Zum Inhalt springen

Vergleichende Methodik · 24 ausgewählte Fälle und 2 gezielte Prüffälle

Wenn sich die Zahl der Förderer mit den Metadaten ändert: eine Fallstudie zum DOAB

In ausgewählten DOAB-Datensätzen bildet weder das Trennen an Semikolons noch das bloße Zählen von UUID-Werten (langen, eindeutigen Kennungen) die eingebettete Struktur der Quelle durchgängig ab. Ein typisiertes Verfahren ordnet jede Angabe nach ihrer Art ein und behält Förderangaben, die sich nicht zuordnen lassen. Es zeigt auch, warum eine Liste von Kennungen keine Zählung von Organisationen ist.

Veröffentlicht am
Teilen
Diese Seite teilen
E-MailStudie zitieren und weiterverwenden
Zentrale Ergebnisse als Text
Bilder weiterverwendenWenn sich die Zahl der Förderer mit den Metadaten ändert: eine Fallstudie zum DOAB — 24 + 2: Per Hash ausgewählte Entwicklungsfälle und getrennte Prüffälle. Sechs Datensätze je Zustand der CSV-Felder; dazu zwei gezielt gewählte Strukturbeispiele. Keine Häufigkeit im gesamten Katalog.Vorschaubild herunterladen (JPG) ↓

Zentrale Ergebnisse

24 + 2

Per Hash ausgewählte Entwicklungsfälle und getrennte Prüffälle

Sechs Datensätze je Zustand der CSV-Felder; dazu zwei gezielt gewählte Strukturbeispiele. Keine Häufigkeit im gesamten Katalog.

1 von 6

Abweichung beim Zählen der Namensteile in der Stichprobe mit Semikolon im Namen

Eine ganze Bezeichnung mit Semikolon gehört zu einer einzigen eingebetteten Einheit. Das ist kein Beweis für eine einzelne reale Organisation.

6 von 6

Fälle mit nur Fördertext: Förderangaben stehen nur im Text

Die Namen in der CSV sind leer. Die xoai-Metadaten enthalten Text und Authority-Kennungen, aber keine eingebettete Förderer-Einheit im selben Datensatz.

12

Geprüfte konstruierte, gezielt schwierige Testfälle

Synthetische Softwaretests, keine zusätzlichen beobachteten Datensätze und kein externer Standard für Förderangaben.

Die Frage hinter einer Fördererzahl

Ein Katalogfeld kann den Namen eines Förderers enthalten, ohne dass daraus eine eindeutig bestimmte Organisation wird. Eine Kennung kann in einem Beziehungsfeld stehen, ohne zu einer eingebetteten Einheit zu passen. Umgekehrt kann ein Datensatz eine Förderangabe mit Namen enthalten, obwohl die bequeme CSV-Spalte für Förderernamen leer ist. Diese Unterschiede zählen, sobald Forschende aus Buchmetadaten eine Tabelle von Institutionen, Fördermitteln oder Förderbeziehungen bauen. Bevor sie fragen, welche Organisation am häufigsten vorkommt, müssen sie klären, was jedes gezählte Element tatsächlich darstellt. Ein Trennzeichen, eine Zeichenfolge in Kennungsform und eine Einheit der Quelle sind verschiedene Zähleinheiten.

Diese methodische Fallstudie untersucht die Unterschiede an einer kleinen, festgelegten Auswahl von Datensätzen des Directory of Open Access Books. Sie vergleicht eine gesicherte CSV-Datei des DOAB mit den zugehörigen ausführlicheren xoai-Metadaten, einem zweiten Metadatenformat des DOAB. Das betrifft 24 Datensätze aus vier Zuständen der CSV-Felder und zwei gezielt ausgewählte Strukturbeispiele. Danach prüft sie drei einfache Zählverfahren und ein typisiertes Verfahren, das jede Angabe einordnet und im Zweifel auf eine Aussage verzichtet. Ziel ist, reproduzierbare Rechenschritte zu bestimmen, die bei genau diesen Darstellungen möglich sind. Wir schätzen weder, wie häufig geförderte Bücher sind, noch ordnen wir Organisationen in eine Rangfolge. Die weitergehende Frage, wie stark sich Förderung auf bestimmte Organisationen konzentriert, bleibt offen.

Das zentrale Ergebnis ist praktisch: Ein begründbares Verzeichnis eingebetteter Quellenkennungen ist möglich. Es lässt sich aber nicht mit einer Zählung aller Förderer gleichsetzen. Trennt man einen Namen an einem darin enthaltenen Semikolon, kann eine dargestellte Einheit in mehrere Namensteile zerfallen. Zählt man alle Werte in UUID-Form, kann eine größere Zahl herauskommen als im Verzeichnis der eingebetteten Einheiten. Beschränkt man sich auf Einheiten, die sich erfolgreich verknüpfen lassen, können außerdem ausdrückliche Förderangaben im Text verborgen bleiben. Ein brauchbares Verfahren braucht deshalb mehr als eine einzige Summe. Es sollte das belegte Verzeichnis ausgeben, nicht zugeordnete Hinweise behalten und erklären, welche vorgeschlagenen Zuordnungen weiterhin unbegründet sind.

Frühere Arbeiten und der engere Beitrag

Die Grenzen bibliografischer Förderdaten sind keine neue Entdeckung. Grassano und Kollegen untersuchten Abdeckung, Nutzen und Grenzen von Förderangaben in Danksagungen. Dazu gehörten die nötige Vereinheitlichung von Namen und die Unterscheidung von Ebenen innerhalb einer Organisation. Ihr Vergleich nutzte Danksagungen als Referenz und damit eine Art von Überprüfung, über die diese reine Metadatenstudie nicht verfügt. Eine scheinbare Abweichung zwischen zwei Katalogdarstellungen können wir nicht in ein Maß für die Genauigkeit tatsächlicher Förderung umdeuten. Die Referenz ist hier eine beobachtbare Struktur in den gesicherten Metadaten, keine geprüfte Liste der Organisationen, die ein Buch finanziert haben.

