ОТКРЫТЫЙ ДОСТУП СЕГОДНЯ: ШИРОКОМАСШТАБНЫЙ АНАЛИЗ РАСПРОСТРАНЕННОСТИ И ВЛИЯНИЯ СТАТЕЙ ОТКРЫТОГО ДОСТУПА

Введение

Движение за открытый доступ (ОД) ко всей на­учной литературе насчитывает более пятнадцати лет. В последние годы ряд событий говорит о том, что многолетняя работа привела к кардиналь­ным изменениям. Во-первых, фонды все больше внедряют поддержку публикаций ОД для гран- тополучателей. После Национального института здравоохранения США, утвердившего мандатом политику ОД в 2008 г. (https://publicaccess.nih.gov/index.htm), сделали обязательной публика­ции в открытом доступе для своих грантополу- чателей фонд Билла и Мелинды Гейтс (http://www.gatesfoundation.org/How-We-Work/General-Information/Open-Access-Policy), Европейская ко­миссия (http://ec.europa.eu/research/participants/data/ref/h2020/grants manual/hi/oa pilot/h2020-hi-oa-pilot-guide en.pdf), Национальный фонд науки США (https://www.nsf.gov/pubs/2015/nsf15052/nsf15052.pdf), the Wellcome Trust (https://wellcome.ac.uk/press-release/wellcome-trust-strengthens-its-open-access-policy) и другие. Во-вторых, был разработан ряд сервисов, повы­шающих удобство пользования ресурсами ОД и увеличивающих их ценность. Среди них — плат­формы дискавери ScienceOpen и 1Science, а так­же браузерные расширения Open Access Button, Canary Haz и Unpaywall. В-третьих, то, что Sci-Hub (сайт, предлагающий пиратский свободный до­ступ к полным текстам статей) собрал огромное количество пользователей, вызвало интенсивное обсуждение этики и эффективности платного до­ступа [1, 2]. Научные социальные сети ResearchGate и Academia.edu предлагают авторам все более популярные, но сомнительные решения по архи­вации своих работ [3, 4]. Наконец, возрастающая стоимость подписки, особенно в рамках Big Deals (крупных сделок), вынудила организации массово отказываться от подписок. Среди недавних приме­ров — Caltech, the University of Maryland, University of Konstanz, Universite de Montreal и национальная система Перу [5-8]. Поскольку платный доступ в су­ществующем виде становится слишком дорогим, организации начинают рассматривать ОД как не­кий «План Б» для поддержания доступа к необхо­димой литературе [9].

Таким образом, открытый доступ вызвал новую волну вовлеченности и полемики в больших груп­пах заинтересованных лиц. Возможно, мы при­ближаемся к очень важному моменту в развитии ОД и более того — в развитии системы научной коммуникации. Однако, несмотря на заметное оживление разработок и обсуждений ОД, мы ну­ждаемся в больших объемах достоверных данных о количественном росте и структуре литературы открытого доступа. Конкретизируя: нам необхо­дим обзор состояния ОД, основанный на данных, который был бы (а) масштабным, (б) современным и (в) воспроизводимым. Эта статья пытается дать та­кой обзор, опираясь на новый свободно доступный сервис oaDOI, который находит ссылки на доступ­ные легально научные статьи ОД. На основе данных oaDOI мы отвечаем на следующие вопросы.

Каков процент научной литературы открытого доступа и как он меняется в зависимости от изда­тельства, дисциплины и года публикации?

Действительно ли публикации ОД цитируются лучше, чем платные?

В следующем разделе приводится краткий обзор литературы по теме статьи, описание наборов дан­ных и используемых методов, а также детали опре­делений категорий, используемых oaDOI. Далее приводятся результаты ответов на каждый вопрос исследования, за которыми следует общее обсуж­дение и выводы.

Обзор литературы

За пятнадцать лет исследований открытого до­ступа было опубликовано много литературы, ис­черпывающий обзор которой не входит в задачи данной статьи. Последние глубокие обзорные ис­следования представлены в [10, 11]. Здесь мы сосре­доточимся на кратком рассмотрении трех основ­ных тем литературы по ОД: определении ОД и его подтипов, оценке распространенности ОД и иссле­дованиях сравнительного влияния публикаций ОД.

Несмотря на обилие литературы по открытому доступу, сам термин остается несколько размытым [9]: слишком сложно предложить его авторитет­ное общепринятое определение. Наиболее рас­пространенное определение содержится в тек­сте Будапештской инициативы открытого доступа (Budapest Open Access Initiative — BOAI) 2002 г. В нем ОД определяется как доступ, разрешающий сво­бодное чтение контента и его вторичное исполь­зование, а именно возможность индексирования статей, выгрузки их программными средствами или использование для любых других законных целей. На практике определение BOAI пример­но эквивалентно популярной лицензии Creative Commons CC-BY [12]. Однако ряд других источников предпочитают менее строгое определение ОД, тре­буя лишь возможности бесплатно читать научную литературу онлайн [13] или чтобы она была цифро­вой, онлайновой и бесплатной [14]. Некоторые ав­торы считают, что ОД следует понимать как некий диапазон возможностей использования [15].

Исследователи выделяют несколько подти­пов ОД; некоторые из них признаются практиче­ски всеми, некоторые остаются дискуссионными. Мы не стремимся дать их полный перечень, а при­ведем те, которые актуальны в контексте данного исследования.

