Auteurs-hubs bouwen: ORCID, Crossref en academische profielen als vertrouwensprimitieven

Auteurs-hubs bouwen: ORCID, Crossref en academische profielen als vertrouwensprimitieven

Auteurs-hubs zijn openbare, gekoppelde gegevens die mensen en machines helpen drie basisvragen te beantwoorden:

1. Wie heeft dit werk gemaakt?
2. Wat is precies het werk?
3. Waarom zou iemand de verbinding tussen de persoon, het werk en de organisatie moeten vertrouwen?

Voor menselijke lezers kan een auteurs-hub eruitzien als een profielpagina met een biografie, publicaties, referenties en links. Voor artificiële intelligentie (AI) systemen is het nuttiger om het te zien als een gekoppelde bewijsgraaf.

Een sterke auteurs-hub verbindt:

• Een persoon met een ORCID iD
• Een publicatie, dataset, rapport of softwarepakket met een Digital Object Identifier
• Een werk met volledige Crossref of DataCite metadata
• Een onderzoeker met geverifieerde affiliaties en organisaties
• Een openbaar profiel met een stabiele institutionele webpagina
• Bijdragen met duidelijke rollen, zoals die in de Contributor Roles Taxonomy
• Huidige en vroegere rollen met datums, bronnen en updategegevens

Deze verbindingen kunnen de identiteitsresolutie, ophaling, citatienauwkeurigheid en bronverificatie verbeteren. Ze garanderen niet dat een artificiële intelligentie systeem een auteur zal citeren. Er is geen geloofwaardig openbaar bewijs dat het toevoegen van één ORCID iD een vaste toename van AI-citaten oplevert. De sterkere bewering is smaller en beter verdedigbaar: goede identiteits- en werkmetadata maken het makkelijker voor zoek- en onderzoekssystemen om wetenschappelijk materiaal te vinden, te matchen, te verifiëren en correct te citeren.

Dit artikel reflecteert openbare documentatie en onderzoek beschikbaar vanaf 13 augustus 2026.

Waarom Auteurs-hubs belangrijk zijn voor artificiële intelligentie systemen

Artificiële intelligentie systemen gebruiken niet allemaal dezelfde zoekindexen, databases of rangschikkingsmethoden. Sommige vertrouwen op live webzoekopdrachten. Andere gebruiken wetenschappelijke databases, gelicentieerde indexen, interne kennisbanken of ophaalsystemen die documenten doorzoeken voordat ze een antwoord genereren.

Toch staan veel systemen voor dezelfde technische problemen:

• Namen kunnen op verschillende manieren gespeld zijn.
• Verschillende onderzoekers kunnen dezelfde naam delen.
• Een werk kan een preprint, conferentieversie, geaccepteerd manuscript en definitieve versie hebben.
• Een tijdschriftartikel kan gekoppeld zijn aan een dataset, softwarepakket, subsidie of correctie.
• Een auteur kan van instituut of naam veranderen.
• Een webpagina kan een referentie beschrijven zonder te tonen wie deze heeft afgegeven of wanneer deze geldig was.

Persistente identificatoren en gestructureerde metadata helpen deze problemen op te lossen.

Het Digital Object Identifier systeem beschrijft een identificator als een persistente naam voor een digitaal, fysiek of abstract object. De waarde ervan hangt niet alleen af van de identificator, maar ook van de eraan gekoppelde metadata. DOI Handboek (doi.org)

Een nuttige manier om over een auteurs-hub na te denken, is als vier gekoppelde lagen:

Het doel is niet om een profiel vol indrukwekkende woorden te creëren. Het doel is om een record te creëren waarin belangrijke beweringen kunnen worden gecontroleerd.

De drie belangrijkste onderdelen van een auteurs-hub

1. ORCID: De persoonsidentiteitslaag

ORCID staat voor Open Researcher and Contributor ID. Het biedt een persistente identificator voor een persoon en helpt onderzoekers te onderscheiden die vergelijkbare namen hebben, verschillende naamvormen gebruiken of hun namen in de loop van de tijd wijzigen. ORCID overzicht (support.orcid.org)

Een ORCID record kan bevatten:

• Namen en naamvarianten
• Werk en opleiding
• Onderzoekswerken
• Financiering
• Peerreview-activiteit
• Redactiediensten
• Lidmaatschappen en onderscheidingen
• Onderzoeksbronnen
• Links naar andere identificatoren

De belangrijkste eigenschap is niet het 16-cijferige nummer zelf. Het is het netwerk van ondersteunde verbindingen dat aan dat nummer is gekoppeld.

