Úvodní slovo

Portál OpenAIRE (angl. OpenAIRE portal) představuje jeden z nejvýznamnějších projektů služeb nad digitálními archivy a institucionálními repozitáři s otevřeným přístupem v oblasti vědy, výzkumu a inovací v 21. století. Portál je financován z rozpočtu Evropské komise a v současné době je řízen Konsorciem OpenAIRE (angl. OpenAIRE consortium)[1].

Portál, který vznikl v rámci projektu OpenAIRE (Open Access Infrastructure for Research in Europe), umožňuje skrze jednotné uživatelské rozhraní zprostředkovat přístup k výsledkům vědecké činnosti ve formě elektronických dokumentů rozmanitých typů a formátů v celoevropském měřítku. Portál dále nabízí dílčí služby typu statistik, signálního informování, personalizovaného uživatelského rozhraní, propojení na sociální sítě a dokonce i vlastního virtuálního úložiště Zenodo[2], které směřují k podpoře principů otevřeného přístupu v celoevropském měřítku.

K počátku dubna 2015 portál OpenAIRE nabízel přístup již k více než 9 900 000 metadatových záznamů dokumentů a více než 6 800 souborů dat (angl. dataset) pocházejících z 579 zdrojových archivů a časopisů s otevřeným přístupem. K více než 9,5 miliónu těchto primárních dokumentů (96 % celkového počtu) je garantován přístup v režimu otevřeného přístupu. Nejvíce příspěvků pochází z Nizozemska (615 tisíc záznamů), naopak nejméně ze Slovenské republiky (necelých 900 záznamů)[3].

Poznámka: Následující text si za cíl klade popsat a zhodnotit portál OpenAIRE s důrazem na jeho funkční součásti, včetně možností vyhledávání informací a dílčích služeb s přidanou hodnotou. Nejedná se o hodnocení celkového projektu OpenAIRE a projektů souvisejících (tomu bude věnovaný samostatný článek v jednom z příštích čísel).

Vývoj portálu OpenAIRE

Historie portálu je spojena s tříletým projektem Evropské komise OpenAIRE (zkratka pro Infrastrukturu s otevřeným přístupem pro výzkum v Evropě), který byl realizován mezi prosincem 2009 a květnem 2012 a jehož cílem bylo vytvořit infrastrukturu pro komunikaci vědeckých informací v souladu s pilotním programem pro OA Evropské komise (angl. European Commision Open Access Pilot) a směrnicemi pro OA Evropské výzkumné rady (angl. European Research Council Open Access guidelines). Úspěšné završení projektu představilo nejen výše uvedený portál, ale také tzv. Evropský systém helpdesků (angl. European Helpdesk System), založený na distribuované síti národních a regionálních kontaktních osob za účelem spolupráce s knihovnickými organizacemi zainteresovanými v záležitostech OA (např. LIBER, SPARC Europe), a vlastní digitální úložiště určený odborníkům, kteří nemají přístup do institucionálních nebo předmětových repozitářů.

V prosinci 2011 byl zahájen 30-měsíční projekt OpenAIREplus (zkratka pro 2. Generaci Infrastruktury s otevřeným přístupem pro výzkum v Evropě, angl. 2nd Generation of Open Access Infrastructure for Research in Europe) financovaný 7. Rámcovým programem Evropské komise (angl. The EC 7th Framework Programme), jehož záměrem bylo rozšířit záběr původní infrastruktury nejen směrem vyššího počtu uživatelů, ale i typologie odborných informací. Zahrnuty měly být materiály – včetně nerecenzovaných publikací a výzkumných souborů dat – ze všech vědeckých disciplín v členských státech EU. Mezi dílčí cíle projektu patřilo také propojování souborů dat a publikací napříč vědeckými disciplínami pomocí sémantických vztahů, tzv. „přidružených publikací“ (angl. Enhanced publications) vytvořených koncovými uživateli a zajištění interoperability s již existujícími virtuálními infrastrukturami jako Mendeley, DataCite a ORCID[4].

K 1. lednu 2015 byla zahájen navazující projekt OpenAIRE2020 (angl. The OpenAIRE2020 Project). Projekt je financován z rozpočtu Evropské komise a jeho hlavním cílem je podpora programu Horizont 2020 (angl. Horizon 2020) zprostředkováním infrastruktury, v jejímž rámci budou vědecké publikace a výsledky výzkumů ukládány, propojovány a zpřístupňovány.

V současné době je do projektu zapojených již 31 evropských států.

