[论文解读] Linking Publications to Funding at Project Level: A curated dataset of publications reported by FP7 projects

Alexis-Michel Mugabushaka|arXiv (Cornell University)|Nov 16, 2020

scientometrics and bibliometrics research参考文献 8被引用 6

一句话总结

本文提出一个经过精心整理的高质量数据集，将24.5万份独特的学术出版物与欧盟第七框架计划（FP7）下的资助项目关联起来。通过整合多个报告渠道的数据，将记录与权威来源进行验证，并分配DOI，该研究实现了93%的记录验证率和90%的DOI分配率，创建了首个全面、项目级别的FP7资助学术产出数据集，可用于文献计量评估。

ABSTRACT

Datasets explicitly linking publications to funding at project level are the basis of evaluative bibliometric analysis of funding programmes. Analysis of the impact of the EU funding programmes has been often frustrated by the lack of data on publications to which the funding has contributed. Here we present a dataset of scholarly publications reported by the projects funded by the European Union under the 7th Framework Programme. The dataset was created by first consolidating data from different reporting channels and validating the records by systematically matching them to external authoritative sources and assigning them external identifiers. The initial dataset had 305k records linked to one or more projects out of which 69% had a digital object identify (doi). Through the data quality assurance, we validate 93% of the initial records (283k) and assign a doi to 90% of them of them (245k). The resulting dataset has 245k unique dois (linked to one or more projects). It is, to our knowledge, the first comprehensive and curated dataset of scholarly outputs of the Framework Programme as reported by the grant holders. The dataset could only be created thanks to significant improvements and investments made in the reporting systems used by EU funded projects. The dataset is available EU open data portal: https://data.europa.eu/data/datasets/cordisfp7projects

研究动机与目标

• 为解决在第七框架计划（FP7）中缺乏可靠、项目级别的数据，将出版物与欧盟资助来源关联的问题。
• 创建由FP7资助方报告的学术产出的全面、高精度数据集。
• 通过与外部权威来源比对验证记录并分配持久标识符（DOI），提升数据质量。
• 实现对欧盟资助研究计划影响的稳健文献计量评估。

提出的方法

• 将来自多个FP7项目报告渠道的原始出版物数据聚合为一个统一的初始数据集，共30.5万条记录。
• 系统性地将记录与外部权威来源（如Crossref、PubMed）匹配，以验证和丰富元数据。
• 在可能的情况下，使用自动化与人工验证技术为记录分配DOI。
• 应用数据质量保障程序，对初始30.5万条记录中的93%（28.3万条）完成验证。
• 在验证记录中实现了90%的DOI分配率（共24.5万条唯一DOI）。
• 将最终整理好的数据集发布在欧盟开放数据门户，供公众访问与再利用。

实验结果

研究问题

• RQ1 能否通过外部标识符准确地将FP7项目报告的出版物与其资助项目关联？
• RQ2 整合多个报告渠道并结合外部验证，在提升研究资助数据集质量方面有多高效？
• RQ3 FP7出版物中有多大比例可以分配DOI，这对可追溯性与文献计量分析有何影响？
• RQ4 能否系统性地创建一个大规模、经过整理的、项目级别的出版物-资助关联数据集，并使其公开可用以支持研究评估？

主要发现

• 最终数据集包含24.5万条与一个或多个FP7项目关联的唯一DOI，占验证记录的90% DOI分配率。
• 初始30.5万条记录中，93%通过与权威外部来源交叉比对成功完成验证。
• 该数据集是首个全面、经过整理、公开可访问的FP7项目层面学术产出集合。
• 高水平的数据质量和DOI覆盖率显著提升了对欧盟研究资助影响进行文献计量分析的潜力。
• 该数据集的创建得益于欧盟资助项目报告系统的重要改进。
• 该数据集可通过欧盟开放数据门户公开获取，支持可重复、透明的研究评估。