機構知識庫存在問題及應對策略

翟中會 石 蕾 李 凌

(西安交通大學圖書館，陜西西安 710061)

學術論壇

機構知識庫存在問題及應對策略

翟中會 石 蕾 李 凌

(西安交通大學圖書館，陜西西安 710061)

機構知識庫集中展示了機構的研究成果，對促進學術交流，提升機構和機構人員學術影響力具有重要作用。本文分析了研究人員單位變化、操作復雜、缺乏集中的資源、分散控制等對機構知識庫發(fā)展的影響，在此基礎上提出了相應的改進策略。

機構知識庫 發(fā)展策略

機構知識庫用來發(fā)布本單位的研究產出，包含大量的電子論文、灰色文獻和其他數字對象等。從2010到目前為止，國內外出現了大量的機構知識庫和學科庫，許多大學圖書館都開始建立本單位的機構知識庫，目前MIT的DSpace@MIT和加利福尼亞大學的機構知識庫是存儲本單位學術產出最多的兩個機構知識庫，DSpace@MIT機構知識庫收錄了科研人員44%的學術成果，加利福尼亞大學機構知識庫收錄范圍達到25%。雖然機構知識庫經過6年多的快速發(fā)展，已經取得了豐碩的成果，但仍然存在大量的問題：如機構知識庫缺乏基本的元數據互操作標準；機構知識庫和研究管理系統(tǒng)之間的關系；機構知識庫如何解決論文不同版本問題；機構知識庫在重視開放獲取的同時，是否應該同時兼顧長期保存等問題。本文總結了當前機構知識庫存在的問題，在此基礎上，提出了相應的改進策略。

1 機構知識庫存在問題

1.1 研究人員單位變化對機構知識庫的影響

大多數研究人員在整個職業(yè)生涯中最少有兩個單位(如果包括博士期間，單位可能更多)，如果將學術成果存儲在某個機構知識庫，當學者離開這個單位后，機構知識庫包含的瀏覽和下載等統(tǒng)計數據不能和下一個單位機構知識庫的統(tǒng)計數據聚合。目前許多機構知識庫采用ORCID解決這種問題，采用ORCID在不同機構知識庫間推送學術成果元數據，但全文還是存放在最早的機構知識庫中，并沒有在作者新的單位機構知識庫中存放復本。

機構知識庫通過對那些沒有全文的記錄列表增加復本請求按鈕(copy request button)規(guī)避延遲，用戶在瀏覽元數據記錄時點擊復本請求按鈕請求作者發(fā)送論文復本。但是當作者離開一個單位后，而機構知識庫還列著作者無效的E-mail，機構知識庫的復本請求按鈕由于單位的變化而失去作用。

相對于機構知識庫，如果研究人員在ResearchGate或SSRN等學術社區(qū)建立自己的簡歷并存儲學術成果，無論單位是否發(fā)生變化作者都能夠控制他們的學術成果。且這些學術社區(qū)列出的作者E-mail地址不會失效。另外學科知識庫也不會出現這種問題，單位雖然可能發(fā)生變化，但研究者的學科和主題不會變化。

1.2 機構知識庫元數據缺乏一致性

盡管許多大學機構知識庫基本上都采用了Digital Commons、Dspace、Eprints等幾個軟件作為機構知識庫平臺，但是這幾個軟件由于不同的定制和特性設置而差異非常大，每個機構知識庫有自己的分類、主題以及字段等[1]。由于沒有標準的元數據和內容等，當用戶使用CORE、BASE等機構知識庫搜索引擎時，獲得大量混亂格式的數據。國外OpenAIRE (Europe)、LA Referencia (Latin America)和Nii (Japan)等組織正在努力標準化機構知識庫元數據。

1.3 機構知識庫操作復雜且性能滯后

相對于學術社交網絡，機構知識庫在存儲數據時操作復雜，用戶在Researchgate中存入一條記錄時，Researchgate會自動在Sherpa/Romeo數據庫檢測論文的存檔權限(提供了一個出版社版權情況清單，包含了作者在線存檔著作的不同權限，綠色出版：允許存檔預印本和后印本；藍色出版：允許存檔后印本，不允許預印本；黃色出版：允許預印本，不允許后印本；白色出版：不允許存檔)。如果允許存儲，鼓勵作者存儲該記錄的全文。另一方面，Researchgate記錄了瀏覽、下載和閱讀信息，作者甚至可以根據這些信息要求用戶做出評論。從這點來看，Researchgate比一般機構知識庫具有更好的創(chuàng)新性，而Dspace、Eprint等系統(tǒng)缺乏這種創(chuàng)新性功能。

