Mostrando postagens com marcador Pesquisa. Mostrar todas as postagens
Mostrando postagens com marcador Pesquisa. Mostrar todas as postagens

sexta-feira, 22 de outubro de 2021

Recursos Informacionais USP - Conheça!

 Conheça os recursos informacionais disponíveis na USP:


Portal de Revistas USP: http://revistas.usp.br
Portal de Obras Raras USP: https://obrasraras.usp.br/
Portal da Agência/SIBi: https://www.aguia.usp.br/
Biblioteca Digital de Trabalhos Acadêmicos: https://bdta.aguia.usp.br/
Repositório da Produção USP: https://repositorio.usp.br/
Biblioteca Digital de Teses e Dissertações da USP: https://www.teses.usp.br/
Portal do Acesso Aberto USP: https://www.acessoaberto.usp.br/
Busca Integrada USP: https://buscaintegrada.usp.br/
Dedalus - Catálogo de Acervos das Bibliotecas USP: http://dedalus.usp.br/


Qualquer dúvida, entre em contato conosco: bcrp@usp.br

sexta-feira, 26 de junho de 2020

Tutorial para levantamento bibliográfico


Passo 1: definição do objetivo do levantamento. 

Por que definir um objetivo? Porque assim conseguimos definir as palavras-chave para encontrar os estudos que precisamos. Por exemplo, para um artigo sobre desinformação o objetivo foi "apresentar o conceito de desinformação a partir de outros autores (em especial bibliotecários e cientistas da informação), motivações e tipos". É muito importante ter explicitado o objetivo para entender o que se pretende com a pesquisa. Então: defina um objetivo para este levantamento. 


Passo 2: pesquisa prévia. 

Essa etapa é um teste para verificar se existe bibliografia sobre o assunto e verificar possíveis artigos/trabalhos que possam ser usados como referência para a pesquisa. Exemplo: na minha pesquisa, digitei no Google Acadêmico a palavra “desinformação” e vieram diversos textos interessantes. Selecionei os 10 mais interessantes que serviram de “referência” para que eu fizesse um levantamento dos termos que esses autores usam, se colocam o termo só nos assuntos, ou se colocam no título também etc. Tudo isso é um comportamento informacional dos autores e que vai nos ajudar futuramente com os demais passos.


Passo 3: definição das palavras-chave. 

As palavras-chave utilizadas em um levantamento foram: desinformação, disinformation, misinformation, fake news, pós-verdade, pos truth, competência informacional, competência em informação, literacy competence, information competence. Por que essas palavras? Porque foram termos encontrados em artigos que se tinha como referência e que na pesquisa prévia foram verificados como interessantes para essa busca. Dentro de textos sobre fake news - por exemplo - vamos encontrar as definições, as motivações que o autor do texto elenca para justificar a disseminação desse tipo de informação etc. Mesmo que a gente saiba que desinformação é um assunto muito mais amplo do que fake news, nem todos os autores sabem, então considerar termos que discordamos muitas vezes nos ajudam também.

Dicas para encontrar as palavras-chave: 
  • Usar e abusar de sinônimos (p.ex.: insaturação pode ser encontrada como “sem saturação”) 
  • Consultar as palavras-chave de artigos que já sejam referência para a sua pesquisa 
  • Usar tesauros da área em questão para consultar os termos 
  • Conversar com colegas que entendam do assunto e possam sugerir palavras 

Passo 4: definição das fontes de informação. 

É muito importante definir as fontes de informação mais pertinentes para este assunto porque são nelas que teremos mais chances de encontrar a literatura que desejamos. Na pesquisa prévia, já é possível consultar as fontes que são potenciais, já com intuito de verificar se tem alguma coisa a ser explorado posteriormente. Sugestão: sempre optar por fontes de informação da área em questão. No nosso caso, Ciência da Informação.


Passo 5: definição do recorte temporal e idioma. 

Para a pesquisa sobre desinformação não houve delimitações, apesar de a grande maioria ser de 2018 e 2019, e um misto de inglês com português. Não haviam taaaantos estudos para delimitar nesse ponto, mas com certeza outros assuntos - como “competência informacional” - terão muita coisa, então o correto seria definir uma faixa temporal caso venha muita literatura e também um idioma (que seria o português, mas que não significa não ter estudos no Brasil em inglês).


Passo 6: definição da estratégia da busca. 

Você já tem, nesta etapa, as palavras-chave e o recorte temporal que foram definidos em etapas acima. A estratégia da busca é um esquema que mescla termos autorizados (as palavras-chave que são autorizadas nas fontes de informação para busca. P.ex.: a pesquisa é sobre cachorro. O termo autorizado pode ser “cão”. Então, essa análise é necessária para utilizar os termos corretos, porque uma vez o termo sendo “cão” ao pesquisar “cachorro” pode não aparecer nenhum resultado e se dar a pesquisa por encerrada) com operadores de busca (truncamento e/ou booleanos1 ) Exemplo de estratégia de busca: 

fake news AND pós-verdade AND desinformação OR fake news AND desinformação OR desinformação AND pós-verdade

Você vai montar a estratégia e vai replicar nas bases de dados/revistas e etc. 


Passo 7: realização da busca. 

