La domanda nascosta in un conteggio dei finanziatori
Un campo di catalogo può contenere il nome di un finanziatore senza che ci sia un’organizzazione identificata con certezza. Un identificatore può comparire in un campo di relazione senza corrispondere a un’entità incorporata. All’inverso, un record può contenere un’indicazione di finanziamento con un nome anche quando la comoda colonna del CSV con i nomi dei finanziatori è vuota. Queste differenze contano ogni volta che si trasformano i metadati dei libri in una tabella di istituzioni, sovvenzioni o rapporti di finanziamento. Prima di chiedersi quale organizzazione compaia più spesso, bisogna stabilire che cosa rappresenti davvero ciò che si conta. Un separatore, una stringa che ha la forma di un identificatore e un’entità della fonte sono unità di analisi diverse.
Questo studio di caso metodologico e comparativo esamina tali differenze su un piccolo insieme fisso di record della Directory of Open Access Books. Confronta un CSV DOAB conservato con i metadati xoai più completi di 24 record, scelti in quattro stati dei campi del CSV, e di due esempi strutturali scelti di proposito. Poi valuta tre semplici regole di conteggio e una procedura di decisione e di astensione che distingue i tipi di informazione. Lo scopo è individuare le operazioni riproducibili che queste rappresentazioni permettono, non stimare quanti libri siano finanziati né classificare le organizzazioni. La domanda più ampia sulla concentrazione dei finanziamenti fra organizzazioni resta senza risposta.
Il risultato centrale è pratico: si può costruire un inventario difendibile degli identificatori incorporati nella fonte, ma non lo si può usare al posto di un censimento dei finanziatori. Dividere un nome che contiene un punto e virgola può spezzare una sola entità in più frammenti. Contare ogni valore in forma di UUID può dare un numero più alto dell’inventario delle entità incorporate. Guardare solo alle entità collegate con successo può invece nascondere indicazioni di finanziamento esplicite scritte in testo. Una procedura utile ha quindi bisogno di più di un solo totale: deve restituire l’inventario che si può sostenere, conservare le prove non collegate e dire quali attribuzioni proposte restano ingiustificate.
I lavori esistenti e il contributo più circoscritto
I limiti dei dati bibliografici sui finanziamenti non sono una scoperta nuova. Grassano e colleghi hanno esaminato copertura, usi e limiti dei ringraziamenti per i finanziamenti nelle pubblicazioni, compresa la necessità di armonizzare i nomi e di distinguere i livelli organizzativi. Il loro confronto usava i ringraziamenti come riferimento, una forma di verifica che questo studio, basato solo sui metadati, non ha. Non possiamo trasformare una discrepanza apparente fra due rappresentazioni del catalogo in una misura dell’accuratezza sui finanziamenti reali. Il riferimento qui è una struttura osservabile dentro i metadati conservati, non un elenco verificato delle organizzazioni che hanno finanziato un libro.
Il lavoro di Kramer e de Jonge distingue la disponibilità di nomi e di identificatori nei metadati aperti sui finanziamenti. La successiva analisi di Kramer considera i collegamenti diretti con i finanziatori e quelli mediati dai progetti, e osserva che le sue banche dati di origine sono state acquisite in date diverse. Anche il rapporto sui metadati di UKRI e MoreBrains distingue ciò che lo schema permette dai campi effettivamente compilati e comprende le pubblicazioni di ampio respiro, come i libri. Questi contributi hanno già stabilito l’importanza dell’architettura dei collegamenti, degli identificatori incompleti e della copertura dei metadati specifici per i libri. Anche la specifica di Crossref sulle informazioni di finanziamento distingue l’identità del finanziatore dai numeri di premio e dagli identificatori di sovvenzione, e richiede un’associazione strutturale appropriata. Nessuno di questi principi è presentato qui come un nuovo metodo generale.
