数据集概述
本数据集是开放获取（OA）出版与阅读量预测分析的原始数据，包含1950-2019年7000万篇期刊文章的OA状态数据，以及2019年7月Unpaywall浏览器扩展280万次使用产生的阅读量数据，用于分析OA文章占比、阅读量趋势及未来预测。
文件详解
- 数据文件（CSV格式，共12个）：
- articles_by_graph_type_by_year.csv：含published_year（发表年份）、oa_status（OA状态）、graph_type（图表类型）、num_articles（文章数量）字段
- biorxiv_growth_otherwise_closed.csv：可能记录预印本平台bioRxiv中未开放文章的增长数据
- gold_oa_empirical_list.csv：实证金OA文章列表
- articles_by_color_by_year_with_embargos.csv：含 embargo 信息的各OA类型年度文章数据
- green_oa_with_dates_by_availability.csv：含year_of_first_availability（首次可获取年份）、months_old_at_first_deposit（首次存档时月龄）、published_year（发表年份）、num_articles（文章数量）字段
- views_by_age_months_no_color_full_year.csv：按月龄统计的全年阅读量数据
- delayed_bronze_extracted_policies.csv：延迟青铜OA政策提取数据
- 压缩文件（ZIP格式，共1个）：
- delayed_bronze_sql_parts.zip：延迟青铜OA的SQL片段压缩包
数据来源
bioRxiv（论文DOI：10.1101/795310）
适用场景
- 学术出版趋势研究：分析不同OA类型（绿色、金色、混合、青铜）的年度占比变化
- 开放获取政策评估：为资助方政策制定、订阅分配提供数据支持
- 学术传播效果分析：对比OA与闭源文章的阅读量差异及影响因素
- 学术基础设施规划：预测未来OA文章占比及阅读量趋势，指导平台建设
- 文献计量学研究：探究OA文章存档时间对阅读量的影响