Com todos os critérios acima, basta executar a busca e salvar os resultados. Uma sugestão é sempre salvar em nuvem para que nenhum resultado seja perdido e possa ser acessado remotamente. Um exemplo é o Mendeley, gerenciador de referências, que possibilita o acesso remoto e tem muito espaço para guardar documentos, além de ser um software gratuito. Semelhante ao Mendeley (e meu desconhecido), tem o Zotero. Também existe as nuvens: Google Drive, OneDrive, Dropbox... esses eu não aconselho porque ao longo do tempo espaço se torna um problema e também usamos para outras (tantas) coisas esses espaços. 


Passo 8: definição de critérios para excluir resultados. 

Uma aluna formanda em Biblioteconomia fez o levantamento dela para o TCC e digamos que deu 100 resultados. Desses 100, apenas 20 foram úteis para pesquisa dela. Por quê? Podem ter diversos fatores, mas pode ser só pelo simples fato da relevância. Os outros 80 combinavam as palavras-chave, porém não eram pertinentes para o trabalho dela. Definir o critério de exclusão é bem pessoal, desde que fundamentado. Alguns exemplos de critérios que poderiam ser adotados: duplicidade (trabalhos duplicados nas bases), diferentes idiomas dos requeridos (se aparecer russo, você utilizará? Já coloque os idiomas que irá trabalhar), estudos que não tratem do tema (mas que ainda assim vieram nos resultados, acontece muito!), não tem o texto completo (daqui a pouco só o resumo não vai servir, então delimite isso), etc... O importante é dizer: foi um total de XX artigos, foram escolhidos YY em função dos seguintes critérios A, B, C e D.


Passo 9: anotação de todo o processo. 

Registre tudo!!! Todas as etapas, datas que foram realizadas, todas as informações sobre essa pesquisa é muito relevante. Muitas vezes, a gente entra em um periódico, faz a pesquisa, acha um monte de coisa, MAS não anotou nada e metodologicamente não pode usar. Então, anote tudo. Uma dica bem funcional é criar um excel e documentar com as seguintes informações:  

Data da pesquisa 
Base de dados 
Estratégia 
Resultados (quantidade total) 
Quantos utilizarei (só os que eu salvei de todos os resultados)

Dá também para criar pastas no Mendeley e jogar os resultados pra lá, para depois fazer uma triagem. 


Passo 10 e último passo: LEITURA. 

O que é o mais difícil: LER TUDO ISSO!! Mas é possível! Foque agora para descansar depois!!! O resultado vem e quando vem é muito prazeroso. 


Este é um tutorial com base na experiência da mestranda e também membro do Grupo de Pesquisa InfoCom Bruna Heller, enquanto usuária de fontes de informação e também como bibliotecária para auxiliar nas pesquisas e em nossos levantamentos bibliográficos. Aprecie sem moderação.

quarta-feira, 10 de junho de 2020

terça-feira, 8 de outubro de 2019

Ciência aberta e o novo modus operandi de comunicar pesquisa – Parte I


Fonte:  https://www.sibi.usp.br/?p=40780

Considerando a importância de aprofundarmos os conhecimentos a respeito do conceito e os desafios da Ciência Aberta, reproduzimos aqui a matéria publicada recentemente no Blog SciELO em duas partes, de autoria de Abel L Packer e Solange Santos1

Imagem adaptada da original por Markus Spiske.

A Ciência Aberta pleiteia uma transformação considerável essencialmente enriquecedora do tradicional modus operandi de fomentar, projetar, realizar e, particularmente, comunicar pesquisa. O objetivo é privilegiar a natureza colaborativa da pesquisa e democratizar o acesso e uso do conhecimento científico. Ela abarca um conjunto de práticas, entre as quais, destacamos:
  • disponibilização em acesso aberto dos dados, métodos de análise e códigos de programas e outros materiais utilizados na pesquisa, assim como dos resultados obtidos para viabilizar a preservação, reprodutibilidade e reusabilidade dos dados;
  • rapidez na comunicação dos artigos como fator chave no avanço do conhecimento científico, mediante a adoção da modalidade preprint, que é uma versão completa do artigo científico depositada pelos autores em um servidor público de preprints, antes do envio a um periódico para avaliação da publicação. Os preprints se posicionam assim, como início formal do fluxo de publicação dos artigos e dotam os autores de maior controle da comunicação;
  • transparência e abertura progressiva nos processos de avaliação de manuscritos por pares envolvendo relações e interações entre autores, editores e pareceristas.
Embora conceitos de Ciência Aberta sempre estiveram presentes na evolução da ciência, o movimento atual é produto da web e, mais precisamente, da sua capacidade de promover a desintermediação nos processos de acesso e comunicação de informação e a interoperabilidade entre conteúdos.

A natureza da Ciência e aberta

As fundamentações, análises e visões críticas do conceito e dos movimentos em prol da Ciência Aberta apontam como eixo comum o aperfeiçoamento do funcionamento da ciência segundo várias dimensões, prioridades ou escolas de pensamento. Em particular, o enriquecimento do modus operandi de comunicar pesquisas tem como foco principal o aperfeiçoamento da aplicação do método científico em prol da geração confiável de novos conhecimentos, que se traduz na condução de pesquisas informadas e reprodutíveis, obedientes a padrões éticos e que favoreçam o retorno dos investimentos recebidos. Este retorno é uma reivindicação das agências financiadoras de pesquisa que desejam fomentar a abertura dos métodos e dados das pesquisas para uso de outras investigações, processos e objetos educacionais, inovações tecnológicas, aplicações profissionais, educação continuada e outros usos. Ou seja, o amplo acesso às fontes de conhecimento envolvidas e produzidas pelas pesquisas tem o intuito de maximizar a razão de ser da ciência enquanto empreendimento cooperativo cultural e social.