Il contributo più circoscritto è una descrizione eseguibile di che cosa accade quando certe operazioni di conteggio e di corrispondenza incontrano le diverse strutture di valori, identificatori di autorità ed entità incorporate presenti in DOAB. Le precedenti statistiche di Tsuji su DOAB riguardavano materie, lingue, editori, anni di pubblicazione e licenze; l’operazione studiata qui è invece una decisione di collegamento all’interno dello stesso record. La letteratura esaminata non chiarisce il significato esatto di ogni valore in forma di UUID incontrato in questi file. Invece di inventarlo, la procedura conserva i valori non risolti come risultato esplicito. Questo contributo, legato a una specifica applicazione, va giudicato dalle conseguenze concrete delle sue decisioni, non dalla pretesa di aver inventato una pratica prudente per i metadati.
Un insieme di partenza fisso, non una stima sulla popolazione
Il CSV conservato contiene 114.618 righe di catalogo, fra cui 103.963 record di libri e 10.655 record di capitoli. I record dei libri hanno UUID e handle unici e, con il controllo di ammissibilità usato qui, nessun campo di libro padre compilato. L’insieme è un gruppo di record di catalogo, non un censimento senza duplicati delle opere. Edizioni o forme diverse della stessa opera possono avere record separati. Il CSV originale è stato scaricato il 30 ottobre 2026, ma non è stata verificata la sua data di generazione. L’ora del download non vale quindi come data in cui ogni campo è stato osservato o aggiornato.
La selezione ha usato quattro stati, che si escludono a vicenda, di due campi del CSV: una cella con un nome di finanziatore senza punto e virgola; una cella con un nome che contiene il punto e virgola; un nome vuoto con testo di sovvenzione compilato; entrambi i campi vuoti. Le dimensioni dei quattro insiemi erano 2.461, 126, 4.280 e 97.096. Da ciascuno sono stati scelti sei record con un ordinamento deterministico basato su hash dell’UUID del libro, con un seme fisso. Si sono scelti gruppi di uguale dimensione per esaminare rappresentazioni diverse, non per riprodurre la distribuzione del catalogo. I risultati sono riportati separatamente, senza una stima aggregata di prevalenza né un intervallo di incertezza inferenziale.
Sono stati scelti altri due casi per esaminare etichette potenzialmente difficili: una combinazione di Max Planck Institute e Society, e una combinazione di European Commission, European Research Council e University of Passau. Sono sentinelle scelte di proposito, non altre osservazioni selezionate con l’hash. L’elenco della selezione è stato fissato prima delle 26 richieste. Ogni record scelto ha dato una risposta riuscita e corrispondeva a UUID e handle del libro nel CSV; nessun record non disponibile è stato sostituito. Il record positivo già esaminato che ha motivato questo studio pilota non rientra fra questi 26 casi e non viene aggiunto ai loro denominatori.
Che cosa possono dirci le strutture conservate
Il campo dei nomi del CSV è una proiezione comoda, mentre xoai espone diversi tipi di materiale. Una relazione può avere un valore, un identificatore di autorità e altri campi associati. I metadati incorporati di un elemento collegato possono invece identificare un’entità e dare il suo nome, i nomi alternativi o un DOI dichiarato. Questi elementi si possono confrontare con stringhe esatte, ma i loro ruoli non vanno confusi. In questo studio «in forma di UUID» significa solo che una stringa ha la sintassi prevista. Non stabilisce che indichi un finanziatore, un premio o un altro oggetto particolare.
Il riferimento per il confronto è il numero di stringhe UUID valide e distinte nei blocchi di entità finanziatrici incorporati in un singolo record. Perché il conteggio sia definito, ogni blocco deve contenere esattamente un identificatore in forma di UUID. Il numero di blocchi incorporati è conservato a parte, così i blocchi duplicati non gonfiano di nascosto un inventario di ID distinti. Un elenco vuoto di blocchi dà zero identificatori incorporati, non zero organizzazioni né zero finanziamenti. Un blocco con un identificatore non valido o con più identificatori rende indefinito il riferimento sugli ID distinti e fa scattare l’astensione dal confronto dei conteggi.
Le altre indicazioni restano disponibili anche quando non si collegano a quell’inventario. I campi di relazione con valori testuali sono conservati in tutte le versioni linguistiche. Gli identificatori di autorità e i valori in forma di UUID non collegati sono registrati a parte. I DOI delle entità restano indicazioni della fonte, non identità risolte con fonti esterne, e i nomi alternativi restano nomi alternativi, non istruzioni automatiche per unire organizzazioni. I file conservati non stabiliscono una gerarchia di organizzazioni madri, importi finanziari né un collegamento affidabile fra ogni testo di sovvenzione del libro e un finanziatore particolare. Queste operazioni restano quindi fuori dalle prove su cui si basa la procedura.
