organizācijām nevajadzētu uzskatīt “ir ORCID iD” par vienlīdzīgu ar “ir pilnībā verificēts”. Labāks modelis ir:

• Pašapliecināts
• Autentificēts
• Institucionāli apstiprināts
• Izdevēja apstiprināts
• Finansētāja apstiprināts
• Nesen pārskatīts

2. Crossref un DataCite: Darba identitātes slānis

ORCID identificē personu. Crossref un DataCite palīdz identificēt darbu.

Digitālais Objekta Identifikators var identificēt:

• Žurnālu rakstus
• Grāmatas un grāmatu nodaļas
• Konferenču referātus
• Datu kopas
• Programmatūru
• Ziņojumus
• Preprints
• Recenzijas
• Standartus
• Plakātus un prezentācijas

DOI jānoved uz stabilu lapu. Vēl svarīgāk ir, lai tam būtu pilnīgi metadati, kas apraksta darbu.

Crossref iesaka reģistrēt tādu informāciju kā:

• Uzvārds un vārds
• Līdzautoru lomas
• Piederības
• Organizācijas identifikatori
• ORCID iD
• Publicēšanas datumi
• Anotācijas
• Atsauces
• Finansējums
• Licences
• Versijas informācija
• Atjauninājumi un labojumi

Crossref nepieciešamie un ieteicamie metadati (crossref.org)

Crossref apraksta savus metadatus kā kopīgu resursu, kuram var piekļūt, izmantojot tīmekļa saskarnes, lietojumprogrammu saskarnes un lielapjoma lejupielādes. Turpmākās sistēmas var izmantot šo informāciju, lai atklātu un savienotu zinātniskos rezultātus. Crossref metadatu izguve (crossref.org)

DataCite kalpo līdzīgai funkcijai datu kopām un daudziem citiem pētniecības rezultātiem. Tās pašreizējā metadatu shēma 4.7, kas tika izlaista 2026. gada 3. martā, atbalsta radītājus, līdzautorus, ORCID identifikatorus, piederības, organizāciju identifikatorus, saistītos identifikatorus, finansējumu, aprakstus un resursu veidus. DataCite metadatu shēma (schema.datacite.org)

DataCite īpaši iesaka savienot radītāju un līdzautoru ierakstus ar ORCID identifikatoriem un organizatoriskās piederības ar organizāciju identifikatoriem. DataCite vārdu identifikatori (support.datacite.org)

DOI nav kvalitātes zīme

DOI pierāda, ka ieraksts pastāv DOI reģistrācijas sistēmā. Tas nepierāda, ka:

• Pētījums ir pareizs
• Publikācija ir recenzēta
• Žurnāls ir cienījams
• Autors ir eksperts
• Atklājumi ir svarīgi

Crossref to skaidri norāda: pats DOI nenorāda objekta vērtību vai precizitāti. Apkārtējie metadati sniedz kontekstu un nodrošina savienojumus. Crossref DOI vadlīnijas (support.crossref.org)

Tāpēc pilnīgs DOI ieraksts ir daudz noderīgāks nekā DOI virkne, kas ievietota lapas apakšdaļā.

Līdzautoru lomas piešķir nozīmi

2026. gada jūlijā Crossref Shēma 5.5 pievienoja labāku atbalstu vairākām līdzautoru lomām, atbilstošajiem autoriem un Līdzautoru lomu taksonomijai. Crossref shēma 5.5 (crossref.org)

Līdzautoru lomu taksonomija ietver 14 lomas, tostarp:

• Konceptualizācija
• Datu kurācija
• Formālā analīze
• Izpēte
• Metodoloģija
• Programmatūra
• Uzraudzība
• Validācija
• Vizualizācija
• Oriģinālā projekta rakstīšana
• Rakstīšana, pārskatīšana un rediģēšana

Taksonomija tika izstrādāta, lai padarītu ieguldījumus pārredzamākus un atbalstītu atpazīstamību, atbildību, pētījumu novērtēšanu un pētījumu integritāti. Līdzautoru lomu taksonomija (credit.niso.org)

Mākslīgā intelekta sistēmām tas rada bagātīgāku atbildi nekā “Jana Smita ir autore”. Sistēma var potenciāli atšķirt starp:

• Personu, kura izstrādāja pētījumu
• Personu, kura uzrakstīja programmatūru
• Personu, kura analizēja datus
• Personu, kura uzraudzīja projektu
• Personu, kura uzrakstīja oriģinālo manuskriptu

Tas ir īpaši svarīgi lielām pētniecības komandām un tehniskiem projektiem.

