Indexing status of journals using Open Journal Systems and related properties
Notice bibliographique
Résumé
This dataset is a comprehensive, journal-level collection of metadata for 47,625 active journals that publish using the Open Journal Systems (OJS) platform. It covers the period from 2020 to 2023 and aggregates information from multiple sources, including the PKP Beacon, ISSN.org, DOI resolution services, and bibliographic indices such as OpenAlex, DOAJ, and Scopus. The dataset not only captures the basic journal identifiers and descriptive metadata but also a rich set of indicators that support multifaceted analysis of scholarly publishing practices. Key characteristics of the dataset include: Identifiers and Journal Metadata: – Primary and secondary ISSNs validated against the official registry. – Journal titles as registered within OJS, with standardization measures applied (e.g., transliteration and phonetic comparisons). – A consolidated country of publication determined through multiple sources such as ISSN records, DOAJ listings, and IP-address based geolocation. Publication Activity: – Annual record counts for the years 2020 through 2023 along with cumulative document counts. – Detailed measures of scholarly output per journal that allow evaluation of publication volume, which serves as a proxy for journal activity and editorial engagement. Indexing and DOI Usage: – Indicators showing whether a journal is indexed in key bibliographic databases like OpenAlex, Scopus, and DOAJ. – Variables indicating whether the journal assigns Digital Object Identifiers (DOIs) through registration agencies (with specific fields for Crossref, DataCite, Medra, JALC, Airiti, etc.). – Matched counts of DOIs verified against external resolvers, highlighting the reliability and completeness of a journal's metadata. Economic and Regional Context: – Data on the country’s income group and GDP per capita, which serve as proxies for the resource environment and infrastructural capacity available to each journal. – The total number of JUOJS identified per country, providing a measure of the national landscape of scholarly publishing. Digital Presence and Repository Characteristics: – Web visibility metrics provided by Open PageRank scores for both the individual journal’s webpage and its hosting repository’s endpoint. – The size of the OJS repository (i.e., the number of journals hosted on the same installation), offering insight into shared infrastructure and editorial scale. Linguistic and Disciplinary Classification: – Automated language detection results and aggregated language proportions, highlighting the degree to which journals publish in English versus non‑English languages. – A machine-learning derived subject classification assigning each journal to a main scholarly discipline, which enables discipline-specific analysis. Designed for bibliometric and scientometric research, the dataset enables users to explore the relationships between a journal’s editorial practices, its digital identifier usage, national and economic contexts, and its likelihood of being indexed in inclusive scholarly databases. The extensive metadata and derived metrics support complex analyses, such as classification modeling to identify determinants of indexing in OpenAlex and factors associated with the adoption of Crossref DOIs. The dataset is contributes to exploring trends in global scholarly communication and assess structural disparities in the digital dissemination of knowledge.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,045 | 0,071 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,025 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».