On the Persistence of Persistent Identifiers of the Scholarly Web
学术资源，就像网络上的任何其他资源一样，会受到引用腐烂的影响，因为它们经常消失或随着时间的推移而发生重大变化。数字对象标识符（DOI）是持久地标识学术资源的常见方法，并已成为引用它们的事实标准。我们调查的概念，持久性的DOI通过分析其决议在网络上。我们对这些标识符的持久性的信心部分来自于这样一个假设，即无论我们使用哪种HTTP请求方法或从哪个网络环境发送请求，解引用DOI都会始终返回相同的响应。然而，我们的实验表明，根据我们的解释，持久性是不必要的。我们发现，学术内容提供方不同的响应不同的请求方法和网络环境，甚至改变他们的响应请求对同一个DOI。在本文中，我们提出了我们的定量分析的结果，旨在告知学术交流社区这种令人不安的缺乏一致性。
2020-04-06 cs.DL cs.SI
"Knock knock! Who's there?" A study on scholarly repositories' availability
学术知识库是现代开放科学的基石，它们的可用性对于实施其实践至关重要。为此，学术注册中心，如FAIRsharing，re 3data，OpenDOAR和ROAR，通过分配标识符并使用摘要元数据持久化其配置文件，使其在不同的研究社区，学科和应用程序中存在和可见性。唉，像网络上的任何其他资源一样，学术知识库，无论是为文学、软件还是数据量身定制的，都是非常动态的，可以经常改变、移动、合并或中断。因此，随着时间的推移，它们的引用很容易出现链接腐烂，它们的可用性通常归结为学术注册中心内权威存储库配置文件中指示的主页URL是否响应。在这项研究中，我们收集了四个著名的学术注册中心的内容，并解析了超过13000个唯一的存储库URL。通过对如此广泛的存储库集合进行定量分析，本文旨在提供其可用性的全球快照，这令人困惑的是，这远非理所当然。
2022-07-26 cs.DL cs.NI
Examining persistence of European open repository infrastructure and its diffusion in the scholarly record
University of Glasgow（格拉斯哥大学）；Digital Curation Centre（数字保存中心）
通过整合仓储注册数据和网络抓取信息，评估欧洲仓储的持久性，发现超过20%的仓储已“死亡”，约1.2万篇学术作品引用了无法检索的仓储内容，并提出了政策干预建议。
2026-07-03 cs.DL
The dark side of Open Access in Google and Google Scholar: the case of Latin-American repositories
由于知识库是使学术知识开放获取的一个关键工具，因此确定其在网络上的存在和影响至关重要，特别是在谷歌（搜索引擎卓越）和谷歌学术（研究人员越来越多地使用的搜索学术信息的工具）。迄今为止进行的少数研究仅限于非常特定的地理区域（美国），这使得有必要了解其他地区正在发生的事情，这些地区不属于主流学术界，并且知识库在学术成果的可见性方面发挥着决定性作用。本研究的主要目的是通过应用页数和可见度指标，确定拉丁美洲知识库在谷歌和谷歌学术搜索中的存在和可见度。对于137个存储库的样本，结果表明，索引率在谷歌中很低，在谷歌学术搜索中几乎不存在;它们还表明存储库记录与这两个搜索工具产生的数据之间完全缺乏对应关系。这些结果主要归因于使用与Google Scholar（知识库设计）和网络指标（搜索引擎）的可靠性不兼容的描述模式所产生的限制。我们的结论是，无论是谷歌还是谷歌学术准确地代表了拉丁美洲知识库发布的开放获取内容的实际大小;这可能表明一个非索引，隐藏的一面开放获取，这可能是限制开放获取学术文献的传播和消费。
2014-06-17 cs.DL
Can Google Scholar and Mendeley help to assess the scholarly impacts of dissertations?
