La question que cache un décompte de financeurs
Un champ de catalogue peut contenir le nom d’un financeur sans désigner une organisation précise. Un identifiant peut figurer dans un champ de relation sans correspondre à une entité intégrée à la notice. À l’inverse, une notice peut contenir une mention nommée de financement alors que la colonne pratique du CSV consacrée aux noms de financeurs est vide. Ces différences comptent dès que l’on transforme des métadonnées de livres en tableau d’institutions, de subventions ou de relations de financement. Avant de demander quelle organisation apparaît le plus souvent, il faut savoir ce que représente chaque élément compté. Un séparateur, une chaîne qui ressemble à un identifiant et une entité de la source sont trois unités d’analyse différentes.
Cette étude de cas, méthodologique et comparative, examine ces différences sur un petit ensemble fixe de notices du Directory of Open Access Books (DOAB). Elle compare un fichier CSV du DOAB conservé avec les métadonnées xoai correspondantes, plus complètes, pour 24 notices choisies selon quatre états des champs du CSV et pour deux exemples structurels choisis à dessein. Elle évalue ensuite trois méthodes de décompte simples et une procédure typée de décision et d’abstention. Le but est de repérer les opérations reproductibles que ces représentations permettent, et non d’estimer la part de livres financés ni de classer les organisations. La question plus large de la concentration des financeurs reste sans réponse.
Le résultat central est pratique : on peut établir un inventaire défendable des identifiants intégrés à la source, mais il ne remplace pas un recensement des financeurs. Découper un nom qui contient un point-virgule peut diviser une seule entité en plusieurs fragments. Compter chaque valeur de forme UUID peut donner un nombre supérieur à celui de l’inventaire des entités intégrées. Se limiter aux entités appariées avec succès peut aussi masquer des mentions textuelles de financement explicites. Une procédure utile doit donc donner plus qu’un seul total. Elle doit fournir l’inventaire que les données permettent d’établir, garder les éléments non appariés et expliquer quelles attributions restent injustifiées.
Les travaux existants et la contribution, plus étroite, de cette étude
Les limites des données bibliographiques sur le financement ne sont pas une découverte nouvelle. Grassano et ses collègues ont étudié la couverture, les usages et les limites des remerciements de financement, notamment la nécessité d’harmoniser les noms et de distinguer les niveaux d’organisation. Leur comparaison s’appuyait sur les remerciements des références, ce qui offre une forme de validation que cette étude, limitée aux métadonnées, n’a pas. Nous ne pouvons pas transformer un écart apparent entre deux représentations du catalogue en mesure de l’exactitude du financement réel. La référence retenue ici est une structure observable dans les métadonnées conservées, non une liste vérifiée des organisations qui ont financé un livre.
Les travaux de Kramer et de Jonge distinguent la disponibilité des noms et celle des identifiants dans les métadonnées ouvertes de financement. L’analyse suivante de Kramer étudie les liens directs avec les financeurs et ceux qui passent par un projet, et note que ses bases de données sources ont été saisies à des dates différentes. Le rapport de UKRI et MoreBrains distingue aussi ce que le schéma permet de ce qui est réellement renseigné, et inclut les publications de forme longue. Ces travaux établissent déjà l’importance de l’architecture des liens, des identifiants incomplets et de la couverture des métadonnées propres aux livres. La spécification de Crossref sur les informations de financement distingue de même l’identité du financeur, le numéro de contrat et l’identifiant de subvention, et exige une association structurelle appropriée. Aucun de ces principes n’est présenté ici comme une méthode générale nouvelle.
La contribution, plus étroite, est un compte rendu exécutable de ce qui se passe quand des opérations précises de décompte et d’appariement rencontrent les structures variées du DOAB : valeurs, identifiants d’autorité et entités intégrées. Les statistiques antérieures de Tsuji sur le DOAB portaient sur les sujets, les langues, les éditeurs, les années de publication et les licences ; l’opération étudiée ici est une décision de rattachement au sein d’une même notice. La littérature examinée n’établit pas le sens exact de chaque valeur de forme UUID rencontrée dans ces fichiers. Plutôt que d’inventer ce sens, la procédure garde les valeurs non résolues comme résultat explicite. Cette contribution propre à une application doit se juger sur ses conséquences concrètes pour les décisions, et non sur la prétention d’avoir inventé une pratique prudente des métadonnées.