Struktura portálu

Datová infrastruktura portálu OpenAIRE je založena na balíčku nástrojů D-NET Software Toolkit[5]. Ten nabízí otevřené prostředí orientované na služby, ve kterém mohou být komplexní procesy zpracování dat snadno navrženy, modifikovány a obohaceny o nové funkce[6]. V současné době tak struktura portálu sestává ze tří následujících vrstev[7]:

• Vrstva pro správu dynamické sady heterogenních datových zdrojů: Hlavní funkcí je sběr a integrace metadat z institucionálních repozitářů kompatibilních se směrnicemi OpenAIRE pomocí protokolu OAI-PMH. Za účelem pozdějšího propojování záznamů a jejich sémantického obohacování však portál také čerpá data z databáze Evropské komise CORDA (oficiální seznam projektů tzv. Sedmého rámcového programu EC FP7) a adresáře OpenDOAR (oficiální seznam institucionálních repozitářů).[8]
• Vrstva pro správu informačního prostoru: Zde probíhají procesy „normalizace“ (resp. transformace a čištění) a propojování získaných dat a metadat. Vrstva zároveň zprostředkuje funkce automatického odvozování vztahů mezi záznamy publikací a projekty. S cílem poskytnout co nejpřesnější statistické informace jsou její součástí také deduplikační procesy umožňující identické záznamy a autory identifikovat a sloučit.
• Vrstva pro podporu přístupu do informačního prostoru: Uvedená vrstva je zodpovědná za zprostředkování funkcí zajišťujících přístup koncových uživatelů (vyhledávání, prohlížení a nadstavbové služby) a systémů (všechny entity v informačním prostoru jsou dosažitelné pomocí aplikačních programových rozhraní REST, OAI-PMH, OAI-ORE a SRW/CQL)[9].

Dílčí služby

Vedle základních možností vyhledávače nad digitálními archivy, tedy dotazového vyhledávání a prohlížení rejstříků, portál OpenAIRE nabízí několik dílčích služeb orientovaných jak na autory, resp. poskytovatele obsahu (včetně provozovatelů repozitářů), tak i na koncové uživatele[10].

Lokace akademických institucí/repozitářů: Vědcům a odborníkům, kteří mají zájem zveřejnit svůj výzkum prostřednictvím portálu, OpenAIRE nabízí jednoduchou funkci lokalizace instituce nebo repozitáře, s nimiž jsou afilovaní. Tato funkce zahrnuje jak dotazové vyhledávání opatřené našeptávačem, tak i interaktivní mapu všech repozitářů zapojených do projektu.

Zenodo: V případě, že daný repozitář s portálem nespolupracuje, popřípadě se jedná o autora, který není afilován s žádnou akademickou institucí, OpenAIRE umožňuje dokumenty uložit do vlastního úložiště Zenodo provozovaného při Evropské organizaci pro jaderný výzkum CERN.

Propojení publikací: Registrovaní uživatelé mají možnost propojit výsledky výzkumu ve formě publikací a souborů dat s projekty, v jejichž rámci výzkum proběhl, a entitami, které ho financovaly.

Připojení k OpenAIRE: Provozovatelé mohou prostřednictvím jednoduchého rozhraní registrovat své archivy a repozitáře v síti OpenAIRE. Nejprve jsou však nuceni otestovat jejich kompatibilitu se směrnicemi OpenAIRE, teprve posléze je možné přistoupit k samotné registraci.

Statistiky: Služba OpenAIRE Monitoring uživatelům nabízí každodenně aktualizované statistické informace zahrnující nejen celkové počty publikací, souborů dat a repozitářů, ale i dílčí data zohledňující jejich jednotlivé charakteristiky (geografický původ, jazyk, zdrojový archiv, typ, datum) a žebříčky (top 20 převládajících jazyků a top 20 zdrojových archivů). Statistiky lze zobrazit ve formě graficky přívětivých tabulek, sloupcových grafů a kruhových diagramů).

OpenAIRE newsletter: Registrovaní uživatelé se mohou zdarma přihlásit k odběru online newsletteru, jehož obsah se vztahuje k aktuálnímu dění v oblasti politiky otevřeného přístupu, aktivit OpenAIRE, vědecké komunikace a správy výzkumných dat.

Vyhledávání

Vyhledávání metadatových záznamů dokumentů a souborů dat lze v rámci portálu OpenAIRE realizovat dvěma hlavními způsoby: klasickým dotazovým vyhledáváním pomocí vyhledávacího okna a alternativním prohlížením rejstříků.