• Libre ОД [16] очень похоже на определение BOAI: оно декларирует права пользователей на чтение и вторичное использование доку­ментов, в частности для автоматического ин­дексирования, архивации и иных целей.
• Gratis ОД [16], в противоположность Libre, про­возглашает право только на чтение.
• Золотой ОД: статьи публикуются в журнале от­крытого доступа (в котором все статьи открыты на сайте журнала). На практике журналы откры­того доступа определяются как включенные в DirectoryofOpenAccessJournals (DOAJ) [17,18].
• Зеленый ОД: статьи публикуются в журна­ле, распространяемом по платной подписке, но архивируются авторами в открытом архиве. Открытые архивы — это либо тематические ре­позитории, такие как ArXiv, либо репозитории организаций (institutionalrepositories — IRs), обычно поддерживаемые университетами; архивированные статьи могут быть как опу­бликованными версиями, так и электронными препринтами [19]. Большинство статей Зеле­ного ОД не соответствуют определению BOAI: для них не разрешено вторичное использова­ние; они относятся к типу Gratis ОД.
• Гибридный ОД: статьи публикуются в подпис­ном журнале, но немедленно предоставляются в свободный доступ под открытой лицензией за счет оплаты автором стоимости публикации (articleprocessingcharge — APC) [20, 21].
• Отложенный ОД: статьи публикуются в подпис­ном журнале, но становятся свободно доступ­ными по прошествии периода эмбарго [21, 22]).
• Научные социальные сети (AcademicSocialNetworks — ASN): статьи распространяются их авторами через коммерческие социаль­ные сети, такие как ResearchGate и Academia. edu. Одни исследователи рассматривают это явление как тип ОД [4, 23], другие считают, что это вообще не открытый доступ. В отли­чие от репозиториев Зеленого ОД в сетях ASN не проверяется лицензионная чистота, поэто­му примерно половина статей размещена там нелегально [24]. Этот факт вызывает озабочен­ность стабильностью контента, так как в октя­бре 2017 г., например, издатели потребовали удаления из ASN большого количества неле­гально размещенных статей [25]. Поднимает­ся также вопрос надежности и этики ASN [26]. В силу этих обстоятельств мы исключаем кон­тент ASN из нашего определения ОД.
• Черный ОД: статьи, распространяемые на нелегальных пиратских сайтах, прежде все­го, на SciHub и LibGen. Хотя в [27] эти статьи называются подтипом ОД, этот подход не по­лучает поддержки в литературе по ОД. Учиты­вая это, мы исключаем контент SciHub и LibGen из нашего определения ОД.

Основываясь на консенсусе (а иногда на отсут­ствии такового) относительно определения ОД и его подтипов, будем использовать в этой статье следующее определение: статьи открытого досту­па — это статьи, которые можно свободно читать в онлайне на сайте издателя или в репозитории.

Распространенность ОД

Оценка того, какой процент литературы пред­ставлен в открытом доступе, проводилась во мно­гих работах, например в [17, 18, 23, 28-31]. Нам неиз­вестны подобные исследования, опубликованные после 2014 г. Две последние работы оценивают процент публикаций свободного доступа более чем в 50%, причем одна из них учитывает и ОД в строгом понимании, и публикации, размещенные в научных социальных сетях (ASN). Наиболее пол­ное исследование [17] приводит следующие дан­ные для статей 2011-2013 гг.: 12% статей свободно доступны на сайтах журналов, 6% — в репозитори­ях и 31% — через другие механизмы, включая ASN. В нем также отмечено, что количество документов ОД, опубликованных между 1996 и 2011 гг., возросло на 4% с апреля 2013 по апрель 2014 г., причем раз­мещение работ прошлых лет происходит в основ­ном в Зеленом ОД. Анализ на уровне отдельных дисциплин совпадает с данными других исследо­ваний: наиболее высокий процент публикаций ОД наблюдается в биомедицинских науках и матема­тике, наиболее низкий — в инженерных науках, хи­мии и гуманитарных науках.

Особенно интересно исследование [17], в кото­ром для поиска и идентификации документов ОД применялось автоматизированное «прочесыва­ние» Интернета; более ранние исследования ос­новывались на ручной проверке DOAJ, сайтов из­дателей, Google и Google Scholar (хотя было одно исключение — работа [32]). Применив автоматизи­рованные методы формирования выборки, авторы [17] получили сотни тысяч статей, значимо повысив статистическую достоверность и нюансировку ре­зультатов. Более того, разработав систему индек­сирования ОД-контента, они сняли главную озабо­ченность исследователей ОД, как отмечено в [29]: «Главным вызовом для исследователей... было отсутствие надежного индексирования журналов ОД и опубликованных в них статей». Представлен­ная в [17] автоматизированная система очень точ­на: она неверно определяет ОД лишь в 1% случаев, находя при этом 75% всех онлайновых докумен­тов ОД; однако она не может различить Золотой и Гибридный ОД. Недостатком системы для ис­следователей является ее закрытость: ее нельзя использовать онлайн для дальнейших изысканий. Напротив, впоследствии данные были использо­ваны для разработки коммерческой базы данных 1science (http://www.1science.com/oanumbr.html).

Преимущества ОД в аспекте цитирования

Сравнению показателей цитирования докумен­тов ОД и документов по платной подписке посвяще­ны многочисленные исследования. Большинство из них фиксировало превышение цитирования документов ОД, обозначенное специальным тер­мином «преимущества ОД в цитировании» (open access citation advantage — OACA); были даже соз­даны аннотированные библиографические указа­тели, отражающие эту литературу [33-35]. Однако единодушной поддержки явление OACA не получи­ло. Многие работы, доказывающие преимущества ОД в цитировании, критиковались с точки зре­ния методологии [36], а исследование с примене­нием метода случайной выборки не подтвердило этого преимущества [37]. Однако недавние работы, использовавшие разнообразные методы, вновь обнаружили явление OACA. Например, в [38] с использованием сложной статистической моде­ли для снижения эффекта выборочного размеще­ния авторами в ОД своих лучших работ показано небольшое, но значимое преимущество ОД в 8%. В работе [17] преимущество в 40% продемонстри­ровано на огромном массиве более чем в миллион статей с учетом нормализованного по дисципли­не показателя цитирования. В [39] был применен естественный (не зависящий от выбора авторов) отбор статей, перешедших в ОД по истечении пе­риода эмбарго; превышение цитирования для них составило 19%.

Методы

Определение ОД

■ Классификации

Мы распределяем все публикации на две ка­тегории: открытого (ОД) и закрытого доступа (ЗД). Как было сказано выше, мы считаем, что доку­мент находится в открытом доступе, если его мож­но свободно читать в онлайне на сайте издателя или в репозитории, все другие документы счита­ются закрытыми. Далее мы выделяем четыре не- пересекающиеся подкатегории ОД и в результате получаем пять категорий статей.

