Construindo Centros de Autores: ORCID, Crossref e Perfis Acadêmicos como Primitivas de Confiança

Construindo Centros de Autores: ORCID, Crossref e Perfis Acadêmicos como Primitivas de Confiança

Os centros de autores são registros públicos e conectados que ajudam pessoas e máquinas a responder a três perguntas básicas:

1. Quem criou este trabalho?
2. O que é exatamente este trabalho?
3. Por que alguém deveria confiar na conexão entre a pessoa, o trabalho e a organização?

Para leitores humanos, um centro de autores pode parecer uma página de perfil com biografia, publicações, credenciais e links. Para sistemas de inteligência artificial, é mais útil pensar nele como um grafo de evidências interligadas.

Um centro de autores forte conecta:

• Uma pessoa a um ORCID iD
• Uma publicação, conjunto de dados, relatório ou pacote de software a um Digital Object Identifier
• Um trabalho a metadados completos do Crossref ou DataCite
• Um pesquisador a afiliações e organizações verificadas
• Um perfil público a uma página web institucional estável
• Contribuições a funções claras, como as da Taxonomia de Funções de Contribuidor
• Funções atuais e passadas a datas, fontes e registros de atualização

Essas conexões podem melhorar a resolução de identidade, recuperação, precisão de citação e verificação de fonte. Elas não garantem que um sistema de inteligência artificial citará um autor. Não há evidências públicas credíveis de que adicionar um ORCID iD produz um aumento fixo nas citações de inteligência artificial. A afirmação mais forte é mais restrita e mais defensável: bons metadados de identidade e trabalho facilitam para os sistemas de busca e pesquisa encontrar, combinar, verificar e citar corretamente o material acadêmico.

Este artigo reflete a documentação pública e a pesquisa disponíveis em 13 de agosto de 2026.

Por que os Centros de Autores São Importantes para os Sistemas de Inteligência Artificial

Os sistemas de inteligência artificial não usam todos os mesmos índices de busca, bases de dados ou métodos de classificação. Alguns dependem de busca web ao vivo. Outros usam bases de dados acadêmicas, índices licenciados, armazenamentos de conhecimento internos ou sistemas de recuperação que buscam documentos antes de gerar uma resposta.

Ainda assim, muitos sistemas enfrentam os mesmos problemas técnicos:

• Nomes podem ser grafados de diferentes maneiras.
• Vários pesquisadores podem compartilhar o mesmo nome.
• Um trabalho pode ter um preprint, versão de conferência, manuscrito aceito e versão final.
• Um artigo de revista pode estar vinculado a um conjunto de dados, pacote de software, bolsa ou correção.
• Um autor pode mudar de instituição ou nome.
• Uma página web pode descrever uma credencial sem mostrar quem a emitiu ou quando ela era válida.

Identificadores persistentes e metadados estruturados ajudam a resolver esses problemas.

O sistema Digital Object Identifier descreve um identificador como um nome persistente para um objeto digital, físico ou abstrato. Seu valor depende não apenas do identificador, mas também dos metadados conectados a ele. Manual do DOI (doi.org)

Uma maneira útil de pensar sobre um centro de autores é como quatro camadas conectadas:

O objetivo não é criar um perfil cheio de palavras impressionantes. O objetivo é criar um registro onde afirmações importantes possam ser verificadas.

As Três Partes Principais de um Centro de Autores

1. ORCID: A Camada de Identidade da Pessoa

ORCID significa Open Researcher and Contributor ID (Identificador Aberto de Pesquisador e Contribuidor). Ele fornece um identificador persistente para uma pessoa e ajuda a distinguir pesquisadores com nomes semelhantes, que usam diferentes formas de nome ou que mudam de nome ao longo do tempo. Visão geral do ORCID (support.orcid.org)

Um registro ORCID pode conter:

• Nomes e variantes de nomes
• Emprego e educação
• Trabalhos de pesquisa
• Financiamento
• Atividade de revisão por pares
• Serviço editorial
• Membresias e distinções
• Recursos de pesquisa
• Links para outros identificadores

A característica mais importante não é o número de 16 dígitos em si. É a rede de conexões suportadas anexada a esse número.