Tre regole di conteggio e una procedura di astensione
La prima regola di base divide al punto e virgola letterale la cella del nome nel CSV, toglie gli spazi dai pezzi, scarta quelli vuoti e conta le occorrenze dei frammenti rimasti. I frammenti ripetuti sono conservati. È una regola volutamente semplice, non l’affermazione che una pubblicazione precedente l’abbia usata. La seconda regola conta le occorrenze in forma di UUID nei campi di valore delle relazioni, in tutte le versioni linguistiche, compresi i valori ripetuti ma esclusi i campi di autorità. La terza prende l’unione esatta delle stringhe di autorità e dei valori in forma di UUID, la interseca con gli identificatori validi delle entità incorporate dello stesso record e conta le corrispondenze distinte.
Ogni regola è confrontata con il riferimento degli ID incorporati tramite una differenza con segno: il suo conteggio meno il conteggio di riferimento. Il numero finito di differenze diverse da zero è riportato insieme al denominatore del caso. Sono discordanze di conteggio rispetto a una rappresentazione della fonte, non errori rispetto alle vere identità delle organizzazioni. Il confronto può mostrare che una regola non riproduce l’osservabile scelto, ma non può stabilire che una regola misuri correttamente il finanziamento effettivo. Una differenza pari a zero dice molto poco quando entrambi i conteggi sono zero e il record contiene comunque prove testuali non collegate.
La procedura che distingue i tipi di informazione aggiunge risultati che i tre conteggi non possono esprimere. Segnala i punti e virgola dentro l’etichetta di un’entità incorporata, conserva le indicazioni testuali, distingue i valori in forma di UUID non risolti dagli identificatori di autorità non collegati, riconosce i segnaposto letterali nel testo della sovvenzione e segnala il disaccordo fra i frammenti del CSV e i nomi incorporati. Restituisce inoltre astensioni esplicite sul conteggio delle organizzazioni, sull’attribuzione alle organizzazioni madri, sull’assegnazione di una sovvenzione a un finanziatore e sulle spiegazioni causali di perdite nell’esportazione. Queste regole sono state messe a punto dopo aver osservato i 26 casi. I record scelti sono casi di sviluppo, non un insieme di verifica tenuto da parte, e il protocollo non è descritto come registrato in anticipo.
Un punto e virgola può far parte del nome di una sola entità
Il controesempio più chiaro sul separatore è l’handle 20.500.12854/45768. Il suo nome nel CSV contiene «Ecosystems Services for Poverty Alleviation (ESPA); University of Southampton». Nel record xoai conservato, l’intera stringa è il nome di una sola entità incorporata della fonte, con un solo identificatore. Dividere il CSV dà due occorrenze di frammenti, mentre il riferimento degli ID incorporati è uno. Il risultato non prova che la stringa descriva una sola organizzazione reale. Prova il punto più limitato, che si può verificare direttamente: in questo caso la divisione al punto e virgola non riproduce la struttura delle entità rappresentate.
La sentinella della Commissione europea mostra lo stesso problema in modo più netto. L’handle 20.500.12854/182950 contiene una stringa di nome che unisce la Commissione europea, il Consiglio europeo della ricerca e l’Università di Passau. Questi tre componenti apparenti appartengono al nome di una sola entità incorporata. La regola dei frammenti dà tre contro un identificatore incorporato, con una differenza con segno di due. La sentinella Max Planck, al contrario, contiene due entità incorporate, la Society e l’Institute. Una sola regola sul separatore non può distinguere questi due schemi di rappresentazione, e nessuno dei due fornisce una gerarchia organizzativa autorevole.
Fra i sei casi con punto e virgola scelti con l’hash, la regola dei frammenti è discordante con il riferimento degli ID incorporati in un caso, con una differenza totale con segno di uno. Negli altri cinque casi coincide numericamente. Questa coincidenza non garantisce che si sia accertato tutto: l’handle 20.500.12854/157342.2 contiene due nomi incorporati corrispondenti ai frammenti del CSV, ma anche due altre etichette di finanziamento in testo, in una versione in lingua inglese. Contare le due entità collegate è un’operazione riproducibile; trattarle come l’insieme completo delle indicazioni di finanziamento scarterebbe altre prove rappresentate.
