Открытые инструменты поиска научного контента для исследований и образования

Введение. Концепция открытой науки, активно продвигаемая в последние десятилетия, а также технологические инновации делают культуру информационного поиска значимым элементом развития информационного общества, оказывающим существенное влияние на научную деятельность, образование, управление, общественные процессы и др. Показателем уровня культуры информационного поиска является знание основных методов, способов и средств получения информации, в том числе навыки и умения работы с информационными ресурсами и поисковыми системами. Культура информационного поиска способствует повышению качества извлечения информации из увеличивающихся в объемах открытых информационных массивов. Открытые инструменты поиска научного контента – важнейшие, но требующие подготовки при работе компоненты мирового рынка информационных ресурсов и услуг, позволяющие осуществлять отбор релевантной информации из больших массивов данных в соответствии с запросами пользователей.

Постановка задачи. В исследовании ставятся задачи изучения применимости отдельных научных поисковых систем (Google Scholar, Semantic Scholar, Internet Archive Scholar и BASE) для поиска информации при проведении исследований и в образовательных процессах формирования компетенций по повышению уровня информационной культуры специалистов в области библиотечных и информационных наук.

Методика и методология исследования. Исследование проводилось с использованием методов сравнительного и системного анализа, математических методов обработки статистических данных, контент-анализа документальных источников информации. Методологической основой стали практико-ориентированный и компетентностный подходы, направленные на развитие профессиональных навыков библиотечных специалистов и ученых-библиотековедов по поиску цифрового контента и использованию ресурсов открытого доступа.

Результаты. Проведенный анализ позволил сделать выводы о возможностях поисковых систем, способах извлечения информации и специфике отражения публикаций в них, а также наиболее приемлемых условиях для информационного поиска в области «Библиотечные и информационные науки», что дает возможность более рационально использовать потенциал систем и оперативно получать полную и релевантную научную информацию по теме.

Выводы. Результаты исследования добавляют новое измерение к нашим знаниям о научных поисковых системах. Представлены доказательства того, что Google Scholar – это мощный инструмент для поиска российской литературы в области библиотековедения в части статей из научных журналов, а также обнаружения ограниченного объема некоторых других видов изданий с возможностью оценки по показателям Google Scholar Metrics. Сделан вывод, что Google Scholar, Semantic Scholar, Internet Archive Scholar и BASE, несмотря на позиционирование в качестве эффективных инструментов поиска научной информации по разным дисциплинам, требуют осторожности в использовании, так как эти системы не могут гарантировать исчерпывающих результатов и не являются полными источниками библиографических данных, однако могут рассматриваться в комплексе с другими ресурсами, учитывая наличие расширенных поисковых механизмов и дополнительных сервисов. Знание научных поисковых систем способствует повышению культуры информационного поиска, культуры пользователей, их квалификации и профессионализма.

1. Johnson R., Watkinson A., Mabe M. The STM report: an overview of scientific and scholarly publishing. 5th ed. Elsevier, 2018. 94 p. URL: https://www.stm-assoc.org/2018_10_04_STM_Report_2018.pdf (дата обращения: 24.09.2023).

2. Pulikowski A., Matysek A. Searching for LIS scholarly publications: a comparison of search results from Google, Google Scholar, EDS, and LISA // The Journal of Academic Librarianship. 2021. Vol. 47, no. 5. Art. 102417. DOI: 10.1016/j.acalib.2021.102417.

3. Редькина Н. С. Библиотека и ресурсы открытого доступа: угрозы vs возможности // Научные и технические библиотеки. 2023. № 6. С. 94–112. DOI: 10.33186/1027-3689-2023-6-94-112.

4. Halevi G., Moed H., Bar-Ilan J. Suitability of Google Scholar as a source of scientific information and as a source of data for scientific evaluation – Review of the literature // Journal of Informetrics. 2017. Vol. 11, no. 3. P. 823–834.

5. Jensenius F. R., Htun M., Samuels D. J., Singer D. A., Lawrence A., Chwe M. The benefits and pitfalls of Google Scholar // PS: Political Science & Politics. 2018. Vol. 51, no. 4. P. 820–824.

