A pergunta escondida na contagem de financiadores
Um campo de catálogo pode conter o nome de um financiador sem trazer uma organização identificada. Um identificador pode aparecer em um campo de relacionamento sem corresponder a nenhuma entidade incorporada. Por outro lado, um registro pode conter uma declaração de financiamento com nome mesmo quando a coluna do CSV destinada aos nomes de financiadores está vazia. Essas distinções importam sempre que alguém transforma metadados de livros em uma tabela de instituições, auxílios ou relações de financiamento. Antes de perguntar qual organização aparece mais vezes, é preciso saber o que cada item contado representa de fato. Um delimitador, uma sequência com cara de identificador e uma entidade da fonte são unidades de análise diferentes.
Este estudo de caso, de metodologia comparativa, examina essas distinções em um conjunto pequeno e fixo de registros do Directory of Open Access Books (DOAB). Ele compara um CSV preservado do DOAB com os metadados xoai, mais completos, de 24 registros selecionados em quatro situações de preenchimento de campos do CSV e de dois exemplos estruturais escolhidos de propósito. Depois, avalia três regras simples de contagem e um procedimento tipado de decisão e abstenção, isto é, que decide o que pode ser contado e se abstém quando a evidência não permite. O objetivo é identificar operações reproduzíveis que essas representações específicas permitem, e não estimar a prevalência de livros financiados nem classificar organizações. A pergunta mais ampla, sobre a concentração do financiamento em certas organizações, continua sem resposta.
O resultado central é prático: é possível fazer um inventário defensável dos identificadores de entidades incorporadas na fonte, mas ele não equivale a um censo de financiadores. Dividir um nome que contém ponto e vírgula pode partir uma entidade representada em várias partes. Contar todos os valores com formato de UUID pode dar um número maior que o do inventário de entidades incorporadas. E olhar só para as entidades vinculadas com sucesso pode esconder declarações de financiamento escritas em texto. Um bom procedimento, portanto, precisa de mais que um único total. Ele deve entregar o inventário que a evidência sustenta, preservar a evidência sem correspondência e explicar quais atribuições propostas continuam sem justificativa.
Trabalhos anteriores e a contribuição mais restrita
As limitações dos dados bibliográficos sobre financiamento não são uma descoberta nova. Grassano e colegas examinaram a cobertura, os usos e as limitações dos agradecimentos a financiadores, inclusive a necessidade de harmonizar nomes e distinguir níveis organizacionais. A comparação deles usou agradecimentos de referência, que dão um tipo de validação que este estudo, baseado só em metadados, não tem. Não podemos transformar uma discrepância aparente entre duas representações do catálogo em uma medida de exatidão sobre o financiamento real. A referência relevante aqui é uma estrutura observável nos metadados preservados, e não uma lista verificada das organizações que financiaram um livro.
O trabalho de Kramer e de Jonge distingue a disponibilidade de nomes e a de identificadores nos metadados abertos de financiamento. A análise seguinte de Kramer considera vínculos diretos com financiadores e vínculos mediados por projetos, e observa que as bases de origem foram capturadas em datas diferentes. O relatório de metadados do UKRI e da MoreBrains também distingue o que um esquema permite do que os campos realmente trazem preenchido, e inclui publicações de formato longo. Essas contribuições já estabelecem a importância da arquitetura dos vínculos, dos identificadores incompletos e da cobertura de metadados específica de livros. A especificação de informações de financiamento da Crossref também separa a identidade do financiador dos números de concessão e dos identificadores de auxílio, e exige a associação estrutural adequada. Nenhum desses princípios é apresentado aqui como um método geral novo.
A contribuição mais restrita é um relato executável do que acontece quando operações específicas de contagem e de correspondência encontram estruturas heterogêneas de valores, de autoridades e de entidades incorporadas no DOAB. As estatísticas anteriores de Tsuji sobre o DOAB trataram de assuntos, idiomas, editoras, anos de publicação e licenças; a operação estudada aqui é, em vez disso, uma decisão de vinculação dentro do mesmo registro. A literatura consultada não estabelece o significado exato de cada valor com formato de UUID encontrado nesses arquivos. Em vez de inventar esse significado, o procedimento mantém os valores não resolvidos como um resultado explícito. Essa contribuição, específica para uma aplicação, deve ser julgada pelas consequências concretas das decisões que ela toma, e não por uma pretensão de ter inventado a prática prudente de lidar com metadados.
