PreprintToPaperデータセット：bioRxivプレプリントと学術誌掲載論文の連携

科学分野:

• 書誌統計と学術コミュニケーション
• オープンサイエンスとプレプリント研究
• データサイエンスと計算言語学

背景:

• プレプリントから学術論文への移行は、学術コミュニケーションの重要な側面です。
• プレプリントから出版までのダイナミクスを理解することは、オープンサイエンスの実践を評価するために不可欠です。
• COVID-19パンデミックは、プレプリントサーバーの使用と出版トレンドに大きな影響を与えました。

研究 の 目的:

• bioRxivプレプリントとその学術誌掲載論文を連携させるPreprintToPaperデータセットを紹介すること。
• プレプリントから出版までの経路の大規模な分析を容易にすること。
• プレプリントの進化と学術コミュニケーションのパターンに関する研究を可能にすること。

主な方法:

• bioRxivおよびCrossref APIを使用して、2016年から2018年および2020年から2022年までの145,517件のbioRxivプレプリントのメタデータを収集しました。
• タイトル、著者、日付を含む出版メタデータでプレプリントデータを強化しました。
• バージョン履歴サブセットを開発し、プレプリントを「出版済み」、「プレプリントのみ」、「グレーゾーン」に分類しました。

主要な成果:

• このデータセットには、プレプリントとその掲載論文に関する包括的なメタデータが含まれています。
• プレプリントの進化を分析するためのバージョン履歴サブセットが含まれています。
• 類似性スコアと品質評価のための人間による注釈付きサブセットも特徴です。

結論:

• PreprintToPaperデータセットは、学術コミュニケーションとオープンサイエンスを研究するための貴重なリソースを提供します。
• 書誌統計分析や自然言語処理を含む多様な研究アプリケーションをサポートします。
• 期間の異なるプレプリントと出版物のダイナミクスを調査できます。