Журнал: Управление наукой: теория и практикаГуреев В. Н., Мазов Н. А.Возрастание роли открытых библиографических данных в условиях ограничения доступа к коммерческим информационным системам

Институт социологии
ФНИСЦ РАН

Журнал: Управление наукой: теория и практика

Гуреев В. Н., Мазов Н. А.

Возрастание роли открытых библиографических данных в условиях ограничения доступа к коммерческим информационным системам

DOI: https://doi.org/10.19181/smtp.2023.5.2.4
Гуреев Вадим Николаевич
Государственная публичная научно-техническая библиотека Сибирского отделения РАН; Новосибирский государственный технический университет, Новосибирск, Россия
Кандидат педагогических наук, ведущий научный сотрудник лаборатории информационно-системного анализа, Государственная публичная научно-техническая библиотека Сибирского отделения РАН; доцент кафедры геофизических систем, Новосибирский государственный технический университет
Мазов Николай Алексеевич
Государственная публичная научно-техническая библиотека Сибирского отделения РАН; Институт нефтегазовой геологии и геофизики им. А. А. Трофимука Сибирского отделения РАН, Новосибирск, Россия
Кандидат технических наук, ведущий научный сотрудник лаборатории информационно-системного анализа, Государственная публичная научно-техническая библиотека Сибирского отделения РАН; ведущий научный сотрудник информационно-аналитического центра, Институт нефтегазовой геологии и геофизики им. А. А. Трофимука Сибирского отделения РАН, Новосибирск, Россия

Полный текст

Открыть текст

Ссылка при цитировании:

Гуреев В. Н., Мазов Н. А. Возрастание роли открытых библиографических данных в условиях ограничения доступа к коммерческим информационным системам // Управление наукой: теория и практика. 2023. Том. 5. № 2. С. 49-76.
DOI: https://doi.org/10.19181/smtp.2023.5.2.4. EDN: CXJUHG

Рубрика:

Информационная среда и проблемы цифровизации

Аннотация:

В статье представлен обзор функциональных возможностей и наполнения открытых библиографических баз данных, которые могут быть востребованы в отсутствие доступа к платным коммерческим информационным системам. Базы данных рассматриваются прежде всего с позиций их пользы для исследователей и сотрудников научных библиотек, перед которыми стоят задачи поиска научной и патентной литературы, библиометрической оценки отдельных персоналий и организаций, продвижения публикаций в международное информационное пространство, поиска коллабораторов или решения библиометрических задач. Акцент сделан на политематических ресурсах с широким охватом международных источников. На основе анализа литературы, посвящённой сравнительному изучению различных библиографических ресурсов, а также исходя из собственного опыта работы с рассмотренными системами авторами сделан вывод о принципиальной возможности решения фактически всех информационно-поисковых и библиометрических задач с помощью современных открытых баз данных и их инструментария. Отмечается, что массивы метаданных сами по себе становятся базовой и неуникальной характеристикой библиографических систем, в то время как на первое место в борьбе за внимание пользователя выходят аналитические функциональные возможности.

Литература:

  • 1. Web of Science Journal Evaluation Process and Selection Criteria // Clarivate : [сайт]. 2023. URL: https://clarivate.com/products/scientific-and-academic-research/research-discovery-and-workflow-solutions/web-of-science/core-collection/editorial-selection-process/editorial-selection-process/ (дата обращения: 21.04.2023).
  • 2. Content Policy and Selection // Elsevier : [сайт]. 2023. URL: https://www.elsevier.com/solutions/scopus/how-scopus-works/content/content-policy-and-selection (дата обращения: 21.04.2023).
  • 3. Vera-Baceta M. A. Web of Science and Scopus language coverage / M. A. Vera-Baceta, M. Thelwall, K. Kousha // Scientometrics. 2019. Vol. 121, № 3. P. 1803–1813. DOI 10.1007/s11192-019-03264-z.
  • 4. Mongeon P. The journal coverage of Web of Science and Scopus: a comparative analysis / P. Mongeon, A. Paul-Hus // Scientometrics. 2016. Vol. 106, № 1. P. 213–228. DOI 10.1007/s11192-015-1765-5.
  • 5. Mart?n-Mart?n A. Coverage of highly-cited documents in Google Scholar, Web of Science, and Scopus: a multidisciplinary comparison / A. Mart?n-Mart?n, E. Orduna-Malea, E. Delgado L?pez-C?zar // Scientometrics. 2018. Vol. 116, № 3. P. 2175–2188. DOI 10.1007/s11192-018-2820-9.
  • 6. Microsoft Academic Graph: When experts are not enough / K. Wang, Z. Shen, C. Huang [et al.] // Quantitative Science Studies. 2020. Vol. 1, № 1. P. 396–413. DOI 10.1162/qss_a_00021.
  • 7. Herzog C. Dimensions: Bringing down barriers between scientometricians and data / C. Herzog, D. Hook, S. Konkiel // Quantitative Science Studies. 2020. Vol. 1, № 1. P. 387–395. DOI 10.1162/qss_a_00020.
  • 8. Penfold R. Using the Lens database for staff publications // Journal of the Medical Library Association. 2020. Vol. 108, № 2. P. 341–344. DOI 10.5195/jmla.2020.918.
  • 9. Семёнов Е. В. Позади – год напрасных ожиданий, впереди – год надежд и неотложных дел // Управление наукой: теория и практика. 2023. Т. 5, № 1. С. 10–13. EDN ANLSAF.
  • 10. Мазов Н. А. IPGGTR Труды сотрудников ИНГГ СО РАН (реферативно-полнотекстовая библиография): Свидетельство о государственной регистрации программы для ЭВМ / Н. А. Мазов, В. Н. Гуреев // Свид-во о прогр. 2020621025; RU; № 2020620872, заявл. 10.06.2020, опубл. 19.06.2020, ИНГГ СО РАН. URL: https://new.fips.ru/registers-doc-view/fips_servlet?DB=DB&DocNumber=2020621025&TypeFile=html (дата обращения: 21.04.2023).
  • 11. Hendricks G. Crossref: The sustainable source of community-owned scholarly metadata / G. Hendricks, D. Tkaczyk, J. Lin, P. Feeney // Quantitative Science Studies. 2020. Vol. 1, № 1. P. 414–427. DOI 10.1162/qss_a_00022.
  • 12. A Review of Microsoft Academic Services for Science of Science Studies / K. Wang, Z. Shen, C. Huang [et al.] // Frontiers in Big Data. 2019. Vol. 2. Art. no. 45. DOI 10.3389/fdata.2019.00045.
  • 13. ORCID: a system to uniquely identify researchers / L. L. Haak, M. Fenner, L. Paglione [et al.] // Learned Publishing. 2012. Vol. 25, № 4. P. 259–264. DOI 10.1087/20120404.
  • 14. Chawla D. S. Five-year campaign breaks science’s citation paywall // Nature. 2022. September 13. DOI 10.1038/d41586-022-02926-y.
  • 15. Peroni S. OpenCitations, an infrastructure organization for open scholarship / S. Peroni, D. Shotton // Quantitative Science Studies. 2020. Vol. 1, № 1. P. 428–444. DOI 10.1162/qss_a_00023.
  • 16. SJR and SNIP: two new journal metrics in Elsevier's Scopus / L. Colledge, F. De Moya-Aneg?n, V. Guerrero-Bote [et al.] // Serials. 2010. Vol. 23, № 3. P. 215–221. DOI 10.1629/23215.