První z uvedených způsobů nabízí dvě varianty: jednoduché a pokročilé vyhledávání. Základem první z uvedených je jediné vyhledávací okno, do kterého je zadán informační dotaz jednoslovné či víceslovné povahy. Jednoduchý režim (viz obr. 1) umožňuje pracovat jak se základními booleovskými operátory AND, OR a NOT, tak i se sadou syntaktických prvků zahrnujících zástupné znaky, pravostranné/levostranné omezení a specifikaci dotazu použitím uvozovek.

[4]
Obrázek 1: Náhled rozhraní jednoduchého vyhledávání

Pokročilé vyhledávání (viz obr. 2) lze zpřístupnit prostřednictvím tlačítka „více vyhledávacích možností“ (angl. More search options). Ve své standardní podobě nabízí jedno vyhledávací okno (přidat lze však prakticky neomezený počet) a dvě rozbalovací nabídky, které specifikují typ pole (všechna pole, název, autor, vydavatel a předmět) a vztahy mezi zadanými klíčovými slovy (všechna slova a jakákoliv slova – možnosti odpovídající booleovským operátorům AND a OR). Uživatelé mohou dále vyhledávání zúžit výběrem typu dokumentu, jazyka, entity, která výzkum financovala, vědecké oblasti, data publikování, způsobu přístupu a zdrojového archivu. V neposlední řadě je možné nastavit počet záznamů na zobrazenou stránku výsledků.

[5]
Obrázek 2: Náhled rozhraní pokročilého vyhledávání

Režim prohlížení je možné realizovat výběrem prvku ze sedmi stejných skupin, které jsou k dispozici k specifikaci vyhledávacího procesu v pokročilém vyhledávání, tedy: typ dokumentu, jazyk, entita, která výzkum financovala, vědecká oblast, rok publikování, způsob přístupu a zdrojový archiv. Nutné je však uvést, že obě výše uvedené varianty, tj. jednoduché dotazové vyhledávání i prohlížení rejstříků, lze provést v následujících obsahových kategoriích[11]: publikace, data, projekty, lidé, organizace a datové zdroje.

Poté, co systém provede vyhledávání nad indexem metadatové databáze, je uživatelům zobrazena příslušná množina metadatových záznamů, uspořádaná podle klesající obsahové relevance (viz obr. 3). Záznamy jsou standardně zobrazeny ve zkrácené podobě a obsahují pouze následující údaje: název příspěvku (vybavený hypertextovým odkazem vedoucím na úplný záznam), jméno autora (popř. autorů), rok publikování a abstrakt. Graficky – formou zámku v pravé části záznamu – je také indikován způsob přístupu[12].

[6]
Obrázek 3: Náhled množiny výsledků vyhledávání a faset údajů

S výslednými záznamy lze dále pracovat prostřednictvím četných faset údajů (angl. Refine by), které jsou zobrazeny v sloupci v levé části obrazovky. Valná většina údajů je ryze formální povahy: typ dokumentu, jazyk dokumentu, entita financující výzkum, tzv. Funding Stream, rok publikace, způsob přístupu a zdrojový archiv. Jediným reprezentantem věcných údajů je vědecká oblast[13].

Přímou součástí rozhraní zobrazujícího výsledky vyhledávání je také okno jednoduchého vyhledávání a prostřednictvím tlačítka „více vyhledávacích možností“ mohou uživatelé také ihned zpřístupnit vyhledávání pokročilé.

Úplný záznam dokumentu (viz obr. 4) obsahuje kromě základní sady metadat (viz níže v podkapitole „Metadatový záznam) následující položky: použitá literatura (angl. References), související data (angl. Related Data) – v případě, že je publikace propojena s určitým souborem dat – a podobné publikace (angl. Similar Publications) – které na základě sémantické podobnosti textu zobrazí seznam tematicky podobně laděných publikací. K dispozici je dále možnost záznam sdílet na sociální síti – Facebooku, Twitteru, Google+ nebo LinkedIn, vygenerovat bibliografickou citaci v jednom z nejvyužívanějších formátů včetně BibTeX, Harvard, APA a IEEE a zpřístupnit záznam samotného zdrojového archivu včetně seznamů dokumentů a souborů dat a dílčích statistik. Klíčová je položka „Stáhnout z“ (angl. Download from), pod níž je uveden seznam odkazů, z nichž lze stáhnout kopii primárního dokumentu. Pomocí tlačítek „Propojit s projektem“ (angl. Link to project) a „Propojit se souborem dat“ (angl. Link to dataset) mohou registrovaní uživatelé využít výše popsané funkce propojení publikace se soubory dat nebo projekty.

