A tudományos közösség régóta keresi a választ arra a kérdésre, hogyan lehet megítélni egy kutatás valódi értékét. A szakmai lektorálás fontos szűrő, de önmagában nem tévedhetetlen: időhiány, korlátozott szakértői kapacitás és az egyre növekvő publikációs volumen miatt a legjobb bírálati rendszer sem tud minden esetben pontos képet adni egy kutatás minőségéről. A publikáció megjelenése után ezért újabb értékelési folyamat kezdődik. A kutatók idézik a cikket, vitatják az eredményeit, kommentálják vagy éppen megpróbálják reprodukálni azokat.
Idézettség ≠ megbízhatóság
A tudományos teljesítmény egyik legismertebb mutatója továbbra is a hivatkozások száma. Az idézettség megmutatja, hogy egy publikáció hatással volt más kutatásokra. Ugyanakkor egy hivatkozás mögött nagyon eltérő okok állhatnak.
A legtöbb idézés egyszerűen azt jelzi, hogy a szerző megemlítette a témában korábban megjelent munkákat. Egy cikket akkor is idézhetnek, ha annak eredményeit később megcáfolják, vagy ha csupán háttérinformációként szolgál. Az idézettség tehát önmagában nem feltétlenül tükrözi a kutatás megbízhatóságát vagy tudományos értékét.
Az adatok újrafelhasználása sokkal erősebb bizalmi jelzés
Tim Vines, a DataSeer projekt alapítója és a ScholarlyKitchen szerzője szerint éppen ezért érdemes más szemszögből is vizsgálni a kutatási hatást: felhasználja-e valaki a publikációhoz tartozó kutatási adatokat?
Az adatok újrafelhasználása ugyanis jóval többet követel meg egy egyszerű hivatkozásnál. A másodlagos elemzést végző kutatónak meg kell ismernie az eredeti kutatás módszertanát, át kell tekintenie az adatállományt, meg kell értenie annak szerkezetét, majd saját munkáját is ezekre az adatokra kell alapoznia. Ha az adatok hiányosak, rosszul dokumentáltak vagy megbízhatatlannak tűnnek, az újrafelhasználás egyszerűen nem történik meg.
Más szóval: amikor egy kutató egy másik kutató adatait használja fel, saját szakmai hitelességét is részben az eredeti adatgyűjtésre építi. Ez sokkal erősebb bizalmi kapcsolatot feltételez, mint egy hagyományos szakirodalmi hivatkozás.
A nyílt tudomány gyakorlati haszna
Az adatok újrafelhasználásának ugyanakkor van egy előfeltétele: elérhetőknek kell lenniük.
A nyílt tudomány egyik alapelve éppen az, hogy – ahol ezt etikai és jogi szempontok lehetővé teszik – a kutatási adatok legyenek hozzáférhetők más kutatók számára. Ez nemcsak az átláthatóságot növeli, hanem a reprodukálhatóságot is elősegíti, amely a kutatás megbízhatóságának egyik legfontosabb ismérve.
Az adatok megosztása ráadásul nemcsak a tudományos közösséget segíti. A jól dokumentált adatállományok új kérdések vizsgálatára, összehasonlító elemzésekre vagy akár teljesen új eredmények megszületésére is lehetőséget adhatnak.
A kutatási adatok újrafelhasználása valóban erős megbízhatósági jelzőnek tekinthető, de nem minden tudományterületen egyformán alkalmazható. Egy csillagászati területen végzett kutatás adatai könnyebben megoszthatók, mint az egészségtudományok gyakran érzékeny kutatási adatai.
Továbbá nem szabad megfeledkeznünk a nem kívánt következményekről sem. A tudomány történelme azt mutatja, hogy minden új mérőszám torzulhat hosszabb idő elteltével. Tegyük fel, hogy a kutatási adatok megosztása fontos teljesítménymutatóvá válik. Nem tudjuk elkerülni, hogy megjelenjenek azok a gyakorlatok, amelyek mesterségesen próbálják növelni ezt a mutatót – mint a publikációk esetében a cikgyárak (papermillek).
Az AI új lehetőséget teremt
Felmerülhet a kérdés: ha a kutatási adatok újrafelhasználása ennyire fontos, miért nem használjuk már most is ezt a mutatót?
