Ermittlung von Open-Access-Kennzahlen – Ein Bericht aus der Praxis

Präsentation zum Thema: "Ermittlung von Open-Access-Kennzahlen – Ein Bericht aus der Praxis"—  Präsentation transkript:

1 Ermittlung von Open-Access-Kennzahlen – Ein Bericht aus der Praxis
Eva Bunge | Open-Access-Tage 2017 | [1]

2 Open-Access-Tage 2017 | Eva Bunge
1 - Kontext 2 - Vorgehen 3 - Daten 4 - Fazit Bildquellen: [2], [4], [5], [6] Open-Access-Tage 2017 | Eva Bunge

3 Open-Access-Tage 2017 | Eva Bunge
1 - Kontext 1.1 – Problemstellung Ermittlung von OA-Kennzahlen für Beantragung eines Publikationsfonds [TU Berlin] → Keine verwertbare Universitätsbibliografie Ermittlung von OA-Kennzahlen für das Land Berlin [OA-Strategie des Senats] → Institionenübergreifende Analyse, keine gemeinsame Bibliografie oder Datenformate [2] Open-Access-Tage 2017 | Eva Bunge

4 Open-Access-Tage 2017 | Eva Bunge
1 - Kontext 1.2 – Input Neun Berliner Universitäten und Hochschulen 16 Datenbanken mit Affiliationssuche Artikeldaten ~ 210 MB [2016] [3] Open-Access-Tage 2017 | Eva Bunge

5 Open-Access-Tage 2017 | Eva Bunge
1 - Kontext 1.3 – Output Finde Artikel: gesamt / gold /hybrid / grün / Korrespondenzautorschaft an Berliner Institution Verteilung der OA-Artikel auf Verlage Grobe Abschätzung der APCs Ausführliche Tabelle, in der die Artikel mit allen zusätzlichen Informationen aufgelistet sind * Alle hier präsentierten Zahlen sind noch vorläufig / unbereinigt und dienen reinen Illustrationszwecken. Sie sind in keiner Weise endgültig. Open-Access-Tage 2017 | Eva Bunge

6 Open-Access-Tage 2017 | Eva Bunge
2 - Vorgehen 2.1 – Skript Skript in Python 2.7 Liest Datenbankdateien ein Erstellt Tabelle mit detaillierten Informationen & gibt vorläufige Ergebnisse aus Kein Skript kann perfekt sein – Daten müssen stellenweise manuell bereinigt werden [4] Open-Access-Tage 2017 | Eva Bunge

7 Open-Access-Tage 2017 | Eva Bunge
2 - Vorgehen 2.2 – Funktionsweise Datenbanken einlesen Format vereinheitlichen Dubletten entfernen DOI-Abgleich Titel/Autor-Abgleich Affiliationen identifizieren Korrespondenz-autorschaft Erstautor/in Fehlende ISSNs ergänzen Via CrossRef Hybrid / Grün OA identifizieren Via oaDOI Gold-OA identifizieren ISSN-Abgleich mit DOAJ Qualitätskontrolle Händisch APCs abschätzen DOAJ oder Erfah-rungswerte Ergebnisse ausgeben Nachbearbeiten Open-Access-Tage 2017 | Eva Bunge

8 Open-Access-Tage 2017 | Eva Bunge
3 - Daten 3.1 – Vollständigkeit Anzahl gefundene vs. tatsächliche Artikel: ca. ± 1 % – 9 % [Zahlen für TU Berlin 2013/14] Artikel mit DOI: ca. 89 % Artikel mit ISSN/eISSN: ca. 98 % Affiliationsangabe: in ca. 99 % der Fälle Eindeutige Korrespondenzautorschaft: ca. 86 % [5] * Alle Werte für Skriptversion 09/17 | Auswertung für 2016 | um Dubletten bereinigt Open-Access-Tage 2017 | Eva Bunge

9 Open-Access-Tage 2017 | Eva Bunge
3 - Daten 3.2 – Ein paar Worte zur Korrespondenzautorschaft Annahme: In der Regel zahlen Korrespondenzautoren/-autorinnen die APCs Wenn keine Korrespondenzautorschaft angegeben, nehme Erstautor/-in: ca. 14 % der Fälle Auswertung: Korrespondenzautorschaft = Erstautorschaft in ca. 64 % der Fälle Also: in ca. 5 % der Fälle ist die verwendete Korrespondenzautorschaft inkorrekt * Alle Werte für Skriptversion 09/17 | Auswertung für 2016 | um Dubletten bereinigt Open-Access-Tage 2017 | Eva Bunge