• Золотая категория: статьи, опубликованные в журнале открытого доступа, зарегистриро­ванного в
• Зеленая категория: статьи, платные на изда­тельском сайте, для которых имеется свобод­ная копия в открытом репозитории.
• Гибридная категория: статьи, опубликованные в платных журналах на условиях открытой ли­цензии.
• Бронзовая категория: статьи, свободно доступ­ные для чтения на сайте издателя, у которых отсутствует лицензия, явно описывающая ре­жим использования.
• Закрытая категория: все другие статьи, вклю­чая все, доступные только через ASN или Sci-Hub.

Хотя эти категории, по сути, соответствуют по­ниманию соответствующих терминов в литера­туре по ОД, необходимы некоторые пояснения. Во-первых, мы, как многие другие авторы, не учи­тываем контент, распространяемый через науч­ные социальные сети (ASN). Во-вторых, катего­рии не пересекаются — и статьи на издательских сайтах имеют приоритет перед архивированными в репозиториях, то есть если статья опубликована в Золотом журнале и открытом репозитории, она попадает в Золотую категорию. Другими словами, издательский контент «отодвигает в тень» статьи, которые могли бы относиться к Зеленой катего­рии. Такое понимание Зеленых статей (доступных в репозитории, но недоступных на сайте издателя) часто встречается в литературе по ОД (в том чис­ле у автора терминов «Зеленый ОД» и «Золотой ОД» Стивена Харнада [19]), но признается не всеми. В некоторых работах допускается, что одна и та же статья может принадлежать и Золотой, и Зеленой категории; по сравнению с этим подходом наше исследование недооценивает количество Зеленых статей. Гибридные и Золотые статьи имеют общие характеристики, будучи открыты для чтения и вто­ричного использования, но различаются местом публикации, так как Гибридные статьи публикуются в журналах, не относящихся к журналам ОД соглас­но DOAJ, и тем, что они могут иметь период эмбарго. Мы также вводим новую Бронзовую подкатегорию. Бронзовые статьи похожи и на Золотые, и на Ги­бридные тем, что публикуются на сайтах издателей. Но их нельзя считать Золотыми, так как опубли­ковавшие их журналы не учтены в DOAJ, и нельзя считать Гибридными, поскольку для них отсутству­ет явным образом обозначенная лицензия. И хотя отсутствие лицензии может быть ненамеренным, по умолчанию такие статьи доступны только для чтения, но не для вторичного использования. Кроме того, для Бронзовых статей нельзя опре­делить, будут ли они доступны для чтения всегда или только в определенный период.

Наконец, необходимо отметить, что хотя выбран­ные нами категории отражают понимание их в ли­тературе по ОД, они не вполне отражают сложную картину современной системы научных публика­ций. К примеру, латиноамериканские организации SciELO и Redalyc являются одновременно и изда­телями, и репозиториями, поэтому многие статьи на их сайтах невозможно однозначно отнести к од­ной из выделенных нами категорий [40].

■ Система oaDOI

Присвоение категорий происходило через за­просы к сервису oaDOI по DOI статей. Сервис воз­вращает ссылку на легально доступную ОД-версию статьи при наличии таковой (https://oadoi.org/). База oaDOI включает записи для всех 88 милли­онов DOI CrossRef. Сервис обходит, агрегирует и нормализует данные из множества источни­ков, в числе которых — PMC (https://www.ncbi.nlm.nih.gov/pmc/). BASE (https://www.base-search.net/about/en/), DOAJ (https://doai.org/) и множество сайтов репозиториев организаций и издателей. Система oaDOI предоставляет доступ к API без ка­ких-либо ограничений, что позволяет поддержи­вать другие сервисы и разработки. На момент под­готовки статьи oaDOI обрабатывал около 500 тысяч запросов в день, что примерно вдвое больше, чем в Sci-Hub [1, 41]. Большинство запросов приходит из примерно 700 научных библиотек в ситуациях, когда они помогают читателям найти статьи, недо­ступные по подписке, решая тем самым проблему их обнаружения [31]. Сервис oaDOI — основа рабо­ты браузерного расширения Unpaywall, помогаю­щего пользователям найти легально доступные ОД-версии документов; сейчас Unpaywall активно используют около 80 тысяч человек. oaDOI основан на открытом коде, он бесплатен и открыт через об­щедоступный API.

■ Точность oaDOI

Для оценки точности автоматического опреде­ления ОД мы отобрали случайным образом 500 ста­тей из нашей основной выборки Crossref-DOIs, опи­санной ниже. Мы вручную провели поиск каждой статьи в Интернете, чтобы определить, доступна ли она на сайте издателя или на другом сайте: репозитории организации, научной социальной сети или на персональной странице. Разреше­ние DOI проводилось со страницы https://doi.org. Если полный текст был доступен через эту ссылку, статья маркировалась как доступная на сайте из­дательства. Если требовался оплаченный доступ, проводился поиск по заглавию в Google Scholar (GS) и Google, чтобы найти альтернативные вер­сии (препринты или архивированные копии). Если полный текст был найден на любом издательском сайте или в открытом репозитории, он маркиро­вался как свободно доступный в архиве. Если един­ственная открытая копия была доступна в научной социальной сети (Academia.edu или ResearchGate), делалась пометка об этом, но в рамках этого иссле­дования она не относилась ни к одной из катего­рий ОД, а маркировалась как Закрытый доступ.

Ниже показаны итоговые показатели работы oaDOI в сравнении с ручной проверкой доступно­сти статей. В онлайновых приложениях (см. раз­дел «Дополнительная информация») приводится полный набор сравниваемых данных. На их основе вычислялись полнота и точность работы системы. Показатель полноты отвечает на вопрос «Если ста­тья находится в открытом доступе, насколько часто oaDOI верно определяет ее открытость?». Полу­ченное значение полноты составило 77%, то есть для 77% свободно доступных статей oaDOI пра­вильно определил это. Показатель точности отве­чает на вопрос «Когда oaDOI определяет, что ста­тья свободно доступна, в каком проценте случаев это верно?». Полученное значение точности соста­вило 96,6%, то есть в 96,6% случаев ответ oaDOI был правильным.