Identificatori in più e significato di un nome vuoto
Il conteggio grezzo dei valori in forma di UUID è discordante con il riferimento degli ID incorporati in quattro dei sei casi con un solo nome e in due dei sei casi con punto e virgola. Le differenze con segno ammontano rispettivamente a cinque e a tre. Alcuni record contengono un identificatore di entità incorporata più altri valori in forma di UUID che, in quella risposta, non hanno alcun blocco di entità incorporata corrispondente. La procedura non definisce queste stringhe in più come finanziatori o premi mancanti, collegamenti duplicati o residui di migrazioni. Ognuna sarebbe un’affermazione di significato che richiederebbe prove che il confronto attuale non fornisce.
Il gruppo con solo testo della sovvenzione rende la distinzione particolarmente importante. Tutti e sei i record scelti hanno vuota la cella del nome del finanziatore nel CSV, ma in xoai hanno etichette testuali esplicite e identificatori di autorità. Due etichette di testo indicano l’H2020 European Research Council, tre indicano Knowledge Unlatched e una indica il National Endowment for the Humanities. Nessuno dei sei contiene un’entità finanziatrice incorporata nello stesso record. Ciascuno ha inoltre un valore di relazione in forma di UUID diverso dall’identificatore di autorità. Di conseguenza la regola sugli UUID grezzi dà uno contro zero ID incorporati in ogni caso, mentre le regole dei frammenti e della corrispondenza esatta danno zero.
Quei conteggi a zero non devono diventare la conclusione che non sia identificato alcun finanziatore. I record contengono indicazioni testuali che chi fa ricerca può riportare come tali, anche se il riferimento scelto, quello degli ID incorporati, è vuoto. Il risultato della procedura mostra quindi il testo e le prove di autorità e rifiuta di fabbricare un conteggio di organizzazioni. Fra i sei casi senza nessuno dei due campi compilati, cinque non hanno alcun rapporto di finanziamento estratto e uno ha un valore in forma di UUID non risolto più un segnaposto letterale di sovvenzione. Né l’assenza di un rapporto né un valore non risolto stabiliscono se il libro in questione abbia davvero ricevuto un finanziamento.
L’accordo numerico non è un risultato di accuratezza
La corrispondenza esatta fra autorità e valori è uguale al conteggio degli ID incorporati in ogni caso osservato. È una proprietà di queste strutture conservate: ogni identificatore incorporato compare fra i valori o fra le autorità del record corrispondente. Non è un tasso di successo indipendente nell’identificare i finanziatori. La struttura incorporata fornisce sia l’inventario di riferimento sia parte delle prove usate dalla corrispondenza, perciò il confronto è per costruzione vicino alla rappresentazione. Il suo valore sta nel mostrare l’operazione e il suo limite, non nel dimostrare una superiorità rispetto a un criterio di verità esterno.
Le differenze con segno sono tenute separate per gruppo di selezione. Il conteggio grezzo degli UUID è diverso in tutti e sei i casi con solo testo della sovvenzione e in uno dei sei casi senza nessuno dei due campi, oltre che in entrambe le sentinelle. La sentinella Max Planck ha quattro valori in forma di UUID contro due ID incorporati; quella della Commissione europea ne ha due contro uno. Nei 24 casi scelti con l’hash le occorrenze di ID incorporati sommano 17, sommando sui record, mentre le due sentinelle ne aggiungono tre. Sono occorrenze di ID della fonte a livello di record, non il numero di organizzazioni distinte nel catalogo, e non servono a calcolare una concentrazione.
Anche i testi delle sovvenzioni richiedono un’interpretazione altrettanto cauta. I testi letterali «[...]», «[…]» e «[grantnumber unknown]» compaiono nei campi della fonte conservati. Sono testo della fonte, non un troncamento introdotto dalla visualizzazione. Il segnaposto compare in quattro casi con un solo nome, due con punto e virgola, uno con solo testo della sovvenzione e uno senza nessuno dei due campi; anche entrambe le sentinelle contengono segnaposto. Altri testi di sovvenzione compilati sono conservati ma non convalidati in modo indipendente come identificatori di premio. La procedura non abbina mai la posizione di una sovvenzione a quella di un nome, perché l’adiacenza o l’uguale lunghezza degli elenchi non stabilirebbe un rapporto.