1.4 使用過時的OAI-PMH協(xié)議

現有的機構知識庫平臺還采用10多年前的OAI-PMH協(xié)議，OAI-PMH協(xié)議不是資源發(fā)現和互操作的最佳選擇。如果要降低機構知識庫之間對被動聚合的依賴，就不應該采用OAI-PMH協(xié)議，而應該采用基于主動發(fā)布，如點對點架構、訂閱通知模型[2]。google學術已經拋棄了OAI-PMH這種過時的協(xié)議，轉而支持Highwire、Eprints、BE出版社以及PRISM標簽，其余的學術論文全部采用Dublin標簽[3]。

1.5 機構知識庫缺乏集中的資源

機構知識庫只適合存儲資源，而不適合檢索和瀏覽資源。首先，每個機構知識庫是一個獨立的筒倉，沒有足夠的集中資源，即使機構知識庫的論文全部有全文，這種獨立的筒倉也不適合檢索和瀏覽一個主題內容。其次，一個大雜燴的內容格式，使許多查詢功能不可靠。而國家機構知識庫(如PubMed)和學科機構知識庫(如ArXiv)消除了局部特點，比分散的單位機構知識庫更加有用。

1.6 分散控制

大多數學者在整個職業(yè)生涯中可能更換工作單位，根據產出單位分散一個學者的成果很不合理。一方面造成學者管理多個賬戶非常不方便。另外不同單位政策也會發(fā)生互相沖突，多數機構知識庫支持開放獲取(OA)，但是在取得必要的支持和建立共識的過程中，各級管理機構和學院委員會強加了一些本地規(guī)則和條款。

1.7 缺乏社交

研究成果是一個群體共同努力的結果，目前使用的機構知識庫平臺都缺乏社交功能。而學科機構知識庫(如ArXiv和SSRN)、社交網絡(如Academia.edu、Mendeley、Zotero、Figshare)都有強大的社交功能。

1.8 機構知識庫聚合器存在的問題

采用OAI-PMH收割獨立機構知識庫內容可以建立機構知識庫聚合器[4]，現有的機構知識庫有的僅有元數據，有的帶有全文，但在機構知識庫中沒有指示是否有全文的字段，聚合數據時就不能辨別那條記錄是否有全文，如BASE系統(tǒng)就不能完全確定那條記錄是否有全文。不同的機構知識庫采用不同的元數據標準，論文主題和作者提供的關鍵詞不一致，在學科分類中沒有使用控制詞表或主題詞表，這些問題導致機構知識庫聚合器獲得大量不一致的數據。如在OADOI.org輸入DOI不能檢索到機構知識庫中的論文復本，就是由于機構知識庫元數據不支持DOI。

2 解決機構知識庫問題的對策

2.1 機構知識庫應該有多個目標

機構知識庫支持開放獲取的同時，更應該培育創(chuàng)新性的學術交流形式，并且促進基本的學術證據(即數據)的保存。目前有許多機構知識庫僅存儲元數據來展示單位的產出，很少存儲全文，Converis、Pure、Vivo就是這種類型的系統(tǒng)，這些機構知識庫只是為了展示單位的學術產出而不是為了支持開放獲取。機構知識庫應該兼顧支持開放獲取、成果展示、收集非傳統(tǒng)學術產出(灰色文獻、ETD(電子學位論文)、開放教育資源、數據集等)、長期保存等多個目標。

2.2 不同類型機構知識庫應明確存檔內容和存檔目的

建立機構知識庫時應該有一個明確的目的，不同的機構知識庫存儲的內容、儲存什么時期的論文、存儲的目的應該有所不同，下面列出了不同機構知識庫在存儲時間和存儲原因上的差別(表1)。

表1 機構知識庫存檔的內容、時間和目的

大多數學者將學術成果提交到學科庫主要目的是為了得到同行的反饋、加速科學交流。論文提交到學科庫后可能會發(fā)生三種情況；立即提交給期刊、經過多次修改后提交給期刊、最終沒有提交給期刊。這導致有的學科庫內容和后印本內容不一致，甚至沒有后印本。相對于學科庫，研究人員很少向機構知識庫提交投稿以前的版本(預印本)，大部分只提交論文的后印本或最終版，作者的目的是為了提高低級別的學術論文以及接近出版的論文的訪問量，進而能夠提高這些學術論文的引用率，所以提交到機構知識庫的內容很少再發(fā)生變化。

