Open Access Monitoring: Verzerrende Datenquellen und unbeabsichtigte Leerstellen – eine explorative Studie

Abstract

Zusammenfassung Maschinelle Verfahren als Instrumente, um die Open-Access-Transformation in Form von Publikationsdaten abzubilden, erfordern aufgrund enormer Datenvolumen strukturierte Datensätze, die eindeutig identifizierbar sind und sich vergleichen lassen. Zur Identifikation wissenschaftlicher und praxisorientierter Publikationen haben sich digital object identifier (DOI) durchgesetzt, doch längst nicht alle Publikationen sind damit ausgestattet. Anhand eines Datensamples der Pädagogischen Hochschule Zürich werden in dieser Studie ausgewählte Datenquellen für Monitoring-Verfahren analysiert, um Quoten für nicht-repräsentierte Publikationen zu berechnen und unbeabsichtigte Leerstellen sichtbar zu machen. Das Verstehen dieser Leerstellen eröffnet Lösungsansätze, wie diese vermieden werden können, um ein belastbares Open-Access-Monitoring sicherzustellen.