Test costruiti e denominatori esplicitamente indefiniti
Dodici casi di prova sintetici mettono alla prova le regole di decisione separatamente dai record osservati. Comprendono un nome di entità con punto e virgola, nomi alternativi e indicazioni testuali in più lingue, metadati incorporati assenti, un valore in più in forma di UUID, valori duplicati, segnaposto di sovvenzione e un’etichetta rinominata nel CSV. Altri casi riguardano blocchi di entità duplicati, un’entità incorporata senza valore o autorità corrispondente, due identificatori della fonte con la stessa etichetta e identificatori non validi o multipli in un solo blocco. Sono test software costruiti apposta. La loro frequenza e disposizione non dicono nulla su quanto spesso tali schemi compaiano in DOAB.
Il caso dell’entità incorporata senza corrispondenza è particolarmente utile perché il suo conteggio di riferimento è uno mentre quello della corrispondenza esatta è zero. Mostra che l’accordo visto nei 26 record osservati non è garantito per tutti gli input validi possibili. Il caso dell’etichetta rinominata ha conteggi numericamente uguali ma un segnale esplicito di disaccordo fra etichette, e mostra perché totali uguali possono nascondere differenze di contenuto. Il caso dei valori duplicati dà due occorrenze grezze contro un solo identificatore incorporato. Questi test rendono controllabile il significato operativo di ogni risultato senza inventare altre osservazioni.
I test di aggregazione verificano anche l’astensione, e non soltanto il classificatore dei singoli record. Un gruppo sintetico misto contiene dieci riferimenti definiti e due indefiniti; un gruppo separato contiene solo i due casi indefiniti. Ogni riepilogo riporta i denominatori con riferimento definito e indefinito, insieme ai conteggi dei casi confrontati e di quelli per cui ci si è astenuti, per ogni regola. Le somme dei soli casi indefiniti sono «non definite», non zero. Così un contratto di identificazione non rispettato non scompare in un denominatore apparentemente completo. Tutti i 26 casi osservati hanno riferimenti definiti secondo la regola sulla forma degli identificatori, quindi i test di robustezza non cambiano i confronti riportati.
Riproduzione, tempi e una regola pratica per fermarsi
I dati compatti allegati contengono solo i metadati bibliografici pubblici selezionati che servono a queste decisioni strutturali, insieme ai risultati aggregati e ai casi di prova sintetici, etichettati a parte. Escludono libri interi, abstract, risposte XML integrali e il CSV completo. Uno script offline riproduce i confronti per caso, i riepiloghi per gruppo e i test di regressione sull’astensione, partendo da percorsi espliciti di input e output. Gli hash delle fonti originali e gli URL delle richieste permettono di controllare byte ottenuti separatamente, ma la riproduzione predefinita non contatta DOAB né richiede file privati. Il riutilizzo dei metadati segue la politica CC0 documentata di DOAB; tale politica non è una licenza sui libri descritti.
Il confronto resta un confronto fra rappresentazioni conservate in momenti di acquisizione diversi. Tutte le 26 date dei record precedono il download del CSV, ma quelle date non stabiliscono quando il CSV sia stato generato né se i metadati delle entità collegate fossero sincronizzati. I contrasti osservati non indicano quindi un errore dell’esportazione né una perdita causale nella proiezione. Anche la rassegna della letteratura è mirata e non sistematica: la via più vicina al testo integrale della rivista del 2022 e alcuni rapporti ufficiali non erano pienamente accessibili, mentre erano disponibili descrizioni degli autori e un’analisi successiva. Questi confini impediscono affermazioni generali di unicità, non la descrizione delle strutture effettivamente conservate.
