Saltar al contenido

Metodología comparativa · 24 casos seleccionados y 2 centinelas

Cuando el recuento de financiadores cambia con los metadatos: un estudio de caso de DOAB

En los registros seleccionados de DOAB, dividir por punto y coma y contar valores UUID sin depurar no reproduce de forma consistente la estructura de entidades incorporadas de la fuente. Un procedimiento que distingue cada tipo de dato conserva las afirmaciones de financiación sin correspondencia y explica por qué un inventario de identificadores no es un recuento de organizaciones.

Publicado
Compartir
Comparte esta página
CorreoCómo citar y reutilizar
Resultados principales en texto
Imágenes reutilizablesCuando el recuento de financiadores cambia con los metadatos: un estudio de caso de DOAB — 24 + 2: Casos de desarrollo seleccionados por hash y centinelas separados. Seis registros por estado CSV; dos ejemplos estructurales intencionales. Sin prevalencia poblacional.Descargar imagen para compartir (JPG) ↓

Resultados principales

24 + 2

Casos de desarrollo seleccionados por hash y centinelas separados

Seis registros por estado CSV; dos ejemplos estructurales intencionales. Sin prevalencia poblacional.

1 de 6

Discrepancia del recuento de fragmentos en la muestra de nombres con punto y coma

Una etiqueta completa con punto y coma pertenece a una entidad incorporada de la fuente; no demuestra una sola organización real.

6 de 6

Casos con solo subvención y afirmaciones textuales de financiación

Los nombres CSV están vacíos; xoai tiene texto y autoridades, pero ninguna entidad financiadora incorporada en el mismo registro.

12

Casos de prueba adversariales construidos

Pruebas sintéticas de software, no registros observados adicionales ni un patrón externo de financiación.

La pregunta que encierra un recuento de financiadores

Un campo de catálogo puede contener el nombre de un financiador sin aportar una organización cuya identidad se haya resuelto. Un identificador puede aparecer en un campo de relación sin coincidir con una entidad incorporada. A la inversa, un registro puede contener una afirmación de financiación con nombre incluso cuando la columna CSV de nombres de financiadores, la más cómoda de usar, está vacía. Estas distinciones importan cuando se convierten metadatos de libros en una tabla de instituciones, subvenciones o relaciones de financiación. Antes de preguntar qué organización aparece con mayor frecuencia, hay que determinar qué representa cada elemento contado. Un delimitador, una cadena con forma de identificador y una entidad de la fuente son unidades analíticas distintas.

Este estudio de caso metodológico comparativo examina esas distinciones en un conjunto pequeño y fijo de registros del Directory of Open Access Books. Compara un CSV conservado de DOAB con los correspondientes metadatos xoai más completos para 24 registros seleccionados en cuatro estados de campos CSV y dos ejemplos estructurales elegidos deliberadamente. Después evalúa tres fórmulas sencillas de recuento y un procedimiento de decisión y abstención que distingue tipos de información. Su propósito es identificar operaciones reproducibles que estas representaciones concretas permiten, no estimar la prevalencia de libros financiados ni clasificar organizaciones. La pregunta más amplia sobre la concentración de la financiación entre organizaciones sigue sin respuesta.

El resultado central es práctico: se puede construir un inventario defendible de identificadores incorporados de la fuente, pero no equivale a un censo de financiadores. Dividir un nombre que contiene punto y coma puede separar una entidad representada en varios fragmentos. Contar todos los valores con forma de UUID puede producir un número superior al inventario de entidades incorporadas. Atender solo a las entidades enlazadas correctamente también puede ocultar afirmaciones textuales explícitas de financiación. Por eso, un procedimiento útil necesita más que un total: debe devolver el inventario respaldado, conservar las pruebas sin correspondencia y explicar qué operaciones de atribución propuestas siguen sin estar justificadas.

Trabajos previos y una contribución más acotada

Las limitaciones de los datos bibliográficos sobre financiación no son un descubrimiento nuevo. Grassano y sus colegas examinaron la cobertura, los usos y las limitaciones de los agradecimientos de financiación, incluida la necesidad de armonizar nombres y distinguir niveles organizativos. Su comparación utilizó agradecimientos de referencia, que aportan una forma de validación ausente en este estudio basado exclusivamente en metadatos. No podemos convertir una discrepancia aparente entre dos representaciones de catálogo en una medida de exactitud sobre la financiación real. La referencia pertinente aquí es una estructura observable dentro de los metadatos conservados, no una lista verificada de las organizaciones que financiaron un libro.

