L'interopérabilité entre le graphique OpenAIRE et les systèmes CRIS nationaux n'est pas un projet latéral de qualité des métadonnées. C'est ainsi que les résultats de la recherche publique européenne deviennent trouvables à travers les frontières sans que chaque institution reconstruise le même pipeline. Si vous exécutez un CRIS, ou si votre université en fait un rapport, les décisions prises à cette limite déterminent si le travail de vos chercheurs survit à l'agrégation, à la déduplication et au lien de citation.
Le graphique OpenAIRE est un graphique de connaissances scientifiques qui regroupe les résultats de la recherche, les données, les logiciels, les projets, les bailleurs de fonds et les organisations provenant de dépôts, de revues, d'archives de données et de systèmes CRIS. Un CRIS, ou Système d'information sur la recherche actuelle, est la base de données nationale ou institutionnelle qui enregistre les publications, les projets, les personnes, l'équipement et d'autres activités de recherche.
Mais l’interopérabilité peut signifier quatre choses différentes en fonction du CRIS avec lequel vous parlez.
Le problème n'est pas l'agrégation, c'est l'alignement
OpenAIRE ne scrape pas les bases de données CRIS nationales. Il recueille des métadonnées à travers des endpoints standards, principalement OAI-PMH, le Protocole de l'initiative des archives ouvertes pour la collecte de métadonnées, et CERIF-XML. CERIF, le Format d'information de recherche européen commun, est le modèle de données maintenu par euroCRIS. Il décrit les entités de recherche et leurs relations: les personnes aux projets, les projets aux sorties, les sorties aux bailleurs de fonds. Ce modèle relationnel est la partie difficile.
Un enregistrement CRIS qui dit Smith, J., Université de X sans iD ORCID est un fantôme. Les algorithmes de liaison d'entité et de déduplication d'OpenAIRE dépendent d'identifiants persistants tels que les DOI, les iD ORCID, les identifiants de subvention et les identifiants d'organisation. Lorsqu'un CRIS national n'envoie qu'un identifiant d'auteur local, le logiciel doit deviner.
Comment le pipeline fonctionne réellement
Voici le flux dans la plupart des déploiements nationaux. Vous commencez par un enregistrement de publication institutionnelle. Le système d'information de recherche local attribue un identifiant interne. Le CRIS national agrégue ce enregistrement et le cartographie au CERIF ou à un autre format d'exportation. OpenAIRE récolte ensuite le point final, normalise les champs, regroupe les enregistrements équivalents et enrichit l'entité avec des identifiants de Crossref, DataCite, ORCID et des systèmes de financement.
Chaque étape est un crosswalk. Un crosswalk est la conversion d'un schéma de métadonnées en un autre. Le terme est important parce que les crosswalks sont perdants. Si votre CRIS entre dans le Journal of Applied Physics sous le nom de J Appl Phys, le crosswalk peut ne pas correspondre au titre Crossref. S'il entre dans un numéro de subvention sous le nom ERC-2020-ADG-101020368 sans identificateur de financement, le Graph ne peut pas joindre le projet au Conseil européen de la recherche.
OpenAIRE publie des lignes directrices spécifiques pour les gestionnaires de CRIS. Les règles ne sont pas décoratives : elles fournissent un identifiant stable, un titre, une date, un type d’un vocabulaire contrôlé, et des liens vers des fondateurs et des projets. Ce qui touche les gestionnaires de CRIS, c’est la cartographie du vocabulaire. Une classification nationale des articles de revues peut cartographier jusqu’à six types de publications OpenAIRE.
C’est là que leSurge dans les dépôtsPlus de dépôts sans discipline dans les métadonnées ne font que augmenter le taux d'erreur en aval.
Lorsque les systèmes CRIS nationaux diffèrent
CRIStin en Norvège et le service d’information sur les publications VIRTA en Finlande agissent en tant qu’agrégateurs nationaux, mais ils ont été construits pour les rapports nationaux d’abord et pour les sciences ouvertes d’autre part. CRIStin, par exemple, exige que les institutions locales valident les publications pour un financement basé sur les performances; l’exportation vers OpenAIRE est une utilisation secondaire de ces données. VIRTA en Finlande extrait des métadonnées des universités et les exporte vers plusieurs services, y compris OpenAIRE.