Эти результаты примерно соответствуют по­лученным в исследовании [17] в результа­те работы их автоматизированной системы: 86,4 и 99,1% соответственно. Показатели полно­ты и точности также рассчитывались на выборке в 500 документов; статистическая погрешность в обоих исследованиях составила ±4,5%. В работе [17] выборка формировалась на временном ин­тервале с 1996 г., в то время как в данной работе ограничения по времени не применялись. Период с 1996 г. был более однородным в плане распро­страненности ОД, что отчасти объясняет лучшие показатели исследования коллег.

Сервис oaDOI оптимизирован под показа­тель точности в большей степени, чем под полноту. Очень высокий показатель точности говорит о том, что любые оценки на основе базы oaDOI можно счи­тать консервативными по отношению к реальным показателям ОД в потоке литературы. То есть мы мо­жем с уверенностью утверждать, что если oaDOI показывает определенный процент ОД, реальный процент не ниже этого, а скорее выше, учиты­вая то, что показатель полноты далек от идеала. Другими словами, oaDOI порождает очень мало ложноположительных результатов (случаев, когда он ошибочно считает статью открытой), но относи­тельно много ложноотрицательных (когда он оши­бочно считает статью закрытой), как показано в таблице 1. Мы планируем усовершенствовать си­стему, чтобы повысить полноту, не снижая показа­тель точности.

Выборки, сформированные для данного исследования

Показатели трех выборок научных ресурсов, имеющих DOI, представлены в таблице 2 и описа­ны ниже.

■ Выборка из Crossref

Первая выборка «Crossref-DOIs» — случай­ная выборка в 100 тысяч журнальных статей, имеющих DOI, любых лет публикации. На май 2017 г. в базе Crossref было 88 млн записей. Чтобы исключить книги, наборы данных и другой контент, мы делали отбор по значению элемента метадан­ных type равному journal-article; всего таких запи­сей в базе оказалось 66 млн. Для проверки точности Crossref мы проверили вручную 150 единиц контен­та и обнаружили, что 93% действительно были жур­нальными статьями, а оставшиеся 7% — в основном первыми разделами журналов типа страницы со­держания или инструкции для авторов.

Назначение этой выборки — грубая оценка на­учной литературы в целом. Это определяет ее сильные и слабые стороны. Одна из слабых сто­рон — то, что хотя в Crossref есть информация о цитировании и дисциплине, эти данные далеко не полные, следовательно, их нельзя было исполь­зовать. Другая заключается в том, что исследова­тели в области наукометрии и ОД в основном по­лагаются на иные источники, особенно на Scopus и Web of Science (WoS) для оценки потока литера­туры в целом, поэтому наши результаты трудно сравнивать с результатами прежних исследований. Наконец, известно, что DOI реже присваиваются публикациям в некоторых дисциплинах, в частно­сти в гуманитарных науках [42], в некоторых ре­гионах, в особенности в развивающихся странах, и для более старых работ [43]; следовательно, эти сегменты хуже представлены в нашей выборке. Однако известно, что Scopus и Web of Science так­же недостаточно учитывают важные сегменты ли­тературы [44], так что этот недостаток свойствен не только Crossef. Кроме того, выборка из Crossref имеет важное преимущество по сравнению с ин­дексами. Хотя никакая выборка научной литерату­ры не может быть полной во всех аспектах, Crossref содержит больше записей: в июле 2017 года в нем было 67 млн журнальных статей, а в Scopus — 30 млн (https://www.elsevier.com/solutions/scopus/content). Crossref — система, открытая для ис­пользования, а Scopus и Web of Science доступны по подписке; благодаря этому преимуществу дан­ные исследования по Crossref можно размещать в открытом доступе, что позволяет воспроизво­дить и повторять результаты нашего исследова­ния. Однако нам пришлось обратиться и к Web of Science, чтобы оценить цитирование и распреде­ление по дисциплинам статей ОД, поскольку дан­ных Crossref для этого недостаточно.

■ Выборка из Web of Science

Вторая выборка, WoS-DOIs, — случайная выборка в 100 тысяч журнальных статей с DOI, индексируе­мых в Web of Science. Она была сформирована из ло­кальной базы WoS, используемой в Observatoire des sciences et des technologies (OST) в Университе­те Квебека в Монреале. В выборку включены толь­ко статьи, определяемые WoS как потенциально цитируемые (citable items), благодаря чему в нее не попадает нерецензируемый контент типа мате­риалов «от редактора» и новостей. Выборка огра­ничена периодом с 2009 по 2015 г. — периодом, когда присвоение DOI стало распространенным явлением. Выборка формировалась случайным образом из массива в 8 млн статей и обзоров, име­ющих DOI, по состоянию на май 2017 г.

Поскольку выборка из WoS ограничивалась определенным периодом и наличием DOI, она не подходила для оценки процента документов ОД в общем массиве литературы. Однако в дру­гих аспектах она лучше, чем выборка из Crossref: для каждой статьи есть информация о количестве цитирований и информация о дисциплине (о чем подробнее ниже). Поэтому мы используем эту вы­борку для оценки распространенности ОД в раз­личных дисциплинах и влияния на цитирование ОД в последние годы. Мы не рекомендуем сравни­вать показатели ОД в двух первых выборках, по­скольку они по-разному формировались.

Документы в выборке WoS-DOIs классифициро­вались по журнальной классификации Националь­ного фонда науки (National Science Foundation — NSF). Каждому журналу в ней присваивается одно название дисциплины (категория верхнего уровня) и одно название специальности (категория деталь­ного уровня). Поскольку это классификация жур­налов, все статьи журнала получают названия дис­циплины и специальности, присвоенные журналу. Недостаток этой классификации — в том, что мультидисциплинарные журналы (например, Nature, PNAS, PLOS ONE) относятся к одной категории био­медицинских исследований, хотя публикуют мно­жество статей других направлений исследований. Для таких журналов мы выполнили постатейное индексирование. Каждая статья из списка мульти- дисциплинарных журналов была приписана к той специальности NSF, которая чаще всего фигуриро­вала в ее списке цитируемой литературы. Другими словами, каждая статья из этих журналов класси­фицировалась на уровне статьи, а не журнала, и относилась к той специальности, статьи по кото­рой она чаще всего цитировала.

