通过研究科研人员职业转变中的异常分析来评估作者消歧质量

作者消歧对于推动科学学科研究至关重要。然而，由于难以手动制备包含已消歧作者的黄金标准数据集，评估大规模数据库中作者消歧的质量仍具有挑战性。我们通过从 OpenAlex 中提取的 580 万 biomedical 研究人员的作者元数据估计其成为独立主要研究员 (PI) 的时间，我们意外发现了一个异常现象：超过 60% 的研究人员在首年即以最后作者身份出现。我们假设这种不寻常的发现源于差劲的姓名消歧，认为这种异常可能作为低质量作者消歧的指示器。我们的发现表明，缺乏归属信息的作者更可能表现出这一异常，而包含归属信息的作者则表现得要好得多。相比之下，拥有开放研究人员和贡献者 ID (ORCID) 的作者显示出显著更低的异常率。我们进一步将此方法应用于按性别分析作者消歧质量，发现女性作者在 2010 年前的消歧质量低于男性作者，这表明基于 2010 年前数据的性别差异发现可能需要仔细重新审视。我们的结果为在各种上下文中系统性地评估作者消歧质量提供了框架，促进了未来在作者消歧方面的努力。