Bijvoorbeeld:

text Jane Smith └── ORCID iD ├── Artikel DOI ├── Dataset DOI ├── Subsidie-identificator ├── Universitaire affiliatie ├── Software record └── Redactionele rol

Geverifieerde verbindingen zijn sterker

Organisaties moeten ORCID iD's verzamelen via een geauthenticeerd aanmeldingsproces in plaats van mensen te vragen een identificator in een formulier te typen. ORCID raadt aan om het autorisatieproces te gebruiken, zodat de onderzoeker het juiste record bevestigt. ORCID integratie en API-richtlijnen (info.orcid.org)

Dit onderscheid is belangrijk:

• Ongeverifieerde bewering: “Deze ORCID iD behoort toe aan Jane Smith.”
• Geverifieerde bewering: “Jane Smith heeft zich aangemeld via ORCID en dit systeem geautoriseerd om haar iD te gebruiken.”
• Institutionele bewering: “De universiteit bevestigt dat deze persoon deze affiliatie had gedurende deze datums.”

ORCID slaat ook de bron en oorsprong van beweringen op. Een werk of affiliatie kan zijn toegevoegd door de onderzoeker, een uitgever, een financier of een andere vertrouwde organisatie. ORCID vertrouwensrichtlijnen (info.orcid.org)

Dit creëert een nuttig vertrouwenssignaal voor zowel mensen als machines:

Het record zegt niet alleen wat er wordt beweerd. Het kan ook laten zien wie de bewering heeft gedaan en wanneer deze is toegevoegd.

Belangrijke beperking

Een ORCID iD is geen garantie dat elk item op een record correct is. ORCID moedigt gebruikers zelf aan om vertrouwensindicatoren, bronnen, datums en de organisaties die informatie hebben toegevoegd te onderzoeken. ORCID vertrouwensindicatoren (info.orcid.org)

Daarom mogen organisaties "een ORCID iD hebben" niet gelijkstellen aan "volledig geverifieerd zijn". Een beter model is:

• Zelf beweerd
• Geverifieerd
• Institutioneel bevestigd
• Door uitgever bevestigd
• Door financier bevestigd
• Recent beoordeeld

2. Crossref en DataCite: De werkidentiteitslaag

ORCID identificeert de persoon. Crossref en DataCite helpen het werk te identificeren.

Een Digital Object Identifier kan identificeren:

• Tijdschriftartikelen
• Boeken en boekhoofdstukken
• Conferentiepapers
• Datasets
• Software
• Rapporten
• Preprints
• Peer reviews
• Standaarden
• Posters en presentaties

Een DOI moet verwijzen naar een stabiele landingspagina. Belangrijker nog, het moet volledige metadata bevatten die het werk beschrijven.

Crossref raadt aan om informatie te registreren zoals:

• Familienaam en voornaam
• Auteursrollen
• Affiliaties
• Organisatie-identificatoren
• ORCID iD's
• Publicatiedatums
• Samenvattingen
• Referenties
• Financiering
• Licenties
• Versie-informatie
• Updates en correcties

Crossref vereiste en aanbevolen metadata (crossref.org)

Crossref beschrijft haar metadata als een gedeelde bron die toegankelijk is via webinterfaces, API's en bulkdownloads. Downstream systemen kunnen die informatie gebruiken om wetenschappelijke output te ontdekken en te verbinden. Crossref metadata ophalen (crossref.org)

DataCite vervult een vergelijkbare functie voor datasets en vele andere onderzoeksresultaten. Haar huidige Metadata Schema 4.7, uitgebracht op 3 maart 2026, ondersteunt makers, bijdragers, ORCID-identificatoren, affiliaties, organisatie-identificatoren, gerelateerde identificatoren, financiering, beschrijvingen en brontypen. DataCite Metadata Schema (schema.datacite.org)

DataCite beveelt specifiek aan om maker- en bijdragersrecords te verbinden met ORCID-identificatoren en organisatorische affiliaties met organisatie-identificatoren. DataCite naamidentificatoren (support.datacite.org)

Een DOI is geen kwaliteitskeurmerk

Een DOI bewijst dat een record bestaat in een DOI-registratiesysteem. Het bewijst niet dat:

• Het onderzoek correct is
• De publicatie peer-reviewed is
• Het tijdschrift gerenommeerd is
• De auteur een expert is
• De bevindingen belangrijk zijn

Crossref maakt dit punt duidelijk: de DOI zelf duidt niet op de waarde of nauwkeurigheid van het object. De omringende metadata bieden context en maken verbindingen mogelijk. Crossref DOI-richtlijnen (support.crossref.org)

Dit is de reden waarom een compleet DOI-record veel nuttiger is dan een DOI-reeks onderaan een pagina.