Um conjunto de origem fixo, e não uma estimativa para a população
O CSV preservado contém 114.618 linhas de catálogo, das quais 103.963 são registros de livros e 10.655 são registros de capítulos. Os registros de livros têm UUIDs e handles (identificadores permanentes) únicos e nenhum campo de livro-pai preenchido, segundo a verificação de elegibilidade usada aqui. O conjunto é formado por registros representados no catálogo, e não é um censo de obras intelectuais sem duplicações. Edições ou manifestações diferentes podem ter registros separados. O CSV original foi obtido em 30 de outubro de 2026, mas o horário em que foi gerado não foi verificado. Por isso, o momento da obtenção não é tratado como a data em que cada campo foi observado ou atualizado.
A seleção usou quatro situações que não se sobrepõem, definidas por dois campos do CSV: nome de financiador preenchido e sem ponto e vírgula; nome preenchido com ponto e vírgula; nome vazio com texto de auxílio preenchido; e os dois campos vazios. Os tamanhos desses grupos no conjunto de origem eram, respectivamente, 2.461, 126, 4.280 e 97.096. De cada situação foram escolhidos seis registros, por uma ordenação determinística baseada no hash (código calculado) do UUID do livro, com uma semente fixa. Esses grupos de tamanho igual foram escolhidos para examinar representações diferentes, e não para reproduzir a distribuição do catálogo. Os resultados são apresentados separadamente, sem estimativa conjunta de prevalência nem intervalo de incerteza.
Mais dois casos foram escolhidos para examinar rótulos que poderiam ser difíceis: uma combinação de Instituto e Sociedade Max Planck e uma combinação de European Commission, European Research Council e University of Passau. São sentinelas escolhidas de propósito, e não observações adicionais selecionadas por hash. A lista de seleção foi congelada antes das 26 consultas. Cada registro selecionado devolveu uma resposta bem-sucedida e coincidiu com o UUID e o handle do livro no CSV; nenhum registro indisponível foi substituído. O registro positivo examinado antes, que motivou este piloto, não estava entre esses 26 casos e não foi somado aos denominadores deles.
O que as estruturas preservadas permitem saber
O campo de nome do CSV é uma projeção cômoda, enquanto o xoai traz vários tipos diferentes de informação. Um relacionamento pode ter um valor, um identificador de autoridade e outros campos associados. Os metadados incorporados de itens vinculados podem, em separado, identificar uma entidade e dar seu nome, seus nomes alternativos ou um DOI declarado. Esses componentes podem ser comparados por sequências exatas de caracteres, mas seus papéis não devem ser misturados. Neste estudo, ter formato de UUID significa apenas que uma sequência tem a forma esperada. Isso não estabelece que ela designe um financiador, um auxílio ou qualquer outro objeto específico.
A contagem de referência da comparação é o número de sequências UUID válidas e distintas nos blocos de entidades financiadoras incorporadas de um registro. Para que essa contagem seja definida, cada bloco precisa conter exatamente um identificador com formato de UUID. O número de blocos incorporados é guardado à parte, para que blocos repetidos não inflem em silêncio um inventário de IDs distintos. Uma lista vazia de blocos dá zero identificadores incorporados, e não zero organizações nem zero financiamento. Um bloco com identificador inválido ou com mais de um identificador torna indefinida a referência de IDs distintos e leva à abstenção na comparação das contagens.
Outras declarações continuam disponíveis mesmo quando não se ligam a esse inventário. Os campos de relacionamento com valor em texto são preservados em todos os ramos de idioma. Os identificadores de autoridade e os valores com formato de UUID sem correspondência são registrados à parte. Os DOIs das entidades continuam sendo declarações da fonte, e não identidades confirmadas externamente; os nomes alternativos continuam sendo nomes alternativos, e não ordens automáticas para fundir organizações. Os arquivos preservados não estabelecem uma hierarquia de organizações-mãe, valores financeiros nem uma correspondência confiável entre cada texto de auxílio, no nível do livro, e um financiador específico. Essas operações ficam, portanto, fora do que a evidência do procedimento sustenta.
