翟中會 石 蕾 李 凌

(西安交通大學(xué)圖書館，陜西西安 710061)

學(xué)術(shù)論壇

機(jī)構(gòu)知識庫存在問題及應(yīng)對策略

翟中會 石 蕾 李 凌

(西安交通大學(xué)圖書館，陜西西安 710061)

機(jī)構(gòu)知識庫集中展示了機(jī)構(gòu)的研究成果，對促進(jìn)學(xué)術(shù)交流，提升機(jī)構(gòu)和機(jī)構(gòu)人員學(xué)術(shù)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(fù)雜、缺乏集中的資源、分散控制等對機(jī)構(gòu)知識庫發(fā)展的影響，在此基礎(chǔ)上提出了相應(yīng)的改進(jìn)策略。

機(jī)構(gòu)知識庫 發(fā)展策略

機(jī)構(gòu)知識庫用來發(fā)布本單位的研究產(chǎn)出，包含大量的電子論文、灰色文獻(xiàn)和其他數(shù)字對象等。從2010到目前為止，國內(nèi)外出現(xiàn)了大量的機(jī)構(gòu)知識庫和學(xué)科庫，許多大學(xué)圖書館都開始建立本單位的機(jī)構(gòu)知識庫，目前MIT的DSpace@MIT和加利福尼亞大學(xué)的機(jī)構(gòu)知識庫是存儲本單位學(xué)術(shù)產(chǎn)出最多的兩個機(jī)構(gòu)知識庫，DSpace@MIT機(jī)構(gòu)知識庫收錄了科研人員44%的學(xué)術(shù)成果，加利福尼亞大學(xué)機(jī)構(gòu)知識庫收錄范圍達(dá)到25%。雖然機(jī)構(gòu)知識庫經(jīng)過6年多的快速發(fā)展，已經(jīng)取得了豐碩的成果，但仍然存在大量的問題：如機(jī)構(gòu)知識庫缺乏基本的元數(shù)據(jù)互操作標(biāo)準(zhǔn)；機(jī)構(gòu)知識庫和研究管理系統(tǒng)之間的關(guān)系；機(jī)構(gòu)知識庫如何解決論文不同版本問題；機(jī)構(gòu)知識庫在重視開放獲取的同時，是否應(yīng)該同時兼顧長期保存等問題。本文總結(jié)了當(dāng)前機(jī)構(gòu)知識庫存在的問題，在此基礎(chǔ)上，提出了相應(yīng)的改進(jìn)策略。

1 機(jī)構(gòu)知識庫存在問題

1.1 研究人員單位變化對機(jī)構(gòu)知識庫的影響

大多數(shù)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(xué)術(shù)成果存儲在某個機(jī)構(gòu)知識庫，當(dāng)學(xué)者離開這個單位后，機(jī)構(gòu)知識庫包含的瀏覽和下載等統(tǒng)計數(shù)據(jù)不能和下一個單位機(jī)構(gòu)知識庫的統(tǒng)計數(shù)據(jù)聚合。目前許多機(jī)構(gòu)知識庫采用ORCID解決這種問題，采用ORCID在不同機(jī)構(gòu)知識庫間推送學(xué)術(shù)成果元數(shù)據(jù)，但全文還是存放在最早的機(jī)構(gòu)知識庫中，并沒有在作者新的單位機(jī)構(gòu)知識庫中存放復(fù)本。

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

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

1.2 機(jī)構(gòu)知識庫元數(shù)據(jù)缺乏一致性

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

1.3 機(jī)構(gòu)知識庫操作復(fù)雜且性能滯后

相對于學(xué)術(shù)社交網(wǎng)絡(luò)，機(jī)構(gòu)知識庫在存儲數(shù)據(jù)時操作復(fù)雜，用戶在Researchgate中存入一條記錄時，Researchgate會自動在Sherpa/Romeo數(shù)據(jù)庫檢測論文的存檔權(quán)限(提供了一個出版社版權(quán)情況清單，包含了作者在線存檔著作的不同權(quán)限，綠色出版：允許存檔預(yù)印本和后印本；藍(lán)色出版：允許存檔后印本，不允許預(yù)印本；黃色出版：允許預(yù)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(jù)這些信息要求用戶做出評論。從這點來看，Researchgate比一般機(jī)構(gòu)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(xiàn)有的機(jī)構(gòu)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(xiàn)和互操作的最佳選擇。如果要降低機(jī)構(gòu)知識庫之間對被動聚合的依賴，就不應(yīng)該采用OAI-PMH協(xié)議，而應(yīng)該采用基于主動發(fā)布，如點對點架構(gòu)、訂閱通知模型[2]。google學(xué)術(shù)已經(jīng)拋棄了OAI-PMH這種過時的協(xié)議，轉(zhuǎn)而支持Highwire、Eprints、BE出版社以及PRISM標(biāo)簽，其余的學(xué)術(shù)論文全部采用Dublin標(biāo)簽[3]。