Auteursrollen voegen betekenis toe

In juli 2026 heeft Crossref Schema 5.5 betere ondersteuning toegevoegd voor meerdere auteursrollen, corresponderende auteurs en de Contributor Roles Taxonomy. Crossref Schema 5.5 (crossref.org)

De Contributor Roles Taxonomy bevat 14 rollen, waaronder:

• Conceptualisering
• Gegevensbeheer
• Formele analyse
• Onderzoek
• Methodologie
• Software
• Supervisie
• Validatie
• Visualisatie
• Het schrijven van het oorspronkelijke concept
• Schrijven, beoordelen en redigeren

De taxonomie is ontworpen om bijdragen transparanter te maken en erkenning, verantwoordelijkheid, onderzoeksevaluatie en onderzoeksintegriteit te ondersteunen. Contributor Roles Taxonomy (credit.niso.org)

Voor artificiële intelligentie systemen creëert dit een rijker antwoord dan “Jane Smith is een auteur.” Een systeem kan potentieel onderscheid maken tussen:

• De persoon die de studie heeft ontworpen
• De persoon die de software heeft geschreven
• De persoon die de gegevens heeft geanalyseerd
• De persoon die het project heeft begeleid
• De persoon die het oorspronkelijke manuscript heeft geschreven

Dat is vooral belangrijk voor grote onderzoeksteams en technische projecten.

3. Academische profielen: De contextlaag

Academische profielen maken de identiteitsgraaf begrijpelijk voor mensen en gemakkelijker te interpreteren voor zoeksystemen.

Een robuust profiel moet omvatten:

• Een stabiele institutionele pagina
• Een consistente naam
• Naamvarianten waar passend
• ORCID iD
• Huidige en vroegere affiliaties
• Onderzoeksgebieden
• Geselecteerde werken met DOI-links
• Datasets, software en rapporten
• Financiering en prijzen
• Redactionele of beoordelingsrollen
• Auteursrollen
• Datums voor huidige en vroegere posities
• Een laatst beoordeelde datum
• Links naar andere openbare profielen

Google Scholar-profielen stellen onderzoekers in staat publicaties te vermelden, het profiel openbaar te maken, te zien wie hun werk citeert en citatiestatistieken bij te houden. Een openbaar profiel met een geverifieerd institutioneel e-mailadres kan in aanmerking komen om te verschijnen in de zoekresultaten van Google Scholar. Google Scholar-profielen (scholar.google.com)

Google Scholar moet echter worden behandeld als een zichtbaarheids- en ontdekkingslaag, niet als de belangrijkste bron van waarheid. Onderzoekers kunnen hun eigen publicatielijsten beheren, en automatische matching kan incorrecte of dubbele werken omvatten. Citatietellingen variëren ook tussen databases.

OpenAlex biedt een andere nuttige ontdekkingslaag. Het onderhoudt ontdubbelde auteursrecords en verbindt auteurs, werken, instellingen, bronnen en onderwerpen. OpenAlex stelt dat het informatie haalt uit bronnen zoals Crossref en DataCite, en vervolgens auteurs koppelt aan ORCID iD's en affiliaties aan organisatie-identificatoren. OpenAlex ecosysteem beschrijving (help.openalex.org)

De best practice is daarom profiel-federatie:

text Institutionele auteurspagina ↕ ORCID record ↕ Crossref of DataCite werkrecords ↕ OpenAlex en Google Scholar profielen ↕ Uitgever, repository, financier en professionele pagina's

Geen enkel profiel hoeft alles te bevatten. Ze moeten naar elkaar verwijzen en dezelfde identificatoren gebruiken.

Hoe deze signalen AI-citaten kunnen beïnvloeden

Het is belangrijk om vijf verschillende gebeurtenissen te onderscheiden:

1. Ontdekking: Kan een systeem de pagina of het werk vinden?
2. Identiteitsresolutie: Kan het bepalen welke persoon en organisatie betrokken zijn?
3. Ophaling: Brengt het systeem het werk in zijn bewijsset?
4. Citatiekeuze: Citeert het het werk in het antwoord?
5. Citatiecorrectheid: Verwijst de citatie naar het juiste werk en ondersteunt het de bewering?

