gpntbНаучные и технические библиотекиScientific and Technical Libraries1027-36892686-8601Russian National Public Library for Science and Technology10.33186/1027-3689-2022-12-15-34gpntb-1044Research ArticleНАУКОМЕТРИЯ. БИБЛИОМЕТРИЯSCIENTOMETRICS. BIBLIOMETRICSОценка качества открытых данных Роспатента в контексте интеграции с отечественными информационными системами текущих исследованийAssesment of Rospatent open data quality within the context of integration with national current research information systemshttps://orcid.org/0000-0001-9339-1589ЗелепухинаВ. А.ZelepukhinaV. A.

Зелепухина Виктория Андреевна – канд. техн. наук, старший научный сотрудник

Астрахань

Victoria A. Zelepukhina – Cand. Sc. (Engineering), Senior Researcher

Astrakhan

v.zelepukhina@asu.edu.ruАстраханский государственный университет им. В. Н. ТатищеваРоссияV. N. Tatishchev Astrakhan State UniversityRussian Federation2022120120230121534Copyright © Зелепухина В.А., 20232023Зелепухина В.А.Zelepukhina V.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://ntb.gpntb.ru/jour/article/view/1044

Информационные системы текущих исследований (Current Research Information Systems, CRIS) агрегируют сведения о научно-исследовательских проектах организации и их финансировании, о публикациях сотрудников и объектах интеллектуальной собственности. На основе данных, представленных в CRIS, проводится наукометрический анализ, оцениваются результативность научной деятельности и инновационный потенциал организации, принимаются управленческие решения. Поэтому своевременная загрузка качественной и достоверной информации – важная задача для CRIS. Потенциальным источником сведений об объектах интеллектуальной собственности (патентах и свидетельствах о государственной регистрации) для отечественных CRIS являются открытые данные (ОД) Роспатента, которые, согласно концепции ОД, допускают автоматизированную обработку на условиях свободной лицензии (бесплатно). Исследования показывают, что, несмотря на публикацию ОД в машиночитаемых форматах, их практическое применение осложняется наличием некорректных, неполных и несогласованных записей. Поэтому перед загрузкой ОД Роспатента в CRIS требуются предварительная оценка качества данных и их улучшение, если это возможно. К настоящему времени качество ОД Роспатента исследовано по нескольким критериям: доступность, заполненность метаданных, наличие обратной связи. Оценка качества данных на уровне содержимого наборов не проводилась. Цель настоящей работы – оценить внутреннее качество наборов ОД Роспатента, включающих сведения об изобретениях, полезных моделях, промышленных образцах, программах для ЭВМ, базах данных, топологиях интегральных микросхем, в контексте интеграции этих данных с системами CRIS. Качество измерялось по следующим характеристикам: полнота, точность, согласованность, своевременность и актуальность. В результате исследования выявлены неполные, неточные и несогласованные записи.

Current Research Information Systems (CRIS) are to aggregate data on organizational research projects and their funding, on employers’ publications and intellectual property subject matters. The scientometric analysis is based on CRIS data to assess research output and innovative potential of organizations, and to make management solutions. The early loading of quality and reliable information is the most important task for CRIS. The Rospatent open data that allow for automated processing based on free (free of charge) licensing makes the potential source for data on intellectual property subject matters (patent and government registration certificates) for national CRIS. The studies evidence that despite publishing OD in machine-readable formats, their practical application is impeded by incorrect, incomplete and uncoordinated entries. Therefore, before loading. Rospatent OD have to be assessed for quality and to be improved, if possible. As for today, Rospatent OD quality is assessed by several criteria: accessibility, metadata completeness, feedback. However, at the content level, the open data have not been assessed. The purpose of the article is to evaluate the internal quality of Rospatent OD sets including information on inventions, utility models, industrial designs, computer programs, databases, circuit layouts, within the context of OD integration in CRIS systems. The quality is assessed in several characteristics: completeness, accuracy, consistency, expedience, and relevancy. The study has revealed incomplete, inaccurate and uncoordinated entries.