  • 17. Master Journal List // Clarivate : [сайт]. 2023. URL: https://mjl.clarivate.com/home (дата обращения: 21.04.2023).
  • 18. Web of Science Core Collection // Clarivate : [сайт]. 2023. URL: https://clarivate.com/products/scientific-and-academic-research/research-discovery-and-workflow-solutions/web-of-science/web-of-science-core-collection/ (дата обращения: 21.04.2023).
  • 19. Scopus. Expertly curated abstract & citation database // Elsevier : [сайт]. 2023. URL: https://www.elsevier.com/solutions/scopus (дата обращения: 21.04.2023).
  • 20. Google Scholar // Google : [сайт]. 2023. URL: https://scholar.google.com/intl/ru/scholar/about.html (дата обращения: 21.04.2023).
  • 21. Gusenbauer M. Google Scholar to overshadow them all? Comparing the sizes of 12 academic search engines and bibliographic databases // Scientometrics. 2019. Vol. 118, № 1. P. 177–214. DOI 10.1007/s11192-018-2958-5.
  • 22. Российский индекс научного цитирования // Научная электронная библиотека : [сайт]. 2023. URL: https://www.elibrary.ru/project_risc.asp (дата обращения: 21.04.2023).
  • 23. Russian Index of Science Citation: Overview and review / O. Moskaleva, V. Pislyakov, I. Sterligov [et al.] // Scientometrics. 2018. Vol. 116, № 1. P. 449–462. DOI 10.1007/s11192-018-2758-y.
  • 24. AMiner // Tsinghua University : [сайт]. 2023. URL: https://www.aminer.org/manual
  • aminer-manual-subTitle-research-feed (дата обращения: 21.04.2023).
  • 25. Tang J. AMiner: Toward Understanding Big Scholar Data // Proceedings of the Ninth ACM International Conference on Web Search and Data Mining (WSDM'16) (22–25 February 2016, San Francisco). 2016. P. 467.
  • 26. ArnetMiner: Extraction and Mining of Academic Social Networks / J. Tang, J. Zhang, L. Yao [et al.] // Proceedings of the Fourteenth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD'08) (14–27 August 2008, Las Vegas). Association for Computing Machinery, 2008. P. 990–998.
  • 27. About The Lens // Cambia : [сайт]. 2023. URL: https://about.lens.org/ (дата обращения: 21.04.2023).
  • 28. The Lens MetaRecord and LensID: An open identifier system for aggregated metadata and versioning of knowledge artefacts / O. A. Jefferson, D. Koellhofer, B. Warren, R. Jefferson // Researchgate : [сайт]. 2019. URL: https://www.researchgate.net/publication/337496596 (дата обращения: 15.05.2023). DOI 10.31229/osf.io/t56yh.
  • 29. Scilit brochure // MDPI : [сайт]. 2023. URL: https://app.scilit.net/scilit-brochure.pdf (дата обращения: 21.04.2023).
  • 30. About Semantic Scholar // Allen Institute for AI : [сайт]. 2023. URL: https://www.semanticscholar.org/about (дата обращения: 05.04.2023).
  • 31. The Semantic Scholar Open Data Platform / R. Kinney, C. Anastasiades, R. Authur [et al.] // 2023. P. 1–8. DOI 10.48550/arXiv.2301.10140.
  • 32. Construction of the Literature Graph in Semantic Scholar / W. Ammar, D. Groeneveld, C. Bhagavatula [et al.] // Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (2–4 June 2018, New Orleans). 2018. Vol. 3. P. 84–91. DOI 10.18653/v1/n18-3011.
  • 33. The data in Dimensions – from idea to impact // Digital Science : [сайт]. 2023. URL: https://www.dimensions.ai/dimensions-data/ (дата обращения: 05.04.2023).