Un cadre de source fixe, pas une estimation sur une population
Le CSV conservé contient 114 618 lignes de catalogue, dont 103 963 notices de livres et 10 655 notices de chapitres. Les notices de livres ont des UUID et des handles uniques, et aucun champ de livre parent renseigné d’après le contrôle d’admissibilité utilisé ici. Ce cadre est un ensemble de notices du catalogue, et non un recensement sans doublons des œuvres. Des éditions ou des formes différentes peuvent avoir des notices distinctes. Le CSV d’origine a été récupéré le 30 octobre 2026, mais son horodatage de génération n’a pas été vérifié. Nous ne traitons donc pas l’heure de récupération comme la date à laquelle chaque champ a été observé ou mis à jour.
La sélection part de quatre états qui s’excluent entre eux, définis par deux champs du CSV : une cellule de nom de financeur renseignée sans point-virgule ; une cellule de nom renseignée avec un point-virgule ; un nom vide avec un texte de subvention renseigné ; et les deux champs vides. Ces groupes comptent respectivement 2 461, 126, 4 280 et 97 096 notices. Dans chaque état, six notices ont été tirées par un classement reproductible de l’UUID du livre (un hachage) avec une graine fixe. Ces groupes de taille égale servent à examiner des représentations différentes, non à reproduire la répartition du catalogue. Leurs résultats sont présentés séparément, sans estimation de prévalence globale ni intervalle d’incertitude.
Deux cas de plus ont été choisis pour examiner des libellés potentiellement difficiles : une combinaison Max Planck Institute et Society, et une combinaison European Commission, European Research Council et University of Passau. Ce sont des cas sentinelles choisis à dessein, et non des observations tirées par hachage. Le manifeste de sélection a été figé avant les 26 récupérations. Chaque notice choisie a donné une réponse valide, avec l’UUID et le handle du livre identiques à ceux du CSV ; aucune notice indisponible n’a été remplacée. La notice positive examinée auparavant, qui a motivé ce pilote, ne fait pas partie de ces 26 cas et n’est pas ajoutée à leurs dénominateurs.
Ce que les structures conservées permettent de dire
Le champ de nom du CSV est une projection commode, alors que xoai expose plusieurs sortes d’éléments distincts. Une relation peut avoir une valeur, un identifiant d’autorité et d’autres champs associés. Les métadonnées intégrées d’un élément lié peuvent identifier séparément une entité et fournir son nom, ses alias ou un DOI déclaré. On peut comparer ces éléments par égalité exacte de chaînes, mais il ne faut pas confondre leurs rôles. Dans cette étude, « de forme UUID » veut dire seulement qu’une chaîne a la forme syntaxique attendue d’un UUID. Cela n’établit pas qu’elle désigne un financeur, une subvention ou un autre objet précis.
La référence de la comparaison est le nombre de chaînes UUID valides et distinctes dans les blocs d’entités de financeurs intégrés à une même notice. Pour que ce nombre soit défini, chaque bloc doit contenir exactement un identifiant de forme UUID. Le nombre de blocs intégrés est conservé à part, pour que des blocs en double ne gonflent pas sans le dire un inventaire d’identifiants distincts. Une liste de blocs vide donne zéro identifiant intégré, et non zéro organisation ni zéro financement. Un bloc avec un identifiant invalide ou avec plusieurs identifiants rend la référence indéfinie et conduit à s’abstenir de comparer les décomptes.
Les autres assertions restent disponibles même si elles ne peuvent pas être rattachées à cet inventaire. Les champs de relation à valeur textuelle sont conservés dans toutes les branches de langue. Les identifiants d’autorité et les valeurs de forme UUID non appariées sont notés à part. Les DOI des entités restent des assertions de la source, non des identités vérifiées à l’extérieur, et les alias restent des alias, non des consignes pour fusionner automatiquement des organisations. Les fichiers conservés n’établissent ni hiérarchie de maisons mères, ni montants financiers, ni correspondance fiable entre chaque mention de subvention d’un livre et un financeur précis. Ces opérations sortent donc du cadre que les données permettent à la procédure de couvrir.