D'autres pays ont pris des chemins différents. le portugais CIENCIAVITAE relie les profils de chercheurs individuels à un écosystème national; le croate CroIS sert à la déclaration nationale; et le tchèque RIV recueille les résultats pour l'évaluation. Chacun de ces systèmes utilise le CERIF ou un proche parent de différentes manières. Certains exposent OAI-PMH, d'autres fournissent des API personnalisées. Cette variété n'est pas l'échec. L'échec est lorsqu'un système envoie des champs de texte libre où le graphique attend des identifiants.
Les lignes directrices CRIS d’OpenAIREécrire les champs attendus, mais lire la directive n'est pas la même chose que l'appliquer. Un champ peut être obligatoire dans le schéma et être encore vide dans la pratique.
Pourquoi cela est important pour l'évaluation de la recherche
Un flux CRIS mal cartographié produit des comptes manquants dans le graphique. Les gestionnaires de recherche voient alors un nombre de publications inférieur à celui que le système de reporting national montre. La différence n'est pas causée par la perte de données d'OpenAIRE; elle est causée par l'envoi de dossiers ambigus par le CRIS. Lorsque la sortie est ambiguë, le graphique peut rejeter le record ou l'attribuer à la mauvaise entité.
Les administrateurs CRIS institutionnels peuvent y remédier.Ils ont besoin de trois choses: un identifiant interne unique qui ne change jamais, des identifiants persistants pour les personnes et les bailleurs de fonds, et un vocabulaire de type publication contrôlé.Aucun de ces éléments ne coûte cher.
Il y a aussi un problème de gouvernance.Les systèmes CRIS nationaux sont généralement construits pour l'évaluation nationale, ce qui pose un ensemble très spécifique de questions.Le graphique OpenAIRE pose des questions plus larges: Quels projets ont produit cela?Quels ensembles de données le soutiennent?Quelles organisations ont collaboré?Les deux agendas sont compatibles, mais seulement si la cartographie des exportations est traitée comme faisant partie du noyau de la fonction du CRIS, pas comme un déchet annuel.
Certains systèmes le font bien.Christine en NorvègeetVIRTA en FinlandeLes améliorations ne sont pas glamour: des chaînes d'affiliation nettoyées, une couverture ORCID plus complète, moins de variantes dupliquées du même nom de journal.
Ce que vous devriez faire avec votre exportation CRIS cette semaine
Voici la liste pratique.
- Exporter un mois d'enregistrements de votre CRIS et vérifier si chaque enregistrement de publication a un DOI ou un autre identifiant persistant.
- Vérifiez le nombre d'enregistrements de personnes comprenant des ID ORCID. Si le nombre est inférieur à 70 pour cent, commencez là avant d'ajouter de nouveaux champs.
- Regardez vos métadonnées de financement et de projet. Demandez si l'identifiant de subvention suit un formulaire standard auquel le graphique peut correspondre.
- Exécutez la même requête dans le graphique OpenAIRE et comparez les nombres. Ne vous attendez pas à une égalité exacte, mais un écart persistant supérieur à 10 % est un problème de cartographie.
- Lire leLignes directrices OpenAIRE pour les gestionnaires CRISDonnez le tableau de cartographie à celui qui configure l'exportation, pas à un comité.
Le dernier point est celui que les universités ignorent. L'interopérabilité est décidée au moment de la configuration. Un groupe de travail peut convenir de principes pendant six mois et ne jamais fixer la transformation XPath réelle.
Quels changements à venir
OpenAIRE continue de resserrer sa logique de liaison entre entités. Plus le Graph peut correspondre, moins la correction manuelle est nécessaire en aval. Cela a un effet direct sur les gestionnaires nationaux de CRIS: les dossiers qui ont précédemment été transmis sous forme de duplicats ou de dossiers orphelins ont désormais besoin d'une hygiène d'identification à partir de la source.
Article précédent SurLes métadonnées Crossref et DataCiteUn CRIS qui ne s’aligne pas avec ces systèmes source crée une deuxième version contradictoire du même fait.La solution n’est pas de se disputer avec le Graph, c’est d’envoyer des identifiants plus propres.
Pour les bureaux de recherche, la leçon opérationnelle est simple. Vos chercheurs ne se soucient pas du CRIS national que vous exécutez. Ils se soucient que leur portefeuille apparaît correctement lorsque quelqu'un recherche pour leur travail. Le graphique OpenAIRE est l'un des endroits où la recherche se produit.
Photo by Gabriel Cox on Unsplash