3. Zinātnieku profili: Konteksta slānis

Zinātnieku profili padara identitātes grafiku saprotamu cilvēkiem un vieglāk interpretējamu meklēšanas sistēmām.

Spēcīgam profilam jāsatur:

• Stabila institucionāla lapa
• Konsekvents vārds
• Vārdu varianti, kur tas ir piemēroti
• ORCID iD
• Pašreizējās un iepriekšējās piederības
• Pētniecības jomas
• Izvēlētie darbi ar DOI saitēm
• Datu kopas, programmatūra un ziņojumi
• Finansējums un apbalvojumi
• Redakcionālās vai recenzēšanas lomas
• Līdzautoru lomas
• Datumi pašreizējām un iepriekšējām pozīcijām
• Pēdējās pārskatīšanas datums
• Saites uz citiem publiskajiem profiliem

Google Scholar profili ļauj pētniekiem uzskaitīt publikācijas, padarīt profilu publisku, redzēt, kas citē viņu darbu, un sekot citēšanas metrikai. Publisks profils ar verificētu institucionālo e-pasta adresi var būt piemērots, lai parādītos Google Scholar meklēšanas rezultātos. Google Scholar profili (scholar.google.com)

Tomēr Google Scholar jāuzskata par redzamības un atklāšanas slāni, nevis galveno patiesības avotu. Pētnieki var pārvaldīt savus publikāciju sarakstus, un automātiskā saskaņošana var ietvert nepareizus vai duplicētus darbus. Citātu skaits arī atšķiras dažādās datubāzēs.

OpenAlex piedāvā vēl vienu noderīgu atklāšanas slāni. Tas uztur disambiguētus autoru ierakstus un savieno autorus, darbus, institūcijas, avotus un tēmas. OpenAlex norāda, ka tas iegūst informāciju no tādiem avotiem kā Crossref un DataCite, pēc tam saskaņo autorus ar ORCID iD un piederības ar organizāciju identifikatoriem. OpenAlex ekosistēmas apraksts (help.openalex.org)

Labākā prakse tādēļ ir profilu federācija:

text Institucionālā autora lapa ↕ ORCID ieraksts ↕ Crossref vai DataCite darbu ieraksti ↕ OpenAlex un Google Scholar profili ↕ Izdevēju, repozitoriju, finansētāju un profesionālās lapas

Nevienam atsevišķam profilam nav jāsatur viss. Tiem vajadzētu norādīt vienam uz otru un izmantot vienus un tos pašus identifikatorus.

Kā šie signāli var ietekmēt mākslīgā intelekta citēšanu

Ir svarīgi nodalīt piecus dažādus notikumus:

1. Atklāšana: Vai sistēma var atrast lapu vai darbu?
2. Identitātes noteikšana: Vai tā var noteikt, kura persona un organizācija ir iesaistīta?
3. Izguve: Vai sistēma iekļauj darbu savā pierādījumu kopā?
4. Citātu atlase: Vai tā citē darbu atbildē?
5. Citātu pareizība: Vai citāts norāda uz pareizo darbu un atbalsta apgalvojumu?

ORCID, DOI metadati un zinātnieku profili var tiešāk palīdzēt pirmajos trīs posmos. Tie var arī uzlabot citātu pareizību. To ietekme uz citātu atlasi, visticamāk, būs atkarīga no tēmas atbilstības, avota kvalitātes, aktualitātes, pieejamības un konkrētās mākslīgā intelekta sistēmas.