Die Arbeiten von Kramer und de Jonge unterscheiden, ob Namen und Kennungen in offenen Fördermetadaten vorliegen. Kramers spätere Analyse betrachtet direkte und über Projekte vermittelte Verknüpfungen zu Förderern. Sie weist darauf hin, dass die zugrunde liegenden Datenbanken zu verschiedenen Zeitpunkten erfasst wurden. Der Metadatenbericht von UKRI und MoreBrains trennt ebenfalls, was ein Schema leisten kann, von den Feldern, die tatsächlich ausgefüllt sind, und berücksichtigt längere Publikationsformen. Diese Arbeiten haben bereits gezeigt, wie wichtig der Aufbau der Verknüpfungen, unvollständige Kennungen und die Abdeckung von Büchern mit Metadaten sind. Auch die Crossref-Spezifikation für Förderinformationen unterscheidet die Identität eines Förderers von Bewilligungsnummern und Förderkennungen und verlangt eine passende strukturelle Zuordnung. Keinen dieser Grundsätze stellen wir hier als neue allgemeine Methode dar.

Unser engerer Beitrag ist eine ausführbare Darstellung dessen, was passiert, wenn bestimmte Zähl- und Abgleichschritte auf unterschiedlich aufgebaute DOAB-Strukturen aus Werten, Authority-Kennungen (ein eigenes Kennungsfeld der Metadaten) und eingebetteten Einheiten treffen. Tsujis frühere DOAB-Statistik behandelte Sachgebiete, Sprachen, Verlage, Erscheinungsjahre und Lizenzen. Hier geht es dagegen um die Entscheidung, ob Angaben im selben Datensatz zusammengehören. Die gesichtete Literatur belegt nicht, was jeder Wert in UUID-Form in diesen Dateien genau bedeutet. Statt eine Bedeutung zu erfinden, gibt das Verfahren ungeklärte Werte ausdrücklich als eigenes Ergebnis aus. Diesen anwendungsbezogenen Beitrag sollte man an seinen konkreten Folgen für Entscheidungen messen. Wir behaupten nicht, eine vorsichtige Metadatenpraxis erfunden zu haben.

Eine feste Datenbasis statt einer Schätzung für den ganzen Katalog

Die gesicherte CSV-Datei enthält 114.618 Katalogzeilen, darunter 103.963 Datensätze zu Büchern und 10.655 zu Kapiteln. Die Buchdatensätze haben eindeutige UUIDs und Handles (dauerhafte Kennungen) und nach der hier verwendeten Prüfung kein ausgefülltes Feld für ein übergeordnetes Buch. Die Datenbasis besteht aus dargestellten Katalogdatensätzen, nicht aus einer von Dubletten bereinigten Gesamtzählung geistiger Werke. Verschiedene Ausgaben können eigene Datensätze haben. Die ursprüngliche CSV-Datei wurde am 30. Oktober 2026 abgerufen. Wann sie erstellt wurde, haben wir nicht überprüft. Der Abrufzeitpunkt gilt deshalb nicht als Datum, an dem jedes Feld beobachtet oder aktualisiert wurde.

Die Auswahl nutzte vier Gruppen, die sich nicht überschneiden. Sie beruhen auf dem Zustand zweier CSV-Felder: ein ausgefülltes Feld mit genau einem Förderernamen (ohne Semikolon), ein ausgefülltes Namensfeld mit Semikolon, ein leeres Namensfeld bei nicht leerem Fördertext und zwei leere Felder. Die Gruppen waren 2.461, 126, 4.280 und 97.096 Datensätze groß. Aus jedem Zustand wurden sechs Datensätze per Hash ausgewählt: Die Buch-UUIDs wurden nach einem festen Hashverfahren mit festem Startwert sortiert. Diese gleich großen Gruppen sollen verschiedene Darstellungen untersuchbar machen. Sie bilden die Verteilung im Katalog nicht nach. Wir berichten ihre Ergebnisse getrennt, ohne eine gemeinsame Schätzung der Häufigkeit und ohne Unsicherheitsintervall (Konfidenzintervall).

Zwei weitere Fälle wurden gewählt, um möglicherweise schwierige Bezeichnungen zu untersuchen: eine Kombination aus Max-Planck-Institut und Max-Planck-Gesellschaft sowie eine Kombination aus Europäischer Kommission, Europäischem Forschungsrat und Universität Passau. Das sind gezielt ausgewählte Prüffälle und keine zusätzlichen per Hash ausgewählten Beobachtungen. Die Liste der Auswahl wurde vor den 26 Abrufen festgeschrieben. Jeder ausgewählte Datensatz lieferte eine erfolgreiche Antwort, und Buch-UUID und Handle stimmten mit der CSV überein. Es wurde kein nicht verfügbarer Datensatz ersetzt. Der zuvor untersuchte positive Datensatz, der diesen Pilotversuch angeregt hat, gehört nicht zu den 26 Fällen und fließt nicht in deren Zahlen ein.