Trois méthodes de décompte et une procédure d’abstention
La première méthode de référence découpe la cellule de nom du CSV aux points-virgules littéraux, retire les espaces aux extrémités et les morceaux vides, puis compte les fragments restants, répétitions comprises. C’est une règle volontairement simple ; nous ne prétendons pas qu’une publication antérieure l’ait utilisée. La deuxième méthode compte les occurrences de forme UUID dans les champs de valeur des relations, dans toutes les branches de langue, répétitions comprises, mais sans les champs d’autorité. La troisième réunit exactement les chaînes d’autorité et les valeurs de forme UUID, garde l’intersection avec les identifiants valides des entités intégrées de la même notice, puis compte les correspondances distinctes.
Chaque méthode est comparée à la référence des identifiants intégrés par une différence signée : son décompte moins le décompte de référence. Le nombre fini de différences non nulles est donné avec le dénominateur des cas concernés. Ce sont des désaccords de décompte par rapport à une représentation de la source, et non des erreurs par rapport à l’identité réelle des organisations. La comparaison peut montrer qu’une méthode ne reproduit pas la référence choisie ; elle ne peut pas établir qu’une méthode mesure correctement le financement réel. Une différence nulle apporte très peu quand les deux décomptes sont nuls et que la notice contient pourtant des éléments textuels non appariés.
La procédure typée ajoute des résultats que les trois décomptes ne peuvent pas exprimer. Elle signale les points-virgules à l’intérieur du libellé d’une entité intégrée, garde les assertions textuelles, distingue les valeurs de forme UUID non résolues des identifiants d’autorité non rattachés, repère les marqueurs de subvention littéraux exacts et signale les désaccords entre les fragments du CSV et les noms intégrés. Elle renvoie aussi des abstentions explicites pour le décompte d’organisations, le rattachement à une maison mère, l’attribution d’une subvention à un financeur et les explications causales de pertes à l’export. Ces règles ont été mises au point après l’observation des 26 cas. Les notices choisies sont des cas de développement, et non un jeu de test réservé, et le protocole n’est pas présenté comme préenregistré.
Un point-virgule peut faire partie du nom d’une seule entité
Le contre-exemple le plus net pour le séparateur est le handle 20.500.12854/45768. Son nom dans le CSV contient « Ecosystems Services for Poverty Alleviation (ESPA); University of Southampton ». Dans la notice xoai conservée, cette chaîne entière est le nom d’une seule entité intégrée, avec un seul identifiant. Découper le CSV donne deux fragments, alors que la référence des identifiants intégrés est de un. Ce résultat ne prouve pas que la chaîne décrit une organisation réelle unique. Il prouve seulement, de façon limitée et directement vérifiable, que le découpage aux points-virgules ne reproduit pas la structure d’entités représentée dans ce cas.
Le cas sentinelle de la Commission européenne montre le même problème avec plus de force. Le handle 20.500.12854/182950 contient une chaîne de nom qui réunit European Commission, European Research Council et University of Passau. Ces trois composantes apparentes appartiennent au nom d’une seule entité intégrée. La méthode par fragments donne trois contre un identifiant intégré, soit une différence signée de deux. Le cas sentinelle Max Planck contient au contraire deux entités intégrées, pour la Society et l’Institute. Une seule règle de séparation ne peut pas distinguer ces deux manières de représenter l’information, et aucune des deux ne fournit une hiérarchie d’organisations qui fasse autorité.
Sur les six cas à nom contenant un point-virgule, tirés par hachage, la méthode par fragments diffère de la référence des identifiants intégrés dans un cas, avec une différence signée totale de un. Elle concorde numériquement dans les cinq autres. Cette concordance ne garantit pas que tout soit recensé : le handle 20.500.12854/157342.2 contient deux noms intégrés qui correspondent aux fragments du CSV, mais aussi deux libellés de financement textuels de plus dans une branche en anglais. Compter les deux entités appariées est une opération reproductible ; considérer ces deux entités comme l’ensemble complet des mentions de financement écarterait d’autres éléments présents.