  • 34. scite: A smart citation index that displays the context of citations and classifies their intent using deep learning / J. M. Nicholson, M. Mordaunt, P. Lopez [et al.] // Quantitative Science Studies. 2021. V. 2, № 3. P. 882–898. DOI 10.1162/qss_a_00146.
  • 35. OpenAlex API documentation // OurResearch : [сайт]. 2023. URL: https://docs.openalex.org/api-entities/works (дата обращения: 21.04.2023).
  • 36. Priem J. OpenAlex: A fully-open index of scholarly works, authors, venues, institutions, and concepts / J. Priem, H. Piwowar, R. Orr // 26th International Conference on Science and Technology Indicators “Fron Global Indicators to Local Applications” (STI 2022) (7–9 September, Granada, Spain), 2022. P. 1–5.
  • 37. Exaly Statistics // Exaly : [сайт]. 2023. URL: https://exaly.com/statistics.html (дата обращения: 21.04.2023).
  • 38. Mazov N. A. The role of unique identifiers in bibliographic information systems / N. A. Mazov, V. N. Gureev // Scientific and Technical Information Processing. 2014. Vol. 41, № 3. P. 206–210. DOI 10.3103/S0147688214030101.
  • 39. Mazov N. A. Publication Databases of Research Organizations as a Tool for Information Studies / N. A. Mazov, V. N. Gureev // Scientific and Technical Information Processing. 2022. Vol. 49, № 2. P. 108–118. DOI 10.3103/s0147688222020071.
  • 40. Мазов Н. А. Библиографическая база данных трудов сотрудников организации: цели, функции, сфера использования в наукометрии / Н. А. Мазов, В. Н. Гуреев // Вестник Дальневосточной государственной научной библиотеки. 2016. № 2. C. 84–87. EDN YFMJGN.
  • 41. Pranckut? R. Web of Science (WoS) and Scopus: The Titans of Bibliographic Information in Today’s Academic World // Publications. 2021. Vol. 9, № 1. Art. no. 12. DOI 10.3390/publications9010012.
  • 42. Delgado L?pez-C?zar E. The Google Scholar experiment: How to index false papers and manipulate bibliometric indicators / E. Delgado L?pez-C?zar, N. Robinson-Garc?a, D. Torres-Salinas // Journal of the Association for Information Science and Technology. 2014. Vol. 65, № 3. P. 446–454. DOI 10.1002/asi.23056.
  • 43. Тихонова Е. В. Культура цитирования: поведение цитирующих авторов vs доверие к результатам научных исследований / Е. В. Тихонова, О. В. Кириллова // Научный редактор и издатель. 2022. Т. 7, № 2. С. 166–181. DOI 10.24069/SEP-22-58.
  • 44. Бобров Л. К. Достоверность ссылок на научные издания: пример порождения мифов и неточностей // Научные и технические библиотеки. 2022. № 5. С. 47–65. DOI 10.33186/1027-3689-2022-5-47-65. EDN TIASTV.
  • 45. Valenzuela M. Identifying meaningful citations / M. Valenzuela, V. Ha, O. Etzioni // 29th AAAI Conference on Artificial Intelligence, AAAI 2015 (25–30 January 2015, Austin, United States). AI Access Foundation, 2015. P. 21–26.
  • 46. New WoS April 29 Release Notes: Enriched cited references, Export to Publons, and more // Clarivate : [сайт]. 2022. URL: https://clarivate.com/webofsciencegroup/release-notes/wos/new-wos-april-29-release-notes/ (дата обращения: 21.04.2023).
  • 47. Evaluating Research Impact Based on Semantic Scholar Highly Influential Citations, Total Citations, and Altmetric Attention Scores: The Quest for Refined Measures Remains Illusive / L. A. Dardas, M. Sallam, A. Woodward [et al.] // Publications. 2023. Vol. 11, № 1. Art. no. 5. DOI 10.3390/publications11010005.
  • 48. Hook D. W. Dimensions: Building Context for Search and Evaluation / D. W. Hook, S. J. Porter, C. Herzog // Frontiers in Research Metrics and Analytics. 2018. Vol. 3. Art. no. 23. DOI 10.3389/frma.2018.00023.