Was sich aus den gesicherten Strukturen ablesen lässt

Das Namensfeld der CSV ist eine praktische Auswahl aus den Daten, während die xoai-Metadaten mehrere verschiedene Arten von Angaben zeigen. Eine Beziehung kann einen Wert, eine Authority-Kennung und weitere zugehörige Felder haben. Eingebettete Metadaten verknüpfter Elemente können getrennt eine Einheit kennzeichnen und ihren Namen, Aliasnamen oder eine behauptete DOI nennen. Diese Bestandteile lassen sich anhand genauer Zeichenfolgen vergleichen. Ihre Rollen darf man aber nicht vermischen. „In UUID-Form“ bedeutet in dieser Studie nur, dass eine Zeichenfolge die erwartete äußere Form hat. Daraus folgt nicht, dass sie einen Förderer, eine Bewilligung oder irgendeine andere bestimmte Art von Objekt bezeichnet.

Die Referenzzahl für den Vergleich ist die Zahl der verschiedenen gültigen UUID-Zeichenfolgen in den eingebetteten Blöcken für Förderer-Einheiten eines einzelnen Datensatzes. Jeder Block muss genau eine Kennung in UUID-Form enthalten, damit diese Zahl definiert ist. Die Zahl der eingebetteten Blöcke bleibt getrennt erhalten, damit doppelte Blöcke das Verzeichnis verschiedener Kennungen nicht unbemerkt vergrößern. Eine leere Liste von Blöcken ergibt null eingebettete Kennungen, nicht null Organisationen und nicht null Förderung. Hat ein Block eine ungültige oder mehrere Kennungen, ist die Referenzzahl nicht definiert, und das Verfahren verzichtet auf den Vergleich der Zahlen.

Andere Angaben bleiben verfügbar, auch wenn sie sich nicht mit diesem Verzeichnis verknüpfen lassen. Textwerte in Beziehungsfeldern bleiben über alle Sprachzweige hinweg erhalten. Authority-Kennungen und nicht zugeordnete Werte in UUID-Form werden getrennt festgehalten. DOI-Werte von Einheiten bleiben Aussagen der Quelle und gelten nicht als extern geprüfte Identitäten. Aliasnamen bleiben Aliasnamen und sind keine Anweisung, Organisationen automatisch zusammenzuführen. Die gesicherten Dateien belegen weder eine Hierarchie übergeordneter Einrichtungen noch Geldbeträge noch eine verlässliche Zuordnung jeder Förderzeichenfolge auf Buchebene zu einem bestimmten Förderer. Solche Schritte liegen deshalb außerhalb dessen, was dieses Verfahren belegen kann.

Drei Zählverfahren und ein Verfahren mit Verzicht

Das erste einfache Zählverfahren teilt das Namensfeld der CSV an wörtlichen Semikolons, entfernt Leerzeichen am Rand der Teile, verwirft leere Teile und zählt die übrigen Namensteile. Wiederholte Namensteile bleiben erhalten. Das ist bewusst ein einfaches Verfahren und keine Behauptung, eine bestimmte frühere Veröffentlichung habe es verwendet. Das zweite einfache Zählverfahren zählt Werte in UUID-Form in den Wertfeldern der Beziehungen über alle Sprachzweige hinweg, einschließlich wiederholter Werte, aber ohne die Authority-Felder. Das dritte nimmt alle Authority-Zeichenfolgen und alle Werte in UUID-Form zusammen und behält davon nur die, die als gültige Kennung einer eingebetteten Einheit desselben Datensatzes vorkommen. Gezählt werden die verschiedenen Treffer.

Jedes einfache Zählverfahren wird mit der Referenzzahl der eingebetteten Kennungen über eine Differenz mit Vorzeichen verglichen: Zahl des Verfahrens minus Referenzzahl. Die Zahl der Fälle mit einer Differenz ungleich null geben wir zusammen mit der jeweiligen Zahl der Fälle an. Das sind Abweichungen beim Zählen gegenüber der Darstellung in der Quelle, keine Fehler gegenüber den wahren Identitäten der Organisationen. Der Vergleich kann zeigen, dass ein Verfahren die gewählte beobachtbare Größe nicht wiedergibt. Er kann nicht belegen, dass ein Verfahren die tatsächliche Förderung richtig misst. Eine Differenz von null sagt besonders wenig, wenn beide Zahlen null sind und der Datensatz dennoch Hinweise im Text enthält, die sich nicht zuordnen lassen.

Das typisierte Verfahren liefert zusätzliche Angaben, die die drei Zählungen nicht ausdrücken können. Es markiert Semikolons innerhalb der Bezeichnung einer eingebetteten Einheit und behält Textangaben. Es unterscheidet ungeklärte Werte in UUID-Form von Authority-Kennungen ohne Verknüpfung, erkennt exakte wörtliche Platzhalter für Förderangaben und kennzeichnet Abweichungen zwischen den Namensteilen der CSV und den eingebetteten Namen. Außerdem verzichtet es ausdrücklich auf Zählungen von Organisationen, auf Zuordnungen zu übergeordneten Einrichtungen, auf die Zuordnung von Fördermitteln zu Förderern und auf ursächliche Erklärungen für Verluste beim Export. Diese Regeln wurden entwickelt, nachdem wir die 26 Fälle gesehen hatten. Die ausgewählten Datensätze sind Entwicklungsfälle und kein zurückgehaltener Testdatensatz. Das Vorgehen wurde nicht vorab registriert.

Ein Semikolon kann zu einem einzigen Namen gehören

Das deutlichste Gegenbeispiel zur Regel mit dem Trennzeichen ist das Handle 20.500.12854/45768. Sein Name in der CSV lautet „Ecosystems Services for Poverty Alleviation (ESPA); University of Southampton“. Im gesicherten xoai-Datensatz ist diese ganze Zeichenfolge der Name einer einzigen eingebetteten Einheit mit einer Kennung. Trennt man die CSV, entstehen zwei Namensteile, während die Referenzzahl der eingebetteten Kennungen eins beträgt. Dieses Ergebnis beweist nicht, dass die Zeichenfolge eine einzige reale Organisation beschreibt. Es belegt die engere, direkt überprüfbare Aussage, dass das Trennen an Semikolons die dargestellte Struktur der Einheit in diesem Fall nicht wiedergibt.

