A interoperabilidade entre o OpenAIRE Graph e os sistemas CRIS nacionais não é um projeto lateral de qualidade de metadados. É assim que a produção de pesquisa pública da Europa torna-se encontrável através das fronteiras sem que cada instituição reconstrua o mesmo tubo. Se você executar um CRIS, ou se sua universidade relatar em um, as decisões tomadas nessa fronteira determinam se o trabalho de seus pesquisadores sobrevive a agregação, deduplicação e ligação de citação.
O gráfico OpenAIRE é um gráfico de conhecimento acadêmico que agrega resultados de pesquisa, dados, software, projetos, financiadores e organizações de repositórios, revistas, arquivos de dados e sistemas CRIS. Um CRIS, ou Sistema de Informação de Pesquisa Current, é o banco de dados nacional ou institucional que registra publicações, projetos, pessoas, equipamentos e outras atividades de pesquisa.Quando um CRIS nacional interage com o gráfico, as saídas de pesquisa do país deixam de ser uma exportação de planilhas locais e começam a participar no registro europeu de ciência aberta.
Mas interoperável pode significar quatro coisas diferentes, dependendo de qual CRIS você está falando.
O problema não é a agregação, é o alinhamento
O OpenAIRE não rasga as bases de dados nacionais do CRIS. Ele coleta metadados através de endpoints padrão, o principal entre eles OAI-PMH, o Protocolo da Iniciativa de Arquivos Abertos para a Colheita de Metadados, e o CERIF-XML. O CERIF, o Formato Comum Europeu de Informação de Pesquisa, é o modelo de dados mantido pelo euroCRIS. Ele descreve as entidades de pesquisa e suas relações: pessoas a projetos, projetos a saídas, saídas a financiadores. Esse modelo relacional é a parte difícil.
Um registro CRIS que diz Smith, J., Universidade de X sem um iD ORCID é um fantasma. Os algoritmos de ligação de entidade e deduplicação do OpenAIRE dependem de identificadores persistentes como DOIs, iDs ORCID, IDs de concessão e identificadores de organização. Quando um CRIS nacional envia apenas um identificador de autor local, o software deve adivinhar.
Como o gasoduto realmente funciona
Aqui está o fluxo na maioria das implementações nacionais. Você começa com um registro de publicação institucional. O sistema de informação de pesquisa local atribui um identificador interno. O CRIS nacional agrega esse registro e o mapeia para o CERIF ou outro formato de exportação. OpenAIRE então colhe o ponto final, normaliza os campos, aglomera registros equivalentes e enriquece a entidade com identificadores de Crossref, DataCite, ORCID e sistemas de financiamento.
Cada passo é um crosswalk. Um crosswalk é a conversão de um esquema de metadados para outro. O termo importa porque os crosswalks são perdidos. Se o seu CRIS entra no Journal of Applied Physics como J Appl Phys, o crosswalk pode não corresponder ao título do Crossref. Se ele entra em um número de subvenção como ERC-2020-ADG-101020368 sem um identificador de financiador, o gráfico não pode anexar o projeto ao Conselho Europeu de Pesquisa.
A OpenAIRE publica diretrizes específicas para os gerentes do CRIS. As regras não são decorativas: fornecem um identificador estável, um título, uma data, um tipo de vocabulário controlado e links para financiadores e projetos. O que atrai os gerentes do CRIS é o mapeamento do vocabulário. Uma classificação nacional de artigos de revistas pode mapear até seis tipos de publicações do OpenAIRE.
É aqui que oSurgimento de depósitos em repositóriosMais depósitos sem disciplina em metadados só aumenta a taxa de erro para baixo.
Onde os sistemas nacionais de CRIS divergem
O CRIStin da Noruega e o serviço de informação sobre publicações da Finlândia, VIRTA, operam como agregadores nacionais, mas foram construídos para relatórios nacionais em primeiro lugar e para a ciência aberta em segundo lugar. CRIStin, por exemplo, exige que as instituições locais validem publicações para financiamento baseado no desempenho; a exportação para o OpenAIRE é um uso secundário desses dados.