Google meklēšanas dokumentācija iesaka izmantot autora lapu, url un sameAs saites, lai palīdzētu identificēt rakstu autorus. Datu kopām Google īpaši iesaka izmantot ORCID iD sameAs īpašībā personai-radītājam. Google rakstu strukturētie dati Google datu kopu strukturētie dati (developers.google.com)

Vienkārša profila lapa varētu izmantot šādus strukturētos datus:

{ "@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" } ] }

Strukturētie dati negarantē meklēšanas funkciju vai mākslīgā intelekta citātu. Google norāda, ka pat pareizi ieviesti strukturētie dati var neparādīties meklēšanas rezultātos. To vērtība ir tajā, ka tie dod mašīnām skaidru, standartizētu veidu, kā interpretēt lapu. Google strukturēto datu vadlīnijas (developers.google.com)

Praktiskais secinājums ir:

Identifikatori uzlabo ceļu uz pierādījumiem. Tie neaizstāj pierādījumus.

Ko saka pašreizējie pētījumi par mākslīgā intelekta citēšanu

Pētījumi par mākslīgā intelekta citēšanas uzvedību galvenokārt ir pētījuši citātu precizitāti, avotu atlasi un verificējamību. Tie vēl nav snieguši uzticamu, vispārēju novērtējumu par ORCID saistītās identitātes spēka ietekmi.

2023. gada pētījums par ChatGPT ģenerētajiem citātiem atklāja ievērojamu viltotu atsauču un kļūdu īstās atsaucēs biežumu. Pētījums pārbaudīja 636 citātus, kas ģenerēti 84 dokumentos, un atklāja, ka citātu problēmas saglabājās pat jaunākajā pārbaudītajā modelī. Pētījums žurnālā Scientific Reports (nature.com)

Cits pētījums par ģeneratīvajām meklētājprogrammām atklāja, ka daudzi ģenerētie teikumi netika pilnībā atbalstīti ar citātiem un ka daudzi citāti neatbilstoši atbalstīja blakus esošos apgalvojumus. Verificējamības novērtēšana ģeneratīvajās meklētājprogrammās (arxiv.org)

Jaunākie pētījumi arī parāda, ka ģeneratīvās meklēšanas sistēmas atšķiras avotu izvēlē, avotu pārklāšanās, stabilitātē un iekšējās pret ārējās zināšanām izmantošanā. Tīmekļa meklēšanas raksturojums ģeneratīvā mākslīgā intelekta laikmetā (aclanthology.org)

Šie atklājumi atbalsta piesardzīgu nostāju:

• DOI var samazināt neskaidrības par citēto darbu.
• ORCID var samazināt neskaidrības par personu.
• Piederības identifikatori var samazināt neskaidrības par organizāciju.
• Līdzautoru lomas var uzlabot atribūciju.
• Publisks profils var nodrošināt kontekstu.
• Neviens no šiem signāliem negarantē, ka sistēma izgūs vai citēs darbu.

Pētniecības programma identitātes spēka un mākslīgā intelekta citēšanas biežuma mērīšanai

Organizācijām nevajadzētu apgalvot, ka autoru centri uzlabo mākslīgā intelekta citātu skaitu, kamēr tās tieši nav izmērījušas šo saistību.

Definēt autora identitātes spēka rādītāju

Šis ir ierosinātais rādītājs, nevis oficiāls standarts.

Šajā rādītājā neietveriet citātu skaitu, žurnāla prestižu vai institucionālo rangu. Šie faktori jāuzskata par atsevišķiem mainīgajiem. To iekļaušana apgrūtinātu noteikt, vai identitātes spēks pats par sevi ir saistīts ar citēšanas biežumu.

Mērīt vairāk nekā viena veida citātus

Noderīgam pētījumam vajadzētu sekot līdzi vismaz sešiem rezultātiem:

1. Darba citēšanas biežums To piemēroto atbilžu procentuālais daudzums, kas citē konkrētu darbu.

2. Autora norādīšanas biežums To atbilžu procentuālais daudzums, kas pareizi nosauc darba autoru vai piešķir to pareizajam autoram.