Los trabajos de Kramer y de Jonge distinguen la disponibilidad de nombres e identificadores en los metadatos abiertos de financiación. El análisis posterior de Kramer considera los enlaces directos con financiadores y los mediados por proyectos, señala que sus bases de datos de origen se capturaron en fechas distintas. El informe de metadatos de UKRI y MoreBrains distingue asimismo la capacidad del esquema de los campos efectivamente cumplimentados e incluye publicaciones extensas. Estas contribuciones ya establecen la importancia de la arquitectura de enlaces, los identificadores incompletos y la cobertura específica de metadatos de libros. La especificación de Crossref también distingue la identidad del financiador de los números de concesión y los identificadores de subvención, y exige una asociación estructural adecuada. Ninguno de estos principios se presenta aquí como un nuevo método general.

La contribución más limitada consiste en una descripción ejecutable de lo que ocurre cuando determinadas operaciones de recuento y correspondencia encuentran estructuras heterogéneas de valores, autoridades y entidades incorporadas en DOAB. Las estadísticas anteriores de Tsuji sobre DOAB abordaban temas, idiomas, editoriales, años de publicación y licencias; aquí se estudia, en cambio, una decisión de enlace dentro del mismo registro. La bibliografía revisada no establece el significado exacto de cada valor con forma de UUID encontrado en estos archivos. En lugar de inventarlo, el procedimiento conserva los valores sin resolver como una salida explícita. Esta aportación específica de la aplicación debe juzgarse por sus consecuencias concretas para las decisiones, no por una supuesta invención de la prudencia metodológica con metadatos.

Un marco fijo de fuentes, no una estimación poblacional

El CSV conservado contiene 114.618 filas de catálogo, entre ellas 103.963 registros de libros y 10.655 de capítulos. Los registros de libros tienen UUID y handles únicos, y ningún campo de libro superior con contenido según el control de elegibilidad aplicado aquí. El marco es un conjunto de registros representados en el catálogo, no un censo sin duplicados de obras intelectuales. Distintas ediciones o manifestaciones pueden tener registros separados. El CSV original se recuperó el 30 de octubre de 2026, pero no se verificó su fecha y hora de generación. Por tanto, el momento de recuperación no se considera la fecha de observación o actualización de cada campo.

La selección utilizó cuatro estados mutuamente excluyentes de dos campos CSV: una celda de nombre de financiador no vacía y sin punto y coma; un nombre no vacío con punto y coma; un nombre vacío con texto de subvención no vacío; y ambos campos vacíos. Los tamaños respectivos del marco eran 2.461, 126, 4.280 y 97.096. Se seleccionaron seis registros de cada estado mediante una ordenación determinista por hash del UUID del libro con una semilla fija. Estos grupos de igual tamaño se eligieron para examinar representaciones diferentes, no para reproducir la distribución del catálogo. Sus resultados se presentan por separado, sin una estimación conjunta de prevalencia ni un intervalo de incertidumbre inferencial.

Se seleccionaron dos casos adicionales para examinar etiquetas potencialmente difíciles: una combinación de un instituto y la sociedad Max Planck, y otra de la Comisión Europea, el Consejo Europeo de Investigación y la Universidad de Passau. Son casos centinela seleccionados intencionalmente, no observaciones adicionales elegidas por hash. El manifiesto de selección se congeló antes de las 26 recuperaciones. Todos los registros seleccionados devolvieron una respuesta satisfactoria y coincidieron con el UUID y el handle del libro en el CSV; no se sustituyó ningún registro no disponible. El registro positivo examinado anteriormente que motivó este piloto no estaba entre estos 26 casos y no se añade a sus denominadores.

Qué pueden decirnos las estructuras conservadas

El campo de nombre del CSV es una proyección práctica, mientras que xoai expone varios tipos distintos de material. Una relación puede tener un valor, un identificador de autoridad y otros campos asociados. Los metadatos de elementos enlazados incorporados pueden identificar por separado una entidad y proporcionar su nombre, alias o DOI declarado. Estos componentes pueden compararse mediante cadenas exactas, pero sus funciones no deben confundirse. En este estudio, «con forma de UUID» significa únicamente que una cadena tiene la forma sintáctica esperada. No demuestra que denote un financiador, una concesión u otro objeto determinado.

