Несмотря на многообещающие возможности новых технологий и всё более открытые метаданные научных публикаций анализ российских научных изданий остается задачей творческой. Причин этому немало - от извечных противоречий о природе “национального” в научных изданиях до отсутствия открытых метаданных журналов. Международный регулятор ISSN.org, хотя и запустили открытый портал, но отдают лишь часть информации, предлагая всем заинтересованным в подробной информации купить доступ через OAI-PMH (от 8000 евро) или массив данных (20 тысяч евро). Их национальные подразделения вместо развития открытых реестров с современными режимами доступа предоставляя информацию посредством платных справок. В такой ситуации прогрессивную роль мог бы взять на себя крупнейший национальный агргегатор eLIBRARY.RU - например, выложить открытые метаданные индексируемых изданий. Надеемся, что однажды возьмет, а пока вся надежда… на государство.
Роскомнадзор (далее - РКН) публикует в виде открытых данных Перечень наименований зарегистрированных СМИ, где присутствует информация об учредителях, которую можно через ИНН привязать к организациям из RIRO.
Ниже показан общий подход к сопоставлению названий.
Данные о СМИ Роскомнадзора
Данные можно скачать с сайта РКН (раздел Открытые данные) - файл имеет формат XML объемом более 100 Мб.
Скрипт на R для превращения данных в более удобную для работы таблицу CSV доступен на Github.
Итоговая таблица имеет вид:
Show code
dir <- paste0(onedrive, "/Journals/rkn/")
rkn_data <- paste0(dir, "data_rkn_wide.gz") %>%
read_csv(col_types = cols(.default = col_character()))
rkn_data[1:100,] %>%
datatable(rownames = FALSE, escape = FALSE,
class = "row-border",
caption = htmltools::tags$caption(
style = 'caption-side: top; text-align: left;',
paste0('Таблица 1: Фрагмент таблицы, созданной из реестра',
' зарегистрированных СМИ (дата доступа: 25.07.2021). ',
'Учредители журнала разделены по строкам, поэтому 1 разрешению ',
'в таблице может соответствовать несколько строк.')
),
options = list(columnDefs = list(
list(className = 'dt-center', targets = c(0, 3:4, 8,10,17, 18)),
list(width = '300px', targets = c(1, 11, 16)),
list(width = '600px', targets = c(19)),
list(width = '200px', targets = c(6,7, 9, 12)))))
Сопоставление изданий и организаций
Полученная из реестра таблица содержит ИНН (второй справа столбец founder_inn), поэтому задача сопоставления научных изданий с учредителями по ИНН с использованием RIRO решается просто.
Show code
t1 <- paste0(onedrive,"/RusOrgReg/final_tables/1.1.1/") %>%
list.files(full.names = TRUE) %>% .[grepl("table1_",.)] %>%
read_csv(col_types = cols(.default = col_character()))
by_inn <- rkn_data %>% filter(founder_inn %in% t1$inn)
by_inn[1:100,] %>%
datatable(rownames = FALSE, escape = FALSE,
class = "row-border",
caption = htmltools::tags$caption(
style = 'caption-side: top; text-align: left;',
paste0('Таблица 2: Фрагмент таблицы, созданной из реестра',
' зарегистрированных СМИ (дата доступа: 25.07.2021),',
' учредителями которых выступали организации, присутствующие ',
'в российском индексе научных организаций RIRO.')
),
options = list(columnDefs = list(
list(className = 'dt-center', targets = c(0, 3:4, 8,10,17, 18)),
list(width = '300px', targets = c(1, 11, 16)),
list(width = '600px', targets = c(19)),
list(width = '200px', targets = c(2, 6,7, 9, 12)))))
Полученная таким образом таблица содержит 4623 строк, в которых встречаются 4068 названий изданий и 1347 организаций. Полную таблицу найденных соответсвий в формате CSV (zip) можно скачать по ссылке.
Ограничения
Реестр РКН не включает печатные издания с “маленькими” тиражами, а также те издания, которые существуют исключительно в виде веб-сайта, но не зарегистрированы как СМИ.
Как свидетельствует картина ниже, не все записи к реестре РКН содержат ИНН.