ORCID, DOI-metadata en academische profielen kunnen het meest direct helpen bij de eerste drie stappen. Ze kunnen ook de citatiecorrectheid verbeteren. Hun effect op de citatiekeuze zal waarschijnlijk afhangen van topicrelevantie, bronkwaliteit, recentheid, toegankelijkheid en het specifieke artificiële intelligentie systeem.

Google Zoekdocumentatie raadt aan om een auteurspagina, url en sameAs-links te gebruiken om artikelmakers te helpen identificeren. Voor datasets raadt Google specifiek aan om een ORCID iD te gebruiken in de sameAs-eigenschap voor een persoonsmaker. Gestructureerde gegevens voor Google-artikelen Gestructureerde gegevens voor Google-datasets (developers.google.com)

Een eenvoudige profielpagina zou gestructureerde gegevens zoals deze kunnen gebruiken:

{ "@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" } ] }

Gestructureerde gegevens garanderen geen zoekfunctie of AI-citatie. Google stelt dat zelfs correct geïmplementeerde gestructureerde gegevens mogelijk niet in de zoekresultaten verschijnen. De waarde ervan is dat het machines een duidelijke, standaard manier geeft om de pagina te interpreteren. Google-richtlijnen voor gestructureerde gegevens (developers.google.com)

De praktische conclusie is:

Identificatoren verbeteren het pad naar bewijs. Ze vervangen bewijs niet.

Wat huidig onderzoek zegt over AI-citaten

Onderzoek naar het citatiegedrag van artificiële intelligentie heeft zich voornamelijk gericht op citatienauwkeurigheid, bronselectie en verifieerbaarheid. Het heeft nog geen betrouwbare, algemene schatting opgeleverd voor het effect van ORCID-gekoppelde identiteitssterkte.

Een studie uit 2023 van citaten gegenereerd door ChatGPT vond substantiële percentages gefabriceerde referenties en fouten in echte referenties. De studie onderzocht 636 citaten gegenereerd in 84 papers en concludeerde dat citatieproblemen bleven bestaan, zelfs in het nieuwere geteste model. Scientific Reports studie (nature.com)

Een andere studie naar generatieve zoekmachines wees uit dat veel gegenereerde zinnen niet volledig werden ondersteund door citaten en dat veel citaten de ernaast geplaatste beweringen niet adequaat ondersteunden. Verifieerbaarheid evalueren in generatieve zoekmachines (arxiv.org)

Recent onderzoek toont ook aan dat generatieve zoeksystemen verschillen in hun bronkeuzes, overlap van bronnen, stabiliteit en gebruik van interne versus externe kennis. Karakterisering van webzoekopdrachten in het tijdperk van generatieve artificiële intelligentie (aclanthology.org)

Deze bevindingen ondersteunen een voorzichtige positie:

• Een DOI kan ambiguïteit over het geciteerde werk verminderen.
• ORCID kan ambiguïteit over de persoon verminderen.
• Affiliatie-identificatoren kunnen ambiguïteit over de organisatie verminderen.
• Auteursrollen kunnen de attributie verbeteren.
• Een openbaar profiel kan context bieden.
• Geen van deze signalen garandeert dat een systeem het werk zal ophalen of citeren.

Een onderzoeksprogramma om identiteitssterkte en AI-citatie frequentie te meten

Organisaties moeten niet beweren dat auteurs-hubs AI-citaten verbeteren totdat ze de relatie direct meten.

Definieer een score voor auteursidentiteitssterkte

Het volgende is een voorgestelde score, geen officiële standaard.

Neem geen citatietellingen, tijdschriftprestige of institutionele rang op in deze score. Die factoren moeten als afzonderlijke variabelen worden behandeld. Deze opnemen zou het moeilijk maken om te bepalen of identiteitssterkte zelf gerelateerd is aan citatiefrequentie.

Meet meer dan één soort citaat

Een nuttige studie moet minstens zes resultaten bijhouden:

1. Werken-citatiegraad Het percentage in aanmerking komende antwoorden dat een specifiek werk citeert.

2. Auteur-attributiegraad Het percentage antwoorden dat het werk correct benoemt of toeschrijft aan de juiste auteur.

3. Geldige identificatiegraad Het percentage citaten met een DOI die verwijst naar het juiste werk.

4. Citatieprecisie Het percentage citaten dat de gemaakte bewering daadwerkelijk ondersteunt.

5. Citatierecall Het percentage belangrijke ondersteunende bronnen dat het systeem citeert.

6. Cross-platform stabiliteit Het percentage citaten dat wordt herhaald over verschillende systemen of herhaalde uitvoeringen.