El recuento de referencia es el número de cadenas UUID válidas y distintas en los bloques de entidades financiadoras incorporadas dentro de un registro. Cada bloque debe contener exactamente un identificador con forma de UUID para que el recuento esté definido. El número de bloques incorporados se conserva por separado, para que los bloques duplicados no inflen silenciosamente el inventario de identificadores distintos. Una lista vacía de bloques produce cero identificadores incorporados, no cero organizaciones ni ausencia de financiación. Un bloque con un identificador inválido o varios identificadores deja indefinida la referencia de identificadores distintos y activa la abstención en la comparación de recuentos.

Las demás afirmaciones siguen disponibles aunque no puedan enlazarse con ese inventario. Los campos de relación con valores textuales se conservan en todas las ramas lingüísticas. Los identificadores de autoridad y los valores con forma de UUID sin correspondencia se registran por separado. Los DOI de entidades siguen siendo afirmaciones de la fuente, no identidades resueltas externamente; los alias siguen siendo alias, no instrucciones automáticas para fusionar organizaciones. Los archivos conservados no establecen una jerarquía de entidades superiores, importes financieros ni una correspondencia fiable entre cada cadena de subvención del libro y un financiador concreto. Esas operaciones quedan, por tanto, fuera del alcance probatorio del procedimiento.

Tres fórmulas de recuento y un procedimiento de abstención

La primera fórmula de referencia divide la celda CSV de nombre por los puntos y coma literales, elimina espacios en los extremos, descarta fragmentos vacíos y cuenta las apariciones restantes. Conserva los fragmentos repetidos. Es una fórmula deliberadamente sencilla, no una afirmación de que alguna publicación anterior concreta la utilizara. La segunda cuenta las apariciones con forma de UUID en los campos de valor de relaciones de todas las ramas lingüísticas, incluidos los valores repetidos pero excluidos los campos de autoridad. La tercera toma la unión exacta de cadenas de autoridad y valores con forma de UUID, la interseca con los identificadores válidos de entidades incorporadas del mismo registro y cuenta las coincidencias distintas.

Cada fórmula se compara con la referencia de identificadores incorporados mediante una diferencia con signo: su recuento menos el de referencia. El número finito de diferencias distintas de cero se presenta junto al denominador de casos correspondiente. Son discrepancias de recuento respecto de una representación de la fuente, no errores frente a identidades organizativas verdaderas. La comparación puede revelar que una fórmula no reproduce el observable elegido, pero no demuestra que mida correctamente la financiación real. Una diferencia cero resulta especialmente poco informativa cuando ambos recuentos son cero y el registro todavía contiene pruebas textuales sin correspondencia.

El procedimiento por tipos añade salidas que los tres recuentos no pueden expresar. Marca los puntos y coma dentro de la etiqueta de una entidad incorporada, conserva las afirmaciones textuales, distingue valores con forma de UUID sin resolver de autoridades no enlazadas, identifica los marcadores de relleno literales de las subvenciones y señala discrepancias entre fragmentos CSV y nombres incorporados. También devuelve abstenciones explícitas para contar organizaciones, atribuir entidades superiores, asignar subvenciones a financiadores y explicar causalmente pérdidas durante la exportación. Estas reglas se desarrollaron después de observar los 26 casos. Los registros seleccionados son casos de desarrollo, no un conjunto de prueba reservado, y el protocolo no se describe como prerregistrado.

Un punto y coma puede formar parte del nombre de una entidad

El contraejemplo más claro sobre delimitadores es el handle 20.500.12854/45768. Su nombre CSV contiene «Ecosystems Services for Poverty Alleviation (ESPA); University of Southampton». En el registro xoai conservado, esa cadena completa es el nombre de una entidad incorporada de la fuente con un identificador. Dividir el CSV produce dos fragmentos, mientras que la referencia de identificadores incorporados es uno. El resultado no demuestra que la cadena describa una sola organización real. Demuestra algo más limitado y directamente comprobable: en este caso, la división por punto y coma no reproduce la estructura de entidades representada.