Der Prüffall zur Europäischen Kommission zeigt dasselbe Problem deutlicher. Das Handle 20.500.12854/182950 enthält eine Namenszeichenfolge, die die Europäische Kommission, den Europäischen Forschungsrat und die Universität Passau verbindet. Diese drei scheinbaren Bestandteile gehören zu einem einzigen eingebetteten Namen. Das einfache Zählverfahren für Namensteile liefert drei gegenüber einer eingebetteten Kennung, also eine Differenz von zwei. Der Max-Planck-Prüffall enthält dagegen zwei eingebettete Einheiten, für die Gesellschaft und für das Institut. Eine einzige Regel für das Trennzeichen kann diese beiden Muster nicht unterscheiden. Keines der Muster liefert eine maßgebliche Hierarchie der Organisationen.

Unter den sechs per Hash ausgewählten Fällen mit Semikolon im Namen weicht das Zählen der Namensteile in einem Fall von der Referenzzahl der eingebetteten Kennungen ab, mit einer Gesamtdifferenz von eins. In den übrigen fünf Fällen stimmen die Zahlen überein. Diese Übereinstimmung bedeutet nicht, dass alles erfasst ist: Das Handle 20.500.12854/157342.2 enthält zwei eingebettete Namen, die den Namensteilen der CSV entsprechen. Dazu kommen aber zwei weitere Förderbezeichnungen als Text in einem englischsprachigen Zweig. Die zwei verknüpften Einheiten zu zählen, ist ein reproduzierbarer Schritt. Sie als vollständige Menge der Förderangaben zu behandeln, würde andere dargestellte Hinweise verwerfen.

Zusätzliche Kennungen und die Bedeutung eines leeren Namensfelds

Das bloße Zählen von UUID-Werten weicht in vier der sechs Fälle mit einem einzelnen Namen und in zwei der sechs Fälle mit Semikolon im Namen von der Referenzzahl der eingebetteten Kennungen ab. Die Differenzen mit Vorzeichen summieren sich auf fünf beziehungsweise drei. Manche Datensätze enthalten eine Kennung einer eingebetteten Einheit sowie zusätzliche Werte in UUID-Form, zu denen es in dieser Antwort keinen eingebetteten Block für eine Einheit gibt. Das Verfahren bezeichnet diese zusätzlichen Zeichenfolgen nicht als fehlende Förderer, Bewilligungen, doppelte Verknüpfungen oder Überreste einer Datenumstellung. Jede dieser Deutungen wäre eine Behauptung über die Bedeutung, für die es Belege bräuchte, die dieser Vergleich nicht liefert.

In der Gruppe mit nur Fördertext ist die Unterscheidung besonders wichtig. Alle sechs ausgewählten Datensätze haben leere Felder für Förderernamen in der CSV, aber ausdrückliche Textbezeichnungen und Authority-Kennungen in den xoai-Metadaten. Zwei Textbezeichnungen nennen den H2020 European Research Council, drei nennen Knowledge Unlatched und eine das National Endowment for the Humanities. Keiner der sechs enthält im selben Datensatz eine eingebettete Förderer-Einheit. Jeder hat außerdem einen Beziehungswert in UUID-Form, der sich von der Authority-Kennung unterscheidet. Das einfache Zählverfahren für rohe UUID-Werte liefert deshalb in jedem Fall eins gegenüber null eingebetteten Kennungen. Das Zählen der Namensteile und der exakte Abgleich ergeben null.

Diese Nullen dürfen nicht zu dem Schluss führen, dass nirgends ein Förderer genannt wird. Die Datensätze enthalten Angaben im Text, die Forschende als solche berichten können, auch wenn die gewählte Referenz der eingebetteten Kennungen leer ist. Die typisierte Ausgabe legt deshalb Text und Authority-Kennungen offen und verzichtet darauf, eine Zahl von Organisationen zu erzeugen. Unter den sechs Fällen, in denen keines der beiden CSV-Felder ausgefüllt ist, enthalten fünf keine ausgelesene Förderbeziehung. Einer enthält einen ungeklärten Wert in UUID-Form und einen wörtlichen Platzhalter für eine Förderangabe. Weder eine fehlende Beziehung noch ein ungeklärter Wert belegt, ob das zugrunde liegende Buch tatsächlich gefördert wurde.

Übereinstimmung der Zahlen ist kein Ergebnis zur Genauigkeit

Der exakte Abgleich über Authority-Kennung oder Wert stimmt in jedem beobachteten Fall mit der Zahl der eingebetteten Kennungen überein. Das ist eine Eigenschaft dieser gesicherten Strukturen: Jede eingebettete Kennung kommt unter den Werten oder Authority-Kennungen des jeweiligen Datensatzes vor. Es ist keine unabhängige Erfolgsquote bei der Identifikation von Förderern. Die eingebettete Struktur liefert sowohl das Verzeichnis der Referenz als auch einen Teil der Belege für den Abgleich. Der Vergleich bleibt deshalb bewusst nah an der Darstellung. Sein Nutzen liegt darin, den Rechenschritt und seine Grenze offenzulegen, nicht darin, eine Überlegenheit gegenüber einem unabhängigen Maßstab zu belegen.