Figura 1. Um guarda-chuva abarcando as práticas independentes tornou-se a mais popular entre as imagens de representação do conceito de Ciência Aberta. Fonte: FIOCRUZ, 2019, O que é Ciência Aberta?, disponível em: https://bit.ly/2G8OwXc

Assim, por um lado, a Ciência Aberta fortalece as redes de colaboração entre pesquisadores em prol do avanço do conhecimento no universo das disciplinas e da ciência em geral. Por outro lado, promove a função social da ciência no aporte de entendimentos e soluções às grandes questões que afetam o presente e futuro da humanidade, que estão cuidadosamente sistematizadas na declaração dos 17 Objetivos de Desenvolvimento Sustentável (ODS), lançada em 2015 e aprovada por 193 países, sob a liderança das Nações Unidas, e conhecida como Agenda 2030 (veja a Figura 2).



Figura 2. Agenda 2030 – 17 Objetivos do Desenvolvimento Sustentável (ODS) das Nações Unidas. Fonte: ALEXOVICH, A. e SAMAAN, M., disponível em: https://bit.ly/2tq3HV1

Em muitos sentidos, os ODS e a Ciência Aberta são políticas contemporâneas e globais que convergem na busca de melhores condições de vida e proteção do meio ambiente. Essa convergência constitui fator chave na governança global e na interação com suas múltiplas contextualizações regionais, nacionais, locais e temáticas, com destaque para a capacidade de influenciar políticas públicas com as melhores evidências científicas disponíveis, empoderar a sociedade democrática e solidária, inclusive para a identificação e rejeição das fake news e seus efeitos destrutivos, assim como para rejeitar movimentos que negam a ciência, alguns especialmente perniciosos como a refutação dos efeitos das mudanças climáticas, eficiência das vacinas, além de tolices como o terraplanismo.
A difusão e discussão sobre os significados da Ciência Aberta, os desafios que a sua adoção impõe e, principalmente, as vantagens e ganhos que propicia têm crescido no cenário científico internacional e nacional. Tudo indica que o ritmo de adoção das suas práticas será agilizado no futuro próximo. Este fato foi registrado em levantamento recente sobre a implantação da Ciência Aberta na União Europeia e em oito outros países, elaborado pela Fiocruz e publicado como livro verde2. Ha também um crescente número de fontes de informação que advogam a adoção da Ciência Aberta, disponíveis na web, como cursos de capacitação, websites, fóruns, etc. orientados a pesquisadores e outros atores.
O governo brasileiro, no contexto da parceria internacional que ajudou a criar, em 2011, a Parceria do Governo Aberto (Open Government Partnership, OGP), e de seu calendário de implantação, lançou em 2018, o 4° Plano de Ação Nacional em Governo Aberto, composto de onze compromissos. O terceiro trata da Inovação e Governo Aberto na Ciência, mais especificamente com o “estabelecimento de mecanismos para a governança de dados científicos”, compromisso que, vale lembrar, é associado ao ODS 9.5 de avanço da pesquisa e de capacidades tecnológicas. Tal compromisso é estruturado em nove marcos de execução, sob a coordenação da Embrapa, e conta com a participação de organismos federais de Ciência e tecnologia (Capes, CNEN, CNPq, Embrapa, Fiocruz e IBICT) e de atores da sociedade civil, com destaque para a Associação Brasileira de Editores Científicos (ABEC) e o Programa SciELO/FAPESP no campo da comunicação científica (Figura 3).



Figura 3. Parceria para Governo Aberto: o 4º Plano de Ação Brasileiro tem como terceiro compromisso a inovação e Governo Aberto na Ciência, com nove marcos de execução.

Marcos de execução: 1. Implantação de uma rede interinstitucional pela Ciência Aberta 2. Realização de diagnóstico nacional e internacional da Ciência Aberta 3. Definição de diretrizes e princípios para políticas institucionais de apoio à Ciência Aberta 4. Promoção de ações de sensibilização, participação e capacitação em Ciência Aberta 5. Articulação com agências de fomento para a implantação de ações de apoio à Ciência Aberta 6. Articulação com editores científicos para a implantação de ações em apoio à Ciência Aberta 7. Implantação de infraestrutura federada piloto de repositórios de dados de pesquisa 8. Proposição de padrões de interoperabilidade para repositórios de dados de pesquisa 9.Proposição de conjunto de indicadores para aferição da maturidade em Ciência Aberta
Na reunião da Rede SciELO, ocorrida durante as comemorações dos 20 anos do SciELO, em setembro de 2018, foram aprovadas as linhas de ação3 para os próximos cinco anos e que contemplam a adoção progressiva das práticas de comunicação da Ciência Aberta.

