カレントアウェアネス-E

No.360 2018.12.20

 

 E2088

研究データの利用評価指標の実務指針

 

　2018年9月，Make Data Count（MDC）が，研究データの利用評価指標の実務指針である“COUNTER Code of Practice for Research Data Usage Metrics Release 1”（以下「CoP for RD1」）を公開した。本稿ではその内容を概観する。

　CoP for RD1はMDCで活動するメンバーによって執筆された。MDCは2014年にスタートしたデータレベルの利用統計の指標を作成するプロジェクト（発足時の名称はMaking Data Count）である。DataCite，DataONE，米・カリフォルニア電子図書館（CDL）からのメンバーで構成されたチームは，各データリポジトリやプラットフォーム（データプロバイダ，大学や研究機関）が標準化された研究データの利用状況総計値（Usage Metrics）を公表できるようになることを目指している。

　先行調査として2014年に行われた「データレベルのメトリクス（指標）開発に向けた調査」の報告によると，研究者は指標としてダウンロード数を被引用数に次いで2番目に重要視している。そこでMDCは，CoP for RD1の開発にあたり，同調査のダウンロード数を公開すべきという指針の実現を目指した。2015年にかけてプロトタイプを作成，2016年にはそれを受けて研究データの標準の必要性を明確にし，データレベルの指標の開発が始まった。2017年から2019年の最後のフェーズにCoP for RD1を刊行した。

　利用状況総計値としては，電子ジャーナルや電子ブックなどテキストベースの電子リソースの利用統計の標準としてCOUNTER（CA1512参照）が先行するが，MDCはCOUNTERとも連携しながらプロジェクトを進めた。CoP for RD1を新たに作成した背景にはそれらの電子リソースとは異なる研究データ独自の特徴がある。例えばオープンアクセス（OA）を基本とすること，データセットの利用が中心であること，データセットのバージョン管理の重要さ，機械的なアクセスが多い点があげられよう。

　CoP for RD1はデータセットの利用統計のレポートに関する3章から5章を中心とした全8章と付録で構成される。6章以降はログの処理，レポートデータ処理規則，研究データのためのSUSHIプロトコル，参考文献，用語解説がつづく。ここでは，レポートを中心に必要な技術実装とその詳細について取り上げる。

　レポートの基本的な構成は2017年に公開されたCOUNTER Code of Practice Release 5（以下「CoP5」）と同じであるが，OAを基本とするため，購読機関を示す項目は持っていない。また，レポートはtsvとJSON形式で提供しなければならないとされる。

　レポートはヘッダと具体的な値を記述する本体で成立し，これに加えてマスターレポートが存在する。マスターレポートはどのようなレポートを出力するのかを設定するために用いる。ここでは下記のヘッダと本体の説明で取り上げる，Metric_TypesやReport_Attributesを用いたフィルタを適用して，利用者の需要に沿ったレポートを作成できるようにしている。CoP for RD1では，マスターレポートにはReport_ID，Report_Name，Host_Typesを含むことが期待されている。

　ヘッダはReport_Name，Report_ID，Release，Metric_Types，Report_Filters，Report_Attributes，Exceptions，Reporting_Period，Created，Created_byの10要素で構成される。このうちMetric_Typesとは，COUNTERレポートの利用属性であり，そのデータセットに対する動作（activities）を同定するものである。具体的にはCoP5でも登場するRequestとInvestigationの2種類が存在する。Requestとは，データセットのURLをクリックする等，データセットのコンテンツそのものが「取得された（retrieved）」動作を表す。Investigationとは，抄録の閲覧，プレビュー表示，リゾルバへのリンクなど，データセットに関する情報（抄録，解説，参考文献などインターフェイスによる違いが生じる）が「調査された（examined）」動作を表す。Requestはデータそのものへの要求を，Investigationはデータセットへの関心を含めて表現しており，前者は後者に含まれる。データセットの利用全体をカウントするTotalと，ユーザセッションごとの利用をカウントするUniqueの値を出すために，Metric_Typesには，Total_Dataset_Investigations，Unique_Dataset_Investigations，Total_Dataset_Requests，Unique_Dataset_Requestsの4種類が存在する。同じデータセットの同じユーザセッションで生じた動作は複数であっても，そのデータセットに対する動作は「1」（Unique）とカウントされなければならない。このUniqueの値を出すためには，データセットはDOI等の識別子を用いて，ユーザセッションはIDと年月日と時刻を組み合わせて同定する。また，Report_Attributesとは，その値を使用することでCOUNTERレポートの表示方法を変更する。ロボットアクセスの除去や，多重アクセスを1とカウントするフィルタリングとは異なり，利用統計の値そのものには影響しない。Report_Attributesには，年，アクセス元（機械的アクセスか否か），バージョン，Metric_Types，月別詳細の除外が存在する。

　次にレポートの本体に記述される各要素は，Dataset_Title，Publisher，Publisher_ID，Metric_Type，Reporting_Period_Total，mmm-yyyy（ここまで必須項目），DOI，Other_ID，URI（いずれか必須），Creators，Publication_Date，Dataset_Version，YOP，Access_Method（選択可）で構成される。

　MDCでは現在，フィードバックを受け改良を進めると同時に，各地でのワークショップの開催や研究データ刊行元への実装のための技術協力を行っている。研究データ公開や活用がさらに進み，公開した研究データのインパクトを測りたいという需要は増していくだろう。研究データの利用統計の比較や評価にCoP for RD1がどのように貢献するのか，今後の動向にも期待したい。

神戸大学附属図書館・末田真樹子

Ref:
https://www.projectcounter.org/counter-code-practice-research-data-usage-metrics-release-1/
https://makedatacount.org/
https://doi.org/10.1241/johokanri.58.844
https://www.projectcounter.org/counter-code-practice-release-5-now-published/
CA1512