Мы оцениваем относительное влияние закры­тых и открытых статей с помощью ссылок на них как показателя их научного влияния. Но есть ряд свойств статей, которые могут отрицательно вли­ять на такую оценку. Главные из них — дисциплина (некоторые области исследования цитируются луч­ше, чем другие) и возраст статьи (у статей прошлых лет больше времени для накопления ссылок). Что­бы учесть это обстоятельство, мы вычислили нор­мализованное ожидаемое число ссылок (цитат) для каждой статьи на базе ее возраста и специаль­ности, сравнив его со средним количеством цитат для подобных статей.

На основе этого подхода каждая статья получила показатель среднего относительного цитирования (average relative citation — ARC). Значение ARC 1.0 по­казывает, что документ был процитирован в соот­ветствии с ожидаемым значением для документов, опубликованных в тот же год по той же специаль­ности NSF, а значение ARC больше или меньше еди­ницы означало, что документ был процитирован лучше или хуже среднего значения соответствен­но. Используя эти показатели, нормализованные по области исследования, мы можем сравнить ци­тирование между дисциплинами и годами публика­ции. Мы можем также вычислить средние значения ARC для групп статей «все открытые статьи» и «все закрытые статьи» и сравнить их нормализованные показатели цитирования. При анализе результа­тов на уровне дисциплин NSF мы не показываем данные по гуманитарным наукам и искусству, по­скольку они слабо представлены и в Web of Science вообще и в плане наличия DOI в частности.

■ Выборка Unpaywall

Третья выборка, Unpaywall-DOIs, — случай­ная выборка в 100 тысяч статей, которые от­крыли пользователи браузерного расширения Unpaywall в течение одной недели. Мы собрали данные об IP-адресах и DOI для запросов к oaDOI через Unpaywall, поступивших с 5 по 11 июня 2017 г. За этот период всего поступило 374 703 за­проса с 213 323 уникальными DOI с 42 894 уникаль­ными IP-адресами; из этих данных случайным об­разом было выбрано 100 тысяч DOI.

На основе этой выборки мы оценивали распро­страненность документов ОД в запросах пользо­вателей Unpaywall. Эта выборка удобна для оцен­ки того, что хотят прочитать пользователи; она позволяет нам приблизительно оценить про­цент литературы ОД в их предпочтениях. Одна­ко эта выборка серьезно ограничена демографи­ей: мы не знаем, откуда приходят пользователи, а по IP-адресам видим, что превалируют пользова­тели США. Кроме того, мы не можем обобщить ре­зультаты с учетом уровня образования пользова­телей, их специальности и целей изучения научной литературы.

Результаты

Вопрос 1. Каков процент литературы открытого до­ступа?

• Сколько литературы находится в открытом до­ступе?

На выборке Crossrf-DOIs мы обнаружили, что 27,9% (95% CI [27,6-28,2]) всех статей, имеющих DOI, находятся в открытом доступе. Это означает, что имеется 18,6 млн статей ОД с DOI Crossref (95% CI [18,4-18,8]). Таково общее количество статей, кото­рые может идентифицировать oaDOI. С учетом того что, как было описано в разделе «Методы», сервис oaDOI находит только 77% документов ОД по срав­нению с поиском вручную, мы можем приблизи­тельно оценить количество документов ОД, кото­рые не обнаруживает oaDOI, еще в 3,5 млн.

Те, кто читает литературу, пользуясь расширени­ем Unpaywall, обнаруживают гораздо больше доку­ментов ОД: 47% документов из выборки Unpaywall (95% CI [46,7-47,3]) — открытого доступа. В основ­ном это обусловлено годом публикации статьи: поскольку эта выборка базируется на поведе­нии реальных читателей, в ней преобладают ста­тьи последних лет; половина из них опубликованы за последние два года. Как показано ниже, в разде­ле «Как меняется количество документов ОД в за­висимости от года публикации», статьи последних лет чаще являются общедоступными, чем более старые.

• Какие типы открытого доступа наиболее распро­странены?

Как показано на рисунке 1 и в таблице 3, соотно­шение подтипов ОД довольно ровное для всех трех выборок. Отчасти это объясняется тем, что само- архивированные статьи считаются относящимися к Зеленому ОД, только если для них нет соответ­ствия на сайте издательства; таким образом, статьи Зеленого ОД находятся в тени Золотого, Гибрид­ного и Бронзового ОД. Во всех выборках преоб­ладает процент Бронзового ОД. Это особенно ин­тересно, поскольку очень мало исследователей обращали внимание на его роль. Мы просмотрели небольшое количество статей Бронзового ОД, что­бы лучше понять особенности этой подкатегории; мы обнаружили, что хотя многие «бронзовые» статьи имели период эмбарго на сайтах платных издательств, почти половина была опубликована в журналах полностью открытого доступа (100% ОД), но они не были зарегистрированы в DOAJ и не обо­значали явным образом условия лицензии (CC-BY или другие). Такие журналы лучше было бы назы­вать «темно-золотыми» или «тайными золотыми», чем бронзовыми. Углубленное изучение Бронзового ОД не входит в задачи настоящего исследова­ния, оно будет выполнено в последующих работах.

■ Как меняется количество документов ОД в зависи­мости от года публикации?