Identifiants en trop, et sens d’un nom vide
Le décompte brut des valeurs de forme UUID diffère de la référence des identifiants intégrés dans quatre des six cas à nom unique et dans deux des six cas à nom avec point-virgule. Les différences signées totalisent respectivement cinq et trois. Certaines notices contiennent un identifiant d’entité intégrée, plus d’autres valeurs de forme UUID qui n’ont pas de bloc d’entité intégrée correspondant dans cette réponse. La procédure ne qualifie pas ces chaînes de financeurs manquants, de subventions, de liens en double ou de restes d’une migration. Chacune de ces lectures serait une affirmation de sens qui demanderait une preuve que la comparaison actuelle ne fournit pas.
Le groupe à subvention seule rend la distinction particulièrement importante. Les six notices choisies ont une cellule de nom de financeur vide dans le CSV, mais des libellés textuels explicites et des identifiants d’autorité dans xoai. Deux libellés nomment le H2020 European Research Council, trois nomment Knowledge Unlatched et un nomme le National Endowment for the Humanities. Aucune des six ne contient d’entité de financeur intégrée à la même notice. Chacune a aussi une valeur de relation de forme UUID différente de l’identifiant d’autorité. Le décompte brut des UUID donne donc un contre zéro identifiant intégré dans chaque cas, alors que les méthodes par fragments et par jointure exacte donnent zéro.
Ces zéros ne doivent pas devenir la conclusion qu’aucun financeur n’est identifié nulle part. Les notices contiennent des assertions textuelles qu’un chercheur peut rapporter comme telles, même si la référence choisie des identifiants intégrés est vide. Le résultat typé expose donc les éléments textuels et d’autorité, et refuse de fabriquer un décompte d’organisations. Sur les six cas où aucun des deux champs du CSV n’est renseigné, cinq n’ont aucune relation de financement extraite, et un a une valeur de forme UUID non résolue ainsi qu’un marqueur de subvention littéral. Ni l’absence de relation ni une valeur non résolue ne dit si le livre a réellement reçu un financement.
Une concordance numérique n’est pas un résultat d’exactitude
La jointure exacte entre autorités ou valeurs égale le décompte des identifiants intégrés dans tous les cas observés. C’est une propriété de ces structures conservées : chaque identifiant intégré figure parmi les valeurs ou les identifiants d’autorité de la notice correspondante. Ce n’est pas un taux de réussite indépendant pour l’identification des financeurs. La structure intégrée fournit à la fois l’inventaire de référence et une partie des éléments qui servent à la jointure, si bien que la comparaison reste volontairement proche de la représentation. Son intérêt est de mettre en évidence l’opération et sa limite, non de prouver une supériorité face à une vérité externe.
Les différences signées sont gardées séparément par groupe de sélection. Le décompte brut des UUID diffère dans les six cas à subvention seule, dans un des six cas sans aucun champ renseigné, et dans les deux cas sentinelles. Le cas sentinelle Max Planck a quatre valeurs de forme UUID contre deux identifiants intégrés ; celui de la Commission européenne en a deux contre un. Sur les 24 cas tirés par hachage, les occurrences d’identifiants intégrés totalisent 17 quand on les additionne sur les notices, et les deux cas sentinelles en ajoutent trois. Ce sont des occurrences d’identifiants de la source dans des notices, et non le nombre d’organisations distinctes du catalogue ; elles ne servent pas à calculer une concentration.
Les chaînes de subvention demandent une interprétation tout aussi modeste. Les textes littéraux exacts « [...] », « […] » et « [grantnumber unknown] » apparaissent dans les champs conservés de la source. Ce sont des textes de la source, et non une troncature due à l’affichage. Des marqueurs de substitution apparaissent dans quatre cas à nom unique, deux cas à nom avec point-virgule, un cas à subvention seule et un cas sans aucun champ renseigné ; les deux cas sentinelles en contiennent aussi. Les autres textes de subvention renseignés sont conservés, mais non validés de façon indépendante comme identifiants de subvention. La procédure n’associe jamais les positions des subventions à celles des noms, car la proximité ou l’égalité de longueur des listes n’établirait pas de relation.
