[openalex] actualización de esquema kahi para integrar nuevos campos

[omazapa]

@restrepo abajo pongo los cambios discutidos, si olvidé alguno por favor añadirlo en la lista. Los campos que discutamos en la reunión los voy a poner acá para tener claro la lista de cambios requeridos.

• [x] añadir nuevos tipo (crossref) del campo type_crossref

• [x] poner doi como campo en la raiz del documento, cambio en kahi acá

  • [x] kahi_openalex_works
  • [x] kahi_scienti_works
  • [x] kahi_ranking_works
  • [x] kahi_scholar_works

• [x] crear un nuevo campo open_access y sacar la información de openacess de bibliographic_info

• [x] remover subtitle implementado acá

• [x] oa_url ya está implementado acá

• [x] añadir abstract de diferentes fuentes usando inverted_index

  • [x] [kahi_impactu_utils] implementar invetred_index e invexterd_index_to_text para procesar los abstracts
  • [x] kahi_openalex_works
  • [x] kahi_scienti_works
  • [x] kahi_scholar_works

• [x] añadir bibtext de scholar - implementado acá

• [x] apc_paid

Slide link

[omazapa]

@restrepo queremos este campo? https://docs.openalex.org/api-entities/works/work-object#any_repository_has_fulltext

[omazapa]

así quedarían los datos de open_access

  external_urls: [
    {
      provenance: 'openalex',
      source: 'open_access',
      url: 'http://www.spog.org.pe/web/revista/index.php/RPGO/article/download/732/693'
    }
  ],
  bibliographic_info: { volume: '8', issue: '1-2', start_page: '79', end_page: '89' },
  open_access: { is_open_access: true, open_access_status: 'green' },

[omazapa]

así queda el typo crossref en el esquema de kahi

  types: [
    {
      provenance: 'openalex',
      source: 'openalex',
      type: 'article',
      level: null
    },
    {
      provenance: 'openalex',
      source: 'crossref',
      type: 'journal-article',
      level: null
    }
  ],

[restrepo]

@restrepo queremos este campo? https://docs.openalex.org/api-entities/works/work-object#any_repository_has_fulltext

De acuerdo, se puede adicionar para tener una información más detallada del estado de acceso abierto del producto

[restrepo]

así quedarían los datos de open_access

  external_urls: [ ...

@omazapa ¿Entonces external_urls.url, cuando external_urls.source es igual a 'open_access', corresponde a open_access.oa_url del OpenAlex? ¿Se podría poner el link en las dos partes?:

  external_urls: [
    {
      provenance: 'openalex',
      source: 'open_access',
      url: 'http://www.spog.org.pe/web/revista/index.php/RPGO/article/download/732/693'
    }
  ],
  bibliographic_info: { volume: '8', issue: '1-2', start_page: '79', end_page: '89' },
  open_access: { is_open_access: true, open_access_status: 'green' , oa_url: 'http://www.spog.org.pe/web/revista/index.php/RPGO/article/download/732/693'
  },

[omazapa]

exacto, Sí se puede poner el link en los dos lados.

[omazapa]

así queda el bibtex en bibliographic_info

  bibliographic_info: {
    volume: '134',
    start_page: '143',
    end_page: '145',
    pages: '2',
    bibtex: '@article{jaramillo1998ivermectin,\n' +
      '  title={Ivermectin for crusted Norwegian scabies induced by use of topical steroids},\n' +
      "  author={Jaramillo-Ayerbe, Felipe and Berr{\\'\\i}o-Mu{\\~n}oz, Joaqu{\\'\\i}n},\n" +
      '  journal={Archives of dermatology},\n' +
      '  volume={134},\n' +
      '  number={2},\n' +
      '  pages={143--145},\n' +
      '  year={1998},\n' +
      '  publisher={American Medical Association}\n' +
      '}\n'
  }

[omazapa]

@restrepo dentro del diagrama no veo nada de "apc_paid", ¿ese campo lo tuviste en cuenta? ¿no lo queremos implementar?

[omazapa]

respecto a apc_list y apc_paid

apc_list son solo lo que hay en doaj, nosotros ya lo tenemos y no es necesario para determinar los valores de los green.

respecto a apc_paid que es de donde podríamos sacar cuanto pagó en paper en una revista hibrida, sale de acá https://github.com/OpenAPC/openapc-de, donde solo tienen 225,940 papers para el corte de colombia son solo 1127 openalexco> db.works.countDocuments({"apc_paid.provenance":"openapc"}) 1127

¿integramos eso de todos modos? de tener que integrar algo, propongo solo poner el apc_paid el apc list mejor que siga en sources.

referencias apc_list https://docs.openalex.org/api-entities/works/work-object#apc_list apc_paid https://docs.openalex.org/api-entities/works/work-object#apc_paid

[restrepo]

@omazapa De acuerdo. Necesitamos el campo apc_paid, no apc_list. Ya lo he corregido en las slides.

[omazapa]

Así quedaran los datos de apc paid

  {
    apc: {
      paid: {
        value: 1435,
        currency: 'EUR',
        value_usd: 1547,
        provenance: 'openalex',
        source: 'openapc'
      }
    }
  },
  {
    apc: {
      paid: {
        value: 582,
        currency: 'EUR',
        value_usd: 627,
        provenance: 'openalex',
        source: 'openapc'
      }
    }
  }

[omazapa]

Se se quiere un campo adicional por favor re abrir el issue.