На рисунке 2 представлены данные по количе­ству (рис. 2A) и процентам (рис. 2B) документов в зависимости от категории и года публикации. В последние 20 лет количество статей ОД непре­рывно возрастает, причем эта тенденция не замед­ляется. Чем «моложе» статья, тем более вероятно, что она окажется открытой; среди статей послед­него обследованного года, 2015-го, обнаружено наибольшее число открытых: 44,7% (95% Cl [43,3­46,2%]), из них 17,6% бронзовых (95% Cl [16,2-19,1]), 9,4% гибридных (95% Cl [8,0-10,9]), 11,3% золотых (95% Cl [9,9-12,8]) и 6,3% зеленых (95% Cl [4,9-7,8]). В 2015 году было опубликовано более 1 млн статей. Тенденция роста числа статей ОД в основном об­условлена значительным увеличением Золотого и Гибридного ОД с 2000 г. Тем не менее более 20% статей, опубликованных до наступления «цифро­вого века», находятся в свободном доступе. Боль­шинство таких статей — Бронзовые; можно пред­положить, что это связано с окончанием периода эмбарго, но это требует дальнейшего изучения. Процент статей Бронзового ОД остается порази­тельно стабильным для всех лет издания.

Следует с особой осторожностью подходить к оценке количества и процентов Зеленых статей. Это обусловлено несколькими факторами. Во-пер­вых, в отличие от статей ОД на издательских сай­тах (Золотых, Бронзовых и Гибридных) дата пре­доставления статьи в открытом доступе обычно отличается от даты первой официальной публи­кации. Нередко авторы самоархивируют статьи го­раздо позже (а иногда и раньше, если речь идет о препринтах) даты их официальной публикации. В статье [17] это явление Зеленого ОД называется backfilling (ретроспективное наполнение). Таким образом, графики не могут отразить рост Зеленого ОД во времени: это требовало бы продолжитель­ных наблюдений за несколько лет, что не входит в задачи настоящей работы. Фактически графики отражают только число и проценты Зеленых ста­тей в зависимости от года их официальной публи­кации. Во-вторых, многие статьи нельзя легально самоархивировать до истечения периода эмбарго, что предположительно влияет на появление види­мого плато на графике рисунка 2 для Зеленого ОД. Наконец, как было отмечено выше, многие само- архивированные статьи могли бы считаться Зеле­ными, если бы не были «затенены» Золотой, Брон­зовой или Гибридной версией этой статьи. Более подробно рост «затененных» Зеленых статей пока­зан на рисунках SA2 и SA3.

■ Как меняются показатели ОД в зависимости от из­дательства?

Мы проанализировали подмножество выборки Crossref-DOls по издательствам (указанным в мета­данных Crossref), чтобы понять, как распределяет­ся процент ОД и типы ОД для разных издательств за период с 2009 по 2015 г. Как видно на рисунке 3A, крупнейшие издательства, возглавляемые «Эльзе­виром», публикуют наибольшее количество статей открытого доступа. Что касается процента статей ОД, только издательства PLOS и Hindawi в первой двадцатке показывают 100% открытый доступ. Из­дательства Oxford University Press, Nature Publishing Group, IOP Publishing и the American Physical Society (APS) предоставляют в открытый доступ более по­ловины статей. В случае APS ОД обеспечивается в основном размещением статей в репозиториях, таких как arXiv. Более подробно данные по репози­ториям приведены на рисунке SA1.

■ Как распределяются статьи открытого доступа по дисциплинам?

Для определения распространенности статей ОД в отдельных дисциплинах мы использовали выбор­ку WoS-DOIs, поскольку из метаданных индекса WoS легко извлечь информацию о дисциплине. Резуль­таты представлены на рисунке 4. В биомедицин­ских науках и математике больше половины публи­каций свободно доступны, в то время как в химии и инженерных науках этот показатель меньше 20%.

На рисунке 4 явно обозначена популярность Зеле­ного ОД в физике и математике, где более 20% ра­бот доступны только в репозиториях (в основном в arXiv). Гибридные статьи особенно распростра­нены в математике (9,4%), биомедицинских иссле­дованиях (8,1%) и клинической медицине (6,3%); в журналах Золотого ОД чаще всего публикуют­ся авторы исследований по биомедицине (15,3%), здравоохранению (11,7%), математике (11,2%) и кли­нической медицине (10,3%).

Большое разнообразие в пропорциях ОД наблю­дается на более детальном уровне специальностей NSF (рис. SA5). Более 80% статей ОД мы наблюдаем в астрономии и астрофизике (87%), фертильности (86%), тропической медицине (84%) и эмбриологии (83%). На противоположной стороне спектра нахо­дятся фармакология (7%), неорганическая и ядер­ная химия (7%), химическая технология (9%), где за платежным барьером (paywall) находится более 90% статей.

Вопрос 2. Каково цитатное влияние статей открыто­го доступа?

Преимущества ОД в цитировании (OACA) под­тверждается сравнением средних относительных показателей цитирования разных категорий досту­па. Платные статьи цитируются на 10% ниже сред­немировых значений (ARC = 0,90), а свободно до­ступные статьи получают в среднем на 18% больше цитирований, чем среднее ожидаемое значение (ARC = 1,18). Однако цитатное влияние различно для разных типов ОД. Наиболее ярко преимуще­ство проявляется для статей, доступных только в Зеленом ОД (ARC = 1,33) и Гибридном ОД (ARC = 1,31), которые наиболее часто цитируются (более чем на 30% выше ожидаемых значений). Бронзовые статьи цитируются на 22% лучше среднемировых значений; Золотые статьи получают значение ARC в 0,83, что на 17% ниже среднемировых значений и на 9% ниже значений для платных статей. Эти данные показаны на рисунке 5.

Как показано на рисунке 6, эти тенденции меня­ются с годами. Хотя показатель ARC платных статей остается ниже среднемировых значений весь изу­ченный период, он меняется от 0,86 в 2009 г. до 0,93 в 2014 и 2015 гг. Для всех типов ОД показатель ARC всегда выше среднемировых значений, меняясь в интервале от 1,15 до 1,22. Эти флуктуации связа­ны с типом доступа, причем цитатное влияние Ги­бридных документов с годами возрастает. Среднее значение цитирования Зеленых статей остается относительно стабильным, а наивысшее значение достигается в 2015 г. Бронзовыми и Гибридными статьями. Из всех типов ОД только Золотые статьи показывают снижение от года к году. Однако ре­зультаты последних лет основаны на узком окне цитирования и могут меняться в дальнейшем с на­коплением цитат.