Des tests construits et des dénominateurs indéfinis explicites
Douze jeux d’essai synthétiques font jouer les règles de décision à part des notices observées. Ils comprennent un nom d’entité contenant un point-virgule, des alias et des assertions textuelles multilingues, l’absence de métadonnées intégrées, une valeur de forme UUID en trop, des valeurs en double, des marqueurs de subvention et un libellé CSV renommé. D’autres jeux couvrent des blocs d’entités en double, une entité intégrée sans valeur ni identifiant d’autorité correspondant, deux identifiants de la source qui partagent un libellé, et des identifiants invalides ou multiples dans un même bloc. Ce sont des tests logiciels construits à dessein. Leur fréquence et leur répartition ne disent rien de la fréquence de ces cas dans le DOAB.
Le jeu « entité intégrée sans correspondance » est particulièrement utile : sa référence vaut un, alors que sa jointure exacte vaut zéro. Il montre que la concordance observée sur les 26 notices n’est pas garantie pour toutes les entrées valides possibles. Le jeu « libellé renommé » donne des décomptes égaux, mais avec un indicateur explicite de désaccord de libellé : des totaux égaux peuvent cacher des différences de contenu. Le jeu « valeur en double » donne deux occurrences brutes contre un identifiant intégré. Ces tests permettent de vérifier le sens de chaque résultat sans inventer d’observations supplémentaires.
Les tests d’agrégation vérifient aussi l’abstention, et pas seulement le classement des notices. Un groupe synthétique mixte contient dix références définies et deux indéfinies ; un autre groupe contient seulement les deux cas indéfinis. Chaque résumé donne ses dénominateurs de références définies et indéfinies, ainsi que les nombres de comparaisons et d’abstentions pour chaque méthode. Les sommes qui ne portent que sur des cas indéfinis sont nulles au sens de « non définies » (null), et non égales à zéro. Cela évite qu’un échec du contrat d’identification disparaisse dans un dénominateur en apparence complet. Les 26 cas observés ont tous une référence définie selon la règle de forme des identifiants, de sorte que ces tests de robustesse ne changent pas les comparaisons publiées.
Reproduction, dates et règle pratique pour s’arrêter
Les données d’entrée compactes jointes contiennent seulement les métadonnées bibliographiques publiques sélectionnées dont ces décisions de structure ont besoin, avec les résultats agrégés et les jeux d’essai synthétiques, étiquetés à part. Elles excluent les livres entiers, les résumés, les réponses XML complètes et le CSV complet. Un script hors connexion reproduit les comparaisons par cas, les résumés par groupe et les tests de non-régression de l’abstention, à partir de chemins d’entrée et de sortie explicites. Les empreintes des sources d’origine et les adresses des requêtes permettent de vérifier des fichiers sources obtenus séparément, mais la reproduction par défaut ne contacte pas le DOAB et n’exige aucun fichier privé. La réutilisation des métadonnées suit la politique CC0 documentée du DOAB ; cette politique n’est pas une licence sur les livres décrits.
La comparaison reste celle de représentations conservées à des moments de récupération différents. Les dates d’enregistrement des 26 notices précèdent la récupération du CSV, mais elles n’établissent ni le moment de génération du CSV ni la synchronisation des métadonnées des entités liées. Les différences observées n’identifient donc ni un défaut de l’export ni une perte causée par la projection. La revue de la littérature est aussi ciblée, et non systématique : la voie du texte intégral de l’article de revue de 2022, le plus proche, et certains rapports officiels n’étaient pas entièrement accessibles, alors que des descriptions des auteurs et une analyse ultérieure l’étaient. Ces limites interdisent d’affirmer une singularité générale ; elles n’empêchent pas de décrire les structures réellement conservées.
Pour l’usage pratique, la règle d’arrêt est simple. Si la tâche est de faire l’inventaire des identifiants intégrés à la source, on fait cette opération et on la rapporte, en gardant les assertions non appariées et en laissant le périmètre visible. Si la tâche est de compter des organisations réelles, d’attribuer des maisons mères ou de relier des subventions à des financeurs, on s’arrête tant que le sens nécessaire n’est pas établi. Davantage de champs renseignés ne justifie pas automatiquement plus d’attribution. Cette étude de cas limitée montre qu’un bon résultat sur des métadonnées peut être un inventaire étayé accompagné d’éléments non résolus clairement indiqués, plutôt qu’un seul chiffre assuré qui répond à une autre question.
