[論文レビュー] Web Infrastructure to Support e-Journal Preservation (and More)

Herbert Van de Sompel, David S. Rosenthal+1 more|arXiv (Cornell University)|May 19, 2016

Research Data Management Practices参考文献 7被引用数 7

ひとこと要約

本稿は、CrossRefのAPI、ANSI/NISO Z39.99 ResourceSync、およびSignpostingのタイプ付きHTTPヘッダーを活用したウェブインフラを提案する。これにより、学術的コンテンツの信頼性の高い発見、完全性の検証、メタデータ抽出を自動化し、eジャーナルの保存を改善する。主な貢献は、ヒューリスティックベースのクローリングに依存するのを減らし、DOIの有用性を高め、学術コミュニケーションシステム間の相互運用性を向上させる標準化・スケーラブルなソリューションである。

ABSTRACT

E-journal preservation systems have to ingest millions of articles each year. Ingest, especially of the "long tail" of journals from small publishers, is the largest element of their cost. Cost is the major reason that archives contain less than half the content they should. Automation is essential to minimize these costs. This paper examines the potential for automation beyond the status quo based on the API provided by CrossRef, ANSI/NISO Z39.99 ResourceSync, and the provision of typed links in publishers' HTTP response headers. These changes would not merely assist e-journal preservation and other cross-venue scholarly applications, but would help remedy the gap that research has revealed between DOIs' potential and actual benefits.

研究の動機と目的

• 現在のeジャーナル保存システムが、インジェストのためのヒューリスティックベースのウェブクローリングに大きく依存している高コストかつ非効率な点を是正すること。
• DOIの理論的利点とその実際の学術コミュニケーションにおける使用状況の間のギャップ、特に恒久的識別子としての使用に関してを埋める。
• 標準化されたウェブプロトコルを活用して、新規に発行された論文の自動的かつ信頼性の高い発見を可能にすることで、保存システムの負担を軽減すること。
• DOI、メタデータ、HTTPヘッダー内のタイプ付きリンクの一貫した使用を促進することで、学術コミュニケーションプラットフォーム間の相互運用性を向上させること。
• 出版者およびCrossRefがResourceSyncとSignpostingを採用することで、長期的コンテンツ保存および引用の整合性を支援することを促進すること。

提案手法

• DOIメタデータを照会し、論文の可用性および識別を検証するために、CrossRefのAPIを活用する。
• ResourceSyncを実装し、出版者が変更フィードおよび変更リストを通じてアーカイブにコンテンツ変更を通知できるようにする。
• Signpostingを用いて、Webレスポンスにタイプ付きHTTPヘッダー（例：'describedby'、'about'、'referredby'）を埋め込み、コンテンツをDOIおよび関連メタデータにリンクさせる。
• これらの標準を出版者ワークフローに統合し、場所依存のURIではなく、恒久的で機械可読性の高い識別URI（例：http://doi.org/10.xxxx）へのリンクを提供する。
• Webサーバーのリライトルールまたは内部APIを活用して、アプリケーションの大幅な変更なしにSignpostingヘッダーの自動生成を実現する。
• アーカイブシステムが、HTML構造のヒューリスティック分析ではなく、標準化・信頼性の高いシグナルに基づいて、インジェスト済みコンテンツの完全性と同一性を検証できるようにする。

実験結果

リサーチクエスチョン

• RQ1 eジャーナル保存システムは、スケールを考慮した上で、新規に発行された論文のインジェストを信頼性高く発見・検証できるか？
• RQ2 機械可読のシグナルを標準化することで、ヒューリスティックベースのウェブクローリングに依存する現状の度合いをどの程度軽減できるか？
• RQ3 DOIが恒久的識別子としての潜在的価値を持つ一方で、実際の引用やメタデータでの使用状況とのギャップをどのように埋められるか？
• RQ4 出版者およびCrossRefが、保存および引用用途のための自動的かつ相互運用可能なコンテンツ発見を可能にする役割を果たせるか？
• RQ5 ResourceSyncとSignpostingの組み合わせが、eジャーナルアーカイブの完全性および正確性を顕著に向上させられるか？

主な発見

• ResourceSyncとSignpostingの統合により、コンテンツ発見およびメタデータアクセスのための信頼性の高い標準化シグナルが提供されるため、ヒューリスティックベースのクローリングの必要性が著しく低下する。
• 一貫したURIパターンを採用する出版者は、リライトルールを活用して自動的にSignpostingヘッダーを生成でき、実装の負担を最小限に抑えられる。
• ResourceSyncにより、アーカイブはコンテンツ変更をほぼリアルタイムで検知でき、完全性の検証が向上し、論文の漏れのリスクが低減される。
• SignpostingによってHTTPヘッダー内にDOIベースの識別URIを活用することで、引用マネージャーや検索エンジンが一時的場所URIではなく恒久的識別子を記録できるようになる。
• CrossRefは、これらの標準への出版者適合状況を監査し、会費の減免などのインcentiveを提供することで、採用を促進できる。
• 提案されたインフラは保存を支援するだけでなく、構造的かつ機械可読性の高いリンクを活用することで、引用グラフ構築や共同著者ネットワーク分析といった新たな応用も可能にする。