论文可能是初级研究人员最重要的学术成果。虽然期刊文章集通常是在Web of Science或Scopus的引用计数的帮助下进行评估的，但这些引用计数并没有索引学位论文，因此它们的影响很难评估。作为回应，本文介绍了一种新的多阶段方法来提取谷歌学术引文计数从谷歌索引的存储库的论文的大集合。该方法通过ProQuest提取了2013 - 2017年77，884篇美国博士论文的Google Scholar引文计数，精确度超过95%。一些与其他存储库双重索引的ProQuest论文无法通过ProQuest特定检索检索，但可以通过其他存储库的Google Scholar检索找到。然后将Google Scholar引用计数与Mendeley读者计数进行比较，Mendeley读者计数是一个已知的类似于影响力数据的来源。五分之一的论文至少有一个引用记录在谷歌学术和略少的至少有一个孟德尔读者。基于数值比较，Mendeley读者计数似乎对不到两年的论文的影响评估更有用，而Google Scholar引文对较老的论文更有用，特别是在社会科学，艺术和人文学科。Google Scholar引用计数可能比Mendeley读者计数更能反映学术类型的影响力，因为论文吸引了其他论文的大量引用。总之，新方法现在使研究资助者，机构和其他人能够系统地评估论文的影响，尽管需要对其他在线知识库进行额外的Google Scholar…
2019-02-23 cs.DL
Citing and Reading Behaviours in High-Energy Physics. How a Community Stopped Worrying about Journals and Learned to Love Repositories
除了在同行评审期刊上发表的三个世纪的传统外，当代学术话语还遵循许多其他途径。高能物理学（HEP）领域几十年来一直在探索替代的传播策略，最初是通过大量邮寄初步手稿的纸质副本，然后通过第一个在线知识库和数字图书馆的建立。这一领域在回答当前学术交流趋势所提出的反复出现的问题方面具有独特的地位：科学家通过知识库（通常是初步形式）提供他们的工作是否有优势？在开放获取期刊上发表论文有优势吗？科学家们还在阅读期刊吗？还是他们使用数字存储库？引文数据的分析表明，免费和即时在线传播的预印本创建了一个巨大的引用优势，而在开放获取期刊发表没有明显的优势。此外，对该领域领先的数字图书馆的点击流分析表明，HEP科学家很少阅读期刊，更喜欢预印本。
2009-11-25 cs.DL
AICID: Unique Identifiers for AI Scientists
KTH（皇家理工学院）
针对AI科学家在学术记录中无法与人类区分的问题，提出AICID（AI贡献者标识符），一种持久、唯一的标识符，链接AI作者与其模型身份、版本和操作者，以透明化AI生成研究的来源。
2026-07-01 cs.CY cs.DL
SemRepo: A Knowledge Graph for Research Software and Its Scholarly Ecosystem
ScaDS.AI, TU Dresden（德累斯顿工业大学）；FIZ Karlsruhe（卡尔斯鲁厄信息服务中心）；metaphacts GmbH（metaphacts有限公司）
SemRepo通过整合科研软件与学术资源，提供跨平台查询能力，支持复现分析和风险识别，推动科研软件可持续发展。
2026-05-13 cs.DB cs.DL cs.IR
COCI: Conference Organisers and Content Identifier
Knowledge Media Institute, The Open University, UK
该研究针对灰色文献中征稿通知与学术知识图谱孤立的问题，提出基于AI的COCI框架，结合LLMs与语义映射技术提取CfP结构化元数据，整合至知识库，为非出版商学术活动分析奠定基础。
2026-08-26 cs.AI cs.DL
Scholarly Knowledge Extraction from Published Software Packages
过多的科学软件包在存储库中发布，例如，Zenodo和Figshare。这些软件包对于已发表研究的再现性至关重要。作为学术知识图构建的另一条途径，我们提出了一种方法，通过对它们的（元）数据和内容（特别是Python等语言的脚本）进行静态分析，从已发布的软件包中自动提取机器可操作（结构化）的学术知识。这一办法可概述如下。首先，我们通过利用软件元数据提取框架（SOMEF）和GitHub API从软件包中提取元数据信息（软件描述、编程语言、相关引用）。其次，我们分析提取的元数据，以找到与相应的软件存储库相关联的研究文章。第三，对于包含在已发布的软件包中的软件，我们创建并分析抽象树（AST）表示，以提取有关对数据执行的过程的信息。第四，我们在相关文章的全文中搜索所提取的信息，以将所提取的信息约束为学术知识，即在学术文献中发表的信息。最后，我们在开放式研究知识图谱（ORKG）中发布提取的机器可操作的学术知识。
2022-12-15 cs.DL
OpenAlex: A fully-open index of scholarly works, authors, venues, institutions, and concepts