1.5 機(jī)構(gòu)知識庫缺乏集中的資源

機(jī)構(gòu)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(jī)構(gòu)知識庫是一個獨立的筒倉，沒有足夠的集中資源，即使機(jī)構(gòu)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(nèi)容。其次，一個大雜燴的內(nèi)容格式，使許多查詢功能不可靠。而國家機(jī)構(gòu)知識庫(如PubMed)和學(xué)科機(jī)構(gòu)知識庫(如ArXiv)消除了局部特點，比分散的單位機(jī)構(gòu)知識庫更加有用。

1.6 分散控制

大多數(shù)學(xué)者在整個職業(yè)生涯中可能更換工作單位，根據(jù)產(chǎn)出單位分散一個學(xué)者的成果很不合理。一方面造成學(xué)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(shù)機(jī)構(gòu)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(jī)構(gòu)和學(xué)院委員會強(qiáng)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(jié)果，目前使用的機(jī)構(gòu)知識庫平臺都缺乏社交功能。而學(xué)科機(jī)構(gòu)知識庫(如ArXiv和SSRN)、社交網(wǎng)絡(luò)(如Academia.edu、Mendeley、Zotero、Figshare)都有強(qiáng)大的社交功能。

1.8 機(jī)構(gòu)知識庫聚合器存在的問題

采用OAI-PMH收割獨立機(jī)構(gòu)知識庫內(nèi)容可以建立機(jī)構(gòu)知識庫聚合器[4]，現(xiàn)有的機(jī)構(gòu)知識庫有的僅有元數(shù)據(jù)，有的帶有全文，但在機(jī)構(gòu)知識庫中沒有指示是否有全文的字段，聚合數(shù)據(jù)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(jī)構(gòu)知識庫采用不同的元數(shù)據(jù)標(biāo)準(zhǔn)，論文主題和作者提供的關(guān)鍵詞不一致，在學(xué)科分類中沒有使用控制詞表或主題詞表，這些問題導(dǎo)致機(jī)構(gòu)知識庫聚合器獲得大量不一致的數(shù)據(jù)。如在OADOI.org輸入DOI不能檢索到機(jī)構(gòu)知識庫中的論文復(fù)本，就是由于機(jī)構(gòu)知識庫元數(shù)據(jù)不支持DOI。

2 解決機(jī)構(gòu)知識庫問題的對策

2.1 機(jī)構(gòu)知識庫應(yīng)該有多個目標(biāo)

機(jī)構(gòu)知識庫支持開放獲取的同時，更應(yīng)該培育創(chuàng)新性的學(xué)術(shù)交流形式，并且促進(jìn)基本的學(xué)術(shù)證據(jù)(即數(shù)據(jù))的保存。目前有許多機(jī)構(gòu)知識庫僅存儲元數(shù)據(jù)來展示單位的產(chǎn)出，很少存儲全文，Converis、Pure、Vivo就是這種類型的系統(tǒng)，這些機(jī)構(gòu)知識庫只是為了展示單位的學(xué)術(shù)產(chǎn)出而不是為了支持開放獲取。機(jī)構(gòu)知識庫應(yīng)該兼顧支持開放獲取、成果展示、收集非傳統(tǒng)學(xué)術(shù)產(chǎn)出(灰色文獻(xiàn)、ETD(電子學(xué)位論文)、開放教育資源、數(shù)據(jù)集等)、長期保存等多個目標(biāo)。

2.2 不同類型機(jī)構(gòu)知識庫應(yīng)明確存檔內(nèi)容和存檔目的

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

表1 機(jī)構(gòu)知識庫存檔的內(nèi)容、時間和目的

大多數(shù)學(xué)者將學(xué)術(shù)成果提交到學(xué)科庫主要目的是為了得到同行的反饋、加速科學(xué)交流。論文提交到學(xué)科庫后可能會發(fā)生三種情況；立即提交給期刊、經(jīng)過多次修改后提交給期刊、最終沒有提交給期刊。這導(dǎo)致有的學(xué)科庫內(nèi)容和后印本內(nèi)容不一致，甚至沒有后印本。相對于學(xué)科庫，研究人員很少向機(jī)構(gòu)知識庫提交投稿以前的版本(預(yù)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(xué)術(shù)論文以及接近出版的論文的訪問量，進(jìn)而能夠提高這些學(xué)術(shù)論文的引用率，所以提交到機(jī)構(gòu)知識庫的內(nèi)容很少再發(fā)生變化。