A pesquisa compartilhada

O aspecto central da almejada qualificação de “aberta” para a ciência é o da capacidade de comunicação permeando todos os processos e conteúdos do ciclo da pesquisa, o que, vale repetir, resgata e promove a natureza colaborativa do empreendimento científico na criação de novos conhecimentos. Esta abertura ampla e informada caracteriza o conhecimento científico como bem público global e inclusivo, geográfica, temática e socialmente. A abertura implica em que a formulação e a execução dos projetos de pesquisa contemplem a gestão do registro cuidadoso e padronizado dos processos, métodos, materiais e dados com vistas à sua disponibilização pública e legível, tanto para humanos como para computadores. Este registro é a garantia da integridade da comunicação dos resultados. Há casos mais avançados em que o processo propriamente dito é aberto, como nos cadernos abertos de laboratório.
Conceitualmente, fazer com que a comunicação permeie todo o ciclo da pesquisa é tão ou mais importante que o tradicional e isolado ato final da redação e comunicação dos resultados por meio de um ou mais artigos publicados em periódicos. Além de assegurar a consistência de toda a pesquisa, permitir o reuso e facilitar avaliações, a disponibilização dos dados das pesquisas – em servidores públicos confiáveis – assegura sua preservação e evita a tendência de perda progressiva dos dados com o passar dos anos, quando mantidos sob a guarda dos pesquisadores ou de ambientes não sustentáveis.
A capacidade de comunicação em todo o ciclo da pesquisa se traduz em transparência e exposição da execução da pesquisa a controles de qualidade automatizados, de pares e do público no que diz respeito ao rigor metodológico e a padrões éticos. Tudo isso contribui para minimizar erros e más condutas, tais como plágio, conflitos de interesse, dados falsificados, comprometimento da avaliação por pares e falsas atribuições de autorias.

A gestão e compartilhamento de dados da pesquisa

A prática de dados abertos e formalizada pela gestão de dados como parte integral dos projetos, ou seja, do início ao final do ciclo da pesquisa. Inicia-se com um plano de gestão de dados que integra a proposta do projeto de acordo com instruções da agência de financiamento ou da instituição. Um exemplo e o serviço do website <https://dmptool.org/>, do Centro de Curadoria da Universidade da Califórnia (University of California Curation Center, UC3) da Biblioteca Digital da Califórnia (California Digital Library) que guia o pesquisador na preparação de planos de gestão de dados segundo diferentes modelos.
A gestão de dados é uma função estruturante da execução qualificada da investigação dos objetivos da pesquisa, dos métodos adotados, dos achados e da sua capacidade de comunicação. Inclui os processos de criação ou coleta, controle de qualidade, estruturação, armazenamento e disponibilização dos dados utilizados na pesquisa, sejam eles gerados pelo próprio projeto ou reusados de outras fontes. Os guias, metodologias, ferramentas e serviços de gestão de dados pressupõem quase sempre o uso de suporte digital.
O objetivo é planejar, viabilizar e facilitar, por um lado, o entendimento e avaliação da correta execução da pesquisa, validação dos resultados e sua reprodutibilidade, e, por outro lado, o compartilhamento dos dados visando seu reuso. Aqui o conceito de dados pode abranger também as ferramentas metodológicas e códigos de programas.
Desde a sua publicação no Scientific Data, em 2016 os “Princípios FAIR para gestão e administração de dados científicos”4 (FAIR Guiding Principles for scientific data management and stewardship) se fundiram progressivamente como um guia consensual de referência para a organização e disponibilização eficientes dos dados de pesquisas e também das funcionalidades dos servidores. Por FAIR entenda-se: Findable – Encontrável, Accessible – Acessível, Interoperable – Interoperável, Reusable – Reusável. A iniciativa Global Open FAIR (GO FAIR) compreende redes de implementação dos princípios FAIR com a perspectiva do desenvolvimento da Internet de Dados e Serviços FAIR (Internet of FAIR Data & Services, IFDS). O Brasil iniciou sua participação com a GO FAIR Brasil Saúde, com a rede de implantação dos princípios FAIR nas ciências da saúde, sob a liderança da Fiocruz.
Na gestão FAIR dos dados, os pesquisadores depositam, em um servidor, um conjunto de dados estruturados por três componentes seguindo a arquitetura de objetos digitais: um identificador persistente como o DOI (Digital Object Identifier), os dados e os metadados. Os metadados são, em geral dependentes da área temática e descrevem os dados com identificação padronizada de autoria, título, descrição, palavras-chaves, elementos de dados, localização, etc., tornando-os fontes citáveis. Sempre que apropriado, os autores devem escrever um artigo de dados (data articles), fornecendo o detalhamento dos dados, sua proveniência, curadoria e possibilidades de análises e limitações de uso, que é outra fonte passível de citação. Por último, preparam um ou mais artigos textuais de pesquisa com as análises dos dados, descrição e discussão de resultados. Assim, com dados abertos, os autores podem ampliar os canais de comunicação das pesquisas com pelo menos três fontes citáveis: os dados, os artigos dos dados e os artigos narrativos. Os dados em geral são abertos após a publicação dos artigos. Em casos justificados de preservação de privacidade e necessidade de sigilo temporário ou definitivo os dados não são abertos. No contexto da Ciência Aberta, aos comitês de ética caberá também a orientação sobre quais tipos de dados devem ou não ser abertos.
Como a gestão de dados de pesquisa é altamente dependente das disciplinas e áreas temáticas, as sociedades científicas e associações de programas de pós-graduação são chamadas a desenvolver programas de disseminação, treinamento e guias de orientação das práticas de gestão de dados para suas respectivas comunidades de pesquisa.
Internacionalmente, os periódicos estão adotando em suas políticas editoriais e critérios de avaliação de manuscritos controles sobre os dados de pesquisa, assim como códigos de programas e outros materiais que justificam as afirmações e resultados obtidos. Um aspecto chave do controle são as normas de citação que, de modo geral, seguem a mesma estrutura de citação de literatura científica. A Data Cite é uma organização de referência para as questões metodológicas de citações de dados. Ela opera também o catálogo R3Data de repositórios de dados de pesquisa e que serve de fonte para os periódicos definirem os repositórios que são aceitáveis. Os periódicos contam também com as Diretrizes TOP (Transparency and Openness Promotion) do Center for Open Science (COS) que servem de guia para definir um caminho de adoção gradual da gestão de dados estruturados em oito critérios distintos e três níveis de implantação. No Brasil, o SciELO adotou as Diretrizes TOP nas linhas de ação de alinhamento com a Ciência Aberta. Para o conjunto dos periódicos do Brasil, a liderança da ABEC em prol da atualização das políticas editoriais será decisiva. Os pesquisadores que seguem as normas de gestão de dados têm condições de atender às demandas dos periódicos sem problemas.
As agências de financiamento passam a exigir, nos critérios de avaliação de pedidos de auxílios, o plano de gestão de dados como parte do projeto de pesquisa. A FAPESP iniciou esta exigência em novembro de 2018, inicialmente para os Projetos Temáticos. Atualmente também está promovendo uma rede de gerenciamento de dados envolvendo as sete universidades públicas do estado. Da mesma forma, a gestão de dados de pesquisa incluindo o uso de repositórios passa a fazer parte das políticas de pesquisa das universidades e instituições de pesquisa.