2.3 借鑒學科庫和學術社交網絡的社交功能

相對集中的學科庫和學術社交網絡(researchgate)，機構知識庫缺乏互操作性和網絡效應。近幾年來，學科庫和學術社交網絡發(fā)展發(fā)展非常迅速，其中researchgate和academia.edu是兩個最重要的學術社交網絡。隨著大量開放獲取論文出現在學術社交網絡或學科庫，越來越多的人通過這些網站瀏覽和搜索論文，另外這些網站有強大的社交功能以及引用和瀏覽數據統(tǒng)計功能，如社會科學研究網絡SSRN可以根據論文數量列出全球商學院的排名(圖1)，而機構知識庫缺乏這些功能。國外也有一些機構建立了機構知識庫聚合平臺。如Bepress Digital commons能夠聚集各種孤立的Dspace機構知識庫數據，在這些系統(tǒng)中能夠進行一些簡單的對比分析。

圖1 SSRN排名前10的商學院

2.4 機構知識庫和科研工作者工作流整合

機構知識庫和研究管理系統(tǒng)整合(圖2)，首先，機構知識庫和研究管理系統(tǒng)可以重用數據，另外能夠用這些數據推送到科研人員的簡歷系統(tǒng)。目前典型的應用系統(tǒng)有Pure、Converis和Symplectic elements等。Scholars@Duke是一個聯合Symplectic和VIVO構建的一個整合系統(tǒng)，這個系統(tǒng)實現了機構庫和大學研究管理系統(tǒng)互相推送數據，機構庫向科研人員簡歷系統(tǒng)推送數據。

圖2 機構知識庫和研究管理系統(tǒng)整合

出版系統(tǒng)整合到機構知識庫(圖3)，佛羅里達大學利用Sciencedirect API將機構知識庫和Elsevier進行整合，機構的論文元數據將自動從Sciencedirect填充到機構知識庫，機構知識庫和簡歷、期刊投稿系統(tǒng)建立鏈接關系。但這中做法的缺點是論文的全文仍保存在Sciencedirect。

機構知識庫整合到出版社，除了將后印本整合進機構知識庫，相反也可以將機構知識庫中的預印本整合到出版社提交系統(tǒng)。PLOS論文提交系統(tǒng)和機構知識庫Bioarxiv進行了整合。總之，擴展機構知識庫工作流，使其更好的支持研究生命周期，機構知識庫和其它系統(tǒng)整合可以提高機構知識庫的內容攝取，支持研究成果的自動持續(xù)出版。

圖3 出版系統(tǒng)整合到機構知識庫

2.5 采用立即存儲/選擇訪問模型

Liège大學建立的立即存儲/選擇訪問模型(Immediate-Deposit & Optional-Access，ID/OA)取得了很大成功[5]，ID/OA專門為了應對期刊的延遲或時滯，ID/OA是指作者在論文出版后應立即在機構知識庫中存儲該論文的最終版或后印本，同時作者可以設置立即開放獲取或暫時關閉訪問全文權限(僅能夠訪問元數據)，但一般建議盡快設置為開放獲取，如果有時滯的話，最好設置為6個月內。ID/OA政策比延遲存儲(delayed deposit)和根據出版社的版權限制而選擇退出(opt-out)更加有效，限制僅針對訪問權限而對延遲沒有限制，也沒有出版社的版權政策限制[6]。如果有一個滯后時期，機構知識庫軟件采用“EMAIL EPRINT REQUEST”請求按鈕向作者請求一個復本，這幾乎提供了一個延遲時期的立即開放獲取效果。采用這種政策有兩方面好處：①大學管理機構可以實時跟蹤學術產出，從機構知識庫能夠獲得這些統(tǒng)計數據；②研究成果能夠立即獲得可見性和重用，截止2016年12月，ORBi包含9萬多條記錄，其中61%有全文，每天超過2400次下載量。

2.6 機構知識庫聚合器應解決的問題

如果只是建立OAI-PMH收割器，機構知識庫向接口(VUFIND、Summon、EDS等)提供所有的數據，而不對這些數據進行標準化，這是毫無意義的事情。要使機構聚合器更加有用，需要考慮下面幾個問題：①仔細檢查收割的條目是否有全文，檢查是否有全文的一種方法是通過機構知識庫提供的一個標識全文的元數據字段，但并不是所有機構知識庫有這個字段。另一種方式盡力扒取機構知識庫中的pdf全文；②盡可能索引全文而不僅僅索引元數據；③提供關鍵詞發(fā)現外的增值服務；④采用SWORD代替作者從學科機構知識庫推送或拉取全文；⑤COUNTER和ORCID結合解決跨機構知識庫匯總統(tǒng)計問題。