2.3 借鑒學(xué)科庫和學(xué)術(shù)社交網(wǎng)絡(luò)的社交功能

相對集中的學(xué)科庫和學(xué)術(shù)社交網(wǎng)絡(luò)(researchgate)，機(jī)構(gòu)知識庫缺乏互操作性和網(wǎng)絡(luò)效應(yīng)。近幾年來，學(xué)科庫和學(xué)術(shù)社交網(wǎng)絡(luò)發(fā)展發(fā)展非常迅速，其中researchgate和academia.edu是兩個最重要的學(xué)術(shù)社交網(wǎng)絡(luò)。隨著大量開放獲取論文出現(xiàn)在學(xué)術(shù)社交網(wǎng)絡(luò)或?qū)W科庫，越來越多的人通過這些網(wǎng)站瀏覽和搜索論文，另外這些網(wǎng)站有強(qiáng)大的社交功能以及引用和瀏覽數(shù)據(jù)統(tǒng)計功能，如社會科學(xué)研究網(wǎng)絡(luò)SSRN可以根據(jù)論文數(shù)量列出全球商學(xué)院的排名(圖1)，而機(jī)構(gòu)知識庫缺乏這些功能。國外也有一些機(jī)構(gòu)建立了機(jī)構(gòu)知識庫聚合平臺。如Bepress Digital commons能夠聚集各種孤立的Dspace機(jī)構(gòu)知識庫數(shù)據(jù)，在這些系統(tǒng)中能夠進(jìn)行一些簡單的對比分析。

圖1 SSRN排名前10的商學(xué)院

2.4 機(jī)構(gòu)知識庫和科研工作者工作流整合

機(jī)構(gòu)知識庫和研究管理系統(tǒng)整合(圖2)，首先，機(jī)構(gòu)知識庫和研究管理系統(tǒng)可以重用數(shù)據(jù)，另外能夠用這些數(shù)據(jù)推送到科研人員的簡歷系統(tǒng)。目前典型的應(yīng)用系統(tǒng)有Pure、Converis和Symplectic elements等。Scholars@Duke是一個聯(lián)合Symplectic和VIVO構(gòu)建的一個整合系統(tǒng)，這個系統(tǒng)實現(xiàn)了機(jī)構(gòu)庫和大學(xué)研究管理系統(tǒng)互相推送數(shù)據(jù)，機(jī)構(gòu)庫向科研人員簡歷系統(tǒng)推送數(shù)據(jù)。

圖2 機(jī)構(gòu)知識庫和研究管理系統(tǒng)整合

出版系統(tǒng)整合到機(jī)構(gòu)知識庫(圖3)，佛羅里達(dá)大學(xué)利用Sciencedirect API將機(jī)構(gòu)知識庫和Elsevier進(jìn)行整合，機(jī)構(gòu)的論文元數(shù)據(jù)將自動從Sciencedirect填充到機(jī)構(gòu)知識庫，機(jī)構(gòu)知識庫和簡歷、期刊投稿系統(tǒng)建立鏈接關(guān)系。但這中做法的缺點是論文的全文仍保存在Sciencedirect。

機(jī)構(gòu)知識庫整合到出版社，除了將后印本整合進(jìn)機(jī)構(gòu)知識庫，相反也可以將機(jī)構(gòu)知識庫中的預(yù)印本整合到出版社提交系統(tǒng)。PLOS論文提交系統(tǒng)和機(jī)構(gòu)知識庫Bioarxiv進(jìn)行了整合?？傊瑪U(kuò)展機(jī)構(gòu)知識庫工作流，使其更好的支持研究生命周期，機(jī)構(gòu)知識庫和其它系統(tǒng)整合可以提高機(jī)構(gòu)知識庫的內(nèi)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(jī)構(gòu)知識庫

2.5 采用立即存儲/選擇訪問模型

Liège大學(xué)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(yīng)對期刊的延遲或時滯，ID/OA是指作者在論文出版后應(yīng)立即在機(jī)構(gòu)知識庫中存儲該論文的最終版或后印本，同時作者可以設(shè)置立即開放獲取或暫時關(guān)閉訪問全文權(quán)限(僅能夠訪問元數(shù)據(jù))，但一般建議盡快設(shè)置為開放獲取，如果有時滯的話，最好設(shè)置為6個月內(nèi)。ID/OA政策比延遲存儲(delayed deposit)和根據(jù)出版社的版權(quán)限制而選擇退出(opt-out)更加有效，限制僅針對訪問權(quán)限而對延遲沒有限制，也沒有出版社的版權(quán)政策限制[6]。如果有一個滯后時期，機(jī)構(gòu)知識庫軟件采用“EMAIL EPRINT REQUEST”請求按鈕向作者請求一個復(fù)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(xué)管理機(jī)構(gòu)可以實時跟蹤學(xué)術(shù)產(chǎn)出，從機(jī)構(gòu)知識庫能夠獲得這些統(tǒng)計數(shù)據(jù)；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(jī)構(gòu)知識庫聚合器應(yīng)解決的問題