OpenAlex是一个全新的、完全开放的科学知识图谱（SKG），旨在取代已停产的微软学术图谱（MAG）。它包含2.09亿作品（期刊文章，书籍等）的元数据; 2013万消除歧义的作者; 124 k场地（托管作品的地方，如期刊和在线存储库）; 109 k机构;和65 k维基数据概念（通过自动分层多标签分类器链接到作品）。该数据集通过基于Web的GUI、完整的数据转储和高容量REST API完全免费提供。该资源正在积极开发中，未来的工作将提高引文信息的准确性和覆盖面，以及作者/机构解析和重复数据删除。
2022-06-17 cs.DL
Sustainability: Scholarly Repository as an Enterprise
为了促进学术交流，对开放式信息共享基础设施的需求不断扩大，导致了arXiv.org的开创性建立，该网站目前由康奈尔大学图书馆维护。为了可持续发展，存储库需要对服务、管理和资金进行仔细的长期规划。该图书馆正在利用自愿捐款以及世界各地200个图书馆和研究实验室的持续参与和支持，为arXiv.org开发一个可持续发展模式。可持续发展倡议基于会员模式，并建立在arXiv的技术，服务，金融和政策基础设施之上。可持续发展的五个原则推动发展，从深度融入学术界开始。同样关键的是明确界定的任务和治理结构、稳定而创新的技术平台、系统地制定内容政策和强有力的业务规划战略。像arXiv这样的知识库必须考虑可用性和生存周期以及学术交流的价值和趋势。为了持久，他们还必须通过确保和管理资源以及表现出负责任的管理来支持和加强他们的服务。
2015-10-01 cs.DL
The current state of open access
Kyoto University Library（京都大学图书馆）
本文以参与日本机构知识库建设的大学图书馆员视角，梳理学术传播演进与开放获取起源，评析日本开放获取实践现存问题，提出需重构适配互联网时代的学术传播体系。
2025-11-14 cs.DL
Wikipedia Citations: A comprehensive dataset of citations with identifiers extracted from English Wikipedia
维基百科的内容是基于可靠和公开的来源。到目前为止，维基百科所依赖的来源相对较少，部分原因是提取引用和识别引用来源具有挑战性。为了缩小这一差距，我们发布了Wikipedia Citations，这是一个从维基百科提取的引文的综合数据集。截至2020年5月，共从610万篇英文维基百科文章中提取了2930万条引文，并将其分类为书籍，期刊文章或网络内容。因此，我们能够提取400万引用到具有已知标识符的学术出版物-包括DOI，PMC，PMID和ISBN -并进一步配备额外的261 K引用来自Crossref的DOI。结果，我们发现6.7%的维基百科文章引用了至少一篇具有相关DOI的期刊文章，而维基百科引用了目前在Web of Science中索引的所有DOI文章的2%。我们发布我们的代码，以允许社区扩展我们的工作，并在未来更新数据集。
2020-11-23 cs.DL
Beyond Metadata: The Role of DOI, ORCID, and ROR in Shaping Transparent and Interoperable Library Systems
University of Delhi（德里大学）
本研究探讨DOI、ORCID和ROR三种持久标识符系统如何从元数据标签演变为机器可操作的连接器，以提升图书馆基础设施的透明度和互操作性，并基于2019-2026年全球实施证据提出改进措施。
2026-05-30 cs.DL
Analysis of the deletions of DOIs: What factors undermine their persistence and to what extent?
数字对象标识符（DOI）被认为是持久的;然而，它们有时会被删除。CMDOI不仅对于持续访问学术内容而且对于文献计量学来说都是一个重要问题，因为它们可能会在正确识别学术文章方面造成问题。然而，很少有人知道有多少被删除的DOI以及是什么导致了它们。我们通过比较两个不同日期的所有Crossref DOI的数据集来识别删除的DOI，调查学术内容中删除的DOI的数量以及相应的文档类型，并分析导致删除DOI的因素。使用所提出的方法，708，282删除的DOI被识别。大多数对应于个别学术文章，如期刊文章，论文集文章和书籍章节。有许多DOI分配给同一内容的情况，例如，被撤回的期刊文章和国际会议摘要。我们展示了在删除DOI中最常见的出版商和学术团体。此外，还揭示了具有大量删除DOI的单一学术内容的顶级案例。这项研究的结果是有用的引文分析和altmetrics，以及避免删除的DOI。
2022-07-25 cs.DL
Event Notifications in Value-Adding Networks