Die Differenzen mit Vorzeichen bleiben nach Auswahlgruppe getrennt. Das Zählen roher UUID-Werte weicht in allen sechs Fällen mit nur Fördertext ab, in einem der sechs Fälle ohne Eintrag in beiden Feldern und in beiden Prüffällen. Der Max-Planck-Prüffall hat vier Werte in UUID-Form gegenüber zwei eingebetteten Kennungen, der Prüffall zur Europäischen Kommission zwei gegenüber einer. Über die 24 per Hash ausgewählten Fälle ergeben sich, über die Datensätze summiert, 17 Vorkommen eingebetteter Kennungen. Die beiden Prüffälle liefern drei weitere. Das sind Vorkommen von Quellenkennungen auf Ebene der Datensätze, nicht die Zahl verschiedener Organisationen im Katalog. Wir verwenden sie nicht, um eine Konzentration zu berechnen.

Förderzeichenfolgen verlangen eine ebenso zurückhaltende Deutung. Die exakten Zeichenketten „[...]“, „[…]“ und „[grantnumber unknown]“ stehen in den gesicherten Feldern der Quelle. Sie sind Text aus der Quelle und keine Kürzungen, die erst durch unsere Darstellung entstanden sind. Platzhalter treten in vier Fällen mit einem einzelnen Namen auf, in zwei Fällen mit Semikolon im Namen, in einem Fall mit nur Fördertext und in einem Fall ohne Eintrag in beiden Feldern auf. Auch beide Prüffälle enthalten Platzhalter. Anderer nicht leerer Fördertext bleibt erhalten, wurde aber nicht unabhängig als Kennung einer Bewilligung bestätigt. Das Verfahren verbindet nie die Positionen von Förderangaben mit den Positionen von Namen, denn Nachbarschaft oder gleich lange Listen würden keine Beziehung belegen.

Konstruierte Tests und ausdrücklich nicht definierte Nenner

Zwölf synthetische Testfälle prüfen die Entscheidungsregeln getrennt von den beobachteten Datensätzen. Sie enthalten den Namen einer Einheit mit Semikolon, mehrsprachige Aliasnamen und Textangaben, fehlende eingebettete Metadaten, einen zusätzlichen Wert in UUID-Form, doppelte Werte, Platzhalter für Förderangaben und eine umbenannte CSV-Bezeichnung. Weitere Testfälle behandeln doppelte Blöcke für Einheiten, eine eingebettete Einheit ohne passenden Wert oder passende Authority-Kennung, zwei Quellenkennungen mit gleicher Bezeichnung sowie ungültige oder mehrere Kennungen in einem Block. Das sind bewusst konstruierte Softwaretests. Wie häufig und in welcher Anordnung sie vorkommen, sagt nichts darüber, wie oft solche Muster im DOAB auftreten.

Der Testfall mit einer eingebetteten Einheit ohne Treffer ist besonders nützlich: Seine Referenzzahl ist eins, die Zahl der exakten Abgleiche aber null. Er zeigt damit, dass die Übereinstimmung in den 26 beobachteten Datensätzen nicht für jede denkbare gültige Eingabe garantiert ist. Der Testfall mit umbenannter Bezeichnung hat gleiche Zahlen, aber eine ausdrückliche Markierung der abweichenden Namen. Er zeigt, warum gleiche Summen inhaltliche Unterschiede verdecken können. Der Testfall mit doppeltem Wert ergibt zwei rohe Vorkommen gegenüber einer eingebetteten Kennung. Diese Tests machen nachprüfbar, was jede Ausgabe praktisch bedeutet, ohne zusätzliche Beobachtungen zu erfinden.

Die Tests der Zusammenfassung prüfen außerdem den Verzicht, nicht nur die Einordnung einzelner Datensätze. Eine synthetische gemischte Gruppe enthält zehn definierte und zwei nicht definierte Referenzen. Eine getrennte Gruppe enthält nur die beiden nicht definierten Fälle. Jede Zusammenfassung nennt ihre Zahlen für definierte und für nicht definierte Referenzen und für jedes einfache Zählverfahren die Zahl der verglichenen und der ausgesetzten Fälle. Summen aus nur nicht definierten Fällen sind „leer“ (kein Wert) und nicht die Zahl null. So verschwindet eine gescheiterte Voraussetzung für die Identifikation nicht in einer scheinbar vollständigen Gesamtzahl. Alle 26 beobachteten Fälle haben nach der festgelegten Regel zur Form der Kennung definierte Referenzen. Die Robustheitstests ändern deshalb keinen der berichteten Vergleiche.

Nachrechnen, Zeitbezug und eine praktische Abbruchregel

Die kompakten Begleitdateien enthalten nur die ausgewählten öffentlichen bibliografischen Metadaten, die für diese Entscheidungen über die Struktur nötig sind, dazu zusammengefasste Ergebnisse und gesondert gekennzeichnete synthetische Testfälle. Ganze Bücher, Abstracts, vollständige XML-Antworten und die gesamte CSV sind nicht enthalten. Ein Skript, das ohne Internet läuft, reproduziert die Vergleiche je Fall, die Zusammenfassungen je Gruppe und die Tests zum Verzicht über ausdrücklich angegebene Pfade für Eingabe und Ausgabe. Mit den Hashwerten der Originalquellen und den Anfrage-URLs lassen sich separat beschaffte Quelldateien prüfen. Die Standardausführung nimmt aber keinen Kontakt zum DOAB auf und braucht keine privaten Dateien. Die Nutzung der Metadaten folgt der dokumentierten CC0-Regelung des DOAB. Diese Regelung gibt keine Lizenz für die beschriebenen Bücher.