2.7 增加學術成果可見性

西班牙網絡計量實驗室根據從網頁規(guī)模、能見度、文檔豐富度及學術成果數4項指標對全球知識庫進行排名，其中增加學術成果可見性和引用是機構知識庫一個非常重要的任務，在這方面ULG圖書館做的非常好。例如，文獻存儲在ORBi一小時后便能在google中搜索到這篇論文，也能被其它搜索引擎(google scholar、OpenAIRE、Base、Driver和Isidore等)收割。

2.8 作為研究信息管理系統(tǒng)的一個子系統(tǒng)

研究管理系統(tǒng)不但包含科研人員的簡歷，而且能從不同平臺拉取研究人員的論文、獲獎以及教學等內容。過去一直認為機構知識庫和研究信息管理系統(tǒng)是兩個并行的管理系統(tǒng)，兩個系統(tǒng)也沒有建立互操作關系。許多研究表明機構知識庫應該作為研究管理系統(tǒng)的一個子系統(tǒng)，機構知識庫中的學術內容能夠通過研究管理系統(tǒng)增加可見性。

Scholars@Duke是一個聯合Symplectic和VIVO構建的一個研究信息管理系統(tǒng)，能夠對研究人員和研究主題進行搜索。在這個系統(tǒng)能夠找到Duke大學研究強項并且能夠和Duke大學的研究人員進行交流。該系統(tǒng)的一個缺點是如果你鏈接科研人員的學術成果時，由于受到許可和訂購限制，導致許多鏈接無法打開。如果用機構知識庫作為這個系統(tǒng)的補充，就能夠避免上面的死鏈問題。

3 結語

機構知識庫的短期目標包括支持數據導出、支持作者身份系統(tǒng)、支持搜索引擎優(yōu)化(SEO)、公開出版物列表、整合不同的標識、公開文獻計量信息、公開使用統(tǒng)計、支持額外的元數據格式。中期目標包括支持授權和驗證、提高平臺的穩(wěn)定性、支持機構服務、有效的機構知識庫元數據、支持在機構知識庫注冊系統(tǒng)的可見性、整合可用性服務、支持嵌入式服務、支持機構知識庫排名系統(tǒng)、支持版本信息、支持去重、提高注冊設施、監(jiān)控開放存取授權。長期目標包括支持可視化工具、支持關聯數據、擴展或修改元數據協(xié)議、處理復雜的嵌套機構知識庫對象、支持長期保存和存檔。

〔1〕 傅平，劉華.機構庫:特性、利益和軟件平臺選擇[J].圖書館學研究，2016(5):31-36

〔2〕 翟中會，石蕾.基于擴展OAI-PMH協(xié)議的機構庫流控制和數據同步研究[J].情報探索，2013(8):102-104

〔3〕 翟中會.Google與Google學術及圖書館傳統(tǒng)數據庫差異性研究[J].圖書館工作與研究，2015(12):31-33

〔4〕 梁娜，張曉林.機構知識庫的互操作需求和互操作規(guī)范框架[J].現代圖書情報技術，2013(9):1-7

〔5〕 蔣逸穎，周淑云.中美開放存取知識庫建設比較研究——基于OpenDOAR的分析[J].圖書館雜志，2016(6):80-87

〔6〕 劉紅玉，羅南，何冰.國內高校機構知識庫建設現狀及對策研究[J].圖書館工作與研究，2016(7):51-55

〔作者介紹〕 翟中會，男，碩士，副研究館員，發(fā)表論文16篇；石蕾，女，館員，發(fā)表論文7篇；李凌，女，碩士，館員，發(fā)表論文7篇。

TheProblemsofInstitutionalRepositoryandCopingStrategies

Zhai Zhonghui Shi Lei Li Ling

The institutional repository has a significant role in promoting the academic exchanges, and the academic influence of institutions and their personnel. The paper puts forward the corresponding improvement strategies based on the analysis of the problems existing in the knowledge base of the organization such as organization change of researchers, complexity of operation, lack of centralized resources and decentralized control.

Institutional repository; Improvement strategy

G250.74

A