Por exemplo:

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

Conexões autenticadas são mais fortes

As organizações devem coletar os ORCID iDs através de um processo de login autenticado, em vez de pedir às pessoas para digitar um identificador em um formulário. O ORCID recomenda usar seu processo de autorização para que o pesquisador confirme o registro correto. Orientações de integração e interface de programação de aplicativos do ORCID (info.orcid.org)

Essa distinção importa:

• Alegação não verificada: “Este ORCID iD pertence a Jane Smith.”
• Alegação autenticada: “Jane Smith fez login via ORCID e autorizou este sistema a usar seu iD.”
• Afirmação institucional: “A universidade confirma que esta pessoa manteve esta afiliação durante estas datas.”

O ORCID também armazena a fonte e a origem das afirmações. Um trabalho ou afiliação pode ser adicionado pelo pesquisador, por um editor, por um financiador ou por outra organização confiável. Orientações de confiança do ORCID (info.orcid.org)

Isso cria um sinal de confiança útil tanto para pessoas quanto para máquinas:

O registro não apenas diz o que é afirmado. Ele também pode mostrar quem fez a afirmação e quando ela foi adicionada.

Limitação importante

Um ORCID iD não é uma garantia de que cada item em um registro está correto. O próprio ORCID incentiva os usuários a examinar os marcadores de confiança, fontes, datas e as organizações que adicionaram informações. Marcadores de confiança do ORCID (info.orcid.org)

Portanto, as organizações não devem tratar “ter um ORCID iD” como equivalente a “estar totalmente verificado”. Um modelo melhor é:

• Autoafirmado
• Autenticado
• Confirmado institucionalmente
• Confirmado pelo editor
• Confirmado pelo financiador
• Recentemente revisado

2. Crossref e DataCite: A Camada de Identidade do Trabalho

O ORCID identifica a pessoa. Crossref e DataCite ajudam a identificar o trabalho.

Um Digital Object Identifier pode identificar:

• Artigos de periódicos
• Livros e capítulos de livros
• Artigos de conferência
• Conjuntos de dados
• Software
• Relatórios
• Preprints
• Revisões por pares
• Padrões
• Pôsteres e apresentações

Um DOI deve direcionar para uma página de destino estável. Mais importante, deve ter metadados completos que descrevem o trabalho.

Crossref recomenda registrar informações como:

• Sobrenome e nome
• Funções de contribuidor
• Afiliações
• Identificadores de organização
• ORCID iDs
• Datas de publicação
• Resumos
• Referências
• Financiamento
• Licenças
• Informações de versão
• Atualizações e correções

Metadados obrigatórios e recomendados do Crossref (crossref.org)

Crossref descreve seus metadados como um recurso compartilhado que pode ser acessado através de interfaces web, interfaces de programação de aplicativos e downloads em massa. Sistemas downstream podem usar essa informação para descobrir e conectar produtos acadêmicos. Recuperação de metadados do Crossref (crossref.org)

O DataCite serve a uma função similar para conjuntos de dados e muitos outros produtos de pesquisa. Seu Esquema de Metadados 4.7 atual, lançado em 3 de março de 2026, suporta criadores, contribuidores, identificadores ORCID, afiliações, identificadores de organização, identificadores relacionados, financiamento, descrições e tipos de recursos. Esquema de Metadados do DataCite (schema.datacite.org)

O DataCite recomenda especificamente conectar registros de criadores e contribuidores a identificadores ORCID e afiliações organizacionais a identificadores de organização. Identificadores de nome do DataCite (support.datacite.org)

Um DOI não é um selo de qualidade

Um DOI prova que um registro existe em um sistema de registro de DOI. Ele não prova que:

• A pesquisa está correta
• A publicação foi revisada por pares
• A revista é respeitável
• O autor é um especialista
• Os resultados são importantes

Crossref deixa isso claro: o próprio DOI não significa o valor ou a precisão do objeto. Os metadados circundantes fornecem contexto e permitem conexões. Orientações de DOI do Crossref (support.crossref.org)

É por isso que um registro DOI completo é muito mais útil do que uma string DOI colocada na parte inferior de uma página.