Een recent meetkader voor generatieve zoekopdrachten scheidt citatiekeuze van citatie-absorptie, wat betekent of een bron alleen in de citatielijst verschijnt of daadwerkelijk bewijs levert voor het antwoord. Dit onderscheid moet worden opgenomen in toekomstige auteurs-hub studies. Kader voor citatiekeuze en citatie-absorptie (arxiv.org)

Studie Eén: Observationele correlatiestudie

Deze studie vraagt:

Worden werken die verbonden zijn met sterkere auteursidentiteiten vaker geciteerd door artificiële intelligentie systemen na correctie voor onderwerp- en publicatiefactoren?

Voorgesteld ontwerp

• Bemonster 10.000 tot 50.000 wetenschappelijke werken
• Dek verschillende disciplines, talen en publicatietypen af
• Gebruik Crossref, DataCite, OpenAlex en openbare ORCID-gegevens
• Bereken een identiteitssterkte-score voor elke auteur en elk werk
• Creëer een set vragen waarvoor de bemonsterde werken relevant zijn
• Voer de vragen uit op verschillende citerende systemen
• Herhaal elke vraag meerdere keren
• Noteer de datum, het systeem, de modelinstelling, de regio en de geciteerde bronnen

Belangrijke controlevariabelen

De studie moet controleren op:

• Onderwerprelevantie
• Publicatiejaar
• Open access status
• Beschikbaarheid van abstracts
• Beschikbaarheid van volledige tekst
• Locatie
• Bestaande wetenschappelijke citatietelling
• Institutionele reputatie
• Taal
• Paginasnelheid en crawlbaarheid
• Werktype
• Algemeenheid van auteursnaam
• Aantal coauteurs
• Vraagstelling
• Zoeksysteem

Het belangrijkste statistische model zou kunnen schatten:

text Kans op correcte citatie = identiteitssterkte

• onderwerprelevantie
• leeftijd van het werk
• open access
• wetenschappelijke citaten
• systeem
• query
• auteur- en onderwerpcontroles

Een logistische regressie of een mixed-effects model zou passend zijn voor een ja/nee-uitkomst, zoals of een werk werd geciteerd. Een negatief binomiaal model kan nuttig zijn voor citatietellingen, omdat citatiegegevens vaak ongelijk verdeeld zijn.

Het resultaat moet worden gerapporteerd als een odds ratio met een betrouwbaarheidsinterval, niet als een eenvoudig percentage. Bijvoorbeeld:

Een toename van één standaarddeviatie in identiteitssterkte was geassocieerd met een verandering in de citatiekans na correctie voor relevantie, leeftijd, toegang en eerdere wetenschappelijke aandacht.

De studie moet ook nulresultaten rapporteren. Een bevinding van geen relatie zou nuttig zijn omdat het zou aantonen dat identificatoren de gegevenskwaliteit verbeteren zonder noodzakelijkerwijs het citatiegedrag van artificiële intelligentie te veranderen.

Studie Twee: Gecontroleerd metadata-experiment

Een observationele studie kan identiteitssterkte verwarren met populariteit. Een gecontroleerd experiment kan sommige effecten isoleren.

Er zijn twee praktische versies.

Versie A: Openbaar webexperiment

Creëer gematchte pagina's met dezelfde inhoud, maar met verschillende metadata-behandelingen:

• Alleen basis auteursnaam
• Auteursnaam plus institutioneel profiel
• Auteursnaam plus ORCID-link
• Auteursnaam, ORCID, DOI, affiliatie-identificator en gestructureerde gegevens

Publiceer de pagina's tegelijkertijd en monitor:

• Zoekmachine-ontdekking
• Correcte auteurmatching
• Ophaling in AI-antwoorden
• Citatie frequentie
• Citatie correctheid

Dit experiment moet zorgvuldig worden geïnterpreteerd. Openbare systemen kunnen pagina's op verschillende tijdstippen crawlen, en organisaties kunnen Crossref- of DataCite-records voor een reeds gepubliceerd werk niet gemakkelijk wijzigen.

Versie B: Gecontroleerde onderzoeksindex

Bouw een klein ophaalsysteem met dezelfde documenten onder verschillende metadata-condities. Varieer alleen:

• Auteur-identificator
• DOI
• Affiliatie
• Auteursrol
• Profiel-links
• Herkomstvelden

Stel vervolgens dezelfde vragen en meet de ophaling en citatiekeuze. Dit experiment geeft betere controle, maar het meet een onderzoekssysteem in plaats van commerciële platforms.