Der Vergleich bleibt ein Vergleich gesicherter Darstellungen, die zu verschiedenen Zeitpunkten abgerufen wurden. Alle 26 Zeitstempel der Datensätze liegen vor dem Abruf der CSV. Sie belegen aber weder, wann die CSV erstellt wurde, noch dass die Metadaten verknüpfter Einheiten abgeglichen waren. Die beobachteten Unterschiede zeigen deshalb keinen Fehler beim Export und keinen ursächlichen Verlust durch die Auswahl der Felder. Auch die Literaturprüfung ist gezielt und nicht systematisch. Der nächstliegende Zugang zum Volltext des Zeitschriftenartikels von 2022 und Teile offizieller Berichte waren nicht vollständig zugänglich. Beschreibungen der Autorinnen und Autoren und eine spätere Analyse waren dagegen verfügbar. Diese Grenzen schließen weitreichende Ansprüche auf Einzigartigkeit aus. Die Beschreibung der tatsächlich gesicherten Strukturen schließen sie nicht aus.

Für die Praxis ist die Abbruchregel einfach. Soll man eingebettete Quellenkennungen auflisten, führt man genau diesen Schritt aus und berichtet ihn. Angaben, die sich nicht zuordnen lassen, und der sichtbare Geltungsbereich bleiben erhalten. Sollen dagegen reale Organisationen gezählt, übergeordnete Einrichtungen zugeordnet oder Bewilligungen mit Förderern verbunden werden, hört die Arbeit dort auf, wo die nötige Bedeutung nicht belegt ist. Mehr ausgefüllte Felder rechtfertigen nicht automatisch mehr Zuordnungen. Diese begrenzte Fallstudie zeigt, warum ein nützliches Ergebnis zu Metadaten aus einem belegten Verzeichnis und ausdrücklich ungeklärten Hinweisen bestehen kann statt aus einer einzigen selbstsicheren Zahl, die eine andere Frage beantwortet.

Abweichungen beim Zählen gegenüber den eingebetteten Quellenkennungen

Begrenzte Fallzahlen nach Zustand der CSV-Felder, mit gesondert gezeigten Prüffällen. Keine Häufigkeiten im Katalog und keine Genauigkeit bei der Zuordnung von Organisationen.

Vollständige Grafik und Quelle
In den Gruppen zu je sechs Fällen mit einem einzelnen Namen, mit Semikolon im Namen, mit nur Text zur Fördernummer und ohne Eintrag in einem der beiden Felder gibt es bei den Namensteilen 0, 1, 0 und 0 Fälle mit Abweichung, bei den rohen UUID-Werten 4, 2, 6 und 1 und beim exakten Abgleich jeweils 0. Die getrennten Prüffälle zu Max Planck und zu EC/ERC zeigen bei den Namensteilen Abweichungen von 0 und 1, bei den rohen UUID-Werten von 1 und 1 und beim exakten Abgleich von 0 und 0.

Diagramm seitlich scrollen, um alle Details zu sehen. ↔

Grafik und Werte

Tabelle seitlich scrollen, um alle Spalten zu sehen.

Fälle mit Zählabweichungen gegenüber den eingebetteten Quellenkennungen
AuswahlgruppeFälleVorkommen eingebetteter KennungenAbweichungen bei den Namensteilen der CSVAbweichungen bei rohen UUID-WertenAbweichungen beim exakten Abgleich
Hash-Stichprobe: einzelner Name66040
Hash-Stichprobe: Semikolon im Namen611120
Hash-Stichprobe: nur Fördertext60060
Hash-Stichprobe: beide Felder leer60010
Max-Planck-Prüffall12010
EC/ERC/Passau-Prüffall11110

Vier per Hash ausgewählte Gruppen mit je sechs Fällen und zwei getrennte, gezielt ausgewählte Prüffälle. Die Zählungen vergleichen Zählverfahren mit den verschiedenen eingebetteten UUIDs, nicht mit tatsächlichen Organisationen oder der wahren Förderung. Null Abweichungen können neben nicht verknüpften Textangaben bestehen.

Jede Hash-Gruppe enthält sechs Datensätze, jeder Prüffall einen. Eine Abweichung vergleicht ein Zählverfahren mit den verschiedenen eingebetteten UUIDs, nicht mit realen Organisationen. Der exakte Abgleich stimmt hier aufgrund der Struktur überein, nicht im Vergleich mit einem unabhängigen Standard für Förderangaben. DOAB-Metadaten unter CC0; eigene Analyse und Abbildung: Alisson Bento.

Grafik herunterladen (SVG) ↓ · Grafik herunterladen (PNG) ↓

Daten und Downloads

Tabelle seitlich scrollen, um alle Spalten zu sehen.

Fälle mit Zählabweichungen gegenüber den eingebetteten Quellenkennungen
AuswahlgruppeFälleVorkommen eingebetteter KennungenAbweichungen bei den Namensteilen der CSVAbweichungen bei rohen UUID-WertenAbweichungen beim exakten Abgleich
Hash-Stichprobe: einzelner Name66040
Hash-Stichprobe: Semikolon im Namen611120
Hash-Stichprobe: nur Fördertext60060
Hash-Stichprobe: beide Felder leer60010
Max-Planck-Prüffall12010
EC/ERC/Passau-Prüffall11110

Vier per Hash ausgewählte Gruppen mit je sechs Fällen und zwei getrennte, gezielt ausgewählte Prüffälle. Die Zählungen vergleichen Zählverfahren mit den verschiedenen eingebetteten UUIDs, nicht mit tatsächlichen Organisationen oder der wahren Förderung. Null Abweichungen können neben nicht verknüpften Textangaben bestehen.

Tabelle seitlich scrollen, um alle Spalten zu sehen.