Notas

1. Esse post foi originalmente publicado no Boletim Informativo da Sociedade Brasileira de Ciência do Solo e dividido em duas partes para publicação no blog SciELO em PerspectivaVeja a Parte II aqui.
2. SANTOS, P.X., et al. Livro Verde – Ciência Aberta e dados abertos: mapeamento e análise de políticas, infraestruturas e estratégias em perspectiva nacional e internacional. Rio de Janeiro: Fiocruz, 2017 [viewed 1 August 2019]. Available from: https://www.arca.fiocruz.br/handle/icict/24117
3. SciELO – Linhas prioritárias de ação 2019-2023 [online]. SciELO 20 Anos. 2018 [viewed 1 August 2019]. Available from: https://www.scielo20.org/redescielo/wp-content/uploads/sites/2/2018/09/Líneas-prioritaris-de-acción-2019-2023_pt.pdf
4. WILKINSON, M. D., et al. The FAIR guiding principles for scientific data management and stewardship. Scientific Data [online]. 2016, vol. 1, no. 3 [viewed 1 August 2019]. DOI: 10.1038/sdata.2016.18. Available from: https://www.nature.com/articles/sdata201618

Referências

ALBAGLI, S., MACIEL, M.L. and ABDO, A.H. (org.). Ciência Aberta, questões abertas. Brasília: Ibict; Rio de Janeiro: Unirio, 2015 [viewed 1 August 2019]. Available from: https://bit.ly/2o2b6c4
BENEDIKT, F. and SASCHA, F. Open Science: One Term, Five Schools of Thought. In: BENEDIKT, F. and SASCHA, F. (eds) Opening Science. Cham: Springer, 2014 [viewed 1 August 2019]. DOI: https://doi.org/10.1007/978-3-319-00026-8_2
MONS, B. Data Stewardship for Open Science: Implementing FAIR Principles. Boca Raton: CRC Press, 2018. Available from: https://bit.ly/2uVb47z
PACKER, A.L. and SANTOS, S. Ciência Aberta e o novo modus operandi de comunicar pesquisa. Boletim Informativo da Sociedade Brasileira de Ciência do Solo. 2019, vol. 45, no. 1, pp. 17-24 [viewed 1 August 2019]. Available from: https://www.sbcs.org.br/wp-content/uploads/2019/06/Boletim-SBCS-Volume-45-N%C3%BAmero-1.pdf
SANTOS, P.X., et al. Livro Verde – Ciência Aberta e dados abertos: mapeamento e análise de políticas, infraestruturas e estratégias em perspectiva nacional e internacional. Rio de Janeiro: Fiocruz, 2017 [viewed 1 August 2019]. Available from: https://www.arca.fiocruz.br/handle/icict/24117
SciELO – Linhas prioritárias de ação 2019-2023 [online]. SciELO 20 Anos. 2018 [viewed 1 August 2019]. Available from: https://www.scielo20.org/redescielo/wp-content/uploads/sites/2/2018/09/Líneas-prioritaris-de-acción-2019-2023_pt.pdf
WILKINSON, M. D., et al. The FAIR guiding principles for scientific data management and stewardship. Scientific Data [online]. 2016, vol. 1, no. 3 [viewed 1 August 2019]. DOI: 10.1038/sdata.2016.18. Available from: https://www.nature.com/articles/sdata201618

Links externos

O que é Ciência Aberta? – Formação Modular em Ciência Aberta <https://campusvirtual.fiocruz.br/gestordecursos/mod_hotsite/ciencia-aberta>
Research Data Alliance <https://rd-alliance.org/>
Como citar este post [ISO 690/2010]:
PACKER, A.L. and SANTOS, S. Ciência aberta e o novo modus operandi de comunicar pesquisa – Parte I [online]. SciELO em Perspectiva, 2019 [viewed 14 September 2019]. Available from: https://blog.scielo.org/blog/2019/08/01/ciencia-aberta-e-o-novo-modus-operandi-de-comunicar-pesquisa-parte-i/

terça-feira, 23 de julho de 2019

Indicadores e Métricas: como medir o desempenho de pesquisa?