6. Бизенков Е. А. Практическое применение поисковой и наукометрической платформы Google Scholar (Академия Google) // Международный журнал прикладных и фундаментальных исследований. 2017. № 10–1. С. 9–15.

7. Лю Я., Камышанченко Е. Н. Результаты поиска литературы на основе академической поисковой системы Google Scholar // Проблемы и перспективы развития России. Молодежный взгляд в будущее: cб. науч. ст. 5-й Всерос. науч. конф. Курск, 2022. Т. 2. С. 314–318.

8. Nemati-Anaraki L, Razmgir M, Moradzadeh M. Scientific impact of Iran University of Medical Sciences researchers in ResearchGate, Google Scholar, and Scopus: an altmetrics study // Medical Journal of the Islamic Republic of Iran. 2020. Vol. 34. Art. 142. DOI: 10.34171/mjiri.34.142.

9. Marsicano C. R., Nichols A. R. K. In search of an academic «Greatest Hits» album: an examination of bibliometrics and bibliometric Web platforms // Innovative Higher Education. 2022. Vol. 47. P. 1007–1023. DOI: 10.1007/s10755-022-09631-8.

10. Bastopcu M., Ulukus S. Who should Google Scholar update more often? // IEEE INFOCOM 2020. IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS). Toronto, 2020. P. 696–701. DOI: 10.1109/INFOCOMWKSHPS50562.2020.9162995.

11. Harzing A. W., Alakangas S. Google Scholar, Scopus and the Web of Science: a longitudinal and cross-disciplinary comparison // Scientometrics. 2016. Vol. 106, no. 2. P. 787–804.

12. Harzing A. W. Two new kids on the block: how do Crossref and Dimensions compare with Google Scholar, Microsoft Academic, Scopus and the Web of Science? // Scientometrics. 2019. Vol. 120, no. 1. P. 341–349. DOI: 10.1007/s11192-019-03114-y.

13. Moed H. F., Bar-Ilan J., Halevi G. A new methodology for comparing Google Scholar and Scopus // Journal of Informetrics. 2016. Vol. 10, no. 2. P. 533–551. DOI: 10.1016/j.joi.2016.04.017.

14. Martín-Martín A., Thelwall M., Orduna-Malea E., López-Cózar E. D. Google Scholar, Microsoft Academic, Scopus, Dimensions, Web of Science, and OpenCitations» COCI: a multidisciplinary comparison of coverage via citations // Scientometrics. 2021. Vol. 126, no. 1. P. 871–906. DOI: 10.1007/s11192-020-03690-4.

15. Kousha K., Thelwall M. Can Google Scholar and Mendeley help to assess the scholarly impacts of dissertations? // Journal of Informetrics. 2019. Vol. 13, no. 2. P. 467–484. DOI: 10.1016/j.joi.2019.02.009.

16. Anker M. S., Hadzibegovic S., Lena A., Haverkamp W. The difference in referencing in Web of Science, Scopus, and Google Scholar // ESC Heart Failure. 2019. Vol. 6, no. 6. P. 1291–1312. DOI: 10.1002/ehf2.12583.

17. Rovira C., Codina L., Guerrero-Solé F., Lopezosa C. Ranking by relevance and citation counts, a comparative study: Google Scholar, Microsoft Academic, WoS and Scopus // Future Internet. 2019. Vol. 11, no. 9. Art. 202.

18. Marsicano C. R., Braxton J. M., Nichols A. R. K. The use of Google Scholar for tenure and promotion decisions // Innovative Higher Education. 2022. Vol. 47, no. 4. P. 639–660. DOI: 10.1007/s10755-022-09592-y.

19. Orduna-Malea E., Aytac S., Tran C. Y. Universities through the eyes of bibliographic databases: a retroactive growth comparison of Google Scholar, Scopus and Web of Science // Scientometrics. 2019. Vol. 121, no 1. P. 433–450. DOI: 10.1007/s11192-019-03208-7.

20. Zientek L. R., Werner J. M., Campuzano M., Nimon K. The use of Google Scholar for research and research dissemination // New Horizons in Adult Education and Human Resource Development. 2018. Vol. 30, no. 1. P. 39–46. DOI: 10.1002/nha3.20209.