Três regras de contagem e um procedimento de abstenção
A primeira regra de referência divide a célula de nome do CSV nos pontos e vírgulas literais, apara os espaços, descarta as partes vazias e conta as partes que sobram, cada ocorrência de uma vez. Partes repetidas são mantidas. É uma regra deliberadamente simples, e não a afirmação de que alguma publicação anterior a tenha usado. A segunda regra conta as ocorrências com formato de UUID nos campos de valor dos relacionamentos, em todos os ramos de idioma, inclusive os valores repetidos, mas sem os campos de autoridade. A terceira toma a união exata das sequências de autoridade e dos valores com formato de UUID, faz a interseção desse conjunto com os identificadores válidos das entidades incorporadas no mesmo registro e conta as correspondências distintas.
Cada regra é comparada com a referência de IDs incorporados por meio de uma diferença com sinal: a contagem da regra menos a contagem de referência. O número finito de diferenças diferentes de zero é informado junto ao denominador do caso em questão. São divergências de contagem em relação a uma representação da fonte, e não erros em relação às identidades verdadeiras das organizações. A comparação pode mostrar que uma regra não reproduz o valor de referência escolhido, mas não pode estabelecer que uma regra meça corretamente o financiamento real. Uma diferença zero é especialmente pouco informativa quando as duas contagens são zero e o registro ainda contém evidência em texto sem correspondência.
O procedimento tipado acrescenta resultados que as três contagens não conseguem expressar. Ele marca os pontos e vírgulas dentro do rótulo de uma entidade incorporada, preserva as declarações em texto, distingue os valores com formato de UUID não resolvidos dos identificadores de autoridade não vinculados, identifica os marcadores literais exatos de auxílio e sinaliza quando as partes do nome no CSV discordam dos nomes incorporados. Ele também devolve abstenções explícitas para a contagem de organizações, a atribuição a organizações-mãe, a ligação entre auxílios e financiadores e as explicações causais de perdas na exportação. Essas regras foram desenvolvidas depois de observados os 26 casos. Os registros selecionados são casos de desenvolvimento, e não um conjunto de teste reservado, e o protocolo não é descrito como pré-registrado.
Um ponto e vírgula pode fazer parte do nome de uma entidade
O contraexemplo mais claro para o delimitador é o handle 20.500.12854/45768. Seu nome no CSV contém “Ecosystems Services for Poverty Alleviation (ESPA); University of Southampton”. No registro xoai preservado, essa sequência inteira é o nome de uma só entidade incorporada da fonte, com um identificador. Dividir o CSV dá duas ocorrências de partes do nome, enquanto a referência de IDs incorporados é um. O resultado não prova que a sequência descreva uma só organização real. Ele prova um ponto mais limitado, que pode ser verificado diretamente: neste caso, dividir pelo ponto e vírgula não reproduz a estrutura de entidades representada.
A sentinela da Comissão Europeia mostra o mesmo problema de forma mais forte. O handle 20.500.12854/182950 contém um nome que combina a European Commission, o European Research Council e a University of Passau. Esses três componentes aparentes pertencem ao nome de uma única entidade incorporada. A regra das partes do nome devolve três, contra um identificador incorporado: uma diferença com sinal de dois. Já a sentinela do Max Planck contém duas entidades incorporadas, para a Sociedade e para o Instituto. Uma única regra de delimitação não distingue esses dois padrões de representação, e nenhum dos dois fornece uma hierarquia organizacional com autoridade.
