Works-magnet: Accelerating Metadata Curation for Open Science
在开放科学生态建设中，科研成果和数据的可发现性、可复用性，越来越依赖高质量的元数据（Metadata）支撑。然而，当前全球范围内，许多科研机构和数据平台仍对商业数据库存在高度依赖，开放数据库如OpenAlex等虽已发展迅速，但仍存在准确性不足、人工整理成本高等瓶颈。
近日，来自法国高等教育与研究部（MESR）数据科学与工程团队的Eric Jeangirard发表论文“Works-magnet: Accelerating Metadata Curation for Open Science”（发表于arXiv，2025年6月），系统介绍了团队开发的Works-magnet开源工具，探索“人机协同”的新机制，提升开放科学元数据质量。
论文原文链接：https://arxiv.org/abs/2406.19537
项目开源地址：https://github.com/dataesr/works-magnet
论文指出，法国自2018年发布《国家开放科学计划》以来，建立了包括“法国开放科学监测仪”在内的全国性监测体系，并自2019年起向高校和科研机构推广。但在实践中，机构层面普遍依赖如Web of Science等商业数据库，难以实现自主可控的开放监测，开放数据平台如OpenAlex也存在机构归属信息错误频发、人工干预成本高的问题。
例如，法国某些研究机构在OpenAlex中可能出现五种以上不同的归属记录，严重影响学术评价和开放科学政策制定的准确性。
Works-magnet项目专门设计用于加速科学研究数据的质量提升，它代表了一个根本性的范式转变：从专有环境走向开放环境。
人机协作：让AI计算变得可见可纠正
Works-magnet的创新之处在于将人类重新置于AI处理循环中。尽管各种第三方工具（包括机器学习和人工智能）在将机构名称匹配到研究机构注册表ID方面准确率达到85%-95%，但这仍然不够完美。该平台通过以下方式解决这一问题：
（1）透明化AI处理过程：让自动化计算结果可见
（2）简化人工纠正流程：使专家能够轻松发现和修正错误
（3）开放成果共享：所有纠正后的数据都成为开放资源
截至目前，Works-magnet已经处理了71,283个纠正请求，其中很大一部分已经完成处理。这些纠正数据通过GitHub问题跟踪系统和开放数据集公开可用。尽管成果显著，Works-magnet仍面临一些限制：
（1）技术挑战：依赖GitHub API，OpenAlex验证延迟可能导致错误积压；
（2）资源限制：项目几乎没有财政资助，人力资源不足0.25个全职当量；
（3）数据复杂性：原始署名数据不一致，需要多样化的策略处理。
（1）互操作性增强。确保整理成果不仅开放，还具有互操作性，便于在不同环境中重复使用。
（2）AI模型训练。不断增长和完善的数据集有潜力成为新AI模型的宝贵训练基础，可能减少对大量人工干预的依赖。
（3）集中化讨论。正在讨论将各种整理计划的成果集中化，创建权威的高质量开放研究元数据源。
Works-magnet不仅仅是一个技术工具，更代表了一种新的协作模式：利用公共部门的专业知识、将个体努力转化为集体收益、推动整个科学界数据质量的提升。这个项目展示了如何通过开放、透明和协作的方式，有效解决开放科学时代的数据质量挑战，为全球科研数据管理提供了宝贵的借鉴经验。
新闻内容来自以下网站，不代表GoOA头条立场：
https://arxiv.org/abs/2506.14430