Open Research Knowledge Graph: новый подход к научной коммуникации
Во всем мире тратится более 2 триллионов (2×1012) евро в год на приобретение новых знаний — это как годовой ВВП всей Италии. Однако на сегодняшний день это трудно назвать хорошей инвестицией, так как все большая и большая часть этих денег тратится впустую. Причина этого в том, что для представления и обмена результатами исследований мы используем методы, которые были разработаны много веков назад. С момента зарождения современной науки (публикации первого научного журнала «Transactions of the Royal Philosophical Society», 1665 г.) мы используем все тот же метод передачи научных знаний — статьи.
На протяжении веков для передачи научных знаний используется один и тот же метод — научные статьи
Во времена Готфрида Вильгельма Лейбница (около 1700 г.) один человек, возможно, все еще был в состоянии прочитать всю публикуемую научную литературу. Сегодня же каждый год появляется 2,5 миллиона новых статей, и даже в относительно узкой области невозможно прочитать и осмыслить каждую из них. Например, для метода редактирования генома CRISPR/Cas9 специализированная научная поисковая система Google Scholar выдает почти четверть миллиона PDF-статей. Другая проблема заключается в том, что новые методы цифрового мира, такие как фильтрация данных, интеграция информации из различных источников или краудсорсинг, в научной коммуникации полностью отсутствуют. Представьте, например, что новый iPhone пришлось бы заказывать через почтовые каталоги, или что гостиницу нужно было бы искать на бумажной карте города. Именно так сегодня происходит обмен результатами исследований. Ученые тонут в потоке публикаций.
Поток псевдоцифровых PDF файлов
Немецкая национальная научно-техническая библиотека TIB и исследовательский центр L3S при Университете Лейбница в Ганновере изобретают новый подход к научной коммуникации. Вместо того чтобы представлять исследования в виде статичных PDF файлов, они работают над динамическим графом знаний — Open Research Knowledge Graph, где научные идеи, подходы и методы представлены в структурированном машиночитаемом формате. В результате становится возможным делать запросы к графу, например, для систематического сравнения различных методов редактирования генома, что позволяет мгновенно получить представление о последних научных достижениях в этой области. Ниже представлен краткий обзор возможностей ORKG.
ORKG семантически связывает различные научные идеи, подходы и методы и представляет их в машиночитаемом формате. Это позволяет облегчить доступ к последним достижениям.
Структурированное описание статей
В ORKG знания, которые традиционно описываются в научных статьях, теперь формулируются семантически, т.е. структурировано и в машиночитаемом виде. Из этих семантических описаний формируются более сложные конструкции, о которых будет рассказано далее. Чтобы добавить статью в ORKG, можно воспользоваться мастером добавления статьи.
ORKG: статья
Шаблоны
Семантическое описание научного исследования — непростая задача. Для этого необходимо сформировать набор признаков и определить уровень детализации описания. К тому же желательно, чтобы исследовательские работы, посвященные одной и той же проблеме, были описаны сопоставимым образом. Для решения этой проблемы в ORKG предусмотрено создание шаблонов, которые облегчают пользователям ввод новой информации.
ORKG: шаблон
Сравнения
Сравнение — это список структурированных статей, представленный в виде таблицы. Сравнения позволяют формировать компактный обзор state of the art по определенной научной проблеме. Если сравнение имеет числовые результаты, ORKG позволяет их визуализировать. Сравнения могут быть импортированы из CSV файла, а экспортированы в LaTeX, CSV, RDF или PDF.
ORKG: сравнение
Обзоры
Наконец, ORKG позволяет создавать динамические обзорные статьи, которые обладают собственным DOI и поддерживаются сообществом, подобно Википедии. Обзоры могут состоять из нескольких компонентов ORKG, включая отдельные статьи, сравнения и визуализации. В отличие от традиционных обзорных статей, в ORKG обзоры могут легко обновляться при изменении исходных компонент.
ORKG: обзор
Подробности и обучающие материалы можно найти на сайте. Если у вас возникли вопросы, посмотрите справочный центр или задайте вопрос по адресу info@orkg.org.
