【翻譯于 Aaron Tay、Alberto Martín-Martín 和 Sven E. Hug 的《Goodbye, Microsoft Academic – Hello, open research infrastructure?》】

今年晚些時候宣布關閉 Microsoft Academic 可能使研究界基本上不為所動，盡管它的消亡對使用該服務的大量數(shù)據(jù)庫的人具有重大影響。在這里，Aaron Tay、Alberto Martín-Martín和Sven E. Hug ? 討論了 Microsoft Academic 與競爭對手的不同之處，以及 Microsoft 退出學術元數(shù)據(jù)以開發(fā)開放式研究基礎設施的潛在后果。

---

近日，微軟宣布將關閉僅次于 Google Scholar 的第二大學術搜索引擎 Microsoft Academic。盡管全球科學界對這一宣布幾乎沒有注意到，但許多計算機科學家、元研究人員、圖書館員和初創(chuàng)企業(yè)都感到震驚，因為他們一直在圍繞數(shù)據(jù)庫構建信息服務生態(tài)系統(tǒng)。

Microsoft Academic 并不是該公司首次嘗試構建文獻搜索工具。作為較早的項目，Microsoft Academic Search 從 2009 年運作到 2012 年一直陷入年久失修，直到 2016 年正式重新啟動為 Microsoft Academic。這表明 Microsoft 從未打算進入學術元數(shù)據(jù)業(yè)務。相反，正如雷德蒙德研究人員最近的一篇文章所暗示的那樣，這家科技巨頭一直在使用學術交流數(shù)據(jù)作為大數(shù)據(jù)和人工智能 (AI) 技術的試驗場。有傳言稱，微軟可能會提供經(jīng)過測試的技術來從 Office 365 中的文檔中獲取知識。

一個復雜的搜索引擎

雖然 Web of Science 和 Scopus 等傳統(tǒng)引文索引主要基于選定的期刊，但 Microsoft Academic 的優(yōu)勢在于它抓取網(wǎng)絡的方式以及使用人工智能技術填充其數(shù)據(jù)庫。因此，Microsoft Academic 在索引新出版物方面的速度更快并且包含比 Web of Science Core Collection（7900 萬）和 Scopus（7500 萬）多得多的記錄（1.94 億，無專利）也就不足為奇了。Microsoft Academic 還涵蓋范圍更廣的出版物類型（預印本、工作論文、論文等），并在傳統(tǒng)引文數(shù)據(jù)庫通常無法很好涵蓋的研究領域大放異彩，例如計算機科學、社會科學和人文科學。

“Microsoft Academic 的優(yōu)勢在于它抓取網(wǎng)絡的方式以及使用 AI 技術填充其數(shù)據(jù)庫的方式。”

Microsoft Academic 相對于 Google Scholar 的一個主要優(yōu)勢是搜索界面，目前它仍然提供充足的過濾和排序選項，并提供各種排名（主題、期刊、機構等）以及摘要統(tǒng)計的可視化。盡管該搜索引擎是免費的，并且為學者提供了一個集成的社交網(wǎng)絡，但它從未受到研究人員的歡迎，從網(wǎng)絡流量統(tǒng)計中可以看出：

根據(jù) SimilarWeb 的數(shù)據(jù)，2021 年 4 月的總訪問量（百萬）

scholar.google.com	137.5
semanticscholar.org	8.9
scopus.com	5.2
webofknowledge.com	4.4
academic.microsoft.com	0.7

這種低使用率的主要原因可能是搜索界面本身。它從根本上不同于傳統(tǒng)的學術搜索系統(tǒng)，因為它是由人工智能技術驅(qū)動的。具體來說，該界面提供了真正的語義搜索，而不是使用布爾運算符進行通常的關鍵字搜索。或者正如微軟曾經(jīng)解釋的那樣：'微軟學術理解單詞的含義，它不只是將關鍵字與內(nèi)容相匹配。例如，當您鍵入“Microsoft”時，它就知道您指的是該機構，并向您顯示由 Microsoft 附屬研究人員撰寫的出版物。此外，搜索引擎基于超過 700,000 個“研究領域”（即主題或概念），這些領域由算法創(chuàng)建并不斷擴展，而其他搜索系統(tǒng)使用固定的、人工策劃的和不太復雜的分類。此外，搜索引擎采用兩個獨特的指標，顯著性和估計引用數(shù)，這對于大多數(shù)用戶來說難以理解和解釋。總體而言，這些人工智能驅(qū)動的功能創(chuàng)造了一種與用戶習慣截然不同的搜索體驗。由此看來，所采用的人工智能技術對用戶來說要么過于前衛(wèi)，要么不夠成熟。

