Publicado en blog Musings about Librarianship
Open Editors: https://openeditors.ooir.org/2 conjuntos de datos académicos interesantes obtenidos a partir del web scraping - Open Editors & Open Syllabus
Uno de los temas sobre los que he estado escribiendo en mi blog en los últimos años es la creciente disponibilidad de metadatos abiertos en el ecosistema académico/escolar. Los metadatos de los artículos (incluyendo citas y PIDs Scholarly - identificación permanente) están ahora ampliamente disponibles debido a organizaciones como Crossref, ORCID, ROR y organizaciones de defensa como Intitative for Open Citations (I4OC) e Initative for Open Abstracts (I4OA).
Todo esto es, por supuesto, una gran ayuda para estudiar diferentes aspectos del proceso de flujo de trabajo académico.
Dicho esto, todavía hay áreas de estudio interesantes en las que seguimos careciendo de buenos datos abiertos, estructurados y legibles por máquina y, en su lugar, nos vemos obligados a recurrir al difícil rastreo de la web para obtener los datos.
En esta entrada del blog, hablaremos de dos interesantes conjuntos de datos de comunicaciones académicas que sí se generan a partir del web scraping debido a la falta de alternativas.
Open Editors (March 2021)
Open Syllabus (updated to version 2.5 in Feb 2021)
Open Editors - Conjunto de datos sobre editores de revistas
Los autores que presentan y publican investigaciones han sido, naturalmente, el centro de muchos esfuerzos.
PIDs como ORCID, ROR están empezando a resolver el problema de la ambigüedad de los autores y la adopción de CRediT (Contributor Roles Taxonomy) por parte de los títulos de las revistas está aclarando el papel que los autores contribuyen al trabajo publicado.
Sin embargo, los autores sólo constituyen un papel en el flujo de trabajo de la comunicación académica.
Además de los autores que contribuyen al trabajo, estudiar quién hace la revisión por pares es claramente importante. Esta información es a menudo difícil de conseguir, probablemente porque la revisión por pares a doble ciego se considera estándar (aunque los desarrollos recientes parecen estar empujando hacia sistemas más transparentes), y como tal la idea de hacer públicos los datos sobre quién hace la revisión por pares no era una idea común, aunque existen sistemas como Publons (propiedad de Clarivate) que tratan de conseguir que los autores reclamen el crédito por sus revisiones.
Pero dejando a un lado a los autores y a los revisores (que a menudo quieren ser privados), los editores de las revistas y los miembros del consejo editorial desempeñan sin duda un papel tan o más importante.
Por ejemplo, los editores suelen desempeñar un papel aún más importante a la hora de decidir si un trabajo se somete a la revisión por pares y, aunque algunos editores de revistas son profesionales remunerados, muchos son académicos que trabajan en nuestras instituciones y podría valer la pena entender sus motivaciones.
Y a diferencia de la información sobre los revisores, esta información ya es pública en las páginas web de las revistas y no debería haber ninguna razón por la que no pudiéramos tener una forma de obtener fácilmente estos datos en masa de una manera que pueda ser fácilmente interpretada y analizada.
¿Cómo se obtienen los datos de los editores?
Desgraciadamente, no parece haber ninguna forma fácil y general de obtener datos sobre quiénes son editores o forman parte del consejo editorial de un título de revista.
Aunque algunas instituciones con sistemas RIMS/CRIS hacen un seguimiento de los cargos editoriales de los investigadores, no todas las instituciones lo hacen.
Publons, además de tratar de rastrear a los revisores de pares, también le da una opción para declarar que usted es un editor de una revista. La idea es
"obtener reconocimiento por sus contribuciones editoriales manteniendo registros de editor verificados de los manuscritos que maneja. "
Dejando de lado la apertura de este sistema, actualmente no parece tener una gran aceptación.
Así que la única opción es extraer los datos de los sitios web de las revistas y esto es lo que han hecho Pacher, Andreas, Tamara Heck y Kerstin Schoch, quienes generosamente han puesto a disposición el conjunto de datos a través de CCO.
Acerca del conjunto de datos de Open Editors
Los autores del conjunto de datos también han publicado un preprint que describe su trabajo: Open Editors: A Dataset of Scholarly Journals’ Editorial Board Positions. En esta entrada del blog citaré abundantemente este documento.
¿Qué contiene el conjunto de datos?
En primer lugar, los datos se obtienen a partir del web scraping (utilizando R) de 6.090 títulos de revistas de 17 editoriales, que suman 478.563 investigadores.