Nos seis casos selecionados por hash com ponto e vírgula no nome, a regra das partes do nome diverge da referência de IDs incorporados em um caso, com diferença total com sinal de um. Nos outros cinco, ela concorda numericamente. Essa concordância não garante que tudo tenha sido encontrado: o handle 20.500.12854/157342.2 contém dois nomes incorporados que correspondem às partes do nome no CSV, mas também dois rótulos de financiamento em texto, a mais, em um ramo em inglês. Contar as duas entidades vinculadas é uma operação reproduzível; tratar essas duas como o conjunto completo das declarações de financiamento descartaria outras evidências representadas.
Identificadores adicionais e o significado de um nome vazio
A contagem bruta de valores UUID diverge da referência de IDs incorporados em quatro dos seis casos de nome único e em dois dos seis casos de nome com ponto e vírgula. As diferenças com sinal somam cinco e três, respectivamente. Alguns registros contêm o identificador de uma entidade incorporada e mais valores com formato de UUID que não têm, naquela resposta, um bloco de entidade incorporada correspondente. O procedimento não classifica essas sequências adicionais como financiadores ausentes, auxílios, vínculos duplicados ou restos de uma migração. Cada uma dessas leituras seria uma afirmação sobre o significado, e exigiria uma evidência que a comparação atual não oferece.
O grupo só com auxílio torna essa distinção especialmente importante. Os seis registros selecionados têm vazia a célula de nome de financiador no CSV, mas têm rótulos em texto e identificadores de autoridade no xoai. Dois rótulos em texto nomeiam o European Research Council do H2020, três nomeiam a Knowledge Unlatched e um nomeia o National Endowment for the Humanities. Nenhum dos seis contém uma entidade financiadora incorporada no mesmo registro. Cada um também tem um valor de relacionamento com formato de UUID diferente do identificador de autoridade. Por isso, a contagem bruta de UUIDs devolve um, contra zero IDs incorporados, em cada caso, enquanto as regras das partes do nome e do vínculo exato devolvem zero.
Esses zeros não podem virar a conclusão de que nenhum financiador é identificado em lugar algum. Os registros contêm declarações em texto que uma pessoa pesquisadora pode relatar como tais, embora a referência de IDs incorporados escolhida esteja vazia. O resultado tipado, portanto, mostra a evidência em texto e de autoridade e se recusa a fabricar uma contagem de organizações. Entre os seis casos com os dois campos do CSV vazios, cinco não têm relacionamento de financiamento extraído e um tem um valor com formato de UUID não resolvido e um marcador literal de auxílio. Nem a ausência de um relacionamento nem um valor não resolvido estabelecem se o livro de fato recebeu financiamento.
Concordância numérica não é resultado de acurácia
O vínculo exato por autoridade ou valor é igual à contagem de IDs incorporados em todos os casos observados. Isso é uma propriedade dessas estruturas preservadas: cada identificador incorporado aparece entre os valores ou as autoridades do registro correspondente. Não é uma taxa independente de acerto na identificação de financiadores. A estrutura incorporada fornece tanto o inventário de referência quanto parte da evidência usada no vínculo; por isso, a comparação é propositalmente próxima da representação. Seu valor está em mostrar a operação e o seu limite, e não em demonstrar superioridade diante de um padrão externo de verdade.
As diferenças com sinal são mantidas separadas por grupo de seleção. A contagem bruta de valores UUID difere nos seis casos só com auxílio e em um dos seis casos com os dois campos vazios, além das duas sentinelas. A sentinela do Max Planck tem quatro valores com formato de UUID contra dois IDs incorporados; a da Comissão Europeia tem dois contra um. Nos 24 casos selecionados por hash, as ocorrências de IDs incorporados somam 17 quando somadas entre os registros, e as duas sentinelas acrescentam mais três. São ocorrências de IDs da fonte por registro, e não o número de organizações distintas do catálogo, e não são usadas para calcular concentração.
Os textos de auxílio pedem uma interpretação igualmente modesta. Os literais exatos “[...]”, “[…]” e “[grantnumber unknown]” aparecem nos campos preservados da fonte. São texto da fonte, e não cortes introduzidos pela exibição. Marcadores desse tipo ocorrem em quatro casos de nome único, dois de nome com ponto e vírgula, um só com auxílio e um com os dois campos vazios; as duas sentinelas também têm marcadores. Os demais textos de auxílio preenchidos são preservados, mas não foram validados de forma independente como identificadores de auxílio. O procedimento nunca liga posições de auxílios a posições de nomes, porque a proximidade ou o mesmo tamanho das listas não estabeleceria uma relação.