[7]
Obrázek 4: Ukázka metadatového záznamu ve výstupním prezentačním formátu

Metadatový záznam

Standardním formátem metadatových záznamů sklízených portálem OpenAIRE je formát OpenAire (angl. OpenAire Format) verze 0.2. V prefixu metadatového záznamu ve schématu XML je uvedeno „oaf“. Vzhledem k různorodosti popisu v repozitářích, ze kterých jsou sklízena metadata, se jednotlivé záznamy do jisté míry odlišují délkou. Přesto lze identifikovat prvky, které jsou společné všem:

• Název: název, pod kterým je záznam v systému vyhledatelný. Je vybaven hypertextovým odkazem, který vede na záznam v primárním archivu.
• Autor: fyzická osoba, která nese primární odpovědnost za dílo.
• Typ dokumentu: přesně definovaný typ primárního dokumentu, který záznam popisuje

Vedle výše uvedených prvků se v metadatových záznamech vyskytují také následující:

• Předmět (v rámci záznamu v OpenAIRE uveden v angl. Jako „Subject“): obsahuje jednoslovné, popř. víceslovné termíny vyjadřující obsah primárního dokumentu. Vzhledem k rozmanitosti zdrojových archivů v nich ale panuje značná nejednotnost – na základě průzkumu bylo možné zjistit, že v některých případech je užito neřízených klíčových slov přímo zprostředkovaných autory, naopak v dalších je aplikováno Třídění JITA pro knihovní a informační vědu (angl. JITA Classification System of Library and Information Science) a Třídění Kongresové knihovny (v záznamech se vyskytují nejen alfanumerické notace, ale i přesné slovní ekvivalenty). V závislosti na provenienci jsou také některá předmětová hesla uvedena v národních jazycích.
• Abstrakt: redukovaný text vystihující obsahovou stránku dokumentu v národním jazyce.
• Rok: časový údaj vztahující se k publikování primárního dokumentu. V záznamu je uveden v závorce za autorovým jménem.
• Nakladatel: entita, resp. organizace nebo instituce, která dokument publikovala.
• Typ dokumentu: přesně definovaný typ primárního dokumentu.
• Jazyk: jazyk primárního dokumentu
• Identifikátor: trvalý identifikátor informačního zdroje. Podobně jako v případě předmětových hesel i zde panuje značná nejednotnost – značné množství záznamů je opatřeno identifikátorem DOI; užito je však také například i identifikátoru databáze PubMed Central (angl. PMC ID).

Uživatelský přístup

Valná většina dílčích služeb portálu OpenAIRE (vyhledávání a prohlížení záznamů, statistické údaje) je uživatelům k dispozici bez nutnosti vytvoření vlastního účtu. Registrace vyžaduje naprosté minimum vstupních údajů (jméno a příjmení, heslo, e-mailovou adresu a verifikaci, že se jedná o živého uživatele prostřednictvím testu CAPTCHA). Registrovaní uživatelé mají přístup k výše uvedeným funkcím propojování publikací, souborů dat
a projektů, identifikace vlastních prací a přihlášení se k nim (včetně možnosti nastavit přístupová práva), vytváření akcí (angl. Create an Event)[14] a k sadě informačních a propagačních materiálů o portálu (angl. OpenAIRE NOAD Information and Dissemination KIT). Samozřejmostí je služba signálního informování formou RSS kanálu a propojení na sociální sítě.

Uživatelé se také mohou dostat do přímého kontaktu s provozovateli portálu prostřednictvím propracovaného kontaktního formuláře nabízejícího následující kategorie pro specifikaci dotazu: poskytovatelé dat, otevřený přístup, vědci, správci přístupu, služby portálu a tvůrci politik (angl. Policy makers). 

Webové rozhraní

Webové rozhraní portálu OpenAIRE (viz obr. 5) je koncipováno velmi přehledně a jednoduše. Srdcem hlavní stránky je dynamické okno, které atraktivní formou prezentuje základní informace o portálu včetně stručných aktuálních statistik. V horní části obrazovky jsou k dispozici základní odkazy na dílčí služby, vyhledávání a prohlížení, statistiky, podporu a často kladené otázky a informace o otevřeném přístupu v Evropě. Nechybí také odkazy na sociální sítě, newsletter a přihlášení k uživatelskému účtu.