Per l’uso pratico la regola per fermarsi è semplice. Se il compito è fare l’inventario degli identificatori incorporati nella fonte, si esegue e si riporta quell’operazione, si conservano le indicazioni non collegate e si tiene visibile l’ambito. Se il compito è contare le organizzazioni reali, attribuire gli enti madre o collegare i premi ai finanziatori, ci si ferma quando non è stabilito il significato necessario. Più campi compilati non giustificano automaticamente più attribuzioni. Questo studio di caso finito mostra perché un buon risultato sui metadati può consistere in un inventario sostenibile più le prove non risolte, dichiarate in modo esplicito, invece che in un solo numero sicuro di sé che risponde a un’altra domanda.
Discordanze di conteggio rispetto alla struttura degli ID incorporati nella fonte
Conteggi finiti per stato del CSV, con le sentinelle scelte di proposito a parte; nessun tasso sulla popolazione né accuratezza sulle organizzazioni.
Grafico completo e fonte
Scorri il grafico in orizzontale per esaminarlo. ↔
Grafico e valori
Scorri la tabella in orizzontale per vedere tutte le colonne.
| Gruppo selezionato | Casi | Occorrenze di ID incorporati | Discordanze nei frammenti del CSV | Discordanze negli UUID grezzi | Discordanze nella corrispondenza esatta |
|---|---|---|---|---|---|
| Campione con hash: un solo nome | 6 | 6 | 0 | 4 | 0 |
| Campione con hash: nome con punto e virgola | 6 | 11 | 1 | 2 | 0 |
| Campione con hash: solo testo della sovvenzione | 6 | 0 | 0 | 6 | 0 |
| Campione con hash: nessuno dei due campi | 6 | 0 | 0 | 1 | 0 |
| Sentinella Max Planck | 1 | 2 | 0 | 1 | 0 |
| Sentinella CE/ERC/Passau | 1 | 1 | 1 | 1 | 0 |
Quattro gruppi di sei scelti con l’hash e due sentinelle scelte di proposito, a parte. I conteggi confrontano le regole con gli UUID incorporati distinti, non con le organizzazioni effettive né con la verità sui finanziamenti. Zero discordanze può coesistere con indicazioni testuali non collegate.
Dati e download
Scorri la tabella in orizzontale per vedere tutte le colonne.
| Gruppo selezionato | Casi | Occorrenze di ID incorporati | Discordanze nei frammenti del CSV | Discordanze negli UUID grezzi | Discordanze nella corrispondenza esatta |
|---|---|---|---|---|---|
| Campione con hash: un solo nome | 6 | 6 | 0 | 4 | 0 |
| Campione con hash: nome con punto e virgola | 6 | 11 | 1 | 2 | 0 |
| Campione con hash: solo testo della sovvenzione | 6 | 0 | 0 | 6 | 0 |
| Campione con hash: nessuno dei due campi | 6 | 0 | 0 | 1 | 0 |
| Sentinella Max Planck | 1 | 2 | 0 | 1 | 0 |
| Sentinella CE/ERC/Passau | 1 | 1 | 1 | 1 | 0 |
Quattro gruppi di sei scelti con l’hash e due sentinelle scelte di proposito, a parte. I conteggi confrontano le regole con gli UUID incorporati distinti, non con le organizzazioni effettive né con la verità sui finanziamenti. Zero discordanze può coesistere con indicazioni testuali non collegate.
Scorri la tabella in orizzontale per vedere tutte le colonne.
| Gruppo selezionato | Riferimento definito | Riferimento indefinito | Somma con segno: frammenti del CSV | Somma con segno: UUID grezzi | Somma con segno: corrispondenza esatta |
|---|---|---|---|---|---|
| Campione con hash: un solo nome | 6 | 0 | 0 | +5 | 0 |
| Campione con hash: nome con punto e virgola | 6 | 0 | +1 | +3 | 0 |
| Campione con hash: solo testo della sovvenzione | 6 | 0 | 0 | +6 | 0 |
| Campione con hash: nessuno dei due campi | 6 | 0 | 0 | +1 | 0 |
| Sentinella Max Planck | 1 | 0 | 0 | +2 | 0 |
| Sentinella CE/ERC/Passau | 1 | 0 | +2 | +1 | 0 |
Somma del conteggio della regola meno il riferimento degli ID incorporati, solo sui casi definiti. Tutti i riferimenti osservati sono definiti; i casi sintetici indefiniti restano a parte. Nessuna stima di tassi sulla popolazione né dell’accuratezza dell’attribuzione.
