학술적 영향을 평가하기 위해 누가 데이터를 분석하는지에 상관없이 보조금 제공자, 대학 행정가, 동료 검토자 또는 장서 개발 노력에 종사하는 사서 등 각자는 데이터 선택 및 수집에서 유사한 문제에 직면합니다. 특히 데이터 세분화 및 집계 문제로 인해 어려움을 겪고 있습니다. 이를 보완하기 위해 연구 커뮤니티는 논문이 게시된 저널의 임팩트 팩터와 같은 평가 목적으로 품질의 프록시에 오랫동안 의존해 왔습니다. 일부 특정 항목이나 장학금 세트의 영향을 고려하려는 사람들은 가장 관심 있는 지표를 계산할 수 있도록 데이터 수집 시스템을 "조정"할 수 있어야 합니다. 다음과 같은 영구 식별자 사용 ORCIDs 및 DOI는 이러한 조정을 지원할 수 있습니다.
전통적인 장학금은 요즘 다양한 형태와 온라인 위치에서 제공됩니다. 가장 전통적인 출판 모델에서 최종 출판된 논문은 저널과 출판사 웹사이트에서 볼 수 있습니다. 게시자가 전 세계에서 사용할 수 있도록 만든 미러 사이트 외에도 많은 게시자가 콘텐츠를 다음과 같은 아카이빙 서비스로 전환합니다. JSTOR, 다음과 같은 전체 텍스트 집계 서비스와 XNUMX차 배포 파트너십을 맺을 수도 있습니다. EBSCOHost 학술 검색 or Gale의 아카데믹 OneFile. 이 그림을 복잡하게 하기 위해 다른 문서 소스에는 로컬 저장소에 저장된 사전 인쇄, 공유 사본 또는 현재 사용이 집계하기 어렵거나 불가능한 승인되지 않은 사본도 포함됩니다.
또한 이 전통적인 학술 커뮤니케이션 모델은 엄격하게 기사 중심이며 데이터, 소프트웨어 코드 또는 블로그와 같이 많은 연구자가 현재 만들고 공유하는 학술 결과물을 포함하지 않습니다. 모델에는 의미 있는 분석 데이터를 제공할 수 있는 인용 시스템, 소셜 미디어 또는 재사용을 통한 다양한 형태의 상호 작용도 포함되지 않습니다. 마지막으로, 이 전통적인 프로세스에는 전자 과정에 통합, 애플리케이션에 포함, 커뮤니티에 의한 채택, 특허 출원 또는 입법 프로세스에서의 사용을 통한 자료의 가치 있는 적용이 포함되지 않습니다. 이 모든 것은 전체 영향의 구성 요소로 간주될 수 있습니다.
세분성 문제
세분성과 관련하여 원하는 수준에서 원하는 항목을 사용할 수 없는 문제를 경험하지 않은 사람이 있습니까? 단품 구매를 원하시지만, 벌크 패키지로만 가능합니다. 하나의 케이블 채널을 원할 수 있지만 케이블 서비스의 전체 계층에 가입해야 합니다. 마찬가지로 학술 커뮤니케이션에서 평가 정보는 너무 오랫동안 저널 또는 조직 수준에서만 제공되었습니다. 그러나 도서관 장서 평가 외에 영향 평가에 관심이 있는 사람들은 대부분 특정 연구원의 성과, 단일 논문에 설명된 특정 노력의 영향 또는 특정 보조금 지원 프로젝트의 성공을 알고 싶어합니다.
전체에서 의미 있는 요소를 추출하기 위해서는 각 가치 항목이 고유하게 식별되어야 합니다. 금세기까지 식별자는 전통적으로 "패키지" 수준에서 할당되었습니다. ISSN 저널이나 ISBN 책을 위해. 2000년에 우리는 디지털 개체 식별자(DOI®), 개별 학술 기사를 식별하는 데 빠르게 사용되기 시작했습니다. 출시 전까지 ORCID, 기사 또는 연구원의 저자를 명확하게 식별하는 광범위하게 허용되는 메커니즘이 없었습니다. 이러한 식별자의 가용성 및 사용은 평가 도구 및 서비스가 훨씬 더 세분화된 수준에서 데이터를 수집할 수 있는 길을 열었습니다.