Обсуждение и выводы

В наши дни доступ к научной литературе — это центральная тема обсуждений в научном сообще­стве. Все больше научных фондов требуют от сво­их грантополучателей предоставлять результаты ис­следований в открытом доступе. В то же время рост стоимости подписки вынуждает отказываться от нее все больше университетских библиотек. В этих усло­виях возник ряд способов получить доступ к лите­ратуре, легальных или нелегальных. Используя дан­ные, полученные одним из таких способов, oaDOI, настоящая работа пытается ответить на два важных для исследователей вопроса: какой процент лите­ратуры свободно доступен в разных типах ОД и ка­ково в среднем научное влияние этой литературы. Для ответа на них мы использовали три больших выборки (1) 100 тысяч статей, имеющих DOI Crossref, что позволило нам оценить процент статей ОД в об­щем объеме статей; (2) 100 тысяч журнальных статей из WoS, имеющих DOI, что позволило оценить науч­ное влияние статей ОД и не-ОД; (3) 100 тысяч статей, к которым обращались пользователи браузерно- го расширения Unpaywall, что позволило оценить процент статей ОД в этом массиве.

Мы обнаружили, что 28% журнальных статей в онлайне свободно доступны (в выборке Crossref- DOIs). К радости сторонников ОД, этот процент стабильно растет на протяжении последних 20 лет, особенно для Золотых и Гибридных статей. Последний обследованный год, 2015-й, показал наибольший процент ОД, 45%, а также рекордное количество статей ОД, опубликованных за год. Вы­сокий процент статей ОД в последние годы наря­ду с предпочтениями читателей к свежим статьям приводит к благоприятной ситуации: фактически процент статей ОД, к которым они обращаются, выше среднего по большой выборке. Пользовате­ли Unpaywall через oaDOI получают свободный до­ступ к почти половине статей — к 47%. Этот эффект определенно имеет место не только для пользова­телей Unpaywall: скорее всего, все читатели обыч­но предпочитают новые статьи, а значит, и они вы­игрывают от роста количества Золотых, Бронзовых и Гибридных статей в текущем потоке. Для того чтобы оценить это количественно, нужны допол­нительные исследования.

Интересно отметить, что большинство статей ОД — Бронзовые, то есть размещенные на сайтах издателей без лицензии вообще или без открытой лицензии. Это особенно удивительно, поскольку об этом типе статей редко пишут, а они явно за­служивают большего внимания со стороны сто­ронников ОД. В частности, Бронзовому ОД нужно уделить больше внимания при разработке поли­тики ОД, так как в отличие от других статей на из­дательских сайтах для Бронзовых разрешено толь­ко чтение, но не вторичное использование (Gratis OA). Дальнейшего изучения требуют характеристи­ки Бронзового ОД. Какое количество статей это­го типа, в принципе, доступны под открытыми ли­цензиями, но это не обозначено явным образом? Возможно, Бронзовые статьи преимущественно не рецензируются? Каков процент статей отложен­ного доступа в этой категории? Сколько Бронзовых статей свободно доступны в целях продвижения и рекламы и как долго они остаются в свободном доступе? Сколько из них публикуются в неявных Зо­лотых журналах, не включенных в DOAJ? Почему та­кие журналы не размещают лицензии для своего контента и можно ли стимулировать их идти в этом направлении? Ответы на эти и другие вопросы нельзя дать в настоящей статье, но они могут стать стимулом для дальнейших исследований ОД.

Лишь 7% всей литературы (и 17% литературы ОД) — в Зеленом открытом доступе. На первый взгляд это может показаться разочаровывающим резуль­татом, учитывая годы пропаганды Зеленого ОД и растущее количество мандатов Зеленого ОД [45]. Однако для ОД в целом есть основания для опти­мизма. Во-первых, много статей, архивированных в репозиториях, в данном исследовании не счита­лись Зелеными, поскольку на платформах издате­лей они доступны по модели Золотого, Гибридного или Бронзового ОД. Такие «затененные» Зеленые статьи образуют надежную страховочную сеть, ко­торая обеспечит свободный доступ к контенту, если издатели его прекратят. Для определения распро­страненности «затененных» статей в различных дисциплинах нужны дополнительные исследова­ния. Во-вторых, многие авторы архивируют свои статьи не только текущего, но и прошлых лет; это означает, что хотя график Зеленого ОД не показы­вает стабильного ежегодного роста, как Золотой и Гибридный, это может измениться по мере того, как авторы будут все больше наполнять архивы ра­нее опубликованными работами. Это предполо­жение подтверждается результатами работы [46]. Наконец, сравнительно низкое количество Зеле­ных статей оставляет надежду на грядущий устой­чивый рост. Хотя большинство журналов крупней­ших издательств (Elsevier, Wiley, Springer и других) разрешают самоархивирование, некоторые иссле­дования показали, что лишь небольшой процент статей этих издателей заархивирован в репозито­риях. Например, в [47] на выборке статей по иссле­дованию здоровья в мире продемонстрировано, что только для 39% из них авторы воспользовались правом на самоархивирование.

