考察欧洲开放仓库基础设施的持久性及其在学术文献中的扩散

本文旨在确定仓库及其运营组织观察到的持久性原则的程度。我们还评估了负面仓库持久性水平可能对学术文献产生的影响。为此，我们通过查询和组合来自多个仓库注册表和网页抓取源（包括 Internet Archive 的 Wayback Machine）中的数据，从而创建了一个独特的历史仓库位置及其 OAI-PMH 端点的数据集。我们随后以此数据为基础，对 CORE（一个庞大的学术输出语料库）进行文本挖掘，以确定不持久的欧洲仓库内容如何渗透到学术文献中。我们的发现表明，超过二分之一的欧洲仓库（>20%）可被归类为“已死亡”，而与这些仓库相关的机器接口的更大比例（>40%）也同样“已死亡”。问题在于，我们的分析表明，约有 12,000 个独特的学术作品引用、指向或主动使用了这些仓库内容，总计约 19,000 个独特的仓库位置，而这些位置现在无法从其所述资源位置检索。部分原因在于可用仓库注册数据存在限制，以及“僵尸”仓库的存在，导致对引用死亡仓库内容的学术作品总数的估计实际要高得多。我们还发现死亡仓库内容正在当前的学术文献中进入，这种现象我们描述为“即刻死亡”引用。我们考虑了这些观察的意义，提出了解释，并提出可能的政策干预措施以解决仓库持久性问题。我们的数据集还使我们能够对不持久仓库的性质、概况及其衰减率作出若干观察。