El centinela de la Comisión Europea muestra el mismo problema de forma más acusada. El handle 20.500.12854/182950 contiene una cadena de nombre que combina European Commission, European Research Council (ERC) y University of Passau. Estos tres componentes aparentes forman un solo nombre de entidad incorporada. La fórmula de fragmentos devuelve tres frente a un identificador incorporado, una diferencia con signo de dos. En cambio, el centinela Max Planck contiene dos entidades incorporadas para la sociedad y el instituto. Una sola regla de delimitadores no distingue estos patrones de representación, y ninguno proporciona una jerarquía organizativa autorizada.

En los seis casos de nombres con punto y coma seleccionados por hash, la fórmula de fragmentos discrepa de la referencia de identificadores incorporados en un caso, con una diferencia total con signo de uno. Coincide numéricamente en los otros cinco. Esa coincidencia no certifica una identificación exhaustiva: el handle 20.500.12854/157342.2 contiene dos nombres incorporados correspondientes a los fragmentos CSV, pero también dos etiquetas textuales adicionales de financiación en una rama en inglés. Contar las dos entidades enlazadas es reproducible; tratarlas como el conjunto completo de afirmaciones de financiación descartaría otras pruebas representadas.

Identificadores adicionales y el significado de un nombre vacío

El recuento de valores UUID sin depurar discrepa de la referencia de identificadores incorporados en cuatro de los seis casos de nombre único y en dos de los seis casos de nombres con punto y coma. Las diferencias con signo suman cinco y tres, respectivamente. Algunos registros contienen un identificador de entidad incorporada y otros valores con forma de UUID que no tienen un bloque de entidad incorporada correspondiente en esa respuesta. El procedimiento no califica esas cadenas adicionales como financiadores ausentes, concesiones, enlaces duplicados o restos de migración. Cada interpretación sería una afirmación semántica que exige pruebas no aportadas por esta comparación.

El grupo con solo texto de subvención hace especialmente importante esta distinción. Los seis registros seleccionados tienen celdas CSV vacías para el nombre del financiador, pero etiquetas textuales explícitas e identificadores de autoridad en xoai. Dos etiquetas nombran al H2020 European Research Council, tres a Knowledge Unlatched y una al National Endowment for the Humanities. Ninguno de los seis contiene una entidad financiadora incorporada en el mismo registro. Cada uno tiene además un valor de relación con forma de UUID diferente del identificador de autoridad. Por ello, la fórmula de UUID sin depurar devuelve uno frente a cero identificadores incorporados en cada caso, mientras que las fórmulas de fragmentos y de enlace exacto devuelven cero.

Esos ceros no deben convertirse en conclusiones de que no se identifica a ningún financiador en ninguna parte. Los registros contienen afirmaciones textuales que pueden comunicarse como tales, aunque la referencia elegida de identificadores incorporados esté vacía. La salida por tipos muestra, por tanto, las pruebas textuales y de autoridad, pero se abstiene de fabricar un recuento de organizaciones. Entre los seis casos con ambos campos CSV vacíos, cinco no tienen ninguna relación de financiación extraída y uno tiene un valor con forma de UUID sin resolver y un marcador de relleno literal en la subvención. Ni una relación ausente ni un valor sin resolver establecen si el libro realmente recibió financiación.

La coincidencia numérica no es un resultado de exactitud

El enlace exacto mediante autoridad o valor iguala el recuento de identificadores incorporados en todos los casos observados. Es una propiedad de estas estructuras conservadas: cada identificador incorporado aparece entre los valores o autoridades del registro correspondiente. No es una tasa independiente de éxito en la identificación de financiadores. La estructura incorporada aporta tanto el inventario de referencia como parte de las pruebas utilizadas por el enlace, por lo que la comparación está deliberadamente próxima a la representación. Su valor consiste en hacer explícita la operación y sus límites, no en demostrar superioridad frente a un patrón externo de verdad.