Désaccords de décompte par rapport aux identifiants intégrés de la source
Nombres de cas par état du CSV, cas sentinelles choisis à dessein présentés à part ; ni taux dans la population ni exactitude de l’identification des organisations.
Graphique complet et source
Faites défiler le graphique horizontalement pour le consulter. ↔
Graphique et valeurs
Faites défiler le tableau horizontalement pour voir toutes les colonnes.
| Groupe sélectionné | Cas | Occurrences d’identifiants intégrés | Désaccords : fragments du CSV | Désaccords : UUID bruts | Désaccords : jointure exacte |
|---|---|---|---|---|---|
| Échantillon par hachage : nom unique | 6 | 6 | 0 | 4 | 0 |
| Échantillon par hachage : nom à point-virgule | 6 | 11 | 1 | 2 | 0 |
| Échantillon par hachage : seule subvention | 6 | 0 | 0 | 6 | 0 |
| Échantillon par hachage : deux champs vides | 6 | 0 | 0 | 1 | 0 |
| Cas sentinelle Max Planck | 1 | 2 | 0 | 1 | 0 |
| Cas sentinelle CE/CER/Passau | 1 | 1 | 1 | 1 | 0 |
Quatre groupes de six notices tirées par hachage et deux cas sentinelles choisis à dessein, à part. Les décomptes comparent des méthodes aux UUID intégrés distincts, et non à des organisations réelles ni à la réalité du financement. Zéro désaccord peut coexister avec des assertions textuelles non rattachées.
Télécharger le graphique (SVG) ↓ · Télécharger le graphique (PNG) ↓
Données et téléchargements
Faites défiler le tableau horizontalement pour voir toutes les colonnes.
| Groupe sélectionné | Cas | Occurrences d’identifiants intégrés | Désaccords : fragments du CSV | Désaccords : UUID bruts | Désaccords : jointure exacte |
|---|---|---|---|---|---|
| Échantillon par hachage : nom unique | 6 | 6 | 0 | 4 | 0 |
| Échantillon par hachage : nom à point-virgule | 6 | 11 | 1 | 2 | 0 |
| Échantillon par hachage : seule subvention | 6 | 0 | 0 | 6 | 0 |
| Échantillon par hachage : deux champs vides | 6 | 0 | 0 | 1 | 0 |
| Cas sentinelle Max Planck | 1 | 2 | 0 | 1 | 0 |
| Cas sentinelle CE/CER/Passau | 1 | 1 | 1 | 1 | 0 |
Quatre groupes de six notices tirées par hachage et deux cas sentinelles choisis à dessein, à part. Les décomptes comparent des méthodes aux UUID intégrés distincts, et non à des organisations réelles ni à la réalité du financement. Zéro désaccord peut coexister avec des assertions textuelles non rattachées.
Faites défiler le tableau horizontalement pour voir toutes les colonnes.
| Groupe sélectionné | Référence définie | Référence indéfinie | Somme signée : fragments du CSV | Somme signée : UUID bruts | Somme signée : jointure exacte |
|---|---|---|---|---|---|
| Échantillon par hachage : nom unique | 6 | 0 | 0 | +5 | 0 |
| Échantillon par hachage : nom à point-virgule | 6 | 0 | +1 | +3 | 0 |
| Échantillon par hachage : seule subvention | 6 | 0 | 0 | +6 | 0 |
| Échantillon par hachage : deux champs vides | 6 | 0 | 0 | +1 | 0 |
| Cas sentinelle Max Planck | 1 | 0 | 0 | +2 | 0 |
| Cas sentinelle CE/CER/Passau | 1 | 0 | +2 | +1 | 0 |
Somme du décompte de la méthode moins la référence des identifiants intégrés, sur les seuls cas définis. Toutes les références observées sont définies ; les cas synthétiques indéfinis restent à part. Aucun taux dans la population ni estimation de l’exactitude des attributions.
