[论文解读] Reference Coverage Analysis of OpenAlex compared to Web of Science and Scopus

Jack H. Culbert, Anne Hobert+5 more|arXiv (Cornell University)|Jan 29, 2024

Research Data Management Practices被引用 23

一句话总结

该研究比较 OpenAlex 与 Web of Science 与 Scopus 在参考文献覆盖率与元数据方面，发现 OpenAlex 的参考文献覆盖率可比但在摘要和 OA 方面结果参差不齐，同时显示更高的 ORCID 覆盖率但可能存在作者去重问题。

ABSTRACT

OpenAlex is a promising open source of scholarly metadata, and competitor to established proprietary sources, such as the Web of Science and Scopus. As OpenAlex provides its data freely and openly, it permits researchers to perform bibliometric studies that can be reproduced in the community without licensing barriers. However, as OpenAlex is a rapidly evolving source and the data contained within is expanding and also quickly changing, the question naturally arises as to the trustworthiness of its data. In this report, we will study the reference coverage and selected metadata within each database and compare them with each other to help address this open question in bibliometrics. In our large-scale study, we demonstrate that, when restricted to a cleaned dataset of 16.8 million recent publications shared by all three databases, OpenAlex has average source reference numbers and internal coverage rates comparable to both Web of Science and Scopus. We further analyse the metadata in OpenAlex, the Web of Science and Scopus by journal, finding a similarity in the distribution of source reference counts in the Web of Science and Scopus as compared to OpenAlex. We also demonstrate that the comparison of other core metadata covered by OpenAlex shows mixed results when broken down by journal, capturing more ORCID identifiers, fewer abstracts and a similar number of Open Access status indicators per article when compared to both the Web of Science and Scopus.

研究动机与目标

• 评估 OpenAlex 的参考文献覆盖率相较于 Web of Science 与 Scopus 在 2015–2022 年的共享语料库中的表现。
• 评估 OpenAlex 的元数据覆盖（摘要、ORCID、OA）相对于 WoS 与 Scopus 的情况。
• 调查三大数据库在参考文献计数数据质量方面的问题（如 DOI 去重、引用计数缺失等）及其对数据质量的影响。

提出的方法

• 通过在三大数据库中对物品在 2015–2022 年发表的 DOI 进行严格匹配，构建共享语料库（引用范围为 1996–2022）。
• 使用提供方报告的和自行计算的参考文献计数（总计和来源）来计算每条记录的平均参考文献数和内部覆盖率。
• 计算并比较按期刊划分的元数据覆盖情况，包括摘要、是否存在 ORCID，以及开放获取状态。
• 分析预计算引用计数与自行计算引用计数之间的差异，以评估数据质量。

实验结果

研究问题

• RQ1 OpenAlex 在共享语料库（2015–2022）及 1996–2022 引用范围内的内部/引用覆盖率与 Web of Science 和 Scopus 相比如何？
• RQ2 在共享语料库中，OpenAlex 的摘要、ORCID 存在与 OA 状态等元数据覆盖，与三大专有数据库相比有何差异？
• RQ3 影响跨数据库引用计数量比较的数据质量问题有哪些（如 DOI 重复、缺失 DOI、被删除的参考文献）？
• RQ4 OpenAlex 的元数据特征对可重复的文献计量分析和实际应用有什么启示？

主要发现

• 在共享语料库（2015–2022）限定时，OpenAlex 的平均参考文献数与 Web of Science 和 Scopus 相当。
• 在共享语料库内，OpenAlex 的平均来源参考文献计数为 34.863（1996–2022），与 WoS 的 33.416 和 Scopus 的 33.363 相当。
• 摘要覆盖率在 WoS/Scopus 中较高（>92%），而在 OpenAlex 中为 87%。
• OpenAlex 的 ORCID 覆盖率较高（至少一个 ORCID 时为 92%），高于 WoS（16%）和 Scopus（32%）。
• 开放获取覆盖在三大数据库中约为 49%，OpenAlex 通过 Unpaywall 的索引滞后略有优势。