时间:2020.03.09 浏览:688次 作者:ISE 来源:
当我们回顾过去十年的研究并展望下一个十年时,毫无疑问,学术出版界正在发生变化。在过去的十年中,学术期刊已经正式实现数字化,最新的STM报告指出:“现在几乎所有STM期刊都可以在线获取,因此,绝大多数期刊的使用都以电子方式进行。” 同时,在许多人看来 ,以开放获取(OA)为主要内容的出版方式已经从有可能转变为很可能。
Springer Nature于2017年对全球研究机构的200名专业人员进行了一项调查(https://www.researchinformation.info/news/open-access-future-–-springer-nature-survey),发现超过70%的受访者同意应该公开获取学术内容,而91%的图书馆员则同意“ 开放获取是学术和科学出版的未来。”
不断变化的出版规范和期望引发了新一轮的出版技术和标准, 2020年最大的学术出版进展会是什么?在此文中,我们介绍了新的一年中要注意的五个趋势。
以学术界两个最大的流行语开始:机器学习和人工智能(AI)。机器学习是AI概念的一种应用。AI是使机器能够执行任务的理论。AI和机器学习如何在学术出版中应用?突出的两个领域是内容策划和内容解释。
在内容管理方面,AI和机器学习有可能改变出版商展示内容并呈现给读者的方式。机器学习使相关内容的分组成为可能,甚至可以根据读者之前阅读的内容向他们提出建议。
在内容解释方面,AI和机器学习为学者和出版商提供了机会,可以更快,更轻松地理解研究并在研究之间建立联系。例如,AI可以用来帮助找到相关的同行评审专家。科技创业公司Scite.ai,在分析文章引文以查看它们是否存在支持或矛盾。
可操作性更强的元数据是在线发表的另一个方面。它正在成为学术交流领域中利益相关者关注的重点。为了识别学术内容,这些不同的出版系统或数据库需要能够以机器可读的元数据处理信息。在如此众多相互关联的系统中,对机器可读内容标准的需求日益增长,以使元数据更易于访问、更可靠。
标准的元数据简化了内容获取和转移。元数据可能会影响特定文件的发现,销售。更丰富,更可互操作的元数据可能直接影响当前和潜在AI的速度和准确性。
关于改善元数据质量和互操作性的另一个著名举措是Metadata2020。Metadata2020的目标是召集学术界的利益相关者,讨论在整个研究生命周期中如何使用元数据,并提出改进元数据的建议,包括开发共享数据绘制标准和期望。
学术界越来越多的共识是,将来大部分的学术内容都将OA , 但是如何达到这一目的?欧洲发起的Plan S于2018年9月宣布,该计划旨在立即进行全面的OA研究,这在整个学术界都产生了冲击。
为了不影响期刊缺乏运营资金过渡到完全和立即开放OA出版,Wellcome和UKRI与ALPSP合作发起了“学会出版商加速开放获取和Plan S (Society Publishers Accelerating Open Access and Plan S- SPA-OPS)”项目,为学会确定可行的OA出版模式和过渡选项。SPA-OPS的最终报告于2019年9月发布,涵盖了20多种潜在的OA模式,策略以及“变革性协议工具包”。
自2012年《旧金山研究评估宣言》(DORA)建议发布以来,越来越多的学术机构和资助者呼吁改变采用期刊影响因子(JIF)驱动的研究评估文化。正如DORA指出的那样,JIF“最初是为了帮助图书馆员识别要购买的期刊而创建的,而不是作为对文章的科学质量的衡量。” DORA认为,应该“根据文章自身情况评估研究,而不是根据期刊进行评估”。
多年来,DORA获得了稳定的支持。DORA最近发布了研究评估十大进展清单,其中包括一些组织承诺在2020年进行具体研究评估改革的例子。
2020年的另一个趋势是预印本服务器使用的增加。近年来,我们看到预印本服务器和新用途的增长,包括将文章的最终版本存档以使其成为绿色OA;发表研究数据集,代码和补充材料。
通过作者自我存档进行的绿色OA是可供出版商遵守Plan S的过渡模式之一。
只有时间能说明下一个十年究竟会发生什么,但是可以肯定的是,我们很可能会在学术出版的所有领域看到更大的创新。您今年还会注意其他哪些学术出版趋势?欢迎评论分享您的想法!
参考文献:
https://blog.scholasticahq.com/post/scholarly-publishing-trends-to-watch
上一篇:PLOS ONE将接受和发表新的文章类型:Registered Reports
下一篇:关于对文章长短的取舍经验总结
返回