Open Access has emerged as an important movement worldwide during the last decade. There are several initiatives now that persuade researchers to publish in open access journals and to archive their pre- or post-print versions of papers in repositories. Institutions and funding agencies are also promoting ways to make research outputs available as open access. This paper looks at open access levels and patterns in research output from India by computationally analyzing research publication data obtained from Web of Science for India for the last five years (2014-2018). The corresponding data from other connected platforms -- Unpaywall and Sci-Hub -- are also obtained and analyzed. The results obtained show that about 24% of research output from India, during last five years, is available in legal forms of open access as compared to world average of about 30%. More articles are available in gold open access as compared to green and bronze. On the contrary, more than 90% of the research output from India is available for free download in Sci-Hub. We also found disciplinary differentiation in open access, but surprisingly these patterns are different for gold-green and black open access forms. Sci-Hub appears to be complementing the legal gold-green open access for less covered disciplines in them. The central institutional repositories in India are found to have low volume of research papers deposited.


翻译:过去十年间,开放存取已成为全世界的一个重要运动。现在已有若干倡议说服研究人员在公开存取期刊上发表,并将其文件的预印或后版本存档到储存库中。各机构和供资机构也正在推动以开放存取方式提供研究产出的方法。本文件通过对过去五年(2014-2018年)从印度科学网获得的印度研究产出的研究出版物数据进行计算分析,审视了印度研究成果的公开存取水平和模式。还获取并分析了来自其他相关平台 -- -- Unpaywall和Sci-Hub -- -- 的相应数据。获得的结果显示,过去五年来,印度大约24%的研究成果以开放存取形式以法律形式提供,与世界平均约30%的公开存取。与绿色和铜相比,更多文章以黄金公开存取取用。相反,90%以上的印度研究成果可以在Sci-Hub免费下载。我们也发现公开存取中的纪律差异,但奇怪的是,在金绿色和黑开放存取表格中,Sci-Hub似乎是对合法存取的公开存取文件进行法律公开存取,在印度中央存放的档案库中,但发现有少量的公开存取量。

0
下载
关闭预览

相关内容

MIT-深度学习Deep Learning State of the Art in 2020,87页ppt
专知会员服务
61+阅读 · 2020年2月17日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
39+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
3D Deep Learning on Medical Images: A Review
Arxiv
12+阅读 · 2020年4月1日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
Arxiv
12+阅读 · 2019年3月14日
Arxiv
5+阅读 · 2018年6月12日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关VIP内容
MIT-深度学习Deep Learning State of the Art in 2020,87页ppt
专知会员服务
61+阅读 · 2020年2月17日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Top
微信扫码咨询专知VIP会员