Studie Drie: Gefaseerde organisatie-uitrol

Het sterkste praktische ontwerp is een verschil-in-verschillen studie.

Een organisatie kan auteurs-hubs gefaseerd uitrollen:

• Afdeling Eén ontvangt het volledige programma in oktober 2026.
• Afdeling Twee ontvangt het in januari 2027.
• Afdeling Drie ontvangt het in april 2027.

Alle afdelingen worden gemeten voor en na implementatie. Afdelingen die het programma nog niet hebben ontvangen, dienen als tijdelijke vergelijkingsgroepen.

Meet:

• Correcte auteurattributie
• DOI-resolutie
• Citatie frequentie
• Citatie nauwkeurigheid
• Zoekvertoningen
• Profielpaginabezoeken
• Tijd nodig om slechte metadata te corrigeren

Dit ontwerp is sterker dan een eenvoudige voor-en-na-vergelijking, omdat het helpt het effect van de uitrol te scheiden van bredere veranderingen in AI-systemen.

Te testen hypothesen

Organisaties kunnen deze hypothesen vooraf registreren:

• H1: Sterkere identiteitskoppelingen verbeteren de correcte auteurattributie.
• H2: Complete DOI-metadata verbeteren de geldige citatiepercentages.
• H3: Affiliatie-identificatoren helpen het meest wanneer auteurs veelvoorkomende namen hebben of tussen instellingen wisselen.
• H4: Academische profielen verbeteren de ontdekking meer dan de uiteindelijke citatie frequentie.
• H5: De identiteitssterkte heeft een groter effect op 'long-tail' auteurs dan op reeds beroemde auteurs.
• H6: Het effect varieert per systeem, onderwerp, taal en publicatietype.
• H7: Actualiteit en onderwerprelevantie zijn belangrijker dan profieldecoratie.

Welke referenties moeten worden gepubliceerd?

Een profiel moet referenties publiceren die kunnen worden gecontroleerd. Elke referentie moet hebben:

• Een referentietype
• De persoon die het bezit
• De uitgevende organisatie
• Een persistente identificator voor de organisatie, indien beschikbaar
• Start- en einddatums
• Een verificatiebron
• Een status zoals huidig, verlopen, betwist of gearchiveerd
• Een laatst gecontroleerde datum

Organisaties moeten de bron van elke referentie labelen:

• Zelf gerapporteerd
• Institutioneel geverifieerd
• Door uitgever geverifieerd
• Door financier geverifieerd
• Geïmporteerd uit een register
• In afwachting van beoordeling

Vermijd het publiceren van onondersteunde labels zoals "leidende expert" of "wereldberoemde onderzoeker". Vervang ze door bewijs:

• Aantal en type werken
• Onderzoeksgebieden
• Geverifieerde rollen
• Gefinancierde projecten
• Redactiediensten
• Openbare datasets of software
• Institutionele aanstellingen

Deze benadering is nuttiger voor zowel lezers als machines.

Uitrolplan voor organisaties

Fase één: Creëer het metadata-beleid

Wijs een kleine bestuursgroep aan met vertegenwoordigers van:

• Onderzoeksadministratie
• Bibliotheekdiensten
• Informatietechnologie
• Communicatie
• Uitgeef- of repositorydiensten
• Privacy
• Onderzoeksintegriteit

Creëer een kort gegevensbeleid dat definieert:

• Vereiste velden
• Goedgekeurde identificatiesystemen
• Wie elk veld mag bevestigen
• Welke velden openbaar zijn
• Hoe correcties worden behandeld
• Hoe lang updates mogen duren
• Wat er gebeurt als een persoon vertrekt

Gebruik een enkel gegevenscontract voor alle systemen. Elk record voor persoon, werk, organisatie en referentie moet minimaal bevatten:

text persistent_id display_name source asserted_by valid_from valid_to last_verified status evidence_url

Fase twee: Verzamel geverifieerde identificatoren

Vraag onderzoekers om hun ORCID-records te verbinden via een geauthenticeerd proces. Maak de instelling niet verantwoordelijk voor het raden welke ORCID iD bij een persoon hoort.