Las diferencias con signo se mantienen separadas por grupo de selección. El recuento de UUID sin depurar difiere en los seis casos con solo subvención, en uno de los seis con ambos campos vacíos y en ambos centinelas. El centinela Max Planck tiene cuatro valores con forma de UUID frente a dos identificadores incorporados; el de la Comisión Europea tiene dos frente a uno. En los 24 casos seleccionados por hash, las apariciones de identificadores incorporados suman 17 entre registros, mientras que los dos centinelas aportan tres más. Son apariciones de identificadores de la fuente por registro, no el número de organizaciones distintas del catálogo, y no se utilizan para calcular concentración.

Las cadenas de subvención exigen una interpretación igualmente prudente. Los literales exactos «[...]», «[…]» y «[grantnumber unknown]» aparecen en los campos conservados de la fuente. Son texto original, no truncamientos introducidos por la visualización. Se detectaron marcadores de relleno en cuatro casos de nombre único, dos de nombres con punto y coma, uno con solo subvención y uno con ambos campos vacíos; ambos centinelas también los contienen. Se conserva el resto del texto no vacío de subvención, pero no se valida independientemente como identificador de concesión. El procedimiento nunca empareja posiciones de subvenciones con posiciones de nombres, porque la proximidad o la igualdad de longitudes de las listas no demostrarían una relación.

Pruebas construidas y denominadores indefinidos explícitos

Doce casos sintéticos ponen a prueba las reglas de decisión por separado de los registros observados. Incluyen un nombre de entidad con punto y coma, alias multilingües y afirmaciones textuales, ausencia de metadatos incorporados, un valor adicional con forma de UUID, valores duplicados, marcadores de relleno de subvención y una etiqueta CSV renombrada. Otros casos incluyen bloques de entidad duplicados, una entidad incorporada sin valor o autoridad coincidente, dos identificadores de la fuente que comparten etiqueta e identificadores inválidos o múltiples dentro de un bloque. Son pruebas de software construidas deliberadamente. Su frecuencia y distribución no indican con qué frecuencia aparecen esos patrones en DOAB.

El caso de entidad incorporada sin correspondencia es especialmente útil porque su recuento de referencia es uno y su recuento de enlace exacto es cero. Demuestra que la coincidencia observada en los 26 registros no está garantizada para todas las entradas válidas posibles. El caso de etiqueta renombrada tiene recuentos numéricos iguales, pero una señal explícita de discrepancia de etiquetas, lo que muestra que totales iguales pueden ocultar diferencias de contenido. El caso de valor duplicado devuelve dos apariciones sin depurar frente a un identificador incorporado. Estas pruebas hacen inspeccionable el significado operativo de cada salida sin inventar observaciones adicionales.

Las pruebas de agregación comprueban también la abstención, en lugar de limitarse al clasificador de registros. Un grupo sintético mixto contiene diez referencias definidas y dos indefinidas; otro grupo contiene únicamente los dos casos indefinidos. Cada resumen informa de los denominadores de referencia definida e indefinida, junto con los recuentos comparados y los sujetos a abstención para cada fórmula. Las sumas de los grupos exclusivamente indefinidos no están definidas; no valen cero. Esto impide que el incumplimiento del criterio de identificación desaparezca dentro de un denominador aparentemente completo. Los 26 casos observados tienen referencias definidas según la regla especificada sobre la forma del identificador, por lo que estas pruebas de robustez no cambian sus comparaciones presentadas.

Reproducción, tiempos y una regla práctica para detenerse

Las entradas compactas adjuntas contienen solo los metadatos bibliográficos públicos seleccionados que se necesitan para estas decisiones estructurales, junto con resultados agregados y casos sintéticos etiquetados por separado. Excluyen libros completos, resúmenes, respuestas XML completas y el CSV íntegro. Un script sin conexión reproduce las comparaciones por caso, los resúmenes agrupados y las pruebas de regresión de abstención a partir de rutas explícitas de entrada y salida. Los hashes de las fuentes originales y las URL de solicitud permiten comprobar los bytes originales obtenidos por separado, pero la reproducción predeterminada no contacta con DOAB ni requiere archivos privados. La reutilización de metadatos sigue la política CC0 documentada de DOAB; esa política no es una licencia para los libros descritos.