As métricas de desempenho das publicações científicas são importantes para pesquisadores e universidades que visam progredir e acompanhar a produtividade e impacto de suas pesquisas.

O uso de indicadores e métricas de produção científica tornou-se prática rotineira na avaliação da qualidade e desempenho das atividades de pesquisa em renomadas universidades de pesquisa. No esteio dessa demanda, a análise bibliométrica e cientométrica realizada por meio de indicadores tem se tornado cada vez mais popular, juntamente com ferramentas analíticas de produção científica como o InCites e o SciVal .

Ferramentas analíticas

  • InCites (Clarivate Analytics) é uma plataforma online de avaliação de pesquisa personalizada e baseada em citações, que tem como fonte de dados a Base Web of Science. Permite realizar análises de produtividade e impacto científico, comparar resultados com outras instituições, aferir o desempenho de pesquisadores, pesquisas financiadas. Faça seu registro para utilizar. Saiba mais sobre o InCites.
  • SciVal (Elsevier) possui um portfólio de ferramentas de análise de indicadores de produção científica, que tem como fonte de dados o Scopus e o Science Direct. Permite realizar análises bibliométricas da produção científica de uma determinada instituição, país, região, autor ou grupos de autores, ou ainda em revistas, desde que o material esteja indexado na base de dados Scopus. Faça seu registro para utilizar. Saiba mais sobre o SciVal. Consulte também o Flyer do SciVal em português.
Consulte antes a lista de Indicadores e Métricas preparada pela equipe do Sistema Integrado de Bibliotecas da USP para saber o significado das métricas e como são utilizadas.