Testes construídos e denominadores indefinidos explícitos
Doze casos sintéticos exercitam as regras de decisão separadamente dos registros observados. Eles incluem um nome de entidade com ponto e vírgula, nomes alternativos e declarações em texto em vários idiomas, ausência de metadados incorporados, um valor extra com formato de UUID, valores repetidos, marcadores de auxílio e um rótulo do CSV que foi renomeado. Outros casos cobrem blocos de entidade repetidos, uma entidade incorporada sem valor ou autoridade correspondente, dois identificadores da fonte com o mesmo rótulo e identificadores inválidos ou múltiplos dentro de um bloco. São testes de software construídos de propósito. A frequência e a disposição desses casos nada dizem sobre a frequência desses padrões no DOAB.
O caso da entidade incorporada sem correspondência é especialmente útil, porque sua contagem de referência é um e a do vínculo exato é zero. Ele mostra que a concordância vista nos 26 registros observados não está garantida para todas as entradas válidas possíveis. O caso do rótulo renomeado tem contagens numéricas iguais, mas uma sinalização explícita de divergência de rótulo, o que mostra por que totais iguais podem esconder diferenças de conteúdo. O caso do valor repetido devolve duas ocorrências brutas contra um identificador incorporado. Esses testes permitem inspecionar o que cada resultado significa na prática, sem inventar observações adicionais.
Os testes de agregação também verificam a abstenção, e não apenas o classificador de registros. Um grupo sintético misto contém dez referências definidas e duas indefinidas; um grupo à parte contém só os dois casos indefinidos. Cada resumo informa os denominadores de referências definidas e indefinidas, junto com o número de casos comparados e de abstenções para cada regra. As somas de grupos só com casos indefinidos são nulas, e não zero. Isso impede que a falha na identificação desapareça dentro de um denominador aparentemente completo. Os 26 casos observados têm todos referência definida, pela regra de formato dos identificadores adotada; por isso, os testes de robustez não alteram as comparações apresentadas para eles.
Reprodução, momentos de coleta e uma regra prática de parada
Os arquivos de entrada compactos que acompanham o estudo contêm apenas os metadados bibliográficos públicos selecionados que essas decisões estruturais exigem, além dos resultados agregados e dos casos sintéticos, identificados à parte. Eles não incluem livros completos, resumos, respostas XML integrais nem o CSV completo. Um script offline reproduz as comparações por caso, os resumos por grupo e os testes de regressão da abstenção a partir de caminhos de entrada e de saída explícitos. Os hashes dos originais e as URLs das consultas permitem conferir bytes de fontes obtidas separadamente, mas a reprodução padrão não contata o DOAB nem exige arquivos privados. A reutilização dos metadados segue a política CC0 documentada do DOAB; essa política não é uma licença para os livros descritos.
A comparação continua sendo uma comparação de representações preservadas, obtidas em momentos diferentes. As datas de registro dos 26 casos são todas anteriores à obtenção do CSV, mas elas não estabelecem quando o CSV foi gerado nem se os metadados das entidades vinculadas estavam sincronizados. Por isso, os contrastes observados não identificam um defeito do exportador nem uma perda causal na projeção. A revisão da literatura também é direcionada, e não sistemática: o acesso mais próximo ao texto completo do artigo de periódico de 2022 e alguns relatórios oficiais não estavam totalmente acessíveis, enquanto descrições dos autores e uma análise posterior estavam. Esses limites impedem afirmações amplas de ineditismo, mas não a descrição das estruturas realmente preservadas.