Funções de contribuidor adicionam significado

Em julho de 2026, o Crossref Schema 5.5 adicionou melhor suporte para múltiplas funções de contribuidor, autores correspondentes e a Taxonomia de Funções de Contribuidor. Crossref Schema 5.5 (crossref.org)

A Taxonomia de Funções de Contribuidor contém 14 funções, incluindo:

• Conceituação
• Curadoria de dados
• Análise formal
• Investigação
• Metodologia
• Software
• Supervisão
• Validação
• Visualização
• Redação do rascunho original
• Redação, revisão e edição

A taxonomia foi projetada para tornar as contribuições mais transparentes e apoiar o crédito, a responsabilidade, a avaliação da pesquisa e a integridade da pesquisa. Taxonomia de Funções de Contribuidor (credit.niso.org)

Para sistemas de inteligência artificial, isso cria uma resposta mais rica do que “Jane Smith é uma autora”. Um sistema pode potencialmente distinguir entre:

• A pessoa que projetou o estudo
• A pessoa que escreveu o software
• A pessoa que analisou os dados
• A pessoa que supervisionou o projeto
• A pessoa que escreveu o manuscrito original

Isso é especialmente importante para grandes equipes de pesquisa e projetos técnicos.

3. Perfis Acadêmicos: A Camada de Contexto

Os perfis acadêmicos tornam o grafo de identidade compreensível para as pessoas e mais fácil de interpretar para os sistemas de busca.

Um perfil robusto deve incluir:

• Uma página institucional estável
• Um nome consistente
• Variantes de nome, quando apropriado
• ORCID iD
• Afiliações atuais e passadas
• Áreas de pesquisa
• Trabalhos selecionados com links DOI
• Conjuntos de dados, software e relatórios
• Financiamento e prêmios
• Funções editoriais ou de revisão
• Funções de contribuidor
• Datas para posições atuais e passadas
• Uma data da última revisão
• Links para outros perfis públicos

Os perfis do Google Scholar permitem que os pesquisadores listem publicações, tornem o perfil público, vejam quem cita seu trabalho e acompanhem métricas de citação. Um perfil público com um endereço de e-mail institucional verificado pode ser elegível para aparecer nos resultados de busca do Google Scholar. Perfis do Google Scholar (scholar.google.com)

No entanto, o Google Scholar deve ser tratado como uma camada de visibilidade e descoberta, não a principal fonte de verdade. Os pesquisadores podem gerenciar suas próprias listas de publicações, e a correspondência automática pode incluir trabalhos incorretos ou duplicados. As contagens de citações também variam entre as bases de dados.

O OpenAlex oferece outra camada de descoberta útil. Ele mantém registros de autor disambiguados e conecta autores, trabalhos, instituições, fontes e tópicos. O OpenAlex afirma que obtém informações de fontes como Crossref e DataCite, e então associa autores a ORCID iDs e afiliações a identificadores de organização. Descrição do ecossistema OpenAlex (help.openalex.org)

A melhor prática é, portanto, a federação de perfis:

text Página institucional do autor ↕ Registro ORCID ↕ Registros de trabalho Crossref ou DataCite ↕ Perfis OpenAlex e Google Scholar ↕ Páginas de editora, repositório, financiador e profissionais

Nenhum perfil único precisa conter tudo. Eles devem apontar uns para os outros e usar os mesmos identificadores.

Como Estes Sinais Podem Afetar as Citações de Inteligência Artificial

É importante separar cinco eventos diferentes:

1. Descoberta: Um sistema consegue encontrar a página ou o trabalho?
2. Resolução de identidade: Ele consegue dizer qual pessoa e organização estão envolvidas?
3. Recuperação: O sistema incorpora o trabalho em seu conjunto de evidências?
4. Seleção de citação: Ele cita o trabalho na resposta?
5. Correção da citação: A citação aponta para o trabalho correto e apoia a afirmação?