大量免費數(shù)據(jù)

雖然搜索引擎尚未被科學界所接受，但其底層數(shù)據(jù) Microsoft Academic Graph 卻吸引了眾多用戶。有幾個原因。數(shù)據(jù)集龐大，結構良好且詳細。它的使用是免費的，而且訪問很方便（API 或完整的數(shù)據(jù)轉儲）。相比之下，直接訪問谷歌學術數(shù)據(jù)是不可能的，只能在非常有限的范圍內(nèi)從谷歌學術中抓取數(shù)據(jù)。盡管微軟專門采用人工智能技術來收集和整理數(shù)據(jù)，但數(shù)據(jù)質(zhì)量相當準確，適合對學術交流的某些方面進行大規(guī)模分析。

“Microsoft Academic 使研究人員和商業(yè)企業(yè)能夠以較低的成本使用全面的元數(shù)據(jù)”

通過這種方式，Microsoft Academic 使研究人員和商業(yè)企業(yè)能夠以較低的成本使用全面的元數(shù)據(jù)。在微軟提供其數(shù)據(jù)庫之前，只有少數(shù)研究所（富裕國家）的研究人員可以訪問大型數(shù)據(jù)集，而擁有此類數(shù)據(jù)的公司大多將其用于自己的產(chǎn)品。自 2015 年以來，介紹 Microsoft Academic Graph的論文已被引用超過 500 次，這表明該數(shù)據(jù)庫在研究中的有用性。該圖還用于許多商業(yè)和非商業(yè)工具和服務（例如，VOSviewer、Unsub、Litmaps、scite）。甚至還有一些書目數(shù)據(jù)庫和搜索引擎可以利用 Microsoft Academic 的豐富資源（例如Semantic Sc??holar、The Lens、Scinapse）。

盡管 Microsoft Academic 的關閉不會以同樣的方式影響這些工具和服務的性能，但很明顯，寶貴的資源將在今年年底丟失。它是否以及如何被取代還有待觀察。最便宜的解決方案是向 Microsoft 支付繼續(xù)使用數(shù)據(jù)庫的費用，這當然需要 Microsoft 愿意讓它繼續(xù)運行。每年更新Microsoft Academic Graph 內(nèi)容的云計算成本大致相當于一位經(jīng)驗豐富的數(shù)據(jù)科學家的薪水。數(shù)據(jù)庫的一位開發(fā)人員最近估計將 Microsoft Academic 維持在當前的技術水平所花費的費用大約是中型大學為傳統(tǒng)引文索引中的數(shù)據(jù)支付的費用的三分之一。

走向開放的研究基礎設施？

Microsoft Academic 展示了由 AI 技術收集和整理的公開可用元數(shù)據(jù)的價值。它為研究人員和商業(yè)企業(yè)提供了沃土。當然，還有其他開放的元數(shù)據(jù)源。例如，Crossref 包含超過 1.25 億條記錄，其中 4800 萬條具有開放引用，這要歸功于 I4OC 和合作出版商。但是，Crossref 較小，包含的詳細數(shù)據(jù)較少，整理的一致性較差，并且僅索引具有 DOI（數(shù)字對象標識符）的出版物。

最后，微軟的項目證明，僅僅公開數(shù)據(jù)庫是不夠的——數(shù)據(jù)庫還必須是可持續(xù)的。如果我們想要開放和可持續(xù)的數(shù)據(jù)庫，那么投入更多時間和資源來構建它們可能是一個好主意。首先，我們可以支持那些計劃構建開源和免費使用Microsoft Academic 替代品的人。

注： 本文為作者觀點，不代表社會科學影響博客的立場，也不代表倫敦經(jīng)濟學院的立場。 如果您對在下面發(fā)表評論有任何疑慮，請查看我們的 評論政策。

總結

以上是生活随笔為你收集整理的再见，Microsoft Academic——你好，开放式研究基础设施？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。