Show code
inn_presence <- rkn_data %>%
mutate(year = as.integer(stringr::str_extract(reg_date, "\\d{4}"))) %>%
mutate(inn = ifelse(is.na(founder_inn), "отсутствует", "присутствует")) %>%
group_by(year, inn) %>%
summarize(n = n_distinct(name, na.rm = TRUE)) %>%
ungroup()
inn_presence %>%
filter(year>1990) %>%
ggplot()+
geom_line(aes(x = year, y = n, group = inn), size = 1)+
geom_point(aes(x = year, y = n, fill = inn), shape = 22, size = 2)+
labs(title = "Количество изданий с указанием ИНН учредителя по годам",
subtitle = "(в реестре зарегистрированных СМИ после удаления газет, программ и каналов)",
caption = "Дата доступа: 27.07.2021",
x = "Год (из даты регистрации)", y = "Количество изданий")+
scale_y_continuous(labels = scales::number_format(big.mark = " "))+
guides("fill" = guide_legend(title = "ИНН учредителя"))+
theme_gray() +
theme(plot.title.position = "plot",
plot.caption.position = "plot")
Самым простым вариантом обнаружения дополнительных соответствий является сопоставление названий учреждителей с полными или краткими названиями научных организаций в RIRO, а также поиск среди учредителей названий, содержащий фрагменты слов, типичных для научных организаций (например, “университ”, “академи”, “нии”, “научн”, “наук”, “исследовательск”, “клинич”, “здравоохр”, “библиот”, “институт”). Дополнительные возможности открывает столбец, в котором указан почтовый адрес учредителей, с помощью которого можно также найти организацию в RIRO.
Заключение
Несмотря на то, что реестр РКН содержит неполный перечень научных изданий, полученный список может быть интересен для исследования эффекта запуска новых изданий и состава соучредителей на показатели публикационной активности учреждений.
Acknowledgments
Allaire J, Xie Y, McPherson J, Luraschi J, Ushey K, Atkins A, Wickham H, Cheng J, Chang W, Iannone R (2021). rmarkdown: Dynamic Documents for R. R package version 2.7, <URL: https://github.com/rstudio/rmarkdown>.
Wickham H (2020). tidyr: Tidy Messy Data. R package version 1.1.2, <URL: https://CRAN.R-project.org/package=tidyr>.
Wickham H (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. ISBN 978-3-319-24277-4, <URL: https://ggplot2.tidyverse.org>.
Wickham H (2019). stringr: Simple, Consistent Wrappers for Common String Operations. R package version 1.4.0, <URL: https://CRAN.R-project.org/package=stringr>.
Wickham H, Francois R, Henry L, Muller K (2021). dplyr: A Grammar of Data Manipulation. R package version 1.0.3, <URL: https://CRAN.R-project.org/package=dplyr>.
Wickham H, Hester J (2020). readr: Read Rectangular Text Data. R package version 1.4.0, <URL: https://CRAN.R-project.org/package=readr>.
Xie Y (2020). knitr: A General-Purpose Package for Dynamic Report Generation in R. R package version 1.30, <URL: https://yihui.org/knitr/>.
Xie Y (2015). Dynamic Documents with R and knitr, 2nd edition. Chapman and Hall/CRC, Boca Raton, Florida. ISBN 978-1498716963, <URL: https://yihui.org/knitr/>.
Xie Y (2014). “knitr: A Comprehensive Tool for Reproducible Research in R.” In Stodden V, Leisch F, Peng RD (eds.), Implementing Reproducible Computational Research. Chapman and Hall/CRC. ISBN 978-1466561595, <URL: http://www.crcpress.com/product/isbn/9781466561595>.
Xie Y, Allaire J, Grolemund G (2018). R Markdown: The Definitive Guide. Chapman and Hall/CRC, Boca Raton, Florida. ISBN 9781138359338, <URL: https://bookdown.org/yihui/rmarkdown>.
Xie Y, Cheng J, Tan X (2021). DT: A Wrapper of the JavaScript Library ‘DataTables’. R package version 0.17, <URL: https://CRAN.R-project.org/package=DT>.
Xie Y, Dervieux C, Riederer E (2020). R Markdown Cookbook. Chapman and Hall/CRC, Boca Raton, Florida. ISBN 9780367563837, <URL: https://bookdown.org/yihui/rmarkdown-cookbook>.