La comparación sigue siendo entre representaciones conservadas en momentos de recuperación diferentes. Las fechas de los 26 registros preceden a la recuperación del CSV, pero no establecen cuándo se generó este ni si los metadatos de entidades enlazadas estaban sincronizados. Por tanto, los contrastes observados no identifican un fallo del exportador ni una pérdida causal de proyección. La revisión bibliográfica también es dirigida, no sistemática: no se pudo acceder completamente al texto íntegro del artículo de revista más próximo, de 2022, ni a algunos informes oficiales, aunque sí a descripciones de autores y a un análisis posterior. Estos límites impiden afirmaciones amplias de singularidad, pero no describir las estructuras efectivamente conservadas.

Para el uso práctico, la regla de detención es sencilla. Si se pretende inventariar identificadores incorporados de la fuente, debe realizarse y comunicarse esa operación, conservar las afirmaciones sin correspondencia y mantener visible su alcance. Si se pretende contar organizaciones reales, atribuir entidades superiores o conectar concesiones con financiadores, hay que detenerse cuando no se haya establecido la semántica necesaria. Más campos cumplimentados no justifican automáticamente más atribuciones. Este estudio finito muestra que un resultado útil sobre metadatos puede consistir en un inventario respaldado y pruebas explícitamente sin resolver, en lugar de una única cifra segura que responda a otra pregunta.

Discrepancias de recuento respecto a los ID incorporados de la fuente

Recuentos finitos por estado del CSV, con centinelas intencionales separados; sin tasas poblacionales ni exactitud de identificación organizativa.

Gráfico completo y fuente
En los grupos de seis con nombre único, nombre con punto y coma, solo texto de subvención y ningún campo, las discrepancias del recuento de fragmentos son 0, 1, 0 y 0; las del recuento de UUID sin depurar, 4, 2, 6 y 1; las del enlace exacto, todas 0. En los centinelas separados Max Planck y CE/ERC, las discrepancias de fragmentos son 0 y 1; las de UUID sin depurar, 1 y 1; las del enlace exacto, 0 y 0.

Desplaza el gráfico horizontalmente para examinarlo. ↔

Gráfico y valores

Desplaza la tabla horizontalmente para ver todas las columnas.

Casos con discrepancia de recuento respecto a identificadores incorporados de la fuente
Grupo seleccionadoCasosApariciones de ID incorporadosDiscrepancias de fragmentos CSVDiscrepancias de UUID sin depurarDiscrepancias de enlace exacto
Muestra por hash de nombre único66040
Muestra por hash de nombres con punto y coma611120
Muestra por hash con solo subvención60060
Muestra por hash con ambos campos vacíos60010
Centinela Max Planck12010
Centinela CE/CEI/Passau11110

Cuatro grupos seleccionados por hash de seis casos y dos centinelas intencionales separados. Los recuentos comparan fórmulas con UUID incorporados distintos, no con organizaciones reales ni con la financiación verdadera. Cero discrepancias puede coexistir con afirmaciones textuales no enlazadas.

Cada grupo por hash contiene seis registros; cada centinela contiene uno. La discrepancia compara una fórmula con los UUID distintos incorporados, no con organizaciones reales. La correspondencia exacta coincide estructuralmente aquí, no con un patrón independiente de financiación. Metadatos DOAB CC0; análisis y figura originales: Alisson Bento.

Descargar gráfico (SVG) ↓ · Descargar gráfico (PNG) ↓

Datos y descargas

Desplaza la tabla horizontalmente para ver todas las columnas.

Casos con discrepancia de recuento respecto a identificadores incorporados de la fuente
Grupo seleccionadoCasosApariciones de ID incorporadosDiscrepancias de fragmentos CSVDiscrepancias de UUID sin depurarDiscrepancias de enlace exacto
Muestra por hash de nombre único66040
Muestra por hash de nombres con punto y coma611120
Muestra por hash con solo subvención60060
Muestra por hash con ambos campos vacíos60010
Centinela Max Planck12010
Centinela CE/CEI/Passau11110

Cuatro grupos seleccionados por hash de seis casos y dos centinelas intencionales separados. Los recuentos comparan fórmulas con UUID incorporados distintos, no con organizaciones reales ni con la financiación verdadera. Cero discrepancias puede coexistir con afirmaciones textuales no enlazadas.

Desplaza la tabla horizontalmente para ver todas las columnas.