Na prática, a regra de parada é simples. Se a tarefa é inventariar identificadores incorporados da fonte, faça essa operação e relate-a, preserve as declarações sem correspondência e deixe o alcance visível. Se a tarefa é contar organizações reais, atribuir organizações-mãe ou ligar auxílios a financiadores, pare quando o significado necessário não estiver estabelecido. Mais campos preenchidos não justificam automaticamente mais atribuições. Este estudo de caso finito mostra por que um bom resultado sobre metadados pode ser um inventário sustentado pela evidência, somado a evidências explicitamente não resolvidas, em vez de um único número confiante que responde a outra pergunta.
Divergências de contagem em relação à estrutura de IDs incorporados da fonte
Contagens finitas por situação do CSV, com as sentinelas escolhidas de propósito à parte; sem taxas na população nem exatidão sobre organizações.
Gráfico completo e fonte
Role para os lados para examinar o gráfico. ↔
Gráfico e valores
Role a tabela para os lados para ver todas as colunas.
| Grupo selecionado | Casos | Ocorrências de IDs incorporados | Divergências nas partes do nome (CSV) | Divergências na contagem bruta de UUIDs | Divergências nos vínculos exatos |
|---|---|---|---|---|---|
| Amostra por hash: nome único | 6 | 6 | 0 | 4 | 0 |
| Amostra por hash: nome com ponto e vírgula | 6 | 11 | 1 | 2 | 0 |
| Amostra por hash: só auxílio | 6 | 0 | 0 | 6 | 0 |
| Amostra por hash: ambos os campos vazios | 6 | 0 | 0 | 1 | 0 |
| Sentinela Max Planck | 1 | 2 | 0 | 1 | 0 |
| Sentinela CE/ERC/Passau | 1 | 1 | 1 | 1 | 0 |
Quatro grupos de seis casos selecionados por hash e duas sentinelas escolhidas de propósito, apresentadas à parte. As contagens comparam as regras com os UUIDs incorporados distintos, e não com organizações reais nem com a verdade sobre o financiamento. Zero divergências pode coexistir com declarações em texto sem vínculo.
Dados e downloads
Role a tabela para os lados para ver todas as colunas.
| Grupo selecionado | Casos | Ocorrências de IDs incorporados | Divergências nas partes do nome (CSV) | Divergências na contagem bruta de UUIDs | Divergências nos vínculos exatos |
|---|---|---|---|---|---|
| Amostra por hash: nome único | 6 | 6 | 0 | 4 | 0 |
| Amostra por hash: nome com ponto e vírgula | 6 | 11 | 1 | 2 | 0 |
| Amostra por hash: só auxílio | 6 | 0 | 0 | 6 | 0 |
| Amostra por hash: ambos os campos vazios | 6 | 0 | 0 | 1 | 0 |
| Sentinela Max Planck | 1 | 2 | 0 | 1 | 0 |
| Sentinela CE/ERC/Passau | 1 | 1 | 1 | 1 | 0 |
Quatro grupos de seis casos selecionados por hash e duas sentinelas escolhidas de propósito, apresentadas à parte. As contagens comparam as regras com os UUIDs incorporados distintos, e não com organizações reais nem com a verdade sobre o financiamento. Zero divergências pode coexistir com declarações em texto sem vínculo.
Role a tabela para os lados para ver todas as colunas.
| Grupo selecionado | Referência definida | Referência indefinida | Soma com sinal: partes do nome (CSV) | Soma com sinal: contagem bruta de UUIDs | Soma com sinal: vínculos exatos |
|---|---|---|---|---|---|
| Amostra por hash: nome único | 6 | 0 | 0 | +5 | 0 |
| Amostra por hash: nome com ponto e vírgula | 6 | 0 | +1 | +3 | 0 |
| Amostra por hash: só auxílio | 6 | 0 | 0 | +6 | 0 |
| Amostra por hash: ambos os campos vazios | 6 | 0 | 0 | +1 | 0 |
| Sentinela Max Planck | 1 | 0 | 0 | +2 | 0 |
| Sentinela CE/ERC/Passau | 1 | 0 | +2 | +1 | 0 |
Soma da contagem de cada regra menos a referência de IDs incorporados, só nos casos definidos. Todas as referências observadas são definidas; os casos sintéticos indefinidos ficam à parte. Sem taxa na população nem estimativa de exatidão da atribuição.
