数据集概述
本数据集是通过Pentaho数据集成工具从ZORA平台的EPrints XML导出文件中提取的学术文章元数据，聚焦于按出版商分类的文章标识信息。数据包含Elsevier、Springer、Wiley等出版商的文章记录，涵盖文章URL、发表年份、DOI、开放获取状态等核心字段，可用于分析学术出版分布特征。
文件详解
- 输入文件
- 文件名称：export_zora_XML_articles_01.01.2016.xml、export_zora_XML_sample.xml
- 文件格式：XML
- 字段映射介绍：ZORA平台导出的学术文章原始XML元数据，为数据提取提供基础数据源
- 处理脚本
- 文件名称：Extract_Article_Number_by_Publisher_ZORA.ktr
- 文件格式：KTR
- 字段映射介绍：Pentaho数据集成转换脚本，用于从XML文件中提取并转换元数据生成CSV结果
- 输出CSV文件
- 单出版商文章列表：articles_by_Elsevier.csv、articles_by_springer.csv、articles_by_Wiley.csv
- 文件格式：CSV
- 字段映射介绍：包含repository_url（文章URL）、date_year（发表年份）、doi（数字对象标识符）、full_text_status（开放获取状态）、ispublished（发布状态）、publisher（出版商）、publication（出版物名称）、issn（国际标准刊号）
- 按年份分组的出版商文章统计：articles_by_Elsevier_grouped_by_year_open_access.csv、articles_by_Springer_grouped_by_year_closed_access.csv、articles_by_Springer_grouped_by_year_open_access.csv、articles_by_Wiley_grouped_by_year_closed_access.csv
- 文件格式：CSV
- 字段映射介绍：在单出版商字段基础上，按年份和开放获取状态分组统计的文章数据
数据来源
ZORA平台（http://www.zora.uzh.ch）
适用场景
- 学术出版分布分析：统计不同出版商（Elsevier、Springer等）的文章数量及年度变化趋势
- 开放获取政策研究：分析各出版商的开放获取文章占比及时间分布特征
- 学术资源整合：为学术数据库建设提供标准化的出版商-文章关联元数据
- 出版趋势监测：跟踪特定出版商在2008-2015年间的学术产出变化