CRISинформационные системы текущих исследованийкачество данныхизмерение качества данныхоценка качества данныхоткрытые данныеРоспатентобъекты интеллектуальной собственностипатентыCRIScurrent research information systemdata qualitydata quality measurementsdata quality assessmentopen dataRospatentintellectual property subject matterspatentsReferencesИнтеллектуальная Система Тематического Исследования Наукометрических данных. URL: https://istina.msu.ru (дата обращения: 18.03.2022).Intellektual`naia Sistema Tematicheskogo Issledovaniia Naukometricheskikh danny`kh. URL: https://istina.msu.ru (data obrashcheniia: 18.03.2022).SciAct – информационно-аналитическая система мониторинга и учёта научной деятельности. URL: https://sciact.ru (дата обращения: 18.03.2022).SciAct – informatcionno-analiticheskaia sistema monitoringa i uchyota nauchnoi` deiatel`nosti. URL: https://sciact.ru (data obrashcheniia: 18.03.2022).Информационно-аналитическая система «Результаты научной деятельности». URL: https://science.asu.edu.ru (дата обращения: 18.03.2022).Informatcionno-analiticheskaia sistema «Rezul`taty` nauchnoi` deiatel`nosti». URL: https://science.asu.edu.ru (data obrashcheniia: 18.03.2022).Azeroual O., Saake G., Abuosba M., Schöpfel J. Quality of Research Information in RIS Databases: A Multidimensional Approach // Business Information Systems. BIS 2019. Lecture Notes in Business Information Processing. 2019. Vol. 353. P. 337–349. URL: https://doi.org/10.1007/978-3-030-20485-3_26.Azeroual O., Saake G., Abuosba M., Schöpfel J. Quality of Research Information in RIS Databases: A Multidimensional Approach // Business Information Systems. BIS 2019. Lecture Notes in Business Information Processing. 2019. Vol. 353. P. 337–349. URL: https://doi.org/10.1007/978-3-030-20485-3_26.Azeroual O., Schöpfel J. Quality Issues of CRIS Data: An Exploratory Investigation with Universities from Twelve Countries // Publications. 2019. URL: https://doi.org/10.3390/publications7010014 (дата обращения: 02.11.2022).Azeroual O., Schöpfel J. Quality Issues of CRIS Data: An Exploratory Investigation with Universities from Twelve Countries // Publications. 2019. URL: https://doi.org/10.3390/publications7010014 (data obrashcheniia: 02.11.2022).ГОСТ Р ИСО 8000-2-2019. Качество данных. Часть 2. Словарь. Москва : Стандартинформ, 2019. 12 с.GOST R ISO 8000-2-2019. Kachestvo danny`kh. Chast` 2. Slovar`. Moskva : Standartinform, 2019. 12 с.Васенин В. А., Афонин С. А., Зензинов А. А., Лунев К. В., Шачнев Д. А. Механизмы системы «ИСТИНА» для интеллектуального анализа состояния и стимулирования хода выполнения проектов в сфере науки и высшего образования // Научный сервис в сети Интернет. 2019. № 21. С. 210–221. URL: http://doi.org/10.20948/abrau-2019-48.Vasenin V. A., Afonin S. A., Zenzinov A. A., Lunev K. V., Shachnev D. A. Mehanizmy` sistemy` «ISTINA» dlia intellektual`nogo analiza sostoianiia i stimulirovaniia hoda vy`polneniia proektov v sfere nauki i vy`sshego obrazovaniia // Nauchny`i` servis v seti Internet. 2019. № 21. S. 210–221. URL: http://doi.org/10.20948/abrau-2019-48.Открытые данные Роспатента. URL: https://rospatent.gov.ru/opendata (дата обращения: 18.03.2022).Otkry`ty`e danny`e Rospatenta. URL: https://rospatent.gov.ru/opendata (data obrashcheniia: 18.03.2022).Открытые реестры. URL: https://new.fips.ru/registers-web/ (дата обращения: 18.03.2022).Otkry`ty`e reestry`. URL: https://new.fips.ru/registers-web/ (data obrashcheniia: 18.03.2022).Условия использования открытых данных Роспатента / Открытая лицензия. URL: https://rospatent.gov.ru/content/uploadfiles/opendata-terms-of-use.docx (дата обращения: 18.03.2022).Usloviia ispol`zovaniia otkry`ty`kh danny`kh Rospatenta / Otkry`taia licenziia. URL: https://rospatent.gov.ru/content/uploadfiles/opendata-terms-of-use.docx (data obrashcheniia: 18.03.2022).