El ecosistema de la información científica: estructura y niveles de agregación

14 febrero, 2011

Por Ernest Abadal y Lluís Codina  en Notas ThinkEPI 2011

1. La información académica

LA INFORMACIÓN académica o científica difunde los resultados de la investigación a través de artículos de revista, contribuciones a congresos, tesis, patentes, etc.

Constituye un sector económico específico que dispone de una industria editorial ?conReed-Elsevier y Thomson Reuters a la cabeza? que se ha visto afectada en los últimos años por los procesos de digitalización y por la irrupción del acceso abierto.

El número de contenidos generados es altísimo¹ y esto explica que se hayan desarrollado diversos productos y servicios pensados específicamente para ayudar a los científicos a localizar y consultar los documentos que pueden ser de su interés. Durante muchos años, las bases de datos bibliográficas fueron los únicos instrumentos que facilitaban a los investigadores la localización de referencias científicas. Treinta años después (a principios de 2000) aparecieron los motores de búsqueda académicos, que incluyen toda clase de documentos publicados en sitios web relacionados con la actividad investigadora (conScirus y Google Scholar al frente) y, a partir de aquí, otros productos y servicios han hecho acto de presencia.

Nuestro objetivo es presentar una tipología del conjunto de sistemas de acceso a la información científica que actualmente forman un ecosistema con nichos bien separados, pero también con elementos en competencia que se solapan.

2. Tipología de productos para acceder a la información científica

En la tabla 1 presentamos una propuesta de caracterización de los distintos productos de acceso a la información científica existentes actualmente, junto con una descripción de sus rasgos esenciales.

Producto	Contenidos analizados	Tecnología	Resultados	Inicios	Coste	Ejemplos
Bases de datos bibliográficas	Fuentes primarias: artículos de revista, congresos, etc.	Asignación de metadatos (registros bibliográficos)	Registros bibliográficos + acceso a un sistema de resolución de enlaces	Finales 1970	Comerciales	Scopus, ISI WoK,Chemical Abstracts, Eric, etc.
Portales de revistas	Fuentes primarias: artículos de revistas	Asignación de metadatos (registros bibliográficos); Indización del texto completo	Registros bibliográficos + acceso al documento original	Finales 1990	Comerciales y gratuitos	Emerald, Scielo,ScienceDirect, etc.
Repositorios	Fuentes primarias: artículos de revista, tesis, congresos, etc.	Asignación de metadatos (registros bibliográficos); Indización del texto completo	Registros bibliográficos + acceso al documento original	Finales 1990	Gratuitos	E-LIS, DDD (UAB), MITDspace,Repositorium, etc.
Motores de búsqueda académicos	Portales de revistas; Repositorios; Sedes web académicas	Indización del texto completo	Lista de enlaces	2000	Gratuitos	Google Scholar,Scirus, etc.
Recolectores	Portales de revistas; Repositorios	Recolección de metadatos	Registros bibliográficos + acceso al documento original	Mediados 2000	Gratuitos	OAIster,Recolecta,Arrow, etc.
Metabuscadores académicos	Portales de revistas; Repositorios; Motores de búsqueda académicos	Búsqueda federada	Lista de enlaces	Principios 2000	Gratuitos y comerciales	ScienceResearch,Biznar, etc.
Metabuscadores de bibliotecas	Repositorios; Portales de revistas suscritas; Catálogo de la biblioteca	Búsqueda federada	Registros bibliográficos + acceso al documento original	Principios 2000	Comerciales	Metalib, Encore, etc.

Tabla 1. Productos principales para el acceso a la información científica

2.1. Los contenidos analizados

Una primera diferenciación de los productos de la tabla la podríamos establecer en función de cuáles son los contenidos analizados. De esta manera se pueden establecer dos niveles de agregación, según se almacene y se indice directamente la fuente original de la información científica (artículos revista, congresos, tesis, etc.) o se llegue a ellos de forma indirecta, a través de algún otro producto agregador como portales de revista o repositorios.

En el primer nivel de agregación encontramos aquellos sistemas de recuperación que se nutren directamente de la fuente original de la información científica, es decir, que toman como referencia los artículos de revista, las contribuciones a congresos, las tesis, etc. Estos productos son las bases de datos bibliográficas, los portales de revistas, ya sean comerciales o de acceso abierto, y los repositorios.

