OpenAlex como fonte de dados para sistemas nacionais de informação científica: a experiência do projeto Laguna

Resumo

Introdução: O OpenAlex é utilizado como uma das principais fontes de dados no Laguna de dados, projeto para a criação de uma Infraestrutura Informacional Aberta para processamento e integração de dados ao sistema de informação científica nacional. Este trabalho apresenta a experiência da equipe do Laguna na extração e no tratamento dos dados do OpenAlex. Metodologia: O processo de extração de dados é realizado mensalmente por meio de download dos dumps públicos disponibilizados pelo OpenAlex. É realizado a carga completa dos dados de cada entidade, que posteriormente são processados e, conforme o caso, cruzados com dados de outras fontes. Para os processamentos mais complexos, são realizados testes com amostras menores, a fim de estimar o tempo de processamento e nível de precisão. Resultados: A integração dos dados do OpenAlex deve observar as particularidades do sistema de informação científica brasileiros, incluindo a diferença de atributos, discrepância entre a cobertura da produção científica e a não equivalência de metadados entre os registros das mesmas entidades em diferentes fontes de dados. Como resultado, este processo requer o estabelecimento de procedimentos sistematizados, como meio de estabelecer uma metodologia para manutenção e atualização do lago de dados, além do desenvolvimento de soluções tecnológicas específicas que auxiliem na resolução das incompatibilidades encontradas. Conclusão: OpenAlex contribui para o mapeamento e relacionamento de entidade, atores e manifestações do sistema de informação científica na web, não substituindo outras ferramentas e/ou fontes sobre a atividades científicas, sendo necessário o cruzamento e compatibilização com dados de outras fontes