Полученные нами результаты подтверждают преимущество статей ОД в цитировании, ранее вы­явленное в других исследованиях: открытые статьи получают на 18% больше ожидаемого количества цитирований. Отчасти это преимущество можно объяснить тем, что при открытом доступе со ста­тьей могут ознакомиться, а значит и процитиро­вать, больше читателей, но такое объяснение труд­но подтвердить объективными данными и против него есть много возражений. Наиболее распро­страненное — так называемый «постулат смещения выбора» (selection bias postulate) [48]. Он подразу­мевает, что авторы продвигают в открытый доступ свои наиболее сильные работы. В настоящей рабо­те не изучались причины и направленность преи­мущества статей ОД в цитировании, в нем только подтверждено его существование на очень боль­шой выборке, репрезентативной для всего потока литературы. В преимуществе статей ОД в цитиро­вании также могут иметь значение требования фондов: наиболее влиятельные фонды чаще вы­двигают требование открытого доступа; кроме того, хорошо профинансированные работы имеют пре­имущества в цитировании над работами, выпол­ненными на скромные средства[49]. Интересный факт: меньше всего цитируются Золотые работы, вероятно, из-за роста количества новых неболь­ших журналов этой категории. Часть этих журналов издается в регионах, которые исторически не охва­тываются WoS, публикуются не на английском язы­ке и не считаются престижными, поскольку у них не было достаточного времени на завоевание по­зиций и накопление цитирования [23]. С другой сто­роны, на проигрыш Золотых статей в цитировании, вероятно, влияет рост числа мегажурналов, таких как PLOS ONE [50]. Каковы бы ни были причины, от­носительно низкое влияние Золотого ОД означает, что общее преимущество в цитировании ОД име­ет место благодаря Зеленому, Гибридному и Брон­зовому контенту. Суммируя полученные результаты, скажем, что хотя на наблюдаемую разницу в цити­ровании могут влиять некоторые факторы, кото­рые трудно оценить, факт остается фактом: ученые скорее прочтут и процитируют доступные работы, чем недоступные. Мы надеемся, что наличие сво­бодно доступного индекса контента ОД поможет дальнейшим исследованиям явления преимуще­ства ОД в цитировании.

Сравнительно высокий процент статей ОД, осо­бенно среди пользователей Unpaywall, может силь­но повлиять на деятельность научных библиотек. Им все труднее оплачивать подписные пакеты в рамках «крупных сделок», цены на которые ра­стут, а отказ от них, о котором раньше нельзя было и помыслить, становится реальностью. Знание того, что около половины востребованной литературы доступно без подписки, может склонить некото­рые библиотеки к отказу от нее, особенно с уче­том того, что этот процент стабильно растет. Инте­ресно, что информация об отказе Монреальского университета от подписки на пакет журналов из­дательства Taylor & Francis [5] сопровождалась ре­комендацией пользоваться Unpaywall и другими вариантами выхода на открытые статьи. Такое ре­шение может показаться радикальным, однако от­каз от платных подписок давно входит в дорожную карту движения за открытый доступ [51]. Даже если доля ОД недостаточна для того, чтобы отказаться от подписки, ее может вполне хватить для перего­воров о снижении цены на основе модели «пла­ты за доступ с учетом ОД» (OA-adjusted Cost Per Access) [9]). Тем не менее необходимы дальнейшие исследования распространенности контента ОД в отдельных журналах и пакетах крупных сделок; нужно также разработать средства анализа ОД для библиотекарей-практиков в помощь приня­тию решений об отказе от подписок.

Это исследование имеет несколько существен­ных ограничений. Анализируемые данные вклю­чали только журнальные статьи с DOI. Это озна­чает, что в нем плохо представлены дисциплины и регионы, где преобладают материалы конфе­ренций и статьи, не имеющие DOI. Наша выборка из Crossref содержит около 7% материалов, по­мещенных на первых страницах журналов, кото­рые имеют DOI и тип «журнальная статья», однако чаще всего это информация о редколлегии и по­добные. Бронзовая категория в нашей интерпре­тации включает статьи, фактически опублико­ванные в журналах ОД, не зарегистрированных в DOAJ; в дальнейшем необходимо идентифици­ровать их и отнести соответствующие статьи к Зо­лотому ОД. Как оговорено в нашем определении ОД, мы не учитывали открытые документы из на­учных социальных сетей. Сервис oaDOI отчасти учитывает статьи, опубликованные на персо­нальных веб-страницах, но значительно уступает в этом глобальным сервисам типа Google. oaDOI индексирует тысячи репозиториев, но отнюдь не все. Проведенная нами оценка точности пока­зывает, что около 23% контента ОД, который об­наруживается поисковиками, не охвачено oaDOI, следовательно, наши оценки преуменьшают ОД приблизительно на 30%. Наконец, наше иссле­дование не учитывает дат размещения статей в репозиториях. Поскольку репозитории часто наполняются ретроспективно, в данной рабо­те мы не измеряем увеличения или уменьшения Зеленого ОД от года к году; оценивается только процент Зеленых статей на момент сбора данных.

Помимо полученных эмпирических результа­тов, эта работа демонстрирует потенциал исполь­зования oaDOI в дальнейших исследованиях. Этот открытый сервис обеспечивает ученым возмож­ность оценки и отслеживания динамики моделей доступа к научной литературе на больших масси­вах данных, а также факторов, влияющих на них. Так, наши результаты демонстрируют рост доли ОД в потоке литературы и повышенный уровень ци­тирования работ ОД по сравнению с закрытыми статьями. Предположительно, на это влияют не­сколько факторов, но они пока недостаточно из­учены. Привлечение других наборов данных (из WoS, Scopus или Crossref-oaDOI) позволит оценить на больших массивах влияние различных манда­тов на депонирование или отследить динамику доступности документов, чтобы, например, вы­яснить, когда авторы самоархивируют статьи, или определить устойчивость доступа к матери­алам, открытым в целях продвижения контента. Обобщенные на уровне журналов и издательских платформ, эти данные обеспечат библиотекарей индикаторами для принятия обоснованных реше­ний об отказе от подписки и смягчения послед­ствий таких решений. Широкомасштабное при­менение oaDOI позволит также более тщательно изучить эффект преимущества ОД в цитировании по отдельным дисциплинам и периодам. Как пока­зано в [52], влияние осложняющих факторов мож­но ослабить за счет привлечения метаданных статей, опубликованных в тех же журнальных выпусках, на ту же тему или опубликованных ав­тором в тот же период. Мы надеемся, что другие исследователи глубже изучат такие данные, чтобы лучше понимать распространение ОД и влияющие на него факторы. Это чрезвычайно важно для на­учной коммуникации будущего.

Доступность данных

Zenodo: http://doi.org/10.5281/zenodo.837902.

Данные, анализируемые в настоящей статье, свободно доступны по следующим адресам:

• http://dx.doi.org/10.5281/zenodo.837902 and the R statistics code can be found,
• https://github.com/Impactstory/oadoi-paper1 — код R статистики,
• https://github.com/impactstory/oadoi — код oaDOI,
• https://oadoi.org/api — информация по oaDOI API.