Scorri la tabella in orizzontale per vedere tutte le colonne.
| Gruppo sintetico | Casi | Riferimento definito | Riferimento indefinito | Confrontati per regola | Astensioni per regola | Somma di riferimento |
|---|---|---|---|---|---|---|
| Casi di prova misti | 12 | 10 | 2 | 10 | 2 | 10 |
| Soli casi di prova indefiniti | 2 | 0 | 2 | 0 | 2 | Non definita |
Questi gruppi sintetici usano la stessa funzione di riepilogo dei record osservati. Una somma «non definita» significa che non c’è alcun confronto definito, non che ci siano zero discordanze.
Dati e metodo
Come abbiamo calcolato
- Selezione fissata in anticipo fra i 103.963 record di libri ammissibili di un CSV DOAB con hash registrato; sei casi scelti con hash in ciascuno dei quattro stati dei campi nome/sovvenzione e due sentinelle scelte di proposito, riportate a parte.
- Tutte le 26 risposte xoai selezionate corrispondevano a UUID e handle del libro. Nessuna sostituzione. I tempi dell’acquisizione e la sincronizzazione delle entità collegate restano non verificati.
- Le regole di decisione e i casi di prova sintetici sono stati messi a punto dopo aver osservato i 26 casi; sono casi di sviluppo, non una convalida di un protocollo registrato in anticipo né un insieme di verifica tenuto da parte.
- L’osservabile di riferimento è il numero di identificatori in forma di UUID validi e distinti nei blocchi di entità finanziatrici incorporati, con esattamente un identificatore per blocco. Metadati vuoti significano solo zero ID incorporati; identificatori non validi o multipli rendono indefinito il riferimento.
- Tre regole esplicite contano le occorrenze di frammenti al punto e virgola, le occorrenze di valori in forma di UUID grezzi o le corrispondenze esatte, nello stesso record, fra autorità o valori e ID incorporati. La discordanza è rispetto alla struttura della fonte, non rispetto a organizzazioni reali.
- Testo, autorità, valori non collegati, nomi alternativi delle entità, DOI dichiarati e testi di sovvenzione restano separati. Sono incluse tutte le versioni linguistiche. Nessun abbinamento per posizione fra sovvenzioni e nomi, nessuna deduzione di significato dalla sintassi degli UUID.
- La riproduzione pubblica offline usa strutture bibliografiche selezionate compatte, dodici casi di prova sintetici e test di regressione condivisi sull’aggregazione con riferimenti definiti e indefiniti; i byte delle fonti originali hanno un’impronta registrata ma non sono ridistribuiti.
Cosa non possiamo dedurre dai dati
- Pochi casi esplorativi non permettono di stimare la prevalenza nella popolazione, l’accuratezza sui finanziamenti effettivi, la concentrazione delle organizzazioni né gli importi finanziari.
- Che la corrispondenza esatta coincida con i conteggi degli ID incorporati è una proprietà strutturale di questi casi, non un’accuratezza di identificazione indipendente né una superiorità.
- Le entità della fonte possono avere etichette composte; gli identificatori della fonte non sono organizzazioni, premi o enti madre ultimi convalidati come reali.
- Un testo di sovvenzione compilato può essere un segnaposto; gli altri testi di sovvenzione e i DOI dichiarati dei finanziatori non sono stati convalidati con fonti esterne.
- I diversi momenti di acquisizione e la data ignota di generazione del CSV e della sincronizzazione delle entità collegate impediscono affermazioni causali su perdite dell’esportazione.
- La rassegna mirata della letteratura precedente non è sistematica; il testo integrale non accessibile di una rivista e i rapporti ufficiali non accessibili limitano la valutazione della novità. Nessuna pretesa di primato.
Fonti originali
- DOAB catalogue CSV
Conservato il 30 ottobre 2026: 114.618 righe, fra cui 103.963 record di libri ammissibili. Data di generazione non verificata; il file completo non è ridistribuito. Sono forniti l’hash SHA256 registrato e la provenienza della struttura selezionata.