3. Derīgu identifikatoru biežums To citātu procentuālais daudzums, kas satur DOI, kurš norāda uz pareizo darbu.

4. Citātu precizitāte To citātu procentuālais daudzums, kas faktiski atbalsta izteikto apgalvojumu.

5. Citātu atsauce To svarīgo atbalsta avotu procentuālais daudzums, ko sistēma citē.

6. Starpplatformu stabilitāte To citātu procentuālais daudzums, kas atkārtojas dažādās sistēmās vai atkārtotās palaišanas reizēs.

Jaunāks mērījumu ietvars ģeneratīvajai meklēšanai nodalīja citātu atlasi no citātu absorbcijas, proti, vai avots tikai parādās citātu sarakstā vai faktiski sniedz pierādījumus atbildei. Šī atšķirība jāiekļauj nākotnes autorcentru pētījumos. Citātu atlases un citātu absorbcijas ietvars (arxiv.org)

Pētījums viens: Observatīvs korelācijas pētījums

Šis pētījums jautā:

Vai darbi, kas saistīti ar spēcīgākām autoru identitātēm, tiek biežāk citēti mākslīgā intelekta sistēmās pēc tēmas un publikācijas faktoru kontroles?

Ieteiktais dizains

• Atlasīt 10 000 līdz 50 000 zinātnisko darbu
• Aptvert vairākas disciplīnas, valodas un publikāciju veidus
• Izmantot Crossref, DataCite, OpenAlex un publiskos ORCID datus
• Aprēķināt identitātes spēka rādītāju katram autoram un darbam
• Izveidot jautājumu kopumu, kam atlasītie darbi ir atbilstoši
• Palaist jautājumus vairākās citātus ģenerējošās sistēmās
• Atkārtot katru jautājumu vairākas reizes
• Ierakstīt datumu, sistēmu, modeļa iestatījumus, reģionu un citētos avotus

Svarīgas kontroles mainīgās

Pētījumam vajadzētu kontrolēt:

• Tēmas atbilstību
• Publicēšanas gadu
• Atvērtās piekļuves statusu
• Anotācijas pieejamību
• Pilna teksta pieejamību
• Vietu (publikācijas)
• Esošo zinātnisko citātu skaitu
• Institucionālo reputāciju
• Valodu
• Lapas ātrumu un pārlūkojamību
• Darba veidu
• Autora vārda izplatību
• Līdzautoru skaitu
• Vaicājuma formulējumu
• Meklēšanas sistēmu

Galvenais statistiskais modelis varētu novērtēt:

text Pareizas citēšanas varbūtība = identitātes spēks

• tēmas atbilstība
• darba vecums
• atvērtā piekļuve
• zinātniskie citāti
• sistēma
• vaicājums
• autora un tēmas kontroles

Loģistiskā regresija vai jaukto efektu modelis būtu piemērots jautājumam ar “jā vai nē” atbildi, piemēram, vai darbs tika citēts. Negatīvs binomālais modelis var būt noderīgs citātu skaitam, jo citātu dati bieži ir nevienmērīgi sadalīti.

Rezultāts jāziņo kā koeficientu attiecība ar ticamības intervālu, nevis kā vienkāršs procents. Piemēram:

Viena standarta novirzes palielinājums identitātes spēkā bija saistīts ar citēšanas varbūtības izmaiņām pēc atbilstības, vecuma, piekļuves un iepriekšējās zinātniskās uzmanības kontroles.

Pētījumā jāziņo arī par nulles rezultātiem. Secinājums par bezsaistību būtu noderīgs, jo tas parādītu, ka identifikatori uzlabo datu kvalitāti, bet ne vienmēr maina mākslīgā intelekta citēšanas uzvedību.

Pētījums divi: Kontrolēts metadatu eksperiments

Observatīvs pētījums var sajaukt identitātes spēku ar popularitāti. Kontrolēts eksperiments var izolēt dažus efektus.

Ir divas praktiskas versijas.