研究成果之间的联系在学术知识图谱中至关重要。它们包括在线引用，但也包括根据不同维度而不同的版本之间的链接，以及用于得出研究结果的资源链接。在当前的学术交流系统中，这些信息只能在事后才能得到，并且是通过精心设计的批处理获得的。在本文中，我们报告的工作，旨在使链接可在实时，其中另一种分散的学术交流网络被认为是由交互的数据节点，主机工件和服务节点，增加价值的文物。这项工作的第一个成果，“增值网络中的事件交换”规范，详细说明了使用关联数据交换的实时生命周期信息的互操作性要求。在一个实验中，我们将我们的规范应用于一个特定的用例：通过一个国家服务节点将Scholix数据-文献链接分发到比利时机构知识库网络。我们的实验结果证实了我们的方法的潜力，并提供了一个框架，以创建一个网络的互动节点实现核心学术功能（注册，认证，意识和存档）在一个分散和解耦的方式。
2022-08-03 cs.DL
Analyzing the Persistence of Referenced Web Resources with Memento
在本文中，我们提出了一项研究的结果，持久性和可用性的Web资源引用的论文在学术知识库。两个具有不同特征的存储库，arXiv和UNT数字图书馆，进行了研究，以确定存储库的性质，或其内容，有一个轴承的可用性的Web资源所引用的内容。Memento可以自动发现存档的资源，并考虑研究出版和引用URL存档之间的时间。这种自动化使我们能够处理超过160000个URL，这是已知的最大的此类研究，并且存储库元数据允许按学科考虑结果。结果令人吃惊：45%（66096）的arXiv引用的URL仍然存在，但没有为后代保留，28%的UNT论文引用的资源已经丢失。展望未来，我们提供了一些初步的建议，包括存储库应该发布从论文中提取的URL列表，这些URL列表可以用作Web存档系统的种子。
2011-05-17 cs.DL
Specimens as research objects: reconciliation across distributed repositories to enable metadata propagation
植物标本在全球标本库网络中作为长期可参考的研究对象共享。多个标本是从一个共享的现场采集事件生成的;生成的标本然后在单独的存储库中单独管理，并独立地增加研究和管理元数据，这些元数据可以传播给它们的副本同行。建立一个用于元数据传播的数据衍生网络，将能够对目前分散、不相连和独立管理的密切相关的标本进行协调。在对来自292个独立标本库的19，827，998个标本记录的聚合数据集进行数据采掘后，36%或7，102，710个标本被评估为参与重复关系，允许在这些关系的参与者之间传播元数据，总计：93，044种类型引用，1，121，865种地理参考，1，097，168种图像和2，191，179种科学名称确定。这些结果使网络的创建，以确定哪些存储库可以合作。一些类别的注释（特别是那些关于科学名称的确定）代表科学工作的单位：适当的管理，这一数据将允许个人研究人员的学术信誉的积累：在这一领域的潜在的进一步工作进行了讨论。
2018-09-20 cs.DL cs.SI
Overlay journals: a study of the current landscape
覆盖期刊的特点是它们的文章发表在开放获取资源库上，通常已经开始以其初始预印本形式作为在启动同行评审过程之前提交给期刊的先决条件。在这项研究中，我们的目的是确定目前活跃的覆盖期刊，并检查他们的特点。我们使用了探索性的网络搜索，并联系了主要服务提供商以获取更多信息。最终样本包括34个重叠期刊。虽然结果显示，近年来新的覆盖期刊已经积极建立，但与开放获取期刊的总数相比，目前覆盖期刊的存在仍然很小。大多数覆盖期刊发表自然科学、数学或计算机科学方面的文章，通常由学术团体而不是正式组织发表。它们也可能在传统的期刊引用指标中排名很高。被调查的期刊都没有向作者收取费用，这可能与覆盖出版模式的成本效益有关。采用开放获取预印本知识库的增长和研究人员在覆盖期刊上发表的意愿将决定该模式对学术出版的更广泛影响。
2022-11-03 cs.DL
Integrating Research Data Management into Geographical Information Systems
海洋建模需要制作高保真度的计算网格，以便在此基础上求解运动方程。考虑到水深测量和海岸线的复杂性，手工制作这种网格往往不可行。因此，地理信息系统（GIS）的使用是一个关键组成部分，离散化的兴趣区域，并产生一个网格适当的解决动态。但是，必须提供与网格生成相关的所有数据，以便有助于后续模拟的整体可重新计算性。这项工作提出了集成的研究数据管理在QMesh，一个工具，使用GIS生成网格。该工具使用PyRDM库为科学家提供了一种快速简便的方法，可以将网格以及重新生成网格所需的所有数据发布到持久的在线存储库中。这些存储库被分配了唯一的标识符，以便在期刊文章中正确引用网格。
2015-09-15 cs.CE cs.DL
Code Contribution and Credit in Science
University of Washington Information School（华盛顿大学信息学院）
研究探讨了科学领域中代码贡献与传统作者身份信用之间的关系，发现代码贡献者常未获认可，且高频编码与学术影响力指标呈负相关。
2026-01-06 cs.DL cs.SE