Чесноков М. Ю. Поиск аномалий в задаче повышения качества открытых данных // Проблемы управления. 2019. № 3. С. 53–62. URL: https://doi.org/10.25728/pu.2019.3.6.Chesnokov M. Iu. Poisk anomalii` v zadache povy`sheniia kachestva otkry`ty`kh danny`kh // Problemy` upravleniia. 2019. № 3. S. 53–62. URL: https://doi.org/10.25728/pu.2019.3.6.Sadiq S., Indulska M. Open data: Quality over quantity // International Journal of Information Management. 2017. Vol. 37 (3). P. 150–154. URL: https://doi.org/10.1016/j.ijinfomgt.2017.01.003.Sadiq S., Indulska M. Open data: Quality over quantity // International Journal of Information Management. 2017. Vol. 37 (3). P. 150–154. URL: https://doi.org/10.1016/j.ijinfomgt.2017.01.003.Torchiano M., Vetrò A., Iuliano F. Preserving the benefits of Open Government Data by measuring and improving their quality: an empirical study // 2017 IEEE 41st Annual Computer Software and Applications Conference (COMPSAC). 2017. Vol. 1. P. 144–153. URL: https://doi.org/10.1109/COMPSAC.2017.192.Torchiano M., Vetrò A., Iuliano F. Preserving the benefits of Open Government Data by measuring and improving their quality: an empirical study // 2017 IEEE 41st Annual Computer Software and Applications Conference (COMPSAC). 2017. Vol. 1. P. 144–153. URL: https://doi.org/10.1109/COMPSAC.2017.192.Vetrò A., Canova L., Torchiano M., Minotas C. O., Iemma R., Morando F. Open data quality measurement framework: Definition and application to Open Government Data // Government Information Quarterly. 2016. Vol. 33 (2). P. 325–337. URL: http://doi.org/10.1016/j.giq.2016.02.001.Vetrò A., Canova L., Torchiano M., Minotas C. O., Iemma R., Morando F. Open data quality measurement framework: Definition and application to Open Government Data // Government Information Quarterly. 2016. Vol. 33 (2). P. 325–337. URL: http://doi.org/10.1016/j.giq.2016.02.001.Rula A., Maurino A., Batini C. Data quality issues in linked open data // Data and information quality. 2016. P. 87–112. URL: https://doi.org/10.1007/978-3-319-24106-7_4.Rula A., Maurino A., Batini C. Data quality issues in linked open data // Data and information quality. 2016. P. 87–112. URL: https://doi.org/10.1007/978-3-319-24106-7_4.Открытость государства в России – 2021. URL: https://ach.gov.ru/upload/pdf/Otkrytost-2021.pdf (дата обращения: 18.03.2022).Otkry`tost` gosudarstva v Rossii – 2021. URL: https://ach.gov.ru/upload/pdf/Otkrytost2021.pdf (data obrashcheniia: 18.03.2022).Российский сервер Еspacenet. URL: https://ru.espacenet.com (дата обращения: 18.03.2022).Rossii`skii` server Еspacenet. URL: https://ru.espacenet.com (data obrashcheniia: 18.03.2022).Поисковая система Designview. URL: https://www.tmdn.org/tmdsviewweb/welcome#/dsview (дата обращения: 18.03.2022).Poiskovaia sistema Designview. URL: https://www.tmdn.org/tmdsviewweb/welcome#/dsview (data obrashcheniia: 18.03.2022).Поисковая система Google Patents. URL: https://patents.google.com (дата обращения: 18.03.2022).Poiskovaia sistema Google Patents. URL: https://patents.google.com (data obrashcheniia: 18.03.2022).Яндекс.Патенты – поиск по патентным документам. URL: https://yandex.ru/patents (дата обращения: 18.03.2022).Yandex.Patenty` – poisk po patentny`m dokumentam. URL: https://yandex.ru/patents (data obrashcheniia: 18.03.2022).eLIBRARY.RU. Поиск патентов. URL: https://elibrary.ru/patents.asp (дата обращения: 18.03.2022).eLIBRARY.RU. Poisk patentov. URL: https://elibrary.ru/patents.asp (data obrashcheniia: 18.03.2022).Официальные публикации ФИПС. URL: https://www.fips.ru/publication-web/ (дата обращения: 18.03.2022).Ofitcial`ny`e publikatcii FIPS. URL: https://www.fips.ru/publication-web/ (data obrashcheniia: 18.03.2022).