Versija A: Publiskais tīmekļa eksperiments

Izveidot saskaņotas lapas ar vienādu būtisko saturu, bet atšķirīgiem metadatu apstrādes veidiem:

• Tikai autora vārds
• Autora vārds plus institucionālais profils
• Autora vārds plus ORCID saite
• Autora vārds, ORCID, DOI, piederības identifikators un strukturētie dati

Publicēt lapas vienlaicīgi un uzraudzīt:

• Meklēšanas atklāšanu
• Pareizu autora saskaņošanu
• Izguvi mākslīgā intelekta atbildēs
• Citēšanas biežumu
• Citātu pareizību

Šis eksperiments jāinterpretē uzmanīgi. Publiskās sistēmas var rāpot pa lapām dažādos laikos, un organizācijas nevar viegli mainīt Crossref vai DataCite ierakstus jau publicētam darbam.

Versija B: Kontrolēts pētījumu indekss

Izveidot nelielu izguves sistēmu, kas satur tos pašus dokumentus dažādos metadatu apstākļos. Mainīt tikai:

• Autora identifikatoru
• DOI
• Piederību
• Līdzautora lomu
• Profila saites
• Izcelsmes laukus

Pēc tam uzdot tos pašus jautājumus un mērīt izguvi un citātu atlasi. Šis eksperiments nodrošina labāku kontroli, bet tas mēra pētniecības sistēmu, nevis komerciālās platformas.

Pētījums trīs: Pakāpeniska organizatoriskā ieviešana

Spēcīgākais praktiskais dizains ir atšķirību atšķirību pētījums.

Organizācija var ieviest autorcentrus posmos:

• Pirmā nodaļa saņem pilnu programmu 2026. gada oktobrī.
• Otrā nodaļa saņem to 2027. gada janvārī.
• Trešā nodaļa saņem to 2027. gada aprīlī.

Visas nodaļas tiek mērītas pirms un pēc ieviešanas. Nodaļas, kas vēl nav saņēmušas programmu, kalpo kā pagaidu salīdzināšanas grupas.

Mērīt:

• Pareizu autora norādīšanu
• DOI izšķiršanu
• Citēšanas biežumu
• Citātu precizitāti
• Meklēšanas rādījumus
• Profila lapas apmeklējumus
• Laiku, kas nepieciešams nepareizu metadatu labošanai

Šis dizains ir spēcīgāks nekā vienkāršs salīdzinājums pirms un pēc, jo tas palīdz atdalīt ieviešanas efektu no plašākām izmaiņām mākslīgā intelekta sistēmās.

Pārbaudāmās hipotēzes

Organizācijas var iepriekš reģistrēt šīs hipotēzes:

• H1: Spēcīgākas identitātes saites uzlabo pareizu autora norādīšanu.
• H2: Pilnīgi DOI metadati uzlabo derīgu citēšanas biežumu.
• H3: Piederības identifikatori visvairāk palīdz, ja autoriem ir bieži sastopami vārdi vai viņi maina iestādes.
• H4: Zinātnieku profili uzlabo atklāšanu vairāk nekā galīgo citēšanas biežumu.
• H5: Identitātes spēkam ir lielāka ietekme uz “garās astes” autoriem nekā uz jau slaveniem autoriem.
• H6: Ietekme atšķiras atkarībā no sistēmas, tēmas, valodas un publikācijas veida.
• H7: Aktualitāte un tēmas atbilstība ir svarīgāka nekā profila noformējums.

Kādi akreditācijas dati jāpublicē?

Profilam jāsatur verificējami akreditācijas dati. Katrai kvalifikācijai jābūt:

• Akreditācijas veidam
• Personai, kurai tas pieder
• Izdevējorganizācijai
• Organizācijas noturīgam identifikatoram, ja pieejams
• Sākuma un beigu datumiem
• Verifikācijas avotam
• Statusam, piemēram, aktuāls, beidzies, apstrīdēts vai arhivēts
• Pēdējās pārskatīšanas datumam

Organizācijām jāmarķē katras kvalifikācijas avots:

• Pašapliecināts
• Institucionāli verificēts
• Izdevēja verificēts
• Finansētāja verificēts
• Importēts no reģistra
• Gaida pārskatīšanu

Izvairieties publicēt nepamatotus apzīmējumus, piemēram, “vadošais eksperts” vai “pasaulē atzīts pētnieks”. Aizstājiet tos ar pierādījumiem:

• Darbu skaits un veids
• Pētniecības jomas
• Verificētas lomas
• Finansēti projekti
• Redakcionālais darbs
• Publiskas datu kopas vai programmatūra
• Institucionālie iecēlumi

Šī pieeja ir noderīgāka gan lasītājiem, gan mašīnām.