ORCID, metadados DOI e perfis acadêmicos podem ajudar mais diretamente com os três primeiros passos. Eles também podem melhorar a correção da citação. Seu efeito na seleção de citação provavelmente dependerá da relevância do tópico, qualidade da fonte, atualidade, acessibilidade e do sistema de inteligência artificial específico.

A documentação do Google Search recomenda usar uma página de autor, url e links sameAs para ajudar a identificar autores de artigos. Para conjuntos de dados, o Google recomenda especificamente usar um ORCID iD na propriedade sameAs para um criador de pessoa. Dados estruturados de artigo do Google Dados estruturados de conjunto de dados do Google (developers.google.com)

Uma página de perfil simples poderia usar dados estruturados como este:

{ "@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" } ] }

Dados estruturados não garantem um recurso de busca ou citação de inteligência artificial. O Google afirma que mesmo dados estruturados implementados corretamente podem não aparecer nos resultados de busca. Seu valor é que ele oferece às máquinas uma maneira clara e padrão de interpretar a página. Orientações de dados estruturados do Google (developers.google.com)

A conclusão prática é:

Identificadores melhoram o caminho para a evidência. Eles não substituem a evidência.

O Que a Pesquisa Atual Diz Sobre as Citações de Inteligência Artificial

A pesquisa sobre o comportamento de citação da inteligência artificial tem estudado principalmente a precisão da citação, a seleção da fonte e a verificabilidade. Ainda não produziu uma estimativa geral e confiável para o efeito da força da identidade vinculada ao ORCID.

Um estudo de 2023 sobre citações geradas pelo ChatGPT encontrou taxas substanciais de referências fabricadas e erros em referências reais. O estudo examinou 636 citações geradas em 84 artigos e descobriu que os problemas de citação persistiram mesmo no modelo mais recente testado. Estudo da Scientific Reports (nature.com)

Outro estudo sobre motores de busca generativos descobriu que muitas frases geradas não eram totalmente apoiadas por citações e que muitas citações não apoiavam adequadamente as declarações ao lado delas. Avaliando a Verificabilidade em Motores de Busca Generativos (arxiv.org)

Pesquisas recentes também mostram que os sistemas de busca generativos diferem em suas escolhas de fonte, sobreposição de fontes, estabilidade e uso de conhecimento interno versus externo. Caracterizando a Busca na Web na Era da Inteligência Artificial Generativa (aclanthology.org)

Estas descobertas apoiam uma posição cautelosa:

• Um DOI pode reduzir a ambiguidade sobre o trabalho citado.
• O ORCID pode reduzir a ambiguidade sobre a pessoa.
• Identificadores de afiliação podem reduzir a ambiguidade sobre a organização.
• Funções de contribuidor podem melhorar a atribuição.
• Um perfil público pode fornecer contexto.
• Nenhum desses sinais garante que um sistema recuperará ou citará o trabalho.

Um Programa de Pesquisa para Medir a Força da Identidade e a Frequência de Citações de Inteligência Artificial

As organizações não devem afirmar que os centros de autores melhoram as citações de inteligência artificial até que meçam diretamente essa relação.

Definir uma pontuação de força da identidade do autor

A seguir, uma pontuação proposta, não um padrão oficial.

Não inclua contagens de citações, prestígio de periódico ou classificação institucional nesta pontuação. Esses fatores devem ser tratados como variáveis separadas. Incluí-los dificultaria a determinação se a força da identidade em si está relacionada à frequência de citação.

Medir mais de um tipo de citação

Um estudo útil deve acompanhar pelo menos seis resultados:

1. Taxa de citação do trabalho A porcentagem de respostas elegíveis que citam um trabalho específico.

2. Taxa de atribuição de autor A porcentagem de respostas que nomeiam ou atribuem corretamente o trabalho ao autor certo.