  • 49. Web of Science Release Notes, April 13 2023: Automatic updates to claimed profiles... // Clarivate : [сайт]. 2023. URL: https://clarivate.com/webofsciencegroup/release-notes/wos/web-of-science-release-notes-april-13-2023-2/ (дата обращения: 21.04.2023).
  • 50. Ramos M. A. Citation behavior in popular scientific papers: What is behind obscure citations? The case of ethnobotany / M. A. Ramos, J. G. Melo, U. P. Albuquerque // Scientometrics. 2012. Vol. 92, № 3. P. 711–719. DOI 10.1007/s11192-012-0662-4.
  • 51. Деревянко А. П. Проблема качественного анализа археологических публикаций / А. П. Деревянко, Ю. П. Холюшкин // Методология и методика археологических реконструкций: Сборник научных трудов. Новосибирск : СО РАН, 1994. C. 24–32.
  • 52. Simkin M. V. Read before you cite! / M. V. Simkin, V. P. Roychowdhury // Complex Systems. 2003. Vol. 14, № 3. P. 262–274. DOI 10.25088/ComplexSystems.14.3.269.
  • 53. Лазарев В. С. «Цитируемость нобелевского класса» и понятия, выражающие характеристики и свойства цитируемых научных документов. Тамбов ; Москва ; С.-Петербург ; Баку ; Вена ; Гамбург ; Стокгольм ; Буаке : Международный Информационный Нобелевский Центр (МИНЦ), 2018. 70 с. EDN XWCYBV.
  • 54. Писляков В. В. Самоцитирование и его влияние на оценку научной деятельности: обзор литературы. Часть I // Научные и технические библиотеки. 2022. № 2. С. 49–70. DOI 10.33186/1027-3689-2022-2-49-70. EDN GWNIEW.
  • 55. Писляков В. В. Самоцитирование и его влияние на оценку научной деятельности: обзор литературы. Часть II // Научные и технические библиотеки. 2022. № 3. С. 85–104. DOI 10.33186/1027-3689-2022-3-85-104. EDN YEHRNX.
  • 56. Gonz?lez-Pereira B. A new approach to the metric of journals’ scientific prestige: The SJR indicator / B. Gonz?lez-Pereira, V. P. Guerrero-Bote, F. Moya-Aneg?n // Journal of Informetrics. 2010. Vol. 4, № 3. P. 379–391. DOI http://dx.doi.org/10.1016/j.joi.2010.03.002.
  • 57. Мохначева Ю. В. Типы документов, индексируемых в базах данных WoS и Scopus: сходства, различия и их значение при анализе публикационной активности // Научно-техническая информация. Серия 1: Организация и методика информационной работы. 2023. № 1. P. 38-43. DOI 10.36535/0548-0019-2023-01-4. EDN KCNIMA.
  • 58. Harzing A. W. Google Scholar, Scopus and the Web of Science: a longitudinal and cross-disciplinary comparison / A. W. Harzing, S. Alakangas // Scientometrics. 2016. Vol. 106, № 2. P. 787–804. DOI 10.1007/s11192-015-1798-9.
  • 59. Google Scholar, Web of Science, and Scopus: A systematic comparison of citations in 252 subject categories / A. Martin-Martin, E. Orduna-Malea, M. Thelwall, E. D. Lopez-Cozar // Journal of Informetrics. 2018. Vol. 12, № 4. P. 1160–1177. DOI 10.1016/j.joi.2018.09.002.
  • 60. The difference in referencing in Web of Science, Scopus, and Google Scholar / M. S. Anker, S. Hadzibegovic, A. Lena, W. Haverkamp // Esc Heart Failure. 2019. Vol. 6, № 6. P. 1291–1312. DOI 10.1002/ehf2.12583.
  • 61. Chapman K. An evaluation of Web of Science, Scopus and Google Scholar citations in operations management / K. Chapman, A. E. Ellinger // International Journal of Logistics Management. 2019. Vol. 30, № 4. P. 1039–1053. DOI 10.1108/ijlm-04-2019-0110.
  • 62. Лутай А. В. Сравнение качества метаданных в БД CrossRef, Lens, OpenAlex, Scopus, Semantic Scholar, Web of Science Core Collection / А. В. Лутай, Е. Э. Любушко // Национальная подписка : [сайт]. 2023. URL: https://podpiska.rfbr.ru/storage/reports2021/2022_meta_quality.html (дата обращения: 21.04.2023).