A continuación se muestran las 17 editoriales incluidas en el conjunto de datos
La información del conjunto de datos incluye
Nombre
Afiliación
Función
Revista
Editor
Fecha
Además de descargar todo el conjunto de datos (que, de todas formas, no es tan grande), los autores ofrecen un práctico sitio web con una función de búsqueda que se puede utilizar para realizar una búsqueda por palabras clave y reducir los resultados que le interesan para la exportación. Sospecho que un caso de uso común para muchos es introducir el nombre de su institución más quizás un tema.
En segundo lugar, se nos da la gran noticia de que la recopilación de datos se realizará de forma regular, al menos una vez al año hasta 2023, a través de un programa con guión cuyos códigos están disponibles en un repositorio público, y se donará a Wikidata para garantizar la sostenibilidad del conjunto de datos.
Ahora las malas noticias.
En primer lugar, los datos extraídos son todos cadenas y no PIDs. No obstante, esto no es fatal, pero habría que trabajar para cotejar los nombres con ORCID, las instituciones con ROR, etc.
Un hallazgo interesante es que las etiquetas dadas para los roles son extremadamente heterogéneas, ¡con más de 5.330 etiquetas! Las más comunes son: "Editor de la revista", "Consejo editorial", "Miembros del Consejo editorial", "Editor asociado invitado", "Editores asociados", "Editor asociado".
Pero creo que una de las cosas más importantes que hay que tener en cuenta al utilizar este conjunto de datos es que no está claro lo representativa que es la muestra. Por supuesto, con el web scraping de toda la web, nunca se puede estar seguro de lo que se ha perdido, pero digamos que se limita a los editores más grandes y conocidos.
En ese caso, si se observan las 17 editoriales incluidas, puede que se pregunte si algunas editoriales muy grandes, como Springer, Wiley o Taylor & Francis, están excluidas.
Los autores señalan
El enfoque actual se basa en una cobertura de editoriales y revistas necesariamente incompleta. ..,. Incluso si uno quisiera limitarse a las editoriales más grandes, su forma heterogénea de mostrar los datos sobre los editores inhibe un simple enfoque de web scraping. Algunos ejemplos son Springer, Oxford University Press, Taylor & Francis y Wiley
En otras palabras, están excluidas porque muestran los datos de forma tan inconsistente para las revistas de su conjunto de títulos, que los autores de este proyecto son incapaces de encontrar una forma de extraer los datos de forma consistente en todas sus revistas.
¿Para qué puede utilizar Open Editors?
A pesar de que los datos son incompletos, se trata sin duda de la mayor fuente pública de datos sobre editores de revistas y es posible que desee considerar su uso. Estoy seguro de que los expertos en bibliometría deben tener docenas, si no cientos, de ideas en sus mentes sobre cómo utilizar estos datos para probar sus teorías, pero ¿qué pasa con el uso operativo?
1. Promoción - ¿Necesita algunos defensores para presionar a los editores? (por ejemplo, la negociación de los precios de las revistas, la apertura de los metadatos, etc.), utilice este conjunto de datos para encontrar personas que aboguen por usted.
2. Renovación de suscripciones: además del uso (descargas y citas) y, obviamente, del precio, es conveniente tener en cuenta si un profesor de su institución forma parte del consejo editorial.
3. Se sabe que las revistas depredadoras incluyen a investigadores involuntarios en las listas de sus consejos de redacción. Disponer de una lista de este tipo sería útil para advertir a los investigadores si esto ocurre. Tenga en cuenta que este uso no es posible todavía para este conjunto de datos (todavía no se raspan las revistas depredadoras según ellos),
Conclusión
Un conjunto de datos estructurados y abiertos sobre los editores es claramente de gran valor.
No estoy seguro de que exista un comité que deba tomar la iniciativa en este sentido. ¿Cope (Comité de Ética de las Publicaciones)? O tal vez organizaciones como DOAJ podrían comenzar a aplicar una norma de este tipo para figurar en ellas, lo que, con suerte, podría ser adoptado por otras revistas que no sean OA.
Los autores de este conjunto de datos sugieren que una I4OE (iniciativa para editores abiertos) en paralelo a los grupos I4OC (iniciativa para citas abiertas) e I4OA (iniciativa para resúmenes abiertos) es una idea interesante.
El cínico que hay en mí se pregunta si se percibe que hay suficiente demanda para esto y si podría surgir un servicio comercial (servicio de pago en el Directorio de Publicaciones Periódicas de Ulrich, por ejemplo, o alguna función de valor añadido en CRIS, etc.).