Diferencias de recuento con signo y denominadores de referencia definida
Grupo seleccionadoReferencia definidaReferencia indefinidaSuma con signo de fragmentos CSVSuma con signo de UUID sin depurarSuma con signo de enlace exacto
Muestra por hash de nombre único600+50
Muestra por hash de nombres con punto y coma60+1+30
Muestra por hash con solo subvención600+60
Muestra por hash con ambos campos vacíos600+10
Centinela Max Planck100+20
Centinela CE/CEI/Passau10+2+10

Suma del recuento de la fórmula menos la referencia de ID incorporados, solo en casos definidos. Todas las referencias observadas están definidas; los casos sintéticos indefinidos permanecen separados. Sin tasa poblacional ni estimación de exactitud de atribución.

Desplaza la tabla horizontalmente para ver todas las columnas.

Prueba de regresión de agregación construida, no datos observados
Grupo sintéticoCasosReferencia definidaReferencia indefinidaComparados por fórmulaAbstenciones por fórmulaSuma de referencia
Casos de prueba mixtos1210210210
Casos de prueba solo indefinidos20202No definida

Estos grupos sintéticos prueban la misma función de resumen que los registros observados. Una suma ausente («no definida») significa que no hay comparación definida, no que haya cero discrepancias.

Evidencia y método

Cómo lo calculamos

  1. Selección congelada a partir de 103.963 registros de libros elegibles en un CSV de DOAB fijado por hash; seis casos seleccionados por hash en cada uno de cuatro estados de nombre/subvención y dos centinelas intencionales presentados por separado.
  2. Las 26 respuestas xoai seleccionadas coincidieron con el UUID y el handle del libro. Sin sustituciones. Los tiempos de las instantáneas y la sincronización de entidades enlazadas siguen sin verificarse.
  3. Las reglas de decisión y los casos sintéticos se desarrollaron después de observar los 26 casos; son casos de desarrollo, no validación de un protocolo prerregistrado ni un conjunto reservado.
  4. El observable de referencia son identificadores distintos válidos con forma de UUID en bloques incorporados de financiadores, con exactamente un identificador por bloque. Los metadatos vacíos solo significan cero ID incorporados; los identificadores inválidos o múltiples dejan indefinida la referencia.
  5. Tres fórmulas explícitas cuentan apariciones de fragmentos separados por punto y coma, apariciones de valores UUID sin depurar o coincidencias exactas de autoridad/valor del mismo registro con ID incorporados. La discrepancia es respecto de la estructura de la fuente, no de organizaciones reales.
  6. Texto, autoridad, valores sin correspondencia, alias de entidades, DOI declarados y cadenas de subvención se mantienen separados. Se incluyen todas las ramas lingüísticas. Sin emparejamiento posicional de subvenciones ni inferencia semántica a partir de la sintaxis UUID.
  7. La reproducción pública sin conexión utiliza estructuras bibliográficas seleccionadas compactas, doce casos sintéticos y pruebas compartidas de regresión de agregación definida/indefinida; los bytes originales se identifican por hash, pero no se redistribuyen.

Lo que los datos no permiten concluir

  • Los casos exploratorios finitos no estiman prevalencia poblacional, exactitud respecto de la financiación real, concentración organizativa ni importes financieros.
  • La coincidencia del enlace exacto con los recuentos de ID incorporados es una propiedad estructural de estos casos, no exactitud independiente de identificación ni superioridad.
  • Las entidades de la fuente pueden tener etiquetas compuestas; sus identificadores no son organizaciones reales, concesiones o entidades superiores últimas validadas.
  • El texto no vacío de subvención puede ser un marcador de relleno; las demás cadenas de subvención y los DOI de financiadores declarados no se validaron externamente.
  • Los distintos momentos de recuperación y los tiempos desconocidos de generación del CSV y de las entidades enlazadas impiden afirmar pérdidas causales del exportador.
  • La revisión dirigida de antecedentes no es sistemática; la inaccesibilidad de textos íntegros de revistas e informes oficiales limita la evaluación de novedad. No se afirma ser el primer estudio.

Fuentes originales

  1. DOAB catalogue CSV

    Conservado el 30 de octubre de 2026: 114.618 filas, incluidos 103.963 registros de libros elegibles. Fecha y hora de generación no verificadas; no se redistribuye el archivo completo. Se proporcionan el SHA256 fijado y la procedencia de las estructuras seleccionadas.