Role a tabela para os lados para ver todas as colunas.
| Grupo sintético | Casos | Referência definida | Referência indefinida | Comparados por regra | Abstenções por regra | Soma de referência |
|---|---|---|---|---|---|---|
| Casos sintéticos mistos | 12 | 10 | 2 | 10 | 2 | 10 |
| Apenas casos sintéticos indefinidos | 2 | 0 | 2 | 0 | 2 | Não definida |
Estes grupos sintéticos exercitam a mesma função de resumo usada para os registros observados. Uma soma ausente (“não definida”) significa que não há comparação definida, e não zero divergência.
Evidências e método
Como calculamos
- Seleção congelada a partir de 103.963 registros de livros elegíveis em um CSV fixo do DOAB: seis casos selecionados por hash em cada uma das quatro situações de nome e auxílio e duas sentinelas escolhidas de propósito, apresentadas à parte.
- Todas as 26 respostas xoai selecionadas coincidiram com o UUID e o handle do livro. Sem substituições. O momento da captura dos dados e a sincronização das entidades vinculadas continuam sem verificação.
- As regras de decisão e os casos sintéticos foram desenvolvidos depois da observação dos 26 casos; são casos de desenvolvimento, e não validação de um protocolo pré-registrado nem um conjunto reservado de teste.
- O valor de referência observável são os identificadores válidos e distintos com formato de UUID nos blocos de financiadores incorporados, com exatamente um identificador por bloco. Metadados vazios significam apenas zero IDs incorporados; identificadores inválidos ou múltiplos tornam a referência indefinida.
- Três regras explícitas contam as ocorrências de partes do nome separadas por ponto e vírgula, as ocorrências brutas de valores UUID ou as correspondências exatas, no mesmo registro, entre autoridade ou valor e IDs incorporados. A divergência é relativa à estrutura da fonte, e não a organizações reais.
- Texto, autoridade, valores sem correspondência, nomes alternativos das entidades, DOIs declarados e textos de auxílio permanecem separados. Todos os ramos de idioma são incluídos. Sem correspondência por posição entre auxílios e nomes e sem inferência de significado a partir da sintaxe do UUID.
- A reprodução pública offline usa estruturas bibliográficas selecionadas e compactas, doze casos sintéticos e testes de regressão compartilhados para a agregação com referências definidas e indefinidas; os bytes das fontes originais têm hashes registrados, mas não são redistribuídos.
O que os dados não permitem concluir
- Casos exploratórios finitos não estimam a prevalência na população, a exatidão sobre o financiamento real, a concentração de organizações nem valores financeiros.
- A concordância dos vínculos exatos com as contagens de IDs incorporados é uma propriedade estrutural desses casos, e não exatidão independente de identificação nem superioridade.
- Entidades da fonte podem ter rótulos compostos; os identificadores da fonte não são organizações reais, auxílios nem organizações-mãe finais validados.
- Um texto de auxílio preenchido pode ser um marcador; os demais textos de auxílio e os DOIs de financiadores declarados não foram validados externamente.
- Momentos de obtenção diferentes e a falta de informação sobre quando o CSV foi gerado e sobre o momento das entidades vinculadas impedem afirmações causais de perda na exportação.
- A revisão direcionada de trabalhos anteriores não é sistemática; textos completos de periódicos e relatórios oficiais inacessíveis limitam a avaliação do ineditismo. Não se afirma ser o primeiro estudo do tipo.
Fontes originais
- DOAB catalogue CSV
Preservado em 30 de outubro de 2026: 114.618 linhas, das quais 103.963 são registros de livros elegíveis. O horário de geração não foi verificado; o arquivo completo não é redistribuído. Fornecem-se o SHA-256 fixado e a origem das estruturas selecionadas.
Acesso em 30 de outubro de 2026
- DOAB fuller xoai metadata: selected record example
Vinte e seis respostas selecionadas, obtidas em 30 de outubro de 2026 e conferidas pelo UUID e pelo handle do livro. Este exemplo tem o nome de uma única entidade incorporada que contém ponto e vírgula. As URLs exatas das consultas, o número de bytes e os hashes de todas as respostas selecionadas estão em source-hashes.json.