Differenzen mit Vorzeichen und definierte Referenzen
AuswahlgruppeDefinierte ReferenzNicht definierte ReferenzSumme mit Vorzeichen: Namensteile der CSVSumme mit Vorzeichen: rohe UUID-WerteSumme mit Vorzeichen: exakter Abgleich
Hash-Stichprobe: einzelner Name600+50
Hash-Stichprobe: Semikolon im Namen60+1+30
Hash-Stichprobe: nur Fördertext600+60
Hash-Stichprobe: beide Felder leer600+10
Max-Planck-Prüffall100+20
EC/ERC/Passau-Prüffall10+2+10

Summe aus Zahl des Verfahrens minus Referenzzahl der eingebetteten Kennungen, nur über definierte Fälle. Alle beobachteten Referenzen sind definiert; synthetische nicht definierte Fälle bleiben getrennt. Keine Häufigkeit im Katalog und keine Schätzung der Genauigkeit der Zuordnung.

Tabelle seitlich scrollen, um alle Spalten zu sehen.

Konstruierter Test der Zusammenfassung, keine beobachteten Daten
Synthetische GruppeFälleDefinierte ReferenzNicht definierte ReferenzVerglichen je ZählverfahrenMit Verzicht je ZählverfahrenReferenzsumme
Gemischte Testfälle1210210210
Nur nicht definierte Testfälle20202Nicht definiert

Diese synthetischen Gruppen prüfen dieselbe Funktion zur Zusammenfassung wie die beobachteten Datensätze. Eine fehlende Summe („nicht definiert“) bedeutet: kein definierter Vergleich, nicht null Abweichungen.

Daten und Methode

So haben wir gerechnet

  1. Feste Auswahl aus 103.963 zulässigen Buchdatensätzen einer DOAB-CSV, die durch einen Hashwert festgelegt ist: sechs per Hash ausgewählte Fälle in jedem von vier Zuständen von Namens- und Fördertextfeld und zwei gesondert berichtete, gezielt ausgewählte Prüffälle.
  2. Alle 26 ausgewählten xoai-Antworten stimmten in Buch-UUID und Handle überein. Es gab keine Ersetzungen. Der Zeitbezug der Datenstände und der Abgleich verknüpfter Einheiten sind nicht überprüft.
  3. Die Entscheidungsregeln und die synthetischen Testfälle wurden entwickelt, nachdem wir die 26 Fälle gesehen hatten. Es sind Entwicklungsfälle, keine Prüfung eines vorab registrierten Protokolls und kein zurückgehaltener Testdatensatz.
  4. Die Referenzgröße sind verschiedene gültige Kennungen in UUID-Form in eingebetteten Blöcken für Förderer, mit genau einer Kennung je Block. Leere Metadaten bedeuten nur null eingebettete Kennungen. Ungültige oder mehrere Kennungen machen die Referenz nicht definiert.
  5. Drei ausdrückliche Zählverfahren (Namensteile an Semikolons, rohe Werte in UUID-Form, exakte Treffer von Authority-Kennung oder Wert) werden mit den eingebetteten Kennungen desselben Datensatzes verglichen. Abweichungen beziehen sich auf die Struktur der Quelle, nicht auf reale Organisationen.
  6. Text, Authority-Kennungen, nicht zugeordnete Werte, Aliasnamen von Einheiten, behauptete DOIs und Förderzeichenfolgen bleiben getrennt. Alle Sprachzweige sind enthalten. Es gibt keine Zuordnung von Förderangaben nach ihrer Position und keine Schlüsse auf die Bedeutung aus der UUID-Form.
  7. Die öffentliche Reproduktion ohne Internet nutzt kompakte ausgewählte bibliografische Strukturen, zwölf synthetische Testfälle und gemeinsame Tests der Zusammenfassung für definierte und nicht definierte Referenzen. Die Bytes der Originalquellen sind durch Hashwerte dokumentiert, werden aber nicht weitergegeben.

Was die Daten nicht aussagen

  • Wenige, explorativ ausgewählte Fälle schätzen weder die Häufigkeit im Katalog noch die Genauigkeit tatsächlicher Förderangaben, die Konzentration auf Organisationen oder Geldbeträge.
  • Dass der exakte Abgleich mit den Zahlen der eingebetteten Kennungen übereinstimmt, ist eine Eigenschaft der Struktur dieser Fälle. Es ist keine unabhängige Genauigkeit bei der Identifikation und keine Überlegenheit.
  • Einheiten der Quelle können zusammengesetzte Bezeichnungen tragen. Quellenkennungen sind keine geprüften realen Organisationen, Bewilligungen oder obersten Mutterorganisationen.
  • Nicht leerer Fördertext kann ein Platzhalter sein. Andere Förderzeichenfolgen und behauptete DOIs von Förderern wurden nicht extern geprüft.
  • Unterschiedliche Abrufzeiten sowie unbekannte Zeitpunkte der Erstellung der CSV und der Einheiten verhindern Aussagen über Ursachen von Verlusten beim Export.
  • Die gezielte Prüfung früherer Arbeiten ist nicht systematisch. Unzugängliche Volltexte von Zeitschriften und offizielle Berichte begrenzen die Beurteilung, was neu ist. Wir erheben keinen Anspruch, als Erste etwas gezeigt zu haben.

Originalquellen

  1. DOAB catalogue CSV

    Gesichert am 30. Oktober 2026: 114.618 Zeilen, darunter 103.963 zulässige Buchdatensätze. Der Zeitpunkt der Erstellung ist nicht geprüft; die gesamte Datei wird nicht weitergegeben. Ein festgelegter SHA256-Wert und Nachweise zur Herkunft der ausgewählten Strukturen liegen bei.