3. Taxa de identificador válido A porcentagem de citações contendo um DOI que se resolve para o trabalho correto.

4. Precisão da citação A porcentagem de citações que realmente apoiam a afirmação feita.

5. Recall da citação A porcentagem de fontes de apoio importantes que o sistema cita.

6. Estabilidade entre plataformas A porcentagem de citações repetidas em diferentes sistemas ou execuções repetidas.

Um framework de medição recente para busca generativa separa a seleção de citação da absorção de citação, significando se uma fonte apenas aparece na lista de citações ou realmente contribui com evidências para a resposta. Essa distinção deve ser incluída em futuros estudos de centros de autores. Estrutura de seleção e absorção de citação (arxiv.org)

Estudo Um: Estudo de correlação observacional

Este estudo pergunta:

Trabalhos conectados a identidades de autor mais fortes são citados com mais frequência por sistemas de inteligência artificial após controlar por fatores de tópico e publicação?

Design sugerido

• Amostrar 10.000 a 50.000 trabalhos acadêmicos
• Cobrir várias disciplinas, idiomas e tipos de publicação
• Usar dados do Crossref, DataCite, OpenAlex e ORCID públicos
• Calcular uma pontuação de força de identidade para cada autor e trabalho
• Criar um conjunto de perguntas para as quais os trabalhos amostrados são relevantes
• Executar as perguntas em vários sistemas de produção de citações
• Repetir cada pergunta várias vezes
• Registrar a data, sistema, configuração do modelo, região e fontes citadas

Variáveis de controle importantes

O estudo deve controlar por:

• Relevância do tópico
• Ano de publicação
• Status de acesso aberto
• Disponibilidade do resumo
• Disponibilidade do texto completo
• Local
• Contagem de citações acadêmicas existentes
• Reputação institucional
• Idioma
• Velocidade da página e rastreabilidade
• Tipo de trabalho
• Comunsidade do nome do autor
• Número de coautores
• Redação da consulta
• Sistema de busca

O principal modelo estatístico poderia estimar:

text Probabilidade de citação correta = força da identidade

• relevância tópica
• idade do trabalho
• acesso aberto
• citações acadêmicas
• sistema
• consulta
• controles de autor e tópico

Uma regressão logística ou modelo de efeitos mistos seria apropriado para um resultado sim-ou-não, como se um trabalho foi citado. Um modelo binomial negativo pode ser útil para contagens de citações porque os dados de citação são frequentemente distribuídos de forma desigual.

O resultado deve ser relatado como uma razão de chances com intervalo de confiança, não como uma porcentagem simples. Por exemplo:

Um aumento de um desvio padrão na força da identidade foi associado a uma mudança na probabilidade de citação após controlar por relevância, idade, acesso e atenção acadêmica prévia.

O estudo também deve relatar resultados nulos. Uma constatação de não relacionamento seria útil porque mostraria que os identificadores melhoram a qualidade dos dados sem necessariamente alterar o comportamento de citação da inteligência artificial.

Estudo Dois: Experimento de metadados controlado

Um estudo observacional pode confundir a força da identidade com a popularidade. Um experimento controlado pode isolar alguns efeitos.

Existem duas versões práticas.

Versão A: Experimento web público

Criar páginas correspondentes com o mesmo conteúdo substantivo, mas diferentes tratamentos de metadados:

• Apenas nome básico do autor
• Nome do autor mais perfil institucional
• Nome do autor mais link ORCID
• Nome do autor, ORCID, DOI, identificador de afiliação e dados estruturados

Publicar as páginas ao mesmo tempo e monitorar:

• Descoberta na busca
• Correspondência correta do autor
• Recuperação em respostas de inteligência artificial
• Frequência de citação
• Correção da citação

Este experimento deve ser interpretado cuidadosamente. Sistemas públicos podem rastrear páginas em momentos diferentes, e as organizações não podem alterar facilmente os registros do Crossref ou DataCite para um trabalho já publicado.

Versão B: Índice de pesquisa controlado

Construir um pequeno sistema de recuperação contendo os mesmos documentos sob diferentes condições de metadados. Variar apenas:

• Identificador do autor
• DOI
• Afiliação
• Função de contribuidor
• Links de perfil
• Campos de proveniência

Então, fazer as mesmas perguntas e medir a recuperação e a seleção de citação. Este experimento oferece melhor controle, mas mede um sistema de pesquisa em vez de plataformas comerciais.