Indicadores e Métricas

blue_snowflakeProdução científica (scholarly outputs): Número total acumulado de itens publicados em um dado período. Mede o volume, a produtividade: quantas publicações foram produzidas por um autor, grupo de pesquisadores, instituição, país ou conjunto de países em dado período. É possível também obter o número total acumulado de publicações de acordo com cada área de conhecimento ou disciplina em um determinado período de tempo.
blue_snowflakeContagem de citações (citation count): Indica o total de citações que as publicações de um autor, instituição ou país acumularam ao longo de um determinado período. As diferenças na contagem de citações entre fontes de dados são devidas a diferentes coberturas (título e datas) do banco de dados (Scopus ou Web of Science). O número de citações recebidas não se refere ao ano em que a citação foi recebida e sim ao ano em que o resultado foi publicado. As métricas de contagem de citações são úteis para comparar a visibilidade onde os pesquisadores são de campos ou disciplinas similares e com duração similar de carreira.
blue_snowflakeCitações por publicação (citation per publication): Indica o número de citações recebidas por artigo/trabalho publicado. Indica o impacto médio de citação de cada uma das publicações de uma instituição ou autor: quantas citações as publicações de uma instituição ou autor receberam, em média.
blue_snowflakeÍndice H (h-index): Indica um equilíbrio entre a produtividade (produção científica) e impacto de citação (contagem de citações) de publicações de uma instituição ou pesquisador. Tem sido utilizado também para revistas. Por exemplo, um índice h de 12 indica que, no conjunto de dados, 12 artigos foram citados pelo menos 12 vezes cada um.
Impacto de citação (citation impact): é calculado dividindo o número total de citações recebidas pelo número total de publicações. O impacto da citação mostra o número médio de citações que um documento recebeu em um dado período. O impacto de citação tem sido amplamente utilizado como um indicador bibliométrico na avaliação do desempenho de pesquisa e pode ser aplicado em todos os níveis organizacionais (autor, instituição, país / região, campo de pesquisa ou periódico). No entanto, há limites para o indicador, pois ignora o volume total da produção científica. Por exemplo, o Pesquisador A tem apenas uma publicação que recebeu 50 citações, enquanto o Pesquisador B publicou 10 documentos que receberam 200 citações. O Pesquisador A tem um maior impacto de Citação (50) do que o Pesquisador B (20), embora o Pesquisador B tenha publicado mais documentos e tenha recebido mais citações em geral. No nível do campo de conhecimento, o impacto da citação de certas disciplinas é muitas vezes maior do que em outros campos científicos devido a características próprias de cada área como frequência e volume de publicações e citações. Por esse motivo, é preciso ter cuidado ao utilizar esse indicador. (Fonte: InCites Help).
blue_snowflakeImpacto de citação ponderado por campo [de conhecimento] (Field-weighted citation impact): Indica como o número de citações recebidas por publicações de uma instituição se compara com o número médio de citações recebidas por todas as outras publicações similares no universo de dados independente da área de conhecimento. Métrica utilizada pelo Scopus. Um impacto de citação ponderada no campo de mais de 1,00 indica que as publicações foram citadas mais do que seria esperado com base na média mundial de publicações semelhantes, por exemplo, uma pontuação de 1,44 significa que as saídas foram citadas 44% mais vezes do que o esperado. Um impacto de citação ponderada no campo (FWCI) de menos de 1,00 indica que as publicações foram citadas menos do que seria esperado com base na média mundial de publicações similares, por exemplo, uma pontuação de 0,85 significa 15% menos citada do que a média mundial. A Web of Science refere-se a essa métrica como impacto de citação normalizada (Normalized citation impact). 
Fator de impacto do periódico (journal impact factor): Mede quantas vezes um artigo foi citado em relação ao total de artigos publicados em um periódico/revista em um período de dois anos, no ano em curso. (Métrica Web of Science). 
Fator de impacto do periódico sem auto-citações (journal impact factor without self cites): é o mesmo que journal impact factor, mas com uma importante exceção: Quaisquer citações para uma publicação que provêm da própria publicação (ou seja, auto-citações) são excluídas do cálculo.
Fator de impacto do periódico em 5 anos (5-year journal impact factor): É o número médio de vezes que os artigos de um periódico publicado nos últimos cinco anos têm sido citados no ano no Journal Citation Reports (JCR). É calculado dividindo o número de citações no ano JCR pelo número total de artigos publicados nos cinco anos anteriores. (Métrica Web of Science).
blue_snowflakeProdução nos top percentis (outputs in the top percentiles): Indica o grau em que publicações de uma instituição, grupo ou país estão presentes nos percentis mais citados de um universo de dados: quantas produções estão no topo de 1%, 5%, 10% ou 25% das publicações mais citadas? Observe que o período de tempo não se refere ao ano em que as citações foram recebidas, mas ao ano em que os resultados foram produzidos. Essa métrica também pode ser usada para distinguir pesquisadores cujo desempenho parece similar quando visto por outras métricas, como Produção Científica, Citações por publicação ou Colaboração.
Proeminência do tópico na ciência (topic prominence in science): combina três métricas para indicar o momento alto de um Tópico: (a) Contagem de Citações (Citation Count) no ano 2017 para artigos publicados em 2017 e 2016, (b) Contagem de Visualizações (Scopus Views Count) no ano 2017 para artigos publicados em 2017 e 2016 e (c) Média (Average) Citescore no ano de 2017. Pode ser aplicado ao Mundo, a Regiões, País, Instituições, Grupos de Pesquisa e Pesquisadores. 
Publicações nos percentis top de periódicos (publications in top journal percentis): Indicam até que ponto as publicações estão presentes nos periódicos mais citados na fonte de dados. Isso calcula quantas publicações estão no topo 1%, 5%, 10% ou 25% dos periódicos indexados mais citados. Os periódicos mais citados são definidos pelas métricas relacionadas aos periódicos nas bases de dados (Web of Science, Scopus). Observe que o período de tempo não se refere ao ano em que as citações foram recebidas, mas ao ano em que os resultados foram produzidos. Essa métrica é útil para avaliar os pesquisadores, independentemente das diferenças de tamanho e dos perfis disciplinares (áreas de conhecimento), e para mostrar a presença de publicações em periódicos percebidos como os mais prestigiados do mundo.
blue_snowflakeColaboração (collaboration): Indica o número de publicações de uma instituição, grupo ou pesquisador produzidas em coautoria internacional, nacional ou institucional, e autoria única. Inclui colaboração acadêmico-acadêmica, acadêmico-corporativa, acadêmico-governamental e acadêmico-médico.
Porcentagem de Internacionalização (% internacionalization): baseia-se na contagem do número de países dos autores e co-autores de itens publicados.
blue_snowflakeImpacto das colaborações (collaboration impact): Indica o impacto de citação de uma instituição a partir das publicações produzidas em colaboração com autores de diferentes origens geográficas: quantas citações de publicações em co-autoria a instituição recebeu em nível internacional, nacional, ou institucionalmente? Autorias únicas também são contabilizadas.
