Enabling transparent research evaluation: A method for historical RCR retrieval using public NIH metadata

Motivation

Known: NIH의 RCR은 동일 연구 분야 내 출판물의 상대적 영향력을 나타내는 혁신적 지표이나, 역사적 데이터가 NIH 데이터베이스 내에 저장되어 있으면서도 직접 접근이 어렵다.
Gap: RCR의 시간 경과에 따른 추이 데이터에 접근할 수 없어 연구자들이 출판물의 장기적 영향력 변화를 추적하기 어렵다.
Why: DORA 선언과 개방 과학 이니셔티브의 취지에 부합하여 학술 평가의 투명성과 책임성을 높일 수 있다.
Approach: Python 기반 자동화 도구를 개발하여 NIH 데이터베이스에서 RCR 데이터를 추출하고 데이터베이스 도입 이후 모든 시점의 RCR 값을 시각화한다.

Novelty: 4/5 Technical Soundness: 3/5 Significance: 4/5 Clarity: 4/5 Overall: 4/5

총평: 공개 데이터를 창의적으로 활용하여 그동안 접근 불가능했던 RCR 역사 데이터를 복원함으로써 투명한 연구 평가와 개방 과학을 실질적으로 지원하는 의미 있는 방법론을 제시한다.

기반 연구원본 논문(투명한 연구 평가를 위한 역사적 방법론)의 정정 공지로서, 데이터 공개 접근성 향상을 통해 연구 투명성을 강화하는 직접적인 연장선이다.

기반 연구NIH 메타데이터에서 RCR을 추출하는 방법과 함께 읽으면 투명한 인용 데이터 활용과 연구 평가의 신뢰성을 높이는 방법론적 연계를 이해할 수 있다.

기반 연구투명한 연구 평가를 가능하게 하는 역사적 방법을 제시한 1167은 983에서 자금-성과 관계를 주제별로 매핑하는 방법론과 함께 연구 평가 시스템의 투명성 제고에 기여할 수 있다.

다른 접근연구 평가 및 인용 지표 분석이라는 유사한 목적을 공유한다.

다른 접근연구 평가를 위한 인용 지표 데이터 처리의 대안적 방법을 제시한다

후속 연구투명한 연구 평가 방법론을 확장하여 개방 과학을 지원한다

응용 사례연구 평가 메트릭을 실제 메타데이터 분석에 응용한 연구이다

응용 사례연구 평가 지표(RCR) 방법론이 실제 bibliometric 연구에 응용될 수 있는 사례를 제공한다.