Organizāciju ieviešanas plāns

Pirmais posms: Izveidot metadatu politiku

Izveidot nelielu pārvaldības grupu ar pārstāvjiem no:

• Pētniecības administrācijas
• Bibliotēku pakalpojumiem
• Informācijas tehnoloģijām
• Komunikācijas
• Izdevējdarbības vai repozitoriju pakalpojumiem
• Privātuma
• Pētniecības integritātes

Izveidot īsu datu politiku, kas definē:

• Obligātos laukus
• Apstiprinātās identifikatoru sistēmas
• Kas var apgalvot katru lauku
• Kuri lauki ir publiski
• Kā tiek apstrādāti labojumi
• Cik ilgs laiks jāaizņem atjauninājumiem
• Kas notiek, kad persona aiziet

Izmantojiet vienotu datu līgumu visās sistēmās. Minimāli katram personas, darba, organizācijas un akreditācijas datu ierakstam jāsatur:

text persistent_id display_name source asserted_by valid_from valid_to last_verified status evidence_url

Otrais posms: Savākt autentificētus identifikatorus

Lūgt pētniekiem savienot savus ORCID ierakstus, izmantojot autentificētu procesu. Neuzņemiet iestādei atbildību par minēšanu, kurš ORCID iD pieder personai.

Vienlaicīgi:

• Piešķirt organizāciju identifikatorus nodaļām un iestādēm
• Sasaistīt personāla ierakstus ar ORCID
• Saskaņot esošās publikācijas ar DOI ierakstiem
• Atzīmēt vārdu sadursmes
• Saglabāt alternatīvās vārdu formas
• Ierakstīt piekrišanas un redzamības iestatījumus

Trešais posms: Uzlabot DOI metadatus

Jauniem darbiem pieprasīt, lai publicēšanas darbplūsma ievāc:

• Pilnus autoru vārdus
• Autentificētus ORCID iD
• Piederības
• Organizācijas identifikatorus
• Līdzautoru lomas
• Finansējuma identifikatorus
• Anotācijas
• Atsauces
• Licences
• Versijas un atjaunināšanas informāciju

Vecākiem darbiem sākt ar pēdējiem pieciem gadiem un organizācijas visbiežāk izmantotajiem autoriem.

Crossref un DataCite vajadzētu saņemt labojumus un atjauninājumus, nevis tikai sākotnējo depozītu. DOI virknes saglabājas noturīgas, savukārt saistītos metadatus var uzturēt. Crossref metadatu uzturēšana (crossref.org)

Ceturtais posms: Izveidot kanoniskas autoru lapas

Katram pētniekam jābūt vienai stabilai institucionālai lapai. Šai lapai vajadzētu:

• Izmantot pastāvīgu tīmekļa adresi
• Parādīt pašreizējo lomu
• Saglabāt iepriekšējās lomas ar datumiem
• Sasaistīt ar ORCID
• Sasaistīt ar izvēlētajiem DOI ierakstiem
• Sasaistīt ar publiskajiem zinātnieku profiliem
• Parādīt pētniecības jomas
• Parādīt pēdējās atjaunināšanas datumu
• Izmantot strukturētus datus
• Saglabāt pieejamību meklēšanas rāpuļprogrammām
• Izvairīties no pieteikšanās prasīšanas

Google iesaka izmantot skaidrus autoru URL un sameAs saites, lai palīdzētu atšķirt autorus. Google autora iezīmēšanas vadlīnijas (developers.google.com)

Piektais posms: Federēt un uzraudzīt profilus

Sasaistīt institucionālo lapu ar:

