Åbne tidsskrift data

Åbne data giver os mulighed for at besvare spørgsmål vi ellers ikke ville kunne besvare.

Derfor:

• En demonstration af hvordan det egentlig gøres

Et simpelt videnskabshistorisk spørgsmål:

Der var engang hvor tysk var det dominerende sprog i kemien.

Det skiftede til engelsk.

Hvordan så det skift egentlig ud i de nordiske lande?

• Først laver vi en liste over de adresser vi skal hente data fra
• Så henter vi data - og her nøjes vi med årgang og artikeltitler
• Så regner vi ud hvilket sprog hver enkelt artikel er skrevet på

Og så ser vi resultatet

Ser således ud.

[1] "http://actachemscand.dk/volume.php?vol=1"
[2] "http://actachemscand.dk/volume.php?vol=2"
[3] "http://actachemscand.dk/volume.php?vol=3"
[4] "http://actachemscand.dk/volume.php?vol=4"
[5] "http://actachemscand.dk/volume.php?vol=5"
[6] "http://actachemscand.dk/volume.php?vol=6"

• Vi besøger hvert link, og henter data.
• Samtidig beder vi computeren gætte på hvilket sprog artiklen er skrevet på.

getPaperDetails <- function(paper, volid){
  title <- html_nodes(paper, "b") %>%
    html_text()
  title <- title[1]
  authors <- html_nodes(paper, "p") %>%
    html_text()
  pagesAndDOI <- html_nodes(paper, "div") %>%
    html_text()
  pages <- pagesAndDOI[1]
  pages <- substring(pages, 8, nchar(pages)-1)
  doi <- pagesAndDOI[2]
  doi <- substring(doi, 13, nchar(doi))
  language <- textcat(title)
  year <- acta[which(acta$url_id==volid),]$year
  volume <- acta[which(acta$url_id==volid),]$vol
  url_list <- paper %>% html_nodes("a") %>% html_attr("href")
  urls <- lapply(url_list, function(ch) grep("pdf", url_list))
  url <- url_list[urls[[1]]]

  result <- list(title=title, authors=authors, language=language, pages=pages, 
                 doi=doi, volume=volume, year=year, url=url)
}

• Hvis ikke vi sikrer adgang til metadata på ressourcerne - skal vores brugere gøre arbejdet.
• Endda noget ret bøvlet arbejde

                            authors language year
1     Astrup, Tage; Brodersen, Rolf  english 1947
2                        Foss, Olav  english 1947
3    Blom, Jakob; Rosted, Carl Olof  english 1947
4                      Veibel, Stig  english 1947
5                     Ågren, Gunnar  english 1947
6 Erdtman, Holger; Gripenberg, Jarl   german 1947

• Kvaliteten af metadata i de ressourcer vi betaler for er rigtig vigtig!
• Er den ikke god nok - skal vores brugere lave arbejdet
• Og det er besværligt

Det har jeg forberedt tidligere. For det er semimanuelt.

english  french  german 
  32378      54     552 

Læring:

• Manglende adgang til metadata koster vores brugere tid.

• Fra at fylde ganske meget, gik tysk bort som kemisk sprog i de nordiske lande i 1978 og er ikke set siden.
• Åben adgang til data giver et kvantitativt svar på et interessant videnskabshistorisk spørgsmål.
• Var den åbne adgang bedre organiseret - ville vi have fået svaret lettere.