Estudo Três: Lançamento organizacional escalonado

O design prático mais forte é um estudo de diferença em diferenças.

Uma organização pode lançar centros de autores em etapas:

• Departamento Um recebe o programa completo em outubro de 2026.
• Departamento Dois recebe em janeiro de 2027.
• Departamento Três recebe em abril de 2027.

Todos os departamentos são medidos antes e depois da implementação. Departamentos que ainda não receberam o programa servem como grupos de comparação temporários.

Medir:

• Atribuição correta do autor
• Resolução do DOI
• Frequência de citação
• Precisão da citação
• Impressões de busca
• Visitas à página de perfil
• Tempo necessário para corrigir metadados ruins

Este design é mais forte do que uma simples comparação antes e depois porque ajuda a separar o efeito do lançamento de mudanças mais amplas nos sistemas de inteligência artificial.

Hipóteses a serem testadas

As organizações podem pré-registrar estas hipóteses:

• H1: Links de identidade mais fortes melhoram a atribuição correta do autor.
• H2: Metadados DOI completos melhoram as taxas de citação válidas.
• H3: Identificadores de afiliação ajudam mais quando os autores têm nomes comuns ou se movem entre instituições.
• H4: Perfis acadêmicos melhoram a descoberta mais do que melhoram a frequência final de citação.
• H5: A força da identidade tem um efeito maior em autores de cauda longa do que em autores já famosos.
• H6: O efeito varia por sistema, tópico, idioma e tipo de publicação.
• H7: A atualidade e a relevância tópica importam mais do que a decoração do perfil.

Quais Credenciais Devem Ser Publicadas?

Um perfil deve publicar credenciais que possam ser verificadas. Cada credencial deve ter:

• Um tipo de credencial
• A pessoa que a possui
• A organização emissora
• Um identificador persistente para a organização, quando disponível
• Datas de início e fim
• Uma fonte de verificação
• Um status como atual, expirado, contestado ou arquivado
• Uma data da última revisão

As organizações devem rotular a fonte de cada credencial:

• Autorrelatado
• Verificado institucionalmente
• Verificado pelo editor
• Verificado pelo financiador
• Importado de um registro
• Pendente de revisão

Evite publicar rótulos não suportados como “especialista líder” ou “pesquisador de renome mundial”. Substitua-os por evidências:

• Número e tipo de trabalhos
• Áreas de pesquisa
• Funções verificadas
• Projetos financiados
• Serviço editorial
• Conjuntos de dados ou software públicos
• Nomeações institucionais

Essa abordagem é mais útil tanto para leitores quanto para máquinas.

Plano de Implementação para Organizações

Fase Um: Criar a política de metadados

Designar um pequeno grupo de governança com representantes de:

• Administração de pesquisa
• Serviços de biblioteca
• Tecnologia da informação
• Comunicações
• Serviços de publicação ou repositório
• Privacidade
• Integridade da pesquisa

Criar uma política de dados curta que defina:

• Campos obrigatórios
• Sistemas de identificadores aprovados
• Quem pode afirmar cada campo
• Quais campos são públicos
• Como as correções são tratadas
• Quanto tempo as atualizações devem levar
• O que acontece quando uma pessoa sai

Usar um único contrato de dados em todos os sistemas. No mínimo, todo registro de pessoa, trabalho, organização e credencial deve ter:

text persistent_id display_name source asserted_by valid_from valid_to last_verified status evidence_url

Fase Dois: Coletar identificadores autenticados

Pedir aos pesquisadores que conectem seus registros ORCID através de um processo autenticado. Não tornar a instituição responsável por adivinhar qual ORCID iD pertence a uma pessoa.