    Consultado 30 de octubre de 2026

  2. DOAB fuller xoai metadata: selected record example

    Veintiséis respuestas seleccionadas recuperadas el 30 de octubre de 2026, cotejadas por UUID y handle del libro. Este ejemplo tiene un único nombre de entidad incorporada con punto y coma. Las URL exactas, tamaños en bytes y hashes de todas las respuestas seleccionadas figuran en source-hashes.json.

    Consultado 30 de octubre de 2026

  3. DOAB metadata policy and formats

    La documentación oficial conservada identifica los metadatos como CC0 y describe los metadatos xoai más completos. No es una licencia para los libros, una garantía de integridad del CSV ni prueba de representaciones sincronizadas; las rutas documentales alternativas posteriores no estaban disponibles.

    Consultado 30 de octubre de 2026

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

    Métodos completos y resultados enumerados examinados en la revisión bibliográfica dirigida: estadísticas de temas, idiomas, editoriales, años y licencias, no la comparación tipada de enlaces de financiación dentro del mismo registro. Diferir de ese trabajo no implica novedad universal.

    Consultado 30 de octubre de 2026

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

    Los métodos del manuscrito de autores abordan agradecimientos de referencia, comparaciones entre bases de datos, armonización de nombres y niveles organizativos. Esta comparación basada solo en metadatos carece de un patrón de referencia sobre financiación real y no estima su exactitud.

    Consultado 30 de octubre de 2026

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

    La descripción depositada por los autores, actualizada en marzo de 2026, describe una comparación de 5.004 publicaciones con financiadores conocidos y distingue nombres e identificadores. No se pudo acceder al texto íntegro del artículo de revista más próximo, de 2022; esta descripción no se presenta como sustituto de los métodos completos.

    Consultado 30 de octubre de 2026

  7. Kramer (2026), open funding information analysis

    El análisis accesible de la autora compara los enlaces con financiadores mediados por proyectos y los directos, y señala las distintas fechas de captura de las bases de datos. La arquitectura de enlaces y las diferencias entre instantáneas son problemas metodológicos previos, no inventados aquí.

    Consultado 30 de octubre de 2026

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

    Las secciones 4, 6.7.1 y 6.7.6 distinguen capacidad del esquema y metadatos cumplimentados, y abordan nombres e ID de financiadores de publicaciones extensas. La integridad de la información de financiación de libros no es en sí una laguna nueva.

    Consultado 30 de octubre de 2026

  9. Crossref funding-information specification

    La especificación oficial distingue identidades de financiadores, números de concesión e identificadores de subvención, exige asociación estructural y describe limitaciones de recuperación para nombres sin correspondencia. Estas reglas son antecedentes, no semántica específica de la implementación para valores UUID de DOAB.

    Consultado 30 de octubre de 2026

Cómo citar y reutilizar

Alisson Bento. Cuando el recuento de financiadores cambia con los metadatos: un estudio de caso de DOAB. Análisis comparativo de metadatos seleccionados del Directory of Open Access Books conservados en 2026. https://alissonbento.com/es/research/doab-funding-metadata-counting-and-abstention/

Metadatos bibliográficos seleccionados: Directory of Open Access Books (DOAB), conforme a su política documentada de metadatos CC0 1.0. Esta política no licencia los libros descritos. Solo se redistribuyen los metadatos estructurales seleccionados necesarios para las comparaciones finitas; no se incluyen resúmenes, el catálogo completo, XML íntegro, archivos de libros, ilustraciones ni logotipos. Análisis comparativo, protocolo y figura originales: Alisson Bento. Se reconoce el trabajo metodológico previo de Grassano y sus colegas, Kramer y de Jonge, Kramer, UKRI/MoreBrains y Crossref en sources.json. No se implica respaldo de ninguna agencia ni proveedor de fuentes. No se inventa una licencia para el artículo completo, los textos de terceros ni los contenidos de los libros.

Correcciones o consultas editoriales

Compártelo.

Cuando el recuento de financiadores cambia con los metadatos: un estudio de caso de DOAB | Alisson Bentoalissonbento.com

WhatsAppFacebookXTelegramRedditThreadsCorreoSMS