Consultato il 30 ottobre 2026
- DOAB fuller xoai metadata: selected record example
Ventisei risposte selezionate, scaricate il 30 ottobre 2026 e abbinate per UUID e handle del libro. Questo esempio ha un solo nome di entità incorporata che contiene un punto e virgola. URL esatti delle richieste, dimensioni in byte e hash di tutte le risposte selezionate sono in source-hashes.json.
Consultato il 30 ottobre 2026
- DOAB metadata policy and formats
La documentazione ufficiale conservata indica i metadati come CC0 e descrive i metadati xoai più completi. Non è una licenza sui contenuti dei libri, né una garanzia di completezza del CSV, né una prova che le rappresentazioni siano sincronizzate; le vie alternative alla documentazione, più tardi, non erano disponibili.
Consultato il 30 ottobre 2026
- Tsuji (2018), Statistics on Open Access Books Available through the Directory of Open Access Books
Metodi completi e risultati elencati esaminati nella rassegna mirata della letteratura: statistiche su materie, lingue, editori, anni e licenze, non il confronto per tipi sul collegamento dei finanziamenti nello stesso record. La differenza rispetto a questo studio non è una novità assoluta.
Consultato il 30 ottobre 2026
- Grassano and colleagues (2016), Funding Data from Publication Acknowledgements: Coverage, Uses and Limitations
I metodi del manoscritto d’autore trattano i ringraziamenti come riferimento, i confronti fra banche dati, l’armonizzazione dei nomi e i livelli organizzativi. Il presente confronto, basato solo sui metadati, non ha un riferimento sul finanziamento effettivo e non stima l’accuratezza sui finanziamenti.
Consultato il 30 ottobre 2026
- Kramer and de Jonge, open funder metadata author dataset description
Descrizione depositata dagli autori, aggiornata a marzo 2026, di un confronto su 5.004 pubblicazioni con finanziatori noti; distingue nomi e identificatori. La via più vicina al testo integrale della rivista del 2022 era inaccessibile; questa descrizione non è presentata come sostituto dei metodi completi.
Consultato il 30 ottobre 2026
- Kramer (2026), open funding information analysis
Analisi accessibile degli autori: confronta i collegamenti ai finanziatori mediati dai progetti e quelli diretti, e osserva le diverse date delle istantanee delle banche dati. L’architettura dei collegamenti e le differenze fra istantanee sono questioni metodologiche già note, non inventate qui.
Consultato il 30 ottobre 2026
- UKRI / MoreBrains, Metadata to support the UKRI Open Access Policy, revised 2022
Le sezioni 4, 6.7.1 e 6.7.6 distinguono le possibilità dello schema dai metadati effettivamente compilati e trattano nomi e ID dei finanziatori per le pubblicazioni di ampio respiro. La completezza dei dati sui finanziamenti dei libri non è di per sé una lacuna nuova.
Consultato il 30 ottobre 2026
- Crossref funding-information specification
La specifica ufficiale distingue l’identità dei finanziatori, i numeri di premio e gli identificatori di sovvenzione, richiede l’associazione strutturale e descrive i limiti nel recuperare nomi non abbinati. Queste regole sono lavori precedenti, non una semantica specifica dei valori UUID di DOAB.
Consultato il 30 ottobre 2026
Citare e riutilizzare lo studio
Alisson Bento. Quando il conteggio dei finanziatori cambia con i metadati: uno studio di caso su DOAB. Analisi comparativa di metadati selezionati della Directory of Open Access Books conservati nel 2026. https://alissonbento.com/it/research/doab-funding-metadata-counting-and-abstention/
Metadati bibliografici selezionati: Directory of Open Access Books (DOAB), secondo la politica documentata CC0 1.0 sui metadati. Questa politica non concede una licenza sui libri descritti. Sono ridistribuiti solo i metadati strutturali selezionati che servono ai confronti limitati; non sono inclusi abstract, catalogo completo, XML integrali, file dei libri, immagini né loghi. Analisi comparativa, protocollo e figura originali: Alisson Bento. Il lavoro metodologico precedente di Grassano e colleghi, Kramer e de Jonge, Kramer, UKRI/MoreBrains e Crossref è citato in sources.json. Non è implicita alcuna approvazione da parte di enti o fornitori delle fonti. Non viene inventata alcuna licenza per l’intero articolo, per i testi di terzi o per i contenuti dei libri.
Correzioni o domande editoriali