10 Open-Access-Tage 2017 | Eva Bunge
3 - Daten 3.3 – Datenquellen Reihenfolge des Einlesens einer Datenbank in das Skript beeinflusst Zuordnung zur Datenquelle Datenbanken mit vollständigen/leicht zu verarbeitenden Metadaten bevorzugt Mit nur drei Datenbanken können schon ca. 92 % der Publikationen gefunden werden. Aber: Fachspezifisch! * Alle Werte für Skriptversion 09/17 | Auswertung für 2016 | um Dubletten bereinigt Open-Access-Tage 2017 | Eva Bunge

11 Open-Access-Tage 2017 | Eva Bunge
3 - Daten 3.4 – Datenbanken & Formate 16 Datenbanken mit 5 verschiedenen Formaten. Allein von 2016 nach 2017 haben zwei Datenbanken ihre Formate geändert. Zwei Exportformate derselben Datenbank enthalten nicht unbedingt identische Informationen. Hinterlegte Formate für DOI, ISSN, Datum etc. unterscheiden sich oft stark. 12 Datenbanken werden via RIS-Format eingelesen. Eigentlich standardisiert, aber: TEMA IEEE ProQuest BSC GeoRef CAB CINAHL EBSCO Embase LISA Scopus SportDiscus affiliations C1 AD N1 M1 title T1 TI authors A1 AU A2 DOI DO L3 ISSN SN year Y1 PY publisher PB journal JO JF T2 corrAuth Zuordnung der Metadaten auf die RIS-Felder der verschiedenen Datenbanken Open-Access-Tage 2017 | Eva Bunge

12 Open-Access-Tage 2017 | Eva Bunge
4 - Fazit 4.1 – Erkenntnisse Die Vollständigkeit einer guten institutionellen Bibliografie kann das Skript nicht ersetzen. Es können jedoch innerhalb einer gewissen Fehlertoleranz gute Ergebnisse erzeugt werden. Viele Datenbanken liefern Metadaten in ausreichendem Umfang. Knackpunkte: korrekter Datenimport, Zuord-nung Affiliationen & Korrespondenzautorschaft Je mehr Arbeit man in die Nachbearbeitung stecken kann, desto genauer werden die Ergebnisse. [6] Open-Access-Tage 2017 | Eva Bunge

13 Open-Access-Tage 2017 | Eva Bunge
4 - Fazit 4.2 – Offene Fragen Welche Möglichkeiten haben wir, die verfügbaren Daten zu verbessern? (z.B. ORCID, standardisierte Affiliationsangaben, …) Welche Standards zur Erfassung von OA-Publikationen verwenden wir? (Zeit zwischen Erst-/Zweitveröffentlichung, Lizenzen für hybride Publikationen, …) Zählweise | Berücksichtigung von Mehrfachaffiliationen Daten für die Geisteswissenschaften sind besonders lückenhaft – bis jetzt nur Zeitschriftenartikel berücksichtigt. Wie geht man damit um? Welche potentiellen Datenquellen? [7] Open-Access-Tage 2017 | Eva Bunge

14 Vielen Dank für Ihre Aufmerksamkeit!
Kontakt Eva Bunge (ORCID: ) Deutsches Museum, Bibliothek Tel.: Vielen Dank für Ihre Aufmerksamkeit! [1] Open-Access-Tage 2017 | Eva Bunge

15 Open-Access-Tage 2017 | Eva Bunge
Skript Das Skript kann auf GitHub gefunden werden: ( Stand : Die aktuelle Version (genutzt für die Analyse der Berliner OA-Kennzahlen 2016) ist im Branch ‚Dev‘ zu finden. Die dazugehörige Dokumentation wird in den nächsten Wochen aktualisiert. Das Skript lässt sich an die eigenen Bedürfnisse anpassen, eine entsprechende Anleitung wird bereitgestellt. Open-Access-Tage 2017 | Eva Bunge

16 Open-Access-Tage 2017 | Eva Bunge
Bildquellen [1] Image Credit: Foto Deutsches Museum [2] Chiffriermaschine Enigma M4, Deutsches Museum, CC-BY-SA Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz, [3] Bilder zu Punkt 1 & 2: Screenshots von main.py in tuub/oa-eval ( das unter der BSD 3-clause "New" or "Revised" License ( lizenziert ist [4] Zwei-Spezies-Rechenmaschine, Brüning, "Resulta-BS 7", Deutsches Museum, CC-BY-SA Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz, [5] Erstes Rastertunnelmikroskop, IBM, Nachbildung, Deutsches Museum, CC-BY-SA Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz, [6] Planetarium in Armillarsphäre, kopernikanisch, von Desnos, Paris , Deutsches Museum, CC-BY-SA Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz, [7] Spiegelteleskop von Newton, Nachbildung, Deutsches Museum, CC-BY-SA Creative Commons Namensnennung - Weitergabe unter gleichen Bedingungen 4.0 International Lizenz, Lizenz Inhalte sind, sofern nicht anders gekennzeichnet, lizenziert unter Creative Commons Namensnennung 4.0 International. Open-Access-Tage 2017 | Eva Bunge