Dialnet: calidad editorial en revistas editadas en OJS

Nueva herramienta para comprobar la calidad editorial en revistas editadas en OJS

Esta funcionalidad permite a cualquier editor de una revista editada en OJS comprobar si sus datos se exponen de forma correcta a través del OAI.

En Dialnet pretenden aportar su experiencia en mejorar la edición electrónica de las revistas. Para ello han elaborado un nuevo servicio destinado a que los editores puedan comprobar la calidad de los metadatos de sus revistas. El servicio está disponible en https://dialnet.unirioja.es/info/ayuda/calidad-editorial

Una vez dentro, solo hay que añadir la URL de la página principal de la revista o, alternativamente, la dirección del repositorio OAI-PMH de la revista, que se construye añadiendo /oai a esa URL (por ejemplo, en el caso de la revista https://revistas.proeditio.com/ehquidad la dirección de su repositorio OAI-PMH es https://revistas.proeditio.com/ehquidad/oai ). La aplicación hace una comprobación de los metadatos de la revista y emite un informe por correo-e al usuario que lo ha solicitado (suele llegar antes de una hora).

Open Journal Systems (OJS) es una solución de código abierto para la edición electrónica de revistas científicas. Se trata de una herramienta gratuita, que facilita la gestión y edición de la revista al editor,  puesto que le ayuda tanto en las tareas administrativas como en los procesos editoriales: envío de artículos originales, comunicación del editor con los autores, procesos de revisión por pares, etc. A la hora de incluir los datos de los artículos en esta plataforma, es necesario hacerlo de una forma correcta, siguiendo todos los pasos y aprovechando todos los campos que OJS ofrece. Estas buenas prácticas, nos aseguran estar exponiendo satisfactoriamente los metadatos de los artículos a través del OAI de nuestra plataforma.

Desde la Fundación Dialnet, llevan mucho tiempo trabajando con revistas editadas en este tipo de formato electrónico y son conscientes de que en muchas ocasiones estas cuestiones no se tienen en cuenta . Por tanto esta herramienta se pone a disposición de los editores con el fin mejorar su calidad editorial (ya que pueden encontrar rápidamente aquellas cuestiones a mejorar) a la vez que ayuda a que los procesos de inclusión de contenidos en Dialnet, se realicen de una forma más eficiente y sostenible.

BIP! Finder

BIP Finder es una herramienta que ayuda al descubrimiento de publicaciones valiosas. Esta herramienta admite la clasificación y comparación de artículos científicos en función de su popularidad (impacto a corto plazo) o influencia (impacto a largo plazo), a la vez que proporciona características útiles como infografías intuitivas para cada artículo y un mecanismo de marcadores.

Medir el impacto de un artículo científico no es una tarea trivial, y podemos tropezar fácilmente con dificultades en el camino. Es una simplificación excesiva suponer que existe una única medida de impacto de publicación única para todos. De hecho, tal impacto puede tener varios aspectos que deberían ser capturados y entendidos de muchas maneras diferentes.

Por ejemplo, un investigador a menudo necesita buscar los artículos más "populares" en un campo, es decir, aquellos que actualmente son el punto focal de la comunidad científica. Por otro lado, un investigador puede estar interesado en recopilar documentos "influyentes" para un campo, es decir, aquellos que han moldeado fuertemente el campo. Cada uno de esos aspectos de impacto de un documento, es decir, popularidad e influencia, se puede estimar realizando un tipo diferente de análisis de enlaces en la red de citas subyacente.

En BIP! Buscador, la influencia se calcula usando PageRank mientras que la popularidad se calcula ejecutando TAR-RAM en la red de citas.

BIP! Finder actualmente contiene datos de más de 53 millones de artículos y más de 624 millones de citas. Para cada artículo, BIP! La base de datos de Finder contiene algunos metadatos comunes (por ejemplo, su DOI, lista de autores, año de publicación y lugar, etc.) junto con sus citas. Estas citas se utilizan para construir la red de citas de los artículos científicos almacenados. Los datos de citas se recopilan de OpenCitations, mientras que los metadatos del artículo se recopilan de Crossref y Open Academic Graph. Todos los puntajes de aspectos de impacto medidos por nosotros se pueden recuperar a través de nuestra API pública.

Data sharing

Data sharing: qué son y cómo se pueden compartir los datos de investigación

Andrea Sixto-Costoya, Rafael Aleixandre-Benavent, Antonio Vidal-Infer, Rut Lucas-Domínguez, Lourdes Castelló-Cogollos. Data sharing: qué son y cómo se pueden compartir los datos de investigación. Manual de recomendación para gestores de la información. Documento de trabajo nº 7, 2019 /

El uso compartido de datos es la acción de compartir con el resto de la comunidad científica el material sin procesar generado durante el curso de la investigación que sirve para extraer y validar resultados. Actualmente, el data sharing se engloba dentro de la filosofía de acceso abierto, entendiéndose el compartir datos como una práctica que favorece que la ciencia sea más abierta y accesible.

Desde esta perspectiva de open access, el data sharing promueve que los datos sin procesar puedan tener una “segunda vida” y se puedan utilizar más allá del fin para el que fueron generados en un principio. Estos usos pueden ir desde la reutilización de los datos para producir nuevos estudios, a servir como verificadores de resultados de investigación.