[论文解读] Implementing Transitive Credit with JSON-LD

Daniel S. Katz, Arfon M. Smith|arXiv (Cornell University)|Jul 18, 2014

Scientific Computing and Data Management参考文献 15被引用 15

一句话总结

本文提出一种基于JSON-LD的机器可读传递性信用系统，用于在学术成果中为直接和间接贡献者（如软件、数据和出版物）分配部分信用。通过以结构化、链接数据格式编码作者、软件、数据集及其他组件的信用权重，该系统实现了对间接贡献的自动化追踪，原型展示了如何通过传递性归属，使某软件工具的主要开发者获得论文总信用的12.5%。

ABSTRACT

Science and engineering research increasingly relies on activities that facilitate research but are not currently rewarded or recognized, such as: data sharing; developing common data resources, software and methodologies; and annotating data and publications. To promote and advance these activities, we must develop mechanisms for assigning credit, facilitate the appropriate attribution of research outcomes, devise incentives for activities that facilitate research, and allocate funds to maximize return on investment. In this article, we focus on addressing the issue of assigning credit for both direct and indirect contributions, specifically by using JSON-LD to implement a prototype transitive credit system.

研究动机与目标

• 解决对非传统研究贡献（如软件开发、数据共享和方法论创建）缺乏认可的问题。
• 开发一种机制，为跨学术成果的贡献者分配直接和间接信用。
• 通过使用JSON-LD在标准化、可扩展的格式中编码信用信息，实现机器可处理的归属。
• 通过量化和追踪间接贡献，促进研究成果共享与重用的激励机制。
• 提出一种技术框架，将传递性信用集成到现有学术基础设施（如DOI和索引系统）中。

提出的方法

• 使用JSON-LD表示带有结构化元数据的学术成果，包括@context、@type和@id以增强语义清晰度。
• 在JSON-LD中定义creditmap结构，为作者、软件、数据集及其他组件分配部分信用权重。
• 利用标准化标识符（如ORCID用于人员，DOI用于出版物）确保实体解析的无歧义性。
• 以支持传递性归属的方式存储信用信息：组件产品的信用可传递至使用它的产品。
• 利用schema.org、DOAP和SPDX等词汇表一致地描述实体，并与现有系统互操作。
• 为一篇学术论文设计一个原型creditmap，包括共同作者、被引用文章、软件、致谢和博客文章的信用权重。

实验结果

研究问题

• RQ1 如何在学术出版物中系统性地为间接贡献（如软件、数据和方法论）分配信用？
• RQ2 何种技术方法可实现跨链接学术成果的机器可读、传递性信用归属？
• RQ3 信用权重应如何以标准化、可扩展的格式进行结构化和存储，以支持人类和机器的解读？
• RQ4 JSON-LD在学术元数据中表示复杂信用关系方面可发挥何种作用？
• RQ5 现有学术基础设施（如DOI、索引系统）应如何扩展以实现大规模的传递性信用支持？

主要发现

• 成功在JSON-LD中编码了原型creditmap，证明了通过传递性归属，为某软件工具的贡献者分配论文总信用12.5%的可行性。
• 该系统支持层级信用流动：若一篇论文给予某软件包25%的信用，而该软件包的creditmap将其50%信用分配给主要开发者，则该开发者可获得论文总信用的12.5%。
• 进一步扩展，若新论文给予原论文10%的信用，则该软件的主要开发者在新论文中可获得1.25%的信用。
• 使用标准化词汇表（如schema.org）和持久标识符（ORCID、DOI）可实现无歧义的实体解析和机器可处理性。
• 该方法与现有替代指标和索引系统（如Elastic Search）兼容，支持对信用和贡献元数据的高级分面搜索。
• 该方法为将传递性信用集成到学术基础设施中奠定了基础，但仍在信用权重分配的标准化以及处理非DOI注册组件方面面临挑战。