Ao mesmo tempo:

• Atribuir identificadores de organização a departamentos e instituições
• Vincular registros de pessoal ao ORCID
• Associar publicações existentes a registros DOI
• Sinalizar colisões de nomes
• Preservar formas de nomes alternativas
• Registrar configurações de consentimento e visibilidade

Fase Três: Melhorar os metadados DOI

Para novos trabalhos, exigir que o fluxo de trabalho de publicação colete:

• Nomes completos dos autores
• ORCID iDs autenticados
• Afiliações
• Identificadores de organização
• Funções de contribuidor
• Identificadores de financiamento
• Resumos
• Referências
• Licenças
• Informações de versão e atualização

Para trabalhos mais antigos, começar com os últimos cinco anos e os autores de maior uso da organização.

Crossref e DataCite devem receber correções e atualizações, em vez de apenas o depósito original. As strings DOI permanecem persistentes, enquanto os metadados associados podem ser mantidos. Manutenção de metadados do Crossref (crossref.org)

Fase Quatro: Construir páginas canônicas de autores

Cada pesquisador deve ter uma página institucional estável. Essa página deve:

• Usar um endereço web permanente
• Mostrar a função atual
• Preservar funções anteriores com datas
• Linkar ao ORCID
• Linkar a registros DOI selecionados
• Linkar a perfis acadêmicos públicos
• Mostrar áreas de pesquisa
• Exibir uma data da última atualização
• Usar dados estruturados
• Permanecer acessível a rastreadores de busca
• Evitar exigir login

O Google recomenda usar URLs de autor claras e links sameAs para ajudar a distinguir autores. Orientações de marcação de autor do Google (developers.google.com)

Fase Cinco: Federar e monitorar perfis

Vincular a página institucional a:

• ORCID
• Google Scholar
• OpenAlex
• Páginas de editoras
• Registros de repositórios
• Páginas de subvenções
• Perfis profissionais públicos, quando apropriado

Usar verificações automatizadas para encontrar:

• Links DOI quebrados
• Links ORCID ausentes
• Autores duplicados
• Correspondências de coautores erradas
• Afiliações antigas
• Credenciais expiradas
• Datas de atualização ausentes
• Nomes incompatíveis
• Retratações ou correções

Governança para Atualizações e Mudanças de Função

Um centro de autores deve preservar o histórico. Ele não deve reescrever o passado cada vez que uma pessoa muda de emprego.

Hierarquia de fontes recomendada

Quando um pesquisador muda de instituição

Não exclua a antiga afiliação de trabalhos históricos.

Em vez disso:

1. Adicionar uma data de término ao registro de emprego anterior.
2. Adicionar a nova afiliação com uma data de início.
3. Atualizar o perfil institucional.
4. Manter as afiliações de publicação históricas inalteradas, a menos que o editor emita uma correção.
5. Atualizar o registro ORCID através da fonte apropriada.
6. Redirecionar a antiga página de perfil para uma página arquivada ou nova.

Quando uma pessoa muda de nome

Usar ORCID para conectar variantes de nome. Adicionar nomes anteriores ou alternativos onde o pesquisador concordar. Não alterar o nome do autor em um registro DOI publicado apenas para fazê-lo corresponder a um perfil atual.

O propósito do identificador persistente é conectar trabalhos através de mudanças de nome sem reescrever o registro de publicação.

Quando a função de um contribuidor muda

A função de um contribuidor em um trabalho concluído deve ser tratada como parte do registro histórico.

Por exemplo:

• A função de uma pessoa em um artigo publicado não deve mudar porque ela se tornou posteriormente um chefe de departamento.
• Uma função editorial deve ter uma data de início e fim.
• Uma função de bolsa/subvenção deve estar vinculada ao período da bolsa.
• Uma função de software deve estar vinculada à versão ou lançamento.

Se o registro de contribuição original estiver incorreto, use um processo de correção formal. Não o sobrescreva silenciosamente.

Quando uma credencial expira

Usar valores de status claros:

• Atual
• Expirado
• Renovado
• Suspenso
• Contestado
• Arquivado

Lembretes automatizados devem ser enviados antes do vencimento. Perfis públicos devem mostrar o status e a data, em vez de deixar uma credencial obsoleta visível sem explicação.