Impacto das colaborações acadêmico-corporativas (academic-corporate collaboration impact): Indica o impacto de citação de publicações de uma instituição com ou sem colaboração tanto acadêmica quanto corporativa.
Impacto econômico (economic impact): Indica o número de patentes que citaram publicações de uma instituição, isto é, referências de publicações citadas em patentes dos cinco maiores escritórios de patentes do mundo.
Contagem de periódicos (journal count): Indica a diversidade do portfólio de publicações de uma instituição: em quantos periódicos distintos indexados na Base de Dados Scopus ou Web of Science as publicações de uma instituição apareceram.
Contagem de periódicos por categoria (journal count by category): Indica a diversidade disciplinar do portfólio de uma instituição, ou seja, em quantas categorias distintas de periódicos as publicações dessa instituição apareceram.
Número de países citantes (citing countries): Indica a visibilidade geográfica das publicações de uma instituição: a partir de quantos países distintos as publicações de uma instituição receberam citações?
Periódicos mais citados em um campo de conhecimento (most frequently cited journals in a field) – refere-se à classificação/ranking de periódicos mais frequentemente citados em uma dada área de aconhecimento ou assunto.
Periódicos de maior impacto em um campo de conhecimento (highest impact journals in a field) – refere-se à classificação/ranking de periódicos mais citados em uma dada área de aconhecimento ou assunto.
Autocitação em periódicos (journal “self citations“) – Uma auto-citação é uma referência a um artigo do mesmo periódico. As auto-citações podem constituir uma parte significativa das citações que um periódico faz e recebe a cada ano. 
Índice de Imediaticidade (imediaticity index): Mensura o quão imediatamente um artigo de uma revista é citado logo após ter sido publicado.
Pontuação Eigenfactor (Eigenfactor score): Baseia-se no número de citações a artigos publicados em revistas nos últimos 5 anos (ano JCR), considera também a importância do periódico onde a citação foi realizada de tal modo que revistas mais influentes (mais citados) têm um maior peso que os revistas menos influentes. 
Pontuação de influência do artigo (article influence score): Mede a importância relativa de uma revista a partir do número de artigos citados que aparecem no JCR. Uma pontuação superior a 1,00 indica que cada artigo publicado na revista tem influência acima da média. Uma pontuação inferior a 1,00 indica que cada artigo publicado na revista tem influência abaixo da média.
Meia vida ou vida média (half-life): Mede quantos anos depois um artigo publicado em um periódico ainda é citado. Varia de acordo com as características da área de conhecimento, seus padrões de pesquisa e publicação. Geralmente, a meia vida é inversamente proporcional ao fator de impacto. 
CiteScore: mensura o impacto da citação de títulos em série, como periódicos. Os títulos de série são definidos como títulos que publicam regularmente (ou seja, um ou mais volumes por ano). O CiteScore calcula o número médio de citações recebidas em um ano por todos os itens publicados nesse periódico nos três anos anteriores. O ano atribuído é determinado pelas datas de cobertura, e não as datas em que os fascículos foram disponibilizadas online – desde 2011. (Métrica Scopus).
SNIP – Source Normalized Impact per Paper: Mede o impacto de citações contextualizadas por revistas ponderando citações com base no número total de citações em um campo de assunto. Ajuda a fazer comparações diretas entre periódicos em diferentes áreas de assunto número total de citações referente a uma área de pesquisa. (Métrica Scopus)
SJR – SCImago Journal Rank: Métrica de prestígio baseada na reputação do periódico, o que resulta em maior valor da citação. (Métrica Scopus)
IPP – Impact per Publication: Mede as citações por artigo publicado em uma revista no período de 3 anos. (Métrica Scopus)
Indicador de desempenho agregado (aggregate performance indicator): O indicador de desempenho agregado mede o impacto de uma instituição ou do país em relação a uma taxa de citação esperada para a instituição ou país. O indicador é normalizado para as diferenças nas taxas de citação de um determinado campo de conhecimento, bem como diferenças de tamanho entre instituições e períodos de tempo.
Citações esperadas por categoria (category expected citations): Número médio de citações recebidas por artigos de um mesmo tipo publicados em revistas de mesma categoria (área de conhecimento) e data. Se um periódico é atribuído a mais de uma categoria, utiliza-se a média das categorias.
Contagem de visualizações (view count): baseia-se no número de visualizações dos usuários de resumos (abstracts) dos documentos indexados na base de dados SciVal. 
Visualizações por publicação (views per publication): baseia-se no número de visualizações dos usuários de resumos (abstracts) por documento indexado na Base de Dados SciVal. 
Impacto das visualizações ponderado pelo campo de conhecimento (field weighted views impact): baseia-se na média mundial esperada de visualizações para o campo de conhecimento/assunto, tipo de publicação e ano de publicação. 
Produção relativa ao país/território (output relative to country/territory): Produção em áreas específicas em relação ao impacto para todo o país / território em todas as áreas
Impacto das citações relativo ao país/território (impact relative to country/territory):Impacto em áreas específicas em relação ao impacto para todo o país / território em todas as áreas (um valor superior a 1 indica que o impacto do país / região na área de motivo selecionado é melhor do que o impacto médio do País /território em todas as áreas)
Impacto relativo ao mundo (impact relative to world): A percentagem de documentos que foram citados em relação ao número total de documentos citados no mundo (um valor maior do que 1 indica que o impacto é melhor do que a média para o mundo – baseline).
blue_snowflakeMétricas Alternativas
Analisam o impacto de um documento por meio da quantidade de compartilhamento em redes sociais, Twitter, Blogs dentre outros.
Representam padrões globais de métricas criadas por instituições de pesquisa e editoras que permitem o benchmarking institucional e cobrem todo o espectro de atividades de pesquisa. As metodologias acordadas e testadas estão disponíveis gratuitamente para serem utilizadas por qualquer organização. https://www.snowballmetrics.com/

Bibliografia utilizada

InCites Indicators Handbook. Disponível em: <http://ipscience-help.thomsonreuters.com/inCites2Live/indicatorsGroup/aboutHandbook.html> Acesso em: 18 julho 2019.
Scival Metrics Handbook. Disponível em: <https://www.elsevier.com/research-intelligence/resource-library/scival-metrics-guidebook> Acesso em: 18 julho 2019.
SciVal User Guide. Disponível em: <https://www.scival.com/help/downloads/SciVal_user_guide.pdf> Acesso em: 18 julho 2019.

Nota técnica: As definições apresentadas baseiam-se em informações traduzidas e compiladas de várias fontes, incluindo interpretações de bibliotecários do Sistema Integrado de Bibliotecas da Universidade de São Paulo (SIBiUSP). O uso das informações é livre e aberto a todos os interessados, desde que citada a fonte: SIBiUSP.