Acesso em 30 de outubro de 2026
- DOAB metadata policy and formats
A documentação oficial preservada identifica os metadados como CC0 e descreve os metadados xoai, mais completos. Isso não é licença para o conteúdo dos livros, nem garantia de que o CSV esteja completo, nem prova de que as representações estejam sincronizadas; rotas alternativas posteriores para a documentação estavam indisponíveis.
Acesso em 30 de outubro de 2026
- Tsuji (2018), Statistics on Open Access Books Available through the Directory of Open Access Books
Métodos completos e resultados enumerados examinados na revisão direcionada da literatura: estatísticas de assunto, idioma, editora, ano e licença, e não a comparação tipada de vínculos de financiamento dentro do mesmo registro. A diferença em relação a esse trabalho não é ineditismo universal.
Acesso em 30 de outubro de 2026
- Grassano and colleagues (2016), Funding Data from Publication Acknowledgements: Coverage, Uses and Limitations
Os métodos do manuscrito dos autores tratam de agradecimentos de referência, de comparações entre bases, da harmonização de nomes e dos níveis organizacionais. A comparação feita aqui, só com metadados, não tem um padrão de referência sobre o financiamento real e não estima a exatidão do financiamento.
Acesso em 30 de outubro de 2026
- Kramer and de Jonge, open funder metadata author dataset description
Descrição depositada pelos autores, atualizada em março de 2026, que apresenta uma comparação de 5.004 publicações com financiador conhecido e distingue nomes e identificadores. O acesso mais próximo ao texto completo do artigo de periódico de 2022 estava inacessível; essa descrição não é apresentada como substituta dos métodos completos.
Acesso em 30 de outubro de 2026
- Kramer (2026), open funding information analysis
Análise acessível de Kramer, que compara vínculos com financiadores mediados por projetos e vínculos diretos, e observa as datas diferentes de captura das bases de dados. A arquitetura dos vínculos e as diferenças entre datas de captura são preocupações metodológicas anteriores, e não invenções deste estudo.
Acesso em 30 de outubro de 2026
- UKRI / MoreBrains, Metadata to support the UKRI Open Access Policy, revised 2022
As seções 4, 6.7.1 e 6.7.6 distinguem o que o esquema permite dos metadados efetivamente preenchidos e discutem nomes e identificadores de financiadores para publicações de formato longo. A completude do financiamento de livros não é, por si só, uma lacuna nova.
Acesso em 30 de outubro de 2026
- Crossref funding-information specification
A especificação oficial distingue as identidades dos financiadores, os números de concessão e os identificadores de auxílio, exige a associação estrutural e descreve limites na recuperação de nomes sem correspondência. Essas regras são conhecimento anterior, e não o significado, específico de uma implementação, dos valores UUID do DOAB.
Acesso em 30 de outubro de 2026
Como citar e reutilizar
Alisson Bento. Quando a contagem de financiadores muda com os metadados: um estudo de caso do DOAB. Análise comparativa de metadados selecionados do Directory of Open Access Books preservados em 2026. https://alissonbento.com/pt/research/doab-funding-metadata-counting-and-abstention/
Metadados bibliográficos selecionados: Directory of Open Access Books (DOAB), sob a política de metadados CC0 1.0 documentada. Essa política não licencia os livros descritos. Só são redistribuídos os metadados estruturais selecionados que as comparações finitas exigem; não estão incluídos resumos, o catálogo completo, XML integral, arquivos de livros, imagens artísticas nem logotipos. Análise comparativa, protocolo e figura originais: Alisson Bento. Os trabalhos metodológicos anteriores de Grassano e colegas, de Kramer e de Jonge, de Kramer, do UKRI/MoreBrains e da Crossref são creditados em sources.json. Não se sugere aprovação de nenhuma agência ou fornecedor de fontes. Nenhuma licença é inventada para o artigo completo, para textos de terceiros ou para o conteúdo dos livros.
Correções ou dúvidas editoriais