21. Loan F. A., Nasreen N., Bashir B. Do authors play fair or manipulate Google Scholar h-index? // Library Hi Tech. 2022. Vol. 40, no. 3. P. 676–684. DOI: 10.1108/LHT-04-2021-0141.

22. Chertow M. R., Kanaoka K. S., Park J. Tracking the diffusion of industrial symbiosis scholarship using bibliometrics: comparing across Web of Science, Scopus, and Google Scholar // Journal of Industrial Ecology. 2021. Vol. 25, no. 4. P. 913–931. DOI: 10.1111/jiec.13099.

23. Levine-Clark M., Gil E. L. A new comparative citation analysis: Google Scholar, Microsoft Academic, Scopus, and Web of Science // Journal of Business & Finance Librarianship. 2021. Vol. 26, no. 1/2. P. 145–163. DOI: 10.1080/08963568.2021.1916724.

24. Shariff S. Z., Bejaimal S. A. D., Sontrop J. M., Iansavichus A. V., Haynes R. B., Weir M. A., Garg A. X. Retrieving clinical evidence: a comparison of PubMed and Google Scholar for quick clinical searches // Journal of Medical Internet Research. 2013. Vol. 15, no. 8. Art. e164. DOI: 10.2196/jmir.2624.

25. Haddaway N. R., Collins A. M., Coughlin D., Kirk S. The role of Google Scholar in evidence reviews and its applicability to grey literature searching // PloS One. 2015. Vol. 10, no. 9. Art. e0138237.

26. Singh V. K., Srichandan S. S., Lathabai H. H. ResearchGate and Google Scholar: how much do they differ in publications, citations and different metrics and why? // Scientometrics. 2022. Vol. 127, no. 3. P. 1515–1542. DOI: 10.1007/s11192-022-04264-2.

27. Neuhaus C., Neuhaus E., Asher A., Wrede C. The depth and breadth of Google Scholar: an empirical study // Libraries and the Academy. 2006. Vol. 6, no. 2. P. 127–141.

28. Gehanno J. F., Rollin L., Darmoni S. Is the coverage of Google Scholar enough to be used alone for systematic reviews // BMC Medical Informatics and Decision Making. 2013. Vol. 13. Art. 7. DOI: 10.1186/1472-6947-13-7.

29. Lo K., Wang L. L., Neumann M., Kinney R., Weld D. S2ORC: The semantic scholar open research corpus // Proceedings of the 58th Annual meeting of the Association for Computational Linguistics. ACL 2020. P. 4969–4983. DOI: 10.18653/v1/2020.acl-main.447.

30. Hannousse A. Searching relevant papers for software engineering secondary studies: Semantic Scholar coverage and identification role // IET Software. 2021. Vol. 15, no. 1. P. 126–146. DOI: 10.1049/sfw2.12011.

31. Wade A. D. The Semantic Scholar Academic Graph (S2AG) // WWW'22: Companion proceedings of the web conference 2022. Assoc. for Computing Machinery, 2022. P. 739. DOI: 10.1145/3487553.3527147.

32. Dardas L. A., Sallam M., Woodward A., Nadia Sweis, Narjes Sweis, Sawair F. A. Evaluating research impact based on Semantic Scholar highly influential citations, total citations, and altmetric attention scores: the quest for refined measures remains illusive // Publications. 2023. Vol. 11, no. 1. Art. 5. DOI: 10.3390/publications11010005.

33. Pieper D., Summann F. Bielefeld Academic Search Engine (BASE): an end-user oriented institutional repository search service // Library Hi Tech. 2006. Vol. 24, no. 4. P. 614–619. DOI: 10.1108/07378830610715473.

34. Summann F., Czerniak A., Schirrwagen J., Pieper D. Data science tools for monitoring the global repository ecosystem and its lines of evolution // Publications. 2020. Vol. 8, no. 2. Art. 35. DOI: 10.3390/publications8020035.

35. Redkina N. Scientific information retrieval systems: [dataset] // Zenodo. 2023. DOI: 10.5281/zenodo.8365487.