Tegelijkertijd:

• Wijs organisatie-identificatoren toe aan afdelingen en instellingen
• Koppel personeelsrecords aan ORCID
• Match bestaande publicaties met DOI-records
• Markeer naamconflicten
• Behoud alternatieve naamvormen
• Noteer toestemming en zichtbaarheidsinstellingen

Fase drie: Verbeter DOI-metadata

Voor nieuwe werken, vereis dat de publicatieworkflow verzamelt:

• Volledige auteursnamen
• Geverifieerde ORCID iD's
• Affiliaties
• Organisatie-identificatoren
• Auteursrollen
• Financieringsidentificatoren
• Abstracts
• Referenties
• Licenties
• Versie- en update-informatie

Begin voor oudere werken met de meest recente vijf jaar en de meest gebruikte auteurs van de organisatie.

Crossref en DataCite moeten correcties en updates ontvangen in plaats van alleen de oorspronkelijke aanlevering. DOI-reeksen blijven persistent, terwijl de bijbehorende metadata kunnen worden onderhouden. Crossref metadata onderhoud (crossref.org)

Fase vier: Bouw canonieke auteurspagina's

Elke onderzoeker moet één stabiele institutionele pagina hebben. Die pagina moet:

• Een permanent webadres gebruiken
• De huidige rol tonen
• Eerdere rollen met datums behouden
• Linken naar ORCID
• Linken naar geselecteerde DOI-records
• Linken naar openbare academische profielen
• Onderzoeksgebieden tonen
• Een laatst bijgewerkte datum weergeven
• Gestructureerde gegevens gebruiken
• Toegankelijk blijven voor zoekcrawlers
• Geen login vereisen

Google raadt aan duidelijke auteur-URL's en sameAs-links te gebruiken om auteurs te onderscheiden. Google-richtlijnen voor auteur-markup (developers.google.com)

Fase vijf: Federeer en monitor profielen

Koppel de institutionele pagina aan:

• ORCID
• Google Scholar
• OpenAlex
• Uitgeverspagina's
• Repository-records
• Subsidiepagina's
• Openbare professionele profielen, indien van toepassing

Gebruik geautomatiseerde controles om te vinden:

• Verbroken DOI-links
• Ontbrekende ORCID-links
• Dubbele auteurs
• Verkeerde coauteur-matches
• Oude affiliaties
• Vervallen referenties
• Ontbrekende update-datums
• Niet-overeenkomende namen
• Terugtrekkingen of correcties

Bestuur voor updates en rolwijzigingen

Een auteurs-hub moet de geschiedenis bewaren. Het mag het verleden niet herschrijven elke keer dat een persoon van baan verandert.

Aanbevolen bronhiërarchie

Wanneer een onderzoeker van instelling verandert

Verwijder de oude affiliatie niet uit historische werken.

In plaats daarvan:

1. Voeg een einddatum toe aan het vroegere werkgelegenheidsrecord.
2. Voeg de nieuwe affiliatie toe met een startdatum.
3. Werk het institutionele profiel bij.
4. Houd historische publicatie-affiliaties ongewijzigd, tenzij de uitgever een correctie uitvaardigt.
5. Werk het ORCID-record bij via de juiste bron.
6. Leid de oude profielpagina door naar een gearchiveerde of nieuwe pagina.

Wanneer een persoon van naam verandert

Gebruik ORCID om naamvarianten te verbinden. Voeg vroegere of alternatieve namen toe waar de onderzoeker mee instemt. Wijzig de auteursnaam in een gepubliceerd DOI-record niet alleen om deze overeen te laten komen met een huidig profiel.

Het doel van de persistente identificator is om werken over naamswijzigingen heen te verbinden zonder het publicatierecord te herschrijven.

Wanneer de rol van een bijdrager verandert

De rol van een bijdrager bij een voltooid werk moet worden behandeld als onderdeel van het historische record.

Bijvoorbeeld:

• De rol van een persoon bij een gepubliceerd artikel mag niet veranderen omdat hij later afdelingshoofd wordt.
• Een redactionele rol moet een start- en einddatum hebben.
• Een subsidierol moet gekoppeld zijn aan de subsidieperiode.
• Een softwarerol moet gekoppeld zijn aan de versie of release.

Als het oorspronkelijke bijdrage record onjuist is, gebruik dan een formeel correctieproces. Overschrijf het niet stilzwijgend.

Wanneer een referentie verloopt

Gebruik duidelijke statuswaarden:

• Huidig
• Verlopen
• Vernieuwd
• Geschorst
• Betwist
• Gearchiveerd

Geautomatiseerde herinneringen moeten vóór de vervaldatum worden verzonden. Openbare profielen moeten de status en datum tonen in plaats van een verouderde referentie zonder uitleg zichtbaar te laten.

