[论文解读] Coverage of Author Identifiers in Web of Science and Scopus

Thomas Krämer, Fakhri Momeni+1 more|arXiv (Cornell University)|Mar 3, 2017

Biomedical Text Mining and Ontologies参考文献 13被引用 8

一句话总结

本研究分析了603万篇同时存在于Web of Science和Scopus数据库（1996–2014年）的出版物中，作者标识符（ResearcherID、ORCID和Scopus Author Identifier）的覆盖率与分布情况。研究发现，STM学科领域的标识符覆盖率最高；由于手动注册机制，ResearcherID的分配范围更广于ORCID；而Scopus的自动系统因音译问题导致对亚洲姓名存在系统性偏差，从而削弱了作者消歧的准确性。

ABSTRACT

As digital collections of scientific literature are widespread and used frequently in knowledge-intense working environments, it has become a challenge to identify author names correctly. The treatment of homonyms is crucial for the reliable resolution of author names. Apart from varying handling of first, middle and last names, vendors as well as the digital library community created tools to address the problem of author name disambiguation. This technical report focuses on two widespread collections of scientific literature, Web of Science (WoS) and Scopus, and the coverage with author identification information such as Researcher ID, ORCID and Scopus Author Identifier in the period 1996 - 2014. The goal of this study is to describe the significant differences of the two collections with respect to overall distribution of author identifiers and its use across different subject domains. We found that the STM disciplines show the best coverage of author identifiers in our dataset of 6,032,000 publications which are both covered by WoS and Scopus. In our dataset we found 184,823 distinct ResearcherIDs and 70,043 distinct ORCIDs. In the appendix of this report we list a complete overview of all WoS subject areas and the amount of author identifiers in these subject areas.

研究动机与目标

• 评估Web of Science和Scopus中作者标识符（ResearcherID、ORCID、Scopus Author Identifier）的覆盖率与分布情况。
• 识别不同科学学科领域在标识符采用上的差异。
• 评估姓名同形异义与音译对引文数据库中自动作者消歧的影响。
• 比较手动分配（ResearcherID、ORCID）与自动分配（Scopus Author Identifier）标识符的可靠性与准确性。
• 探讨标识符覆盖率对文献计量研究与学术网络分析的影响。

提出的方法

• 使用严格匹配标准（DOI加至少两个额外元数据字段，如标题、卷号、期号、ISSN、首页页码、第一作者）构建了6,032,000篇同时存在于Web of Science和Scopus中的出版物数据集。
• 对匹配出版物集中的三种作者标识符（ResearcherID、ORCID、Scopus Author Identifier）的存在情况进行映射与分析。
• 利用FIZ Karlsruhe开发的重复检测基础设施，对两个数据库的元数据进行标准化与对齐。
• 采用基于阈值的匹配策略（字段匹配权重最低为317分），以确保出版物配对的高置信度。
• 通过WoS分类体系进行学科领域分析，比较不同学科领域中标识符的普遍性。
• 通过各标识符系统中出版物数量最多的作者进行评估，以检测自动分配中可能存在的偏差。

实验结果

研究问题

• RQ1 ResearcherID、ORCID和Scopus Author Identifier在Web of Science和Scopus中的覆盖率如何比较？
• RQ2 哪些科学学科领域在作者标识符覆盖方面最高和最低？
• RQ3 姓名音译偏差在多大程度上影响了Scopus中自动作者标识符分配的准确性？
• RQ4 与Scopus的自动系统相比，ResearcherID和ORCID的手动注册流程在可靠性与完整性方面如何？
• RQ5 标识符覆盖率的缺口对文献计量分析与作者消歧有何影响？

主要发现

• 在所有WoS学科领域中，STM（科学、技术与医学）学科的作者标识符覆盖率最高。
• ResearcherID被分配给70.5%的有标识符的出版物，而ORCID仅占29.5%，表明手动注册系统的采用率更高。
• Scopus Author Identifiers被分配给8,219位发表100篇及以上出版物的作者，但排名前10位最 prolific 的作者均为亚洲姓名，且具有常见的西方音译形式，表明存在系统性偏差。
• Scopus前10名作者标识符全部为亚洲姓名（如Wei Wang、Yan Wang），表明音译模式更倾向于特定姓名形式，从而降低了消歧准确性。
• 各标识符系统中，前10位作者平均关联的机构数量在Scopus中最高（151.4），表明尽管存在误分配风险，其机构隶属关系链接更广泛。
• 尽管ORCID采用开放、API集成且非专有化设计，但在研究期间其采用率仍低于ResearcherID，尽管其用户基础正在持续增长。