Faites défiler le tableau horizontalement pour voir toutes les colonnes.
| Groupe synthétique | Cas | Référence définie | Référence indéfinie | Comparés par méthode | Abstentions par méthode | Somme de référence |
|---|---|---|---|---|---|---|
| Jeux d’essai mixtes | 12 | 10 | 2 | 10 | 2 | 10 |
| Jeux d’essai uniquement indéfinis | 2 | 0 | 2 | 0 | 2 | Non définie |
Ces groupes synthétiques font jouer la même fonction de résumé que les notices observées. Une somme « non définie » (null) signifie qu’aucune comparaison n’est définie, et non zéro désaccord.
Données et méthode
Notre méthode de calcul
- Sélection figée parmi 103 963 notices de livres admissibles d’un CSV DOAB daté et fixé ; six cas tirés par hachage dans chacun des quatre états nom/subvention, et deux cas sentinelles choisis à dessein, présentés à part.
- Les 26 réponses xoai sélectionnées correspondent à l’UUID et au handle du livre. Aucune substitution. La date des instantanés et la synchronisation des entités liées restent non vérifiées.
- Les règles de décision et les jeux d’essai synthétiques ont été mis au point après l’observation des 26 cas ; ce sont des cas de développement, et non la validation d’un protocole préenregistré ni un jeu de test réservé.
- La référence observable est l’ensemble des identifiants de forme UUID valides et distincts dans les blocs de financeurs intégrés, avec exactement un identifiant par bloc. Des métadonnées vides signifient seulement zéro identifiant intégré ; des identifiants invalides ou multiples rendent la référence indéfinie.
- Trois méthodes explicites comptent les fragments séparés par des points-virgules, les occurrences brutes de valeurs de forme UUID, ou les correspondances exactes entre autorités ou valeurs et identifiants intégrés de la même notice. Le désaccord est mesuré par rapport à la structure de la source, et non aux organisations réelles.
- Le texte, les identifiants d’autorité, les valeurs non appariées, les alias d’entités, les DOI déclarés et les chaînes de subvention restent séparés. Toutes les branches de langue sont incluses. Aucun appariement des subventions par position, aucune déduction de sens à partir de la forme UUID.
- La reproduction publique hors connexion utilise des structures bibliographiques sélectionnées compactes, douze jeux d’essai synthétiques et des tests communs d’agrégation pour les cas définis et indéfinis ; les fichiers d’origine sont identifiés par empreinte mais non redistribués.
Ce que les données ne permettent pas de conclure
- Ces cas exploratoires en nombre fini n’estiment ni la prévalence dans la population, ni l’exactitude du financement réel, ni la concentration des financeurs, ni les montants financiers.
- Le fait que les jointures exactes concordent avec les décomptes d’identifiants intégrés est une propriété de structure de ces cas, et non une exactitude d’identification indépendante ni une supériorité.
- Les entités de la source peuvent porter des libellés composés ; les identifiants de la source ne sont pas validés comme organisations réelles, subventions ou maisons mères ultimes.
- Un texte de subvention renseigné peut être un marqueur de substitution ; les autres chaînes de subvention et les DOI de financeurs déclarés n’ont pas été validés à l’extérieur.
- Des heures de récupération différentes et un moment inconnu de génération du CSV et des entités liées empêchent toute affirmation causale sur une perte à l’export.
- La revue ciblée des travaux antérieurs n’est pas systématique ; des textes intégraux de revues et des rapports officiels inaccessibles limitent l’évaluation de la nouveauté. Nous ne revendiquons aucune première.
Sources originales
- DOAB catalogue CSV
Conservé le 30 octobre 2026 : 114 618 lignes, dont 103 963 notices de livres admissibles. Horodatage de génération non vérifié ; le fichier entier n’est pas redistribué. L’empreinte SHA256 fixée et la provenance des structures sélectionnées sont fournies.
Consulté le 30 octobre 2026
- DOAB fuller xoai metadata: selected record example
Vingt-six réponses sélectionnées, récupérées le 30 octobre 2026 et appariées par UUID et handle du livre. Cet exemple a un nom d’entité intégrée unique qui contient un point-virgule. Les adresses exactes des requêtes, les tailles en octets et les empreintes de toutes les réponses sélectionnées figurent dans source-hashes.json.