Wanneer een onderzoeker de organisatie verlaat

De organisatie moet:

• Het historische profiel bewaren
• De vroegere rol duidelijk markeren
• Links naar gepubliceerde werken behouden
• Profieleigendom overdragen
• Een omleiding instellen voor de vroegere pagina
• Privé contactinformatie verwijderen
• Institutionele beweringen behouden die waar waren tijdens de vroegere dienstperiode

Wanneer auteurschap wordt betwist

Blokkeer het betwiste veld, bewaar de oorspronkelijke bron en noteer het geschil. Verwijder geen auteur of wijzig geen bijdragerrollen uitsluitend op basis van een informeel verzoek.

Het bureau voor onderzoeksintegriteit, de uitgever of de verantwoordelijke projectautoriteit moet het formele correctiepad bepalen.

Succesfactoren

Organisaties moeten operationele kwaliteit bijhouden voordat ze verhoogde AI-zichtbaarheid beloven.

Voorgestelde doelen omvatten:

• 95 procent van de actieve onderzoekers heeft geverifieerde ORCID iD's
• 95 procent van de nieuwe werken omvat ORCID, indien beschikbaar
• 95 procent van de affiliaties gebruikt een persistente organisatie-identificator
• 100 procent van de nieuwe DOI-deposities slaagt voor metadata-validatie
• 100 procent van de auteurspagina's bevat een stabiel profieladres
• 100 procent van de rolwijzigingen omvat datums
• Minder dan 1 procent van de werken wordt onjuist aan een auteur toegewezen
• Metadata-correcties worden binnen 30 dagen voltooid
• Wijzigingen in de huidige werkgelegenheid verschijnen binnen zeven dagen
• Terugtrekkingen en formele correcties worden tijdig weerspiegeld

Voor de AI-citatiestudie, houd bij:

• Correcte auteurattributiegraad
• Geldige DOI-graad
• Citatieprecisie
• Citatierecall
• Werkcitatie frequentie
• Cross-systeem overeenstemming
• Tijd van metadata-correctie tot verbeterde indexering
• Verschil tussen profielontdekking en uiteindelijke antwoordcitatie

De organisatie moet deze metingen rapporteren per discipline, taal, carrièrefase en gemeenschappelijkheid van de naam. Anders kan een gemiddelde score ongelijke uitkomsten verhullen.

Risico's en waarborgen

Auteurs-hubs kunnen nieuwe risico's creëren als ze een poortwachtersysteem worden.

Organisaties moeten niet:

• Onderzoekers straffen die bepaalde ORCID-informatie privé houden
• Een openbaar Google Scholar-profiel behandelen als bewijs van kwaliteit
• Citatietellingen gebruiken als vervanging voor peer review
• Persoonlijke contactgegevens onnodig publiceren
• Expertise afleiden uitsluitend uit institutioneel prestige
• Van elke onderzoeker eisen dat deze dezelfde openbare profielservice gebruikt
• Ontbrekende identificatoren behandelen als bewijs van wangedrag
• Geautomatiseerde systemen toestaan records te overschrijven zonder beoordeling

ORCID-adoptie en metadata-kwaliteit variëren per vakgebied, land, carrièrefase en publicatietype. Een eerlijk systeem moet handmatige correctie, privacycontroles, naamdiversiteit en mensen ondersteunen wiens werk niet goed wordt weergegeven door tijdschriftpublicatiestatistieken.

Conclusie

Een sterke auteurs-hub is geen persoonlijk brandingproject. Het is een machineleesbaar bewijssysteem.

• ORCID verbindt een persoon met een persistente identiteit.
• Crossref en DataCite verbinden werken met stabiele identificatoren en rijke metadata.
• Research Organization Registry identificatoren verbinden mensen en werken met instellingen.
• Auteursrollen tonen wat elke persoon daadwerkelijk heeft gedaan.
• Institutionele en academische profielen bieden openbare context.
• Gestructureerde gegevens helpen zoeksystemen de relaties te interpreteren.
• Bestuur en versiegeschiedenis tonen wat actueel is, wat in het verleden waar was en wie elke bewering heeft bevestigd.

Het waarschijnlijke voordeel is geen automatische rankingboost. Het voordeel is een sterkere keten van persoon → werk → organisatie → bewijs.

Organisaties moeten daarom twee toezeggingen doen:

1. Standaardiseer en onderhoud de metadata.
2. Meet het AI-citatiegedrag in plaats van een effect aan te nemen.

De meest geloofwaardige auteurs-hub is niet die met de meeste badges. Het is die waarvan de belangrijke beweringen persistent, verbonden, voorzien van bronnen, actueel en gemakkelijk te verifiëren zijn.