• ORCID
• Google Scholar
• OpenAlex
• Izdevēju lapām
• Repozitoriju ierakstiem
• Finansējuma lapām
• Publiskajiem profesionālajiem profiliem, kur tas ir piemēroti

Izmantot automatizētas pārbaudes, lai atrastu:

• Bojātas DOI saites
• Trūkstošas ORCID saites
• Duplicētus autorus
• Nepareizus līdzautoru saskaņojumus
• Vecas piederības
• Beigušos akreditācijas datus
• Trūkstošus atjaunināšanas datumus
• Nesakrītošus vārdus
• Atsaukumus vai labojumus

Pārvaldība atjauninājumiem un lomu maiņai

Autorcentram jāsaglabā vēsture. Tam nevajadzētu pārrakstīt pagātni katru reizi, kad persona maina darbu.

Ieteicamā avotu hierarhija

Kad pētnieks maina iestādi

Neizdzēsiet veco piederību no vēsturiskiem darbiem.

Tā vietā:

1. Pievienojiet beigu datumu iepriekšējam nodarbinātības ierakstam.
2. Pievienojiet jauno piederību ar sākuma datumu.
3. Atjauniniet institucionālo profilu.
4. Saglabājiet vēsturiskās publikāciju piederības nemainīgas, ja vien izdevējs neizdod labojumu.
5. Atjauniniet ORCID ierakstu, izmantojot pareizo avotu.
6. Pāradresējiet veco profila lapu uz arhivētu vai jaunu lapu.

Kad persona maina vārdu

Izmantojiet ORCID, lai savienotu vārdu variantus. Pievienojiet bijušos vai alternatīvos vārdus, kur pētnieks piekrīt. Nemainiet autora vārdu publicētā DOI ierakstā tikai tāpēc, lai tas atbilstu pašreizējam profilam.

Noturīgā identifikatora mērķis ir savienot darbus pāri vārdu maiņām, nepārrakstot publikācijas ierakstu.

Kad līdzautora loma mainās

Līdzautora loma pabeigtā darbā jāuzskata par daļu no vēsturiskā ieraksta.

Piemēram:

• Personas loma publicētā rakstā nedrīkst mainīties tāpēc, ka vēlāk tā kļūst par nodaļas vadītāju.
• Redakcionālajai lomai jābūt sākuma un beigu datumam.
• Grānta loma jāsasaista ar grānta periodu.
• Programmatūras loma jāsasaista ar versiju vai izlaidumu.

Ja sākotnējais ieguldījuma ieraksts ir nepareizs, izmantojiet oficiālu labošanas procesu. Nepārrakstiet to klusi.

Kad akreditācijas dati beidzas

Izmantojiet skaidras statusa vērtības:

• Aktuāls
• Beidzies
• Atjaunots
• Apturēts
• Apstrīdēts
• Arhivēts

Automātiskie atgādinājumi jānosūta pirms derīguma termiņa beigām. Publiskajiem profiliem jāparāda statuss un datums, nevis jāatstāj novecojuši akreditācijas dati redzami bez paskaidrojuma.

Kad pētnieks pamet organizāciju

Organizācijai vajadzētu:

• Saglabāt vēsturisko profilu
• Skaidri atzīmēt iepriekšējo lomu
• Saglabāt saites uz publicētajiem darbiem
• Pārnest profila īpašumtiesības
• Iestatīt pāradresāciju vecajai lapai
• Noņemt privāto kontaktinformāciju
• Saglabāt institucionālos apgalvojumus, kas bija patiesi iepriekšējā nodarbinātības periodā

Kad autorība tiek apstrīdēta

Iesaldējiet apstrīdēto lauku, saglabājiet oriģinālo avotu un reģistrējiet strīdu. Neizņemiet autoru un nemainiet līdzautoru lomas, pamatojoties tikai uz neformālu pieprasījumu.

Pētniecības integritātes birojam, izdevējam vai atbildīgajai projekta iestādei jānosaka oficiālais labošanas ceļš.

Panākumu rādītāji

Organizācijām jāmēra operatīvā kvalitāte pirms mākslīgā intelekta redzamības palielināšanas solīšanas.