如果只是建立OAI-PMH收割器，機(jī)構(gòu)知識庫向接口(VUFIND、Summon、EDS等)提供所有的數(shù)據(jù)，而不對這些數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，這是毫無意義的事情。要使機(jī)構(gòu)聚合器更加有用，需要考慮下面幾個問題：①仔細(xì)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(jī)構(gòu)知識庫提供的一個標(biāo)識全文的元數(shù)據(jù)字段，但并不是所有機(jī)構(gòu)知識庫有這個字段。另一種方式盡力扒取機(jī)構(gòu)知識庫中的pdf全文；②盡可能索引全文而不僅僅索引元數(shù)據(jù)；③提供關(guān)鍵詞發(fā)現(xiàn)外的增值服務(wù)；④采用SWORD代替作者從學(xué)科機(jī)構(gòu)知識庫推送或拉取全文；⑤COUNTER和ORCID結(jié)合解決跨機(jī)構(gòu)知識庫匯總統(tǒng)計問題。

2.7 增加學(xué)術(shù)成果可見性

西班牙網(wǎng)絡(luò)計量實驗室根據(jù)從網(wǎng)頁規(guī)模、能見度、文檔豐富度及學(xué)術(shù)成果數(shù)4項指標(biāo)對全球知識庫進(jìn)行排名，其中增加學(xué)術(shù)成果可見性和引用是機(jī)構(gòu)知識庫一個非常重要的任務(wù)，在這方面ULG圖書館做的非常好。例如，文獻(xiàn)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(xué)等內(nèi)容。過去一直認(rèn)為機(jī)構(gòu)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(guān)系。許多研究表明機(jī)構(gòu)知識庫應(yīng)該作為研究管理系統(tǒng)的一個子系統(tǒng)，機(jī)構(gòu)知識庫中的學(xué)術(shù)內(nèi)容能夠通過研究管理系統(tǒng)增加可見性。

Scholars@Duke是一個聯(lián)合Symplectic和VIVO構(gòu)建的一個研究信息管理系統(tǒng)，能夠?qū)ρ芯咳藛T和研究主題進(jìn)行搜索。在這個系統(tǒng)能夠找到Duke大學(xué)研究強(qiáng)項并且能夠和Duke大學(xué)的研究人員進(jìn)行交流。該系統(tǒng)的一個缺點是如果你鏈接科研人員的學(xué)術(shù)成果時，由于受到許可和訂購限制，導(dǎo)致許多鏈接無法打開。如果用機(jī)構(gòu)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(jié)語

機(jī)構(gòu)知識庫的短期目標(biāo)包括支持?jǐn)?shù)據(jù)導(dǎo)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(biāo)識、公開文獻(xiàn)計量信息、公開使用統(tǒng)計、支持額外的元數(shù)據(jù)格式。中期目標(biāo)包括支持授權(quán)和驗證、提高平臺的穩(wěn)定性、支持機(jī)構(gòu)服務(wù)、有效的機(jī)構(gòu)知識庫元數(shù)據(jù)、支持在機(jī)構(gòu)知識庫注冊系統(tǒng)的可見性、整合可用性服務(wù)、支持嵌入式服務(wù)、支持機(jī)構(gòu)知識庫排名系統(tǒng)、支持版本信息、支持去重、提高注冊設(shè)施、監(jiān)控開放存取授權(quán)。長期目標(biāo)包括支持可視化工具、支持關(guān)聯(lián)數(shù)據(jù)、擴(kuò)展或修改元數(shù)據(jù)協(xié)議、處理復(fù)雜的嵌套機(jī)構(gòu)知識庫對象、支持長期保存和存檔。

〔1〕 傅平，劉華.機(jī)構(gòu)庫:特性、利益和軟件平臺選擇[J].圖書館學(xué)研究，2016(5):31-36

〔2〕 翟中會，石蕾.基于擴(kuò)展OAI-PMH協(xié)議的機(jī)構(gòu)庫流控制和數(shù)據(jù)同步研究[J].情報探索，2013(8):102-104

〔3〕 翟中會.Google與Google學(xué)術(shù)及圖書館傳統(tǒng)數(shù)據(jù)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(jī)構(gòu)知識庫的互操作需求和互操作規(guī)范框架[J].現(xiàn)代圖書情報技術(shù)，2013(9):1-7

〔5〕 蔣逸穎，周淑云.中美開放存取知識庫建設(shè)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(nèi)高校機(jī)構(gòu)知識庫建設(shè)現(xiàn)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