Consulté le 30 octobre 2026
- DOAB metadata policy and formats
La documentation officielle conservée indique que les métadonnées sont sous CC0 et décrit les métadonnées xoai plus complètes. Ce n’est ni une licence sur le contenu des livres, ni une garantie que le CSV est complet, ni la preuve que les représentations sont synchronisées ; d’autres accès ultérieurs à la documentation n’étaient pas disponibles.
Consulté le 30 octobre 2026
- Tsuji (2018), Statistics on Open Access Books Available through the Directory of Open Access Books
Méthodes complètes et résultats détaillés examinés dans la revue ciblée : statistiques par sujet, langue, éditeur, année et licence, et non la comparaison typée des liens de financement au sein d’une même notice. Cette différence avec le présent article n’établit pas une nouveauté universelle.
Consulté le 30 octobre 2026
- Grassano and colleagues (2016), Funding Data from Publication Acknowledgements: Coverage, Uses and Limitations
Les méthodes du manuscrit des auteurs portent sur les remerciements des références, la comparaison de bases de données, l’harmonisation des noms et les niveaux d’organisation. La présente comparaison, limitée aux métadonnées, n’a pas de référence sur le financement réel et n’estime pas l’exactitude du financement.
Consulté le 30 octobre 2026
- Kramer and de Jonge, open funder metadata author dataset description
La description déposée par les auteurs, mise à jour en mars 2026, décrit une comparaison portant sur 5 004 productions à financeur connu et distingue noms et identifiants. La voie du texte intégral de l’article de revue de 2022, le plus proche, était inaccessible ; cette description n’est pas présentée comme un substitut des méthodes complètes.
Consulté le 30 octobre 2026
- Kramer (2026), open funding information analysis
L’analyse accessible de l’auteur compare les liens passant par un projet et les liens directs avec les financeurs, et note les dates différentes des instantanés des bases de données. L’architecture des liens et les écarts entre instantanés sont des questions méthodologiques déjà connues, non nouvelles ici.
Consulté le 30 octobre 2026
- UKRI / MoreBrains, Metadata to support the UKRI Open Access Policy, revised 2022
Les sections 4, 6.7.1 et 6.7.6 distinguent ce que le schéma permet de ce qui est réellement renseigné, et traitent des noms et des identifiants de financeurs pour les publications de forme longue. L’état incomplet des informations de financement des livres n’est pas en soi une lacune nouvelle.
Consulté le 30 octobre 2026
- Crossref funding-information specification
La spécification officielle distingue les identités de financeurs, les numéros de contrat et les identifiants de subvention, exige une association structurelle et décrit les limites de la recherche pour les noms non appariés. Ces règles sont des travaux antérieurs, et non une sémantique propre au DOAB pour ses valeurs de forme UUID.
Consulté le 30 octobre 2026
Citer et réutiliser cette étude
Alisson Bento. Quand le décompte des financeurs change avec les métadonnées : une étude de cas DOAB. Analyse comparative de métadonnées sélectionnées du Directory of Open Access Books, conservées en 2026. https://alissonbento.com/fr/research/doab-funding-metadata-counting-and-abstention/
Métadonnées bibliographiques sélectionnées : Directory of Open Access Books (DOAB), selon sa politique documentée de métadonnées CC0 1.0. Cette politique n’accorde aucune licence sur les livres décrits. Seules les métadonnées de structure sélectionnées qui sont nécessaires aux comparaisons limitées sont redistribuées ; aucun résumé, catalogue complet, XML complet, fichier de livre, illustration ou logo n’est inclus. Analyse comparative, protocole et figure originaux : Alisson Bento. Les travaux méthodologiques antérieurs de Grassano et ses collègues, de Kramer et de Jonge, de Kramer, de UKRI et MoreBrains, et de Crossref sont cités dans sources.json. Aucun soutien d’une agence ou d’un fournisseur de sources n’est sous-entendu. Aucune licence n’est inventée pour l’article complet, les textes de tiers ou le contenu des livres.
Corrections ou questions éditoriales