Outros países tomaram caminhos diferentes. O CIENCIAVITAE de Portugal liga perfis de pesquisadores individuais a um ecossistema nacional; o CroRIS da Croácia serve para relatórios nacionais; e o RIV checo recolhe resultados para avaliação. Cada um desses sistemas usa o CERIF ou um parente próximo de maneiras diferentes. Alguns expõem o OAI-PMH, outros fornecem APIs personalizadas. Essa variedade não é o fracasso. O fracasso é quando um sistema envia campos de texto livre onde o gráfico espera identificadores.
Diretrizes CRIS da OpenAIREEscreva os campos esperados, mas ler a diretiva não é o mesmo que aplicá-la. Um campo pode ser obrigatório no esquema e ainda estar vazio na prática.
Por que isso importa para a avaliação de pesquisa
Um feed CRIS mal mapeado produz contagens em falta no gráfico. Os gerentes de pesquisa então vêem um número de publicações mais baixo do que o sistema de relatórios nacional mostra. A diferença não é causada pela perda de dados da OpenAIRE; é causada pelo CRIS enviando registros ambíguos. Quando a saída é ambígua, o gráfico pode rejeitar o registro ou atribuí-lo à entidade errada. Nenhum resultado é neutro para uma universidade sendo avaliada sobre a saída da pesquisa.
Os administradores institucionais do CRIS podem corrigir isso. Eles precisam de três coisas: um identificador interno único que nunca muda, identificadores persistentes para pessoas e financiadores e um vocabulário de tipo de publicação controlado.
Há também um problema de governação.Os sistemas CRIS nacionais são geralmente construídos para avaliação nacional, o que faz um conjunto muito específico de perguntas.O OpenAIRE Graph faz perguntas mais amplas: Quais projetos produziram isso? Quais conjuntos de dados o apoiaram? Quais organizações colaboraram?As duas agendas são compatíveis, mas apenas se o mapeamento de exportação for tratado como parte do núcleo da função do CRIS, não como um dump anual.
Alguns sistemas fazem isso bem.Cristão na NoruegaeVIRTA na FinlândiaAs melhorias não são glamurosas: cadeias de afiliação limpas, cobertura ORCID mais completa, menos variantes duplicadas do mesmo nome da revista.
O que você deve fazer com sua exportação CRIS esta semana
Aqui está a lista prática.
- Exporte um mês de registros do seu CRIS e verifique se cada registro de publicação tem um DOI ou outro identificador persistente.
- Verifique quantos registros de pessoas incluem IDs ORCID. Se o número estiver abaixo de 70 por cento, comece lá antes de adicionar novos campos.
- Olhe para os metadados do seu financiador e do projeto. Pergunte se o identificador de subvenção segue um formulário padrão que o gráfico pode combinar.
- Execute a mesma consulta no gráfico OpenAIRE e compare as contagens.Não espere a igualdade exata, mas uma lacuna persistente superior a 10 por cento é um problema de mapeamento.
- Leia oDiretrizes OpenAIRE para gestores de CRISDê a tabela de mapeamento a quem configurar a exportação, não a um comitê.
O último ponto é o que as universidades ignoram. A interoperabilidade é decidida no momento da configuração. Um grupo de trabalho pode concordar em princípios por seis meses e nunca corrigir a transformação XPath real.
O que muda a seguir
O OpenAIRE continua a apertar a sua lógica de vinculação de entidades.Quanto mais o gráfico se encaixar, menos correção manual é necessária a seguir.Isso tem um efeito direto sobre os gestores nacionais do CRIS: registros que antes passaram como duplicados ou registros órfãos agora precisam de higiene de identificação da fonte.Esta pressão chegará às instituições através de agências de mandato nacionais, monitoramento de ciência aberta e reforma da avaliação de pesquisa da UE.
Artigo anteriorSobreMetadados Crossref e DataCiteFaz o ponto conectado: financiadores e editores estão ligando subsídios na fonte. Um CRIS que não se alinha com esses sistemas de fonte cria uma segunda versão, conflitante do mesmo fato.
Para os escritórios de pesquisa, a lição operacional é simples. Seus pesquisadores não se importam com qual CRIS nacional você executa. Eles se importam que seu portfólio apareça corretamente quando alguém pesquisa para o seu trabalho. O OpenAIRE Graph é um dos lugares onde a pesquisa acontece. Feeds CRIS limpos, ricos em identificadores são como você garante que o registro é correto.
Photo by Gabriel Cox on Unsplash