[8]
Obrázek 5: Náhled webového rozhraní portálu OpenAIRE

Bezprostředně pod výše popsaným dynamickým oknem se nachází rozhraní jednoduchého vyhledávání, které umožňuje prohledávání jak metadatové databáze, tak i webových stránek portálu. V dolní části obrazovky lze využít informačních odkazů rozdělených do 4 kategorií: výzkumníci (angl. Researchers), poskytovatelé dat (angl. Data Providers), správci výzkumu (angl. Research Managers) a financující agentury (angl. Funding Agencies). Uživatelsky atraktivní jsou také sekce nejnovějších zpráv týkajících se otevřeného přístupu, kalendář zachycující konference a semináře prosazující principy OA a nejnovější tweet z twitterového účtu OpenAIRE.

Webové rozhraní v plném rozsahu, včetně funkčních součástí a dynamických prvků, je lokalizováno výhradně do anglického jazyka.

Statistiky

Tabulka 1 nabízí dílčí statistické údaje o portálu OpenAIRE[15]. K jejich vypracování bylo využito údajů zprostředkovaných přímo provozovateli portálu prostřednictvím propracovaného statistického nástroje i rozhraní pokročilého vyhledávání a prohlížení.

Portál OpenAIRE záznamy sklízí nejen přímo z repozitářů při akademických institucích, ale i z databází agregátorů. Právě ti patří mezi největší poskytovatele dat, jak je uvedeno níže.

Nejvíce záznamů dokumentů pochází z Nizozemska[16] (618 934); hojně jsou také zastoupeny Velká Británie (569 764), Německo (544 805) a Španělsko (529 538). Původem z České republiky je v portálu vyhledatelných 90 712 záznamů. Nejméně zastoupenou zemí je naopak Slovensko s pouhými 839 záznamy. Je nutné uvést, že do těchto statistiky nejsou započítány databáze agregátorů, pouze institucionální repozitáře a digitální archivy.

Z jazykového hlediska však převládá angličtina (6 611 482), dále španělština (495 230), němčina (316 172) a překvapivě také portugalština (297 300). Záznamů dokumentů v češtině je v systému zastoupeno prozatím 73 137.

Zdrojovým archivem s jednoznačně největším počtem sklízených záznamů je Europe PubMed Central (2 468 347). Značné množství záznamů článků (vedle záznamů periodik) je sklízeno také z DOAJ: Directory of Open Access Journals (1 737 620), arXiv.org e-Print Archive (1 006 629) a HAL-Inria (332 759). Českých repozitářů je do portálu zapojeno celkem 11, přičemž nejvíce záznamů poskytuje Digitální repozitář Národního úložiště šedé literatury.

Závěrečné zhodnocení portálu

Portál OpenAIRE je bezpochyby významným počinem v oblasti vývoje vyhledávačů a služeb nad digitálními archivy s otevřeným přístupem v celoevropském měřítku. Sklízení metadatových záznamů primárních dokumentů vysoké informační hodnoty, jejich sémantické obohacování o vazby na jiné záznamy a zprostředkování pestré nabídky návazných služeb z něj činí významný nástroj vědecké komunikace.

Jako nesporné přednosti portálu lze vyzdvihnout jak kvalitativní – graficky kvalitně zpracované, přívětivé a přehledné uživatelské rozhraní nabízející vyčerpávající informace o všech aspektech OpenAIRE včetně často kladených otázek (FAQ), příruček a newsletteru, velmi podrobné statistiky zahrnující možnosti znázornění formou grafů a tabulek a v neposlední řadě nadstavbové služby orientované na individuální uživatele i provozovatele repozitářů – tak kvantitativní charakteristiky – celkovou velikost indexu čítající necelých 9,5 miliónů záznamů, celkový počet zdrojových archivů (téměř 600) a celoevropský záběr.

Na druhou stranu je nutné uvést několik nedostatků. Ty spočívají zejména ve vyhledávání informací. Rozhraní pokročilého vyhledávání je poměrně obtížně zpřístupnitelné (uživatel je nucen nejprve zvolit jednu z šesti výše uvedených kategorií; vyhledávání tedy není možné vztáhnout na všechny najednou) a třídění výsledků je možné realizovat užitím faset (s jedinou výjimkou) ryze formálního charakteru. Kvalitu vyhledávání také značně komplikuje fakt, že metadatové záznamy se liší svou podrobností a v mnoha případech postrádají klíčové prvky.