  • 63. The journal coverage of Web of Science, Scopus and Dimensions: A comparative analysis / V. K. Singh, P. Singh, M. Karmakar [et al.] // Scientometrics. 2021. Vol. 126, № 6. P. 5113–5142. DOI 10.1007/s11192-021-03948-5.
  • 64. Thelwall M. Dimensions: A competitor to Scopus and the Web of Science? // Journal of Informetrics. 2018. Vol. 12, № 2. P. 430–435. DOI https://doi.org/10.1016/j.joi.2018.03.006.
  • 65. Harzing A.-W. Two new kids on the block: How do Crossref and Dimensions compare with Google Scholar, Microsoft Academic, Scopus and the Web of Science? // Scientometrics. 2019. Vol. 120, № 1. P. 341–349. DOI 10.1007/s11192-019-03114-y.
  • 66. Orduna-Malea E. Dimensions: re-discovering the ecosystem of scientific information / E. Orduna-Malea, E. Delgado-Lopez-Cozar // Profesional De La Informacion. 2018. Vol. 27, № 2. P. 420–431. DOI 10.3145/epi.2018.mar.21.
  • 67. Is Dimensions a reliable data source of funding and funded publications? / L. Zhang, Y. X. Zheng, W. J. Zhao, Y. Huang // Proceedings of the 18th International Conference on Scientometrics & Informetrics (ISSI2021) (12–15 July 2021, Leuven, Belgium). Belgium : KU Leuven, 2021. P. 1573–1574.
  • 68. Visser M. Large-scale comparison of bibliographic data sources: Web of Science, Scopus, Dimensions, and Crossref / M. Visser, N. J. van Eck, L. Waltman // Proceedings of the 17th International Conference on Scientometrics & Informetrics (ISSI2019) (2–5 September 2019, Rome, Italy). Vol. 2. Rome: Edizioni Efesto, 2019. P. 2358–2369.
  • 69. Basso I. Data sources and their effects on the measurement of open access. Comparing Dimensions with the Web of Science / I. Basso, M. A. Simard, Z. A. Ouangre [et al.] // Proceedings of the 18th International Conference on Scientometrics & Informetrics (ISSI2021) (12–15 July 2021, Leuven, Belgium). Belgium : KU Leuven, 2021. P. 93–98.
  • 70. Stahlschmidt S. From indexation policies through citation networks to normalized citation impacts: Web of Science, Scopus, and Dimensions as varying resonance chambers / S. Stahlschmidt, D. Stephen // Scientometrics. 2022. Vol. 127, № 5. P. 2413–2431. DOI 10.1007/s11192-022-04309-6.
  • 71. Finding citations for PubMed: a large-scale comparison between five freely available bibliographic data sources / Z. T. Liang, J. Mao, K. Lu, G. Li // Scientometrics. 2021. Vol. 126, № 12. P. 9519–9542. DOI 10.1007/s11192-021-04191-8.
  • 72. Velayos-Ortega G. Most cited journals in coronavirus patents according to Lens.org / G. Velayos-Ortega, R. Lopez-Carreno // Profesional De La Informacion. 2020. Vol. 29, № 5. Art. no. e290519. DOI 10.3145/epi.2020.sep.19.
  • 73. Ruan Z., Jiang Y. X., Shi H. H. Real-world clinical effectiveness of once-weekly semaglutide in patients with type 2 diabetes: a systematic literature review / Z. Ruan, Y. X. Jiang, H. H. Shi [et al.] // Expert Review of Clinical Pharmacology. 2023. Vol. 16, № 2. P. 161–176. DOI 10.1080/17512433.2023.2174099.
  • 74. Sinonasal pathophysiology of SARS-CoV-2 and COVID-19: A systematic review of the current evidence / I. Gengler, J. C. Wang, M. M. Speth, A. R. Sedaghat // Laryngoscope Investigative Otolaryngology. 2020. Vol. 5, № 3. P. 354–359. DOI 10.1002/lio2.384.

Содержание выпуска

>> Содержание выпуска 2023. Том. 5. № 2.
>> Архив журнала