En el segundo nivel se encuentran aquellos servicios que se nutren directamente del primer nivel, es decir, que incluyen contenidos que proceden de portales de revistas y de repositorios. Estos sistemas no van a buscar directamente las fuentes (las revistas, las tesis o los congresos) en su lugar de origen, sino que llegan a ellas por medio de los agregadores de primer nivel. De esta forma les basta con acudir a unos pocos miles de sedes web para nutrirse con millones de contenidos. Aquí estarían los motores de búsqueda académicos, los recolectores, los metabuscadores académicos y los metabuscadores de biblioteca.

2.2. La tecnología

Los fundamentos tecnológicos utilizados por los productos analizados son fundamentalmente cuatro:

-Asignación de metadatos:

Se trata del proceso intelectual (no automático) que consiste en elaborar un registro bibliográfico para cada una de las fuentes originales analizadas. Puede ser realizado por el mismo autor que crea los contenidos (artículos de revista, etc.) o por el analista de la base de datos, portal de revistas o repositorio.

-Indización automática del texto completo:

Consiste en extraer los términos de los contenidos seleccionados, que pueden estar más o menos dispersos en servidores, y generar un índice global como resultado.

-Recolección de metadatos:

Consiste en crear un índice común recolectando metadatos de los repositorios que cumplen un protocolo común (OAI-PMH). El usuario recibe una lista única de resultados.

-Búsqueda federada:

Consiste en enviar la misma consulta a cientos de fuentes (agregadores de primer nivel) que indizan las fuentes primarias, en lugar de volverlas a indizar directamente. Como en el caso anterior, el usuario también recibe una lista única de resultados.

2.3. Lista de resultados

Las páginas de resultados que ofrecen estos productos pueden ser de tres tipos:

a) Registros bibliográficos + acceso al documento original (portales de revista, repositorios, recolectores).

b) Registros bibliográficos + acceso a un sistema de resolución de enlaces (bases de datos bibliográficas).

c) Lista de enlaces (motores académicos, metabuscadores).

En el primer caso (a), el usuario tiene solucionado siempre de forma directa el paso siguiente a cualquier búsqueda: la obtención del documento. En el segundo caso (b), lo tiene solucionado de forma parcial, es decir, en ocasiones el sistema de resolución de enlaces lo conducirá al documento completo, pero a veces no y, además, deberá hacerlo en varios pasos. En el tercer caso (c), se ofrece una lista de enlaces a otros sitios web de modo que el acceso en principio es directo, pero lleno de casuística: enlaces rotos, servidores que requieren suscripción, etc.

3. Consideraciones finales

De la estructura y niveles de agregación antes descritos se desprenden diversos comentarios para algunos de los principales agentes de la comunicación científica:

Para los científicos como usuarios de información

Es frecuente que los investigadores estén suscritos a las alertas de las revistas de su máximo interés. De todas formas, para las búsquedas sistemáticas y exhaustivas acostumbran a utilizar mayoritariamente, y de forma intensiva, los recursos de segundo nivel (especialmente los motores de búsqueda académicos) y también las bases de datos, que les aseguran el acceso a un mayor número de fuentes primarias. Esto es lógico ya que no es práctico tener que ir recorriendo los centenares de portales de revistas o de repositorios.

Para los editores de las revistas

Dado que los científicos consultan fundamentalmente agregadores de segundo nivel, es importante para una revista estar presente en portales de revistas o en repositorios, ya que son el paso esencial e imprescindible para poder ser incluidas en motores de búsqueda y metabuscadores. Es muy difícil estar en el segundo nivel sin pasar por el primero.

Para los repositorios

Los contenidos incluidos en repositorios tienen asegurada la presencia en el segundo nivel. Esto es muy importante para los contenidos que están depositados en ellos. El mayor número de consultas a los repositorios procede de agregadores de segundo nivel y no tanto de consultas directas.

Para los científicos en cuanto que autores

Si quieren asegurar una máxima difusión a sus obras tienen que publicar en revistas incluidas en portales y, si no son de acceso abierto, depositar sus textos en repositorios. De esta forma tienen asegurada su inclusión en motores de búsqueda y metabuscadores académicos y una fácil localización por parte de sus colegas.

Notas

1. Para tener una referencia hay que tener en cuenta que las revistas académicas activas tan sólo son unas 78.000 (según Ulrich’s), cada una de las cuales publica un número variado de artículos anualmente.

Cómo citar este artículo:

Abadal, Ernest; Codina, Lluís . “El ecosistema de la información científica: estructura y niveles de agregación”. Anuario ThinkEPI, 2011, v. 5, pp. ¿¿-??.