    Abgerufen am 30. Oktober 2026

  2. DOAB fuller xoai metadata: selected record example

    26 ausgewählte Antworten wurden am 30. Oktober 2026 abgerufen und anhand von Buch-UUID und Handle abgeglichen. Eines der Beispiele hat eine einzige eingebettete Einheit, deren Name ein Semikolon enthält. Die genauen Anfrage-URLs, Bytezahlen und Hashwerte aller ausgewählten Antworten stehen in source-hashes.json.

    Abgerufen am 30. Oktober 2026

  3. DOAB metadata policy and formats

    Die gesicherte offizielle Dokumentation kennzeichnet Metadaten als CC0 und beschreibt ausführlichere xoai-Metadaten. Das ist weder eine Lizenz für Buchinhalte noch eine Garantie, dass die CSV vollständig ist, noch ein Beleg, dass die Darstellungen abgeglichen sind. Spätere alternative Wege zur Dokumentation waren nicht verfügbar.

    Abgerufen am 30. Oktober 2026

  4. Tsuji (2018), Statistics on Open Access Books Available through the Directory of Open Access Books

    In der gezielten Literaturprüfung wurden Methoden und aufgeführte Ergebnisse vollständig gesichtet: Statistiken zu Sachgebieten, Sprachen, Verlagen, Jahren und Lizenzen. Der typisierte Vergleich von Förderverknüpfungen innerhalb desselben Datensatzes gehört nicht dazu. Dass sich diese Studie davon unterscheidet, heißt nicht, dass sie allgemein neu ist.

    Abgerufen am 30. Oktober 2026

  5. Grassano and colleagues (2016), Funding Data from Publication Acknowledgements: Coverage, Uses and Limitations

    Die Methoden des Autorenmanuskripts behandeln Danksagungen als Referenz, Vergleiche von Datenbanken, Vereinheitlichung von Namen und Ebenen von Organisationen. Dem hier vorliegenden reinen Metadatenvergleich fehlt ein Referenzstandard für tatsächliche Förderung. Er schätzt keine Genauigkeit der Förderangaben.

    Abgerufen am 30. Oktober 2026

  6. Kramer and de Jonge, open funder metadata author dataset description

    Die von den Autoren hinterlegte, im März 2026 aktualisierte Beschreibung behandelt einen Vergleich von 5.004 Publikationen mit bekanntem Förderer und trennt Namen von Kennungen. Der nächstliegende Zugang zum Volltext des Zeitschriftenartikels von 2022 war nicht zugänglich. Diese Beschreibung gilt nicht als Ersatz für vollständige Methoden.

    Abgerufen am 30. Oktober 2026

  7. Kramer (2026), open funding information analysis

    Die zugängliche Analyse des Autors vergleicht Verknüpfungen zu Förderern über Projekte und direkte Verknüpfungen und weist auf die unterschiedlichen Datenstände der Datenbanken hin. Aufbau der Verknüpfungen und Unterschiede zwischen den Datenständen sind bekannte methodische Fragen und werden hier nicht neu erfunden.

    Abgerufen am 30. Oktober 2026

  8. UKRI / MoreBrains, Metadata to support the UKRI Open Access Policy, revised 2022

    Die Abschnitte 4, 6.7.1 und 6.7.6 unterscheiden, was ein Schema leisten kann, von ausgefüllten Metadaten und behandeln Förderernamen und Kennungen bei längeren Publikationsformen. Dass die Angaben zur Förderung von Büchern unvollständig sind, ist für sich genommen keine neu erkannte Lücke.

    Abgerufen am 30. Oktober 2026

  9. Crossref funding-information specification

    Die offizielle Spezifikation unterscheidet Identitäten von Förderern, Bewilligungsnummern und Förderkennungen, verlangt eine strukturelle Zuordnung und beschreibt Grenzen beim Abruf nicht zugeordneter Namen. Diese Regeln sind Vorwissen und keine Bedeutung von UUID-Werten, die speziell für das DOAB gilt.

    Abgerufen am 30. Oktober 2026

Studie zitieren und weiterverwenden

Alisson Bento. Wenn sich die Zahl der Förderer mit den Metadaten ändert: eine Fallstudie zum DOAB. Vergleichende Analyse ausgewählter, 2026 gesicherter Metadaten des Directory of Open Access Books. https://alissonbento.com/de/research/doab-funding-metadata-counting-and-abstention/

Ausgewählte bibliografische Metadaten: Directory of Open Access Books (DOAB), gemäß der dokumentierten CC0-1.0-Regelung für Metadaten. Diese Regelung lizenziert nicht die beschriebenen Bücher. Weitergegeben werden nur ausgewählte Strukturdaten der Metadaten, die für die begrenzten Vergleiche nötig sind. Es gibt keine Abstracts, keinen Gesamtkatalog, kein vollständiges XML, keine Buchdateien, Abbildungen oder Logos. Eigene vergleichende Analyse, eigenes Protokoll und eigene Abbildung: Alisson Bento. Die methodischen Vorarbeiten von Grassano und Kollegen, Kramer und de Jonge, Kramer, UKRI/MoreBrains und Crossref werden in sources.json gewürdigt. Eine Zustimmung von Einrichtungen oder Anbietern der Quellen wird nicht unterstellt. Eine Lizenz für den vollständigen Artikel, für fremde Texte oder für Buchinhalte wird nicht erfunden.

Korrekturen oder redaktionelle Fragen

Teile die Begeisterung.

Wenn sich die Zahl der Förderer mit den Metadaten ändert: eine Fallstudie zum DOAB | Alisson Bentoalissonbento.com

WhatsAppFacebookXTelegramRedditThreadsE-MailSMS