Ieteicamie mērķi ietver:

• 95 procentiem aktīvo pētnieku ir autentificēti ORCID iD
• 95 procentos jauno darbu ir iekļauts ORCID, ja pieejams
• 95 procenti piederību izmanto noturīgu organizācijas identifikatoru
• 100 procenti jauno DOI noguldījumu iziet metadatu validāciju
• 100 procenti autoru lapu satur stabilu profila adresi
• 100 procenti lomu maiņu ietver datumus
• Mazāk nekā 1 procents darbu ir nepareizi piešķirti autoram
• Metadatu labojumi tiek pabeigti 30 dienu laikā
• Pašreizējās nodarbinātības izmaiņas parādās septiņu dienu laikā
• Atsaukumi un oficiāli labojumi tiek atspoguļoti nekavējoties

Mākslīgā intelekta citēšanas pētījumam sekot līdzi:

• Pareizas autora norādīšanas biežums
• Derīga DOI likme
• Citātu precizitāte
• Citātu atsauce
• Darba citēšanas biežums
• Starp sistēmu vienošanās
• Laiks no metadatu labošanas līdz uzlabotai indeksēšanai
• Atšķirība starp profila atklāšanu un galīgās atbildes citēšanu

Organizācijai jāziņo par šiem rādītājiem pa disciplīnām, valodām, karjeras posmiem un vārdu izplatību. Pretējā gadījumā vidējais rādītājs var slēpt nevienlīdzīgus rezultātus.

Riski un drošības pasākumi

Autoru centri var radīt jaunus riskus, ja tie kļūst par vārtejas sistēmu.

Organizācijām nevajadzētu:

• Sodīt pētniekus, kuri saglabā daļu ORCID informācijas privātu
• Uzskatīt publisku Google Scholar profilu par kvalitātes pierādījumu
• Izmantot citātu skaitu kā recenzēšanas aizstājēju
• Bez vajadzības publicēt personīgo kontaktinformāciju
• Secināt ekspertīzi tikai no institucionālā prestiža
• Pieprasīt katram pētniekam izmantot vienu un to pašu publiskā profila pakalpojumu
• Uzskatīt trūkstošus identifikatorus par pārkāpuma pierādījumu
• Atļaut automatizētām sistēmām pārrakstīt ierakstus bez pārskatīšanas

ORCID adopcija un metadatu kvalitāte atšķiras atkarībā no jomas, valsts, karjeras posma un publikācijas veida. Taisnīgai sistēmai jānodrošina manuāla korekcija, privātuma kontrole, vārdu daudzveidība un atbalsts cilvēkiem, kuru darbs nav labi atspoguļots žurnālu publikāciju metrikā.

Secinājums

Spēcīgs autorcentrs nav personīgs zīmola projekts. Tā ir mašīnlasāma pierādījumu sistēma.

• ORCID savieno personu ar noturīgu identitāti.
• Crossref un DataCite savieno darbus ar stabiliem identifikatoriem un bagātīgiem metadatiem.
• Pētniecības Organizāciju Reģistra identifikatori savieno personas un darbus ar iestādēm.
• Līdzautoru lomas parāda, ko katra persona faktiski paveica.
• Institucionālie un zinātnieku profili nodrošina publisku kontekstu.
• Strukturētie dati palīdz meklēšanas sistēmām interpretēt attiecības.
• Pārvaldība un versiju vēsture parāda, kas ir aktuāls, kas bija patiess pagātnē un kas apstiprināja katru apgalvojumu.

Visticamais ieguvums nav automātisks ranga palielinājums. Ieguvums ir spēcīgāka ķēde no persona → darbs → organizācija → pierādījums.

Organizācijām tādēļ jāuzņemas divas saistības:

1. Standartizēt un uzturēt metadatus.
2. Mērīt mākslīgā intelekta citēšanas uzvedību, nevis pieņemt efektu.

Visuzticamākais autorcentrs nav tas, kuram ir visvairāk nozīmīšu. Tas ir tas, kura svarīgie apgalvojumi ir noturīgi, savienoti, avototi, aktuāli un viegli verificējami.