데이터 집계
두 번째 과제는 이러한 보다 세분화된 수준의 데이터를 집계해야 하는 필요성에서 비롯됩니다. 공급자 간에 데이터를 공유하려는 의지가 있고(그 자체가 큰 과제) 해당 데이터를 집계하기 위한 단순하고 표준화된 형식이 존재하더라도(또 다른 중요한 문제) 분석가가 문제의 연구원과 관련된 모든 관련 정보만 추출한다고 어떻게 확신할 수 있습니까? 출판 수준에서의 영향 집계는 출판사와 도서관에 도움이 되며 품질의 대용이 될 수 있지만 특정 연구자/저자를 평가하는 데 필요한 구성 요소 기사의 불완전한 척도입니다. 다음과 같은 많은 차세대 메트릭 이니셔티브 피로스, 임팩트 스토리, 알트 메트릭.com 및 매화 분석 DOI와 같은 식별자의 사용에 크게 의존 ORCID 데이터를 정확하게 집계합니다.
영구 식별자 네트워크와 장학금 연결
As ORCID, DOI, 기관 식별자및 자금 참조 학계 전반에 걸쳐 채택되고 학문의 각 항목은 지속적인 고유 식별자 네트워크와 함께 연결될 수 있으므로 집계 및 세분성 문제가 더 다루기 쉬워집니다. 콘텐츠를 유지 관리하는 모든 시스템에서 특정 연구자의 결과물에 대한 정보를 집계하는 것이 가능해집니다. 마찬가지로 동일한 기관의 모든 저자가 출판했거나 특정 보조금으로 자금을 지원받은 모든 콘텐츠를 대규모 컬렉션에서 더 쉽고 정확하게 추출할 수 있습니다. 비전통적 콘텐츠 또는 비전통적 미디어도 해당 개체와 연결된 메타데이터에 영구 식별자가 포함된 경우 연결하고 사용량을 집계할 수 있습니다. 하는 일이 생겼다 특히 ICSTI 및 CODATA가 주도하는 데이터 세트에 대한 인용 사용을 발전시킵니다., 결국 데이터 인용에 관한 공동 원칙. 이러한 원칙의 채택이 진행 중이지만 다른 비전통적인 출력 범위를 포함하도록 확장될 수 있습니다.
학문적 평가에서 척도에 대한 관심과 적용이 점점 더 가속화될 것이라는 데는 의심의 여지가 없습니다. 자금 제공자, 행정관, 입법자 및 납세자로부터 연구 또는 교육에 대한 투자를 정당화하기 위한 요구가 너무 많습니다. 연구자와 해당 기관은 영향 측정 기준과 그 기반이 되는 시스템을 가능한 한 강력하게 만들어 모든 기여도가 적절하게 평가되고 계산되도록 하는 데 관심을 가져야 합니다.
연구 커뮤니티에서 행동하기
메트릭에 대한 이러한 관심 확대는 NISO가 착수한 이유 중 하나입니다. 새로운 형태의 평가와 관련된 표준 및 모범 사례를 수립하는 프로젝트. 이 프로젝트는 Alfred P. Sloan 재단, Altmetrics 정의, 사용 사례, 비전통적인 학술 결과 평가에 대한 접근 방식, Altmetrics-데이터 교환을 위한 기술 인프라 및 영구 식별자 채택에 대한 합의를 개발하고자 합니다. 이 다섯 가지 주제를 다루기 위한 작업 그룹이 현재 형성되고 있습니다.
연구원은 ORCID, 그들의 사용 ID 게시자 또는 리포지토리가 기사 및 기타 학술 리소스에 대한 ID를 수집하고 게시하도록 주장합니다. 우리는 상호 운용성, 데이터 교환, 유효성 및 신뢰를 위해 공동으로 작업할 수 있지만 먼저 데이터를 수집할 수 있어야 합니다. 이는 연구자, 자금 제공자, 대학 및 출판인 모두와 함께 시작됩니다. 만약 ID 제출 또는 수집되지 않으며 데이터를 집계하거나 명확하게 할 수 없으며 작업의 영향을 추적 및 분석할 수 없습니다. 크레딧을 다시 추적하는 것은 저자로서 귀하에게 이익이 됩니다.