Информационно-поисковая система ФИПС. URL: https://www.fips.ru/iiss/ (дата обращения: 18.03.2022).Informatcionno-poiskovaia sistema FIPS. URL: https://www.fips.ru/iiss/ (data obrashcheniia: 18.03.2022).Batini C. Data Quality Assessment // Encyclopedia of Database Systems. Boston: Springer, 2009. P. 608–612. URL: https://doi.org/10.1007/978-0-387-39940-9_107.Batini C. Data Quality Assessment // Encyclopedia of Database Systems. Boston: Springer, 2009. P. 608–612. URL: https://doi.org/10.1007/978-0-387-39940-9_107.DAMA-DMBOK: Свод знаний по управлению данными. Второе издание / Dama International [пер. с англ. Г. Агафонова]. Москва : Олимп-Бизнес, 2020. 828 с.DAMA-DMBOK: Svod znanii` po upravleniiu danny`mi. Vtoroe izdanie / Dama International [per. s angl. G. Agafonova]. Moskva : Olimp-Biznes, 2020. 828 s.Mahanti R. Data Quality: Dimensions, Measurement, Strategy, Management, and Governance. Quality Press, 2019. 526 р.Mahanti R. Data Quality: Dimensions, Measurement, Strategy, Management, and Governance. Quality Press, 2019. 526 р.Lee Y. W., Pipino L. L., Funk J. D., Wang R. Y. Journey to data quality. The MIT Press, 2006. 240 р.Lee Y. W., Pipino L. L., Funk J. D., Wang R. Y. Journey to data quality. The MIT Press, 2006. 240 р.Sattler Ku. Data Quality Dimensions // Encyclopedia of Database Systems. Boston: Springer, 2009. P. 612–615. URL: https://doi.org/10.1007/978-0-387-39940-9.Sattler Ku. Data Quality Dimensions // Encyclopedia of Database Systems. Boston: Springer, 2009. P. 612–615. URL: https://doi.org/10.1007/978-0-387-39940-9.Gualo F., Rodriguez M., Verdugo J., Caballero I., Piattini M. Data quality certification using ISO/IEC 25012: Industrial experiences // Journal of Systems and Software. 2021. Vol. 176. P. 110938. URL: https://doi.org/10.1016/j.jss.2021.110938.Gualo F., Rodriguez M., Verdugo J., Caballero I., Piattini M. Data quality certification using ISO/IEC 25012: Industrial experiences // Journal of Systems and Software. 2021. Vol. 176. P. 110938. URL: https://doi.org/10.1016/j.jss.2021.110938.Zhao Y., Gong J., Hu Y., Liu Z., Cai L. Analysis of quality evaluation based on ISO/IEC SQuaRE series standards and its considerations // 2017 IEEE/ACIS 16th International Conference on Computer and Information Science (ICIS). 2017. P. 245–250. URL: https://doi.org/10.1109/ICIS.2017.7960001.Zhao Y., Gong J., Hu Y., Liu Z., Cai L. Analysis of quality evaluation based on ISO/IEC SQuaRE series standards and its considerations // 2017 IEEE/ACIS 16th International Conference on Computer and Information Science (ICIS). 2017. P. 245–250. URL: https://doi.org/10.1109/ICIS.2017.7960001.Behkamal B., Kahani M., Bagheri E., Jeremic Z. A metrics-driven approach for quality assessment of linked open data // Journal of theoretical and applied electronic commerce research. 2014. Vol. 9 (2). P. 64–79. URL: https://doi.org/10.4067/S0718-18762014000200006.Behkamal B., Kahani M., Bagheri E., Jeremic Z. A metrics-driven approach for quality assessment of linked open data // Journal of theoretical and applied electronic commerce research. 2014. Vol. 9 (2). P. 64–79. URL: https://doi.org/10.4067/S0718-18762014000200006.Liu H., Sang Z., Karali S. Approximate quality assessment with sampling approaches // 2019 International Conference on Computational Science and Computational Intelligence (CSCI). 2019. P. 1306–1311. URL: https://doi.org/10.1109/CSCI49370.2019.00244.Liu H., Sang Z., Karali S. Approximate quality assessment with sampling approaches // 2019 International Conference on Computational Science and Computational Intelligence (CSCI). 2019. P. 1306–1311. URL: https://doi.org/10.1109/CSCI49370.2019.00244.

The authors declare that there are no conflicts of interest present.