Quando um pesquisador deixa a organização

A organização deve:

• Preservar o perfil histórico
• Marcar a função anterior claramente
• Manter links para trabalhos publicados
• Transferir a propriedade do perfil
• Setar um redirecionamento para a página anterior
• Remover informações de contato privadas
• Manter afirmações institucionais que eram verdadeiras durante o período de emprego anterior

Quando a autoria é contestada

Congelar o campo contestado, preservar a fonte original e registrar a disputa. Não remover um autor ou alterar funções de contribuição com base apenas em um pedido informal.

O escritório de integridade da pesquisa, a editora ou a autoridade responsável pelo projeto devem determinar o caminho formal de correção.

Medidas de Sucesso

As organizações devem monitorar a qualidade operacional antes de prometer um aumento na visibilidade da inteligência artificial.

Metas sugeridas incluem:

• 95 por cento dos pesquisadores ativos têm ORCID iDs autenticados
• 95 por cento dos novos trabalhos incluem ORCID, quando disponível
• 95 por cento das afiliações usam um identificador de organização persistente
• 100 por cento dos novos depósitos DOI passam na validação de metadados
• 100 por cento das páginas de autor contêm um endereço de perfil estável
• 100 por cento das mudanças de função incluem datas
• Menos de 1 por cento dos trabalhos são incorretamente atribuídos a um autor
• Correções de metadados são concluídas em 30 dias
• Mudanças de emprego atual aparecem em sete dias
• Retratações e correções formais são refletidas prontamente

Para o estudo de citação de inteligência artificial, acompanhar:

• Taxa de atribuição correta do autor
• Taxa de DOI válido
• Precisão da citação
• Recall da citação
• Frequência de citação do trabalho
• Concordância entre sistemas
• Tempo da correção de metadados à melhoria da indexação
• Diferença entre a descoberta do perfil e a citação da resposta final

A organização deve relatar essas medidas por disciplina, idioma, estágio de carreira e comunsidade de nome. Caso contrário, uma pontuação média pode esconder resultados desiguais.

Riscos e Salvaguardas

Centros de autores podem criar novos riscos se se tornarem um sistema de controle.

As organizações não devem:

• Penalizar pesquisadores que mantêm algumas informações do ORCID privadas
• Tratar um perfil público do Google Scholar como prova de qualidade
• Usar contagens de citações como substituto da revisão por pares
• Publicar detalhes de contato pessoais desnecessariamente
• Inferir expertise apenas do prestígio institucional
• Exigir que todo pesquisador use o mesmo serviço de perfil público
• Tratar identificadores ausentes como evidência de má conduta
• Permitir que sistemas automatizados sobrescrevam registros sem revisão

A adoção do ORCID e a qualidade dos metadados variam por campo, país, estágio de carreira e tipo de publicação. Um sistema justo deve apoiar a correção manual, controles de privacidade, diversidade de nomes e pessoas cujo trabalho não é bem representado por métricas de publicação em periódicos.

Conclusão

Um centro de autores forte não é um projeto de branding pessoal. É um sistema de evidências legível por máquina.

• ORCID conecta uma pessoa a uma identidade persistente.
• Crossref e DataCite conectam trabalhos a identificadores estáveis e metadados ricos.
• Identificadores do Research Organization Registry conectam pessoas e trabalhos a instituições.
• Funções de contribuidor mostram o que cada pessoa realmente fez.
• Perfis institucionais e acadêmicos fornecem contexto público.
• Dados estruturados ajudam os sistemas de busca a interpretar as relações.
• Governança e histórico de versões mostram o que é atual, o que era verdade no passado e quem confirmou cada afirmação.

O benefício provável não é um aumento automático na classificação. O benefício é uma cadeia mais forte de pessoa → trabalho → organização → evidência.

As organizações devem, portanto, assumir dois compromissos:

1. Padronizar e manter os metadados.
2. Medir o comportamento de citação da inteligência artificial em vez de assumir um efeito.

O centro de autores mais credível não é aquele com mais selos. É aquele cujas afirmações importantes são persistentes, conectadas, com fontes, atuais e fáceis de verificar.