Egyszerűen azért, mert eddig nehéz volt megbízhatóan felismerni, hogy egy tanulmány valóban korábbi kutatási adatokat használt-e fel. A szerzők sokszor csak a módszertani leírásban említik az adatforrást, ráadásul nem mindig tüntetnek fel egyértelmű azonosítókat vagy szabványos hivatkozásokat.
A mesterséges intelligencia azonban ezen is változtathat. A fejlettebb nyelvi modellek már képesek felismerni azokat a szövegrészeket, amelyek az adatok újrafelhasználására utalnak, és ezekből strukturált metaadatokat tudnak készíteni. Ez lehetővé teheti, hogy a jövőben ne csak a cikkek idézettségét, hanem az adatkészletek tudományos hatását is mérni lehessen.
Az AI azért jön a képbe, mert eddig ezt gyakorlatilag lehetetlen volt nagyléptékben mérni. Pontosan még most sem lehet, de ígéretes lehetőségek vannak a nyelvi modellekben ezzel kapcsolatban. Természetesen nem a mesterséges intelligencia fogja megváltani a világot, hiszen nem vezet be új mutatókat, csak láthatóvá képes tenni azt, amit eddig nem tudtunk mérni. Ehhez persze nagy átalakítások kellenek a tudományban.
Mit jelent ez számodra?
Érdemes már a kutatás tervezésekor úgy gondolkodni, hogy az adatok később mások számára is felhasználhatók legyenek.
Ez magában foglalja az adatok megfelelő dokumentálását, a szabványos metaadatok használatát, valamint – amikor erre lehetőség van – az adatok nyilvános repozitóriumban történő elhelyezését (pl.: Zenodo, intézményi adatrepozitóriumok). Bár ez kezdetben többletmunkának tűnhet, hosszú távon növelheti a kutatás láthatóságát és tudományos hatását.
Valójában a kihívás nem csupán az adatmegosztás ösztönzése, hanem az is, hogy a kutatási adatok újrafelhasználása machine-readable formában kerüljön be a publikációk metaadatai közé. Ez azonban nemcsak a kutatókon múlik. A szabványos adatcitáció létrehozásához a tudományos folyóiratok, a kiadók és a kutatási infrastruktúrák együttesére lesz szükség.
Ha az adatok újrafelhasználása fontos mutatóvá válik a tudományos kommunikációban, egyre jobban megéri majd adatokat publikálni és érdemes lesz tisztában lenni a hozzá tartozó adminisztratív folyamatokkal. A nyílt tudomány a kutatási adatok kezelésést már most rendkívül fontos kompetenciának tekinti, viszont egyre inkább alapvető skillsetként fogja kezelni a kutatói szakma.
Nem az idézettség helyett, hanem mellette
A kutatási adatok újrafelhasználása természetesen nem váltja ki az idézettségi mutatókat. Vannak olyan tudományterületek, ahol az adatok megosztása technikai, etikai vagy jogi okokból korlátozott, ezért az új mutató nem alkalmazható mindenhol egyformán.
Mégis fontos szemléletváltást jelez. A tudományos siker ugyanis nemcsak abban mérhető, hogy hányan olvasták vagy idéztek egy publikációt, hanem abban is, hogy más kutatók mennyire találják megbízhatónak az eredményeket. Ha pedig valaki a saját kutatását is ezekre az adatokra építi, az talán az egyik legerősebb szakmai elismerés, amit egy kutató kaphat.
A jövőben akár úgy is tekinthetünk a tudományra, ahol a közlemény és a hozzá tartozó dataset együtt fog alkotni egy egészet, a cikk amolyan „ReadMe fájlként” kíséri a kutatási adatokat. A tudományos teljesítményt ma hagyományosan publikációkra alapozva mérjük, pedig az adat a kutatás egyik legnagyobb értéke. Ha az adatok új életet kapnak más kutatásokban, az talán még többet árul el a munkánk értékéről, mint a citációk száma.
Átalakíthatja-e a kutatási adatok megosztásának és teljesítményértékelésben való vizsgálatának gyakorlata a tudományos hatást? Nemcsak az lehet értékes kutatás, amelyre sok idézés érkezik, hanem az is, amire további kutatások építhetők – mert a kutatási adatokra lehet építeni, megbízhatók, hozzáférhetők, gépek által olvashatók. Ez a szemlélet jobban tükrözheti a tudomány együttműködésre épülő természetét.