機関リポジトリによるオープンアクセス進捗率の因果分析

(1)

研究論文

機関リポジトリによるオープンアクセス進捗率の因果分析

A Causal Analysis of the Progress of Open Access

Using Institutional Repositories

河合将志

1*

_{，尾城孝一}

1

_，前田隼

2

_{，西澤正己}

1

_{，山地一禎}

1

Masashi KAWAI

1*

_{, Koichi OJIRO}

1

_{, Jun MAEDA}

2

Masaki NISHIZAWA

1

_{, Kazutsuna YAMAJI}

1

1 国立情報学研究所

National Institute of Informatics

〒101-8430 東京都千代田区一ツ橋2丁目1番地2号 2 北海道大学附属図書館

Hokkaido University Library

〒060-0808 北海道札幌市北区北8条西5丁目 *連絡先著者 Corresponding Author 日本では800以上の機関リポジトリが運用されているが，学術雑誌論文の登録に積極的な機関は一部に限られている．本研究では，機関リポジトリコミュニティに指針を与えることを目的として，学術雑誌論文件数と図書館員によるオープンアクセス推進活動の因果関係を分析した．国内87機関のデータを計量分析した結果，研究者へ直接アプローチする「学術雑誌論文提供依頼」の実施は，学術雑誌論文件数の増加に特に効果的である一方で，「オープンアクセス方針」の策定や「セルフアーカイブ」の実施は，それほど効果的ではないことがわかった．因果関係の詳細を把握するために，「学術雑誌論文提供依頼」に関して追加で収集した4機関のデータからは，その年間成功率の平均は36.32%であり，最も効果的に実施できている機関の平均と最高値は，それぞれ55.82%と73.20%にも及ぶことが明らかになった．

More than 800 institutional repositories exist in Japan, but only a few institutions are active in registering journal articles. In this study, we analyzed the causal relation between the number of journal articles and librarians’ open access promotion activities to provide good practice guidelines to the institutional repository community. Quantitative analysis results using data from 87 domestic institutions showed “request for journal articles”, a direct approach to researchers, was estimated particularly influential in increasing the number of journal articles. On the other hand, activities, for instance, in developing an “open access policy” or implementing “self-archiving” were found less influential. Additional collected data from 4 institutions regarding the “request for journal articles” to understand the details of the causal relation revealed an annual success rate averaged 36.32%. Furthermore, the data showed the annual success rate of an institution implementing it most effectively averaged 55.82%, reaching a peak of 73.20%.

キーワード: オープンアクセス, オープンサイエンス, グリーンオープンアクセス, 機関リポジトリ Open Access, Open Science, Green Open Access, Institutional Repository

(2)

1 はじめに

学術雑誌論文のオープンアクセス（Open Access：OA）化に向けた取組みが，近年のオープンサイエンス推進の潮流と相まって，世界的に広まっている[1]．OAを実現する方法は，著者が支払う論文処理費用（Article Processing Charge: APC）等により OA論文として出版する方法（ゴールドOA）と，学術雑誌のOAポリシーに従い学術雑誌論文をリポジトリに登録する方法（グリーンOA）に大別される[2]．両者のうち近年では，ゴールドOAへの転換を大規模に進めようとするOA2020のようなイニシャティブに基づいた動きが活発化している[3]．しかしながら，その転換を実現する上では，APC の値上がりや[4]，過去に出版された学術雑誌をOA化できないという問題[5]，ゴールドOA雑誌からサブスクリプションモデルへの転換の頻発など[6]，克服すべき課題が多く残されている．こうした混沌とした状況のなかで，オープンサイエンスの一翼を担うOAを着実に進展させるためには，グリーンOAが依然として重要な意味をもつ．グリーンOAを実現する上で不可欠となるOAリポジトリには，大学等の機関が設置する機関リポジトリ（ Institutional Repository：IR）と，PMC（PubMed Central）に代表される複数あるいは個別の研究分野ごとに運用される分野リポジトリ（disciplinary repository）が主としてある [7][8]．最近では，分野リポジトリに分類されるarXivやSSRN（Social Science Research Network）などのプレプリントサーバが急速に増えており[9]，研究成果の早期普及を可能にしているが，費用負担を含めた持続的な運用モデルの確立には至っていない場合が多い[10]．一方で，大学や研究機関の図書館が主体となって運用するIRは，長期的な運用という点において優位性がある．日本におけるIR設置数は853（2020年3月現在，構築中を含む）にも及び，世界でも有数のIR保有国となっている[11]．この優れた基盤の整備状況のなかで，コンテンツとして最も登録されているのは紀要である[12]．これは，IR設置機関内の部局等によって査読・発行され，自ずと機関内に集積される紀要については，IRへの集中的な登録が容易なことに起因する[13]．一方，学会によって査読・発行され，機関外に散在する学術雑誌論文については，集中的な登録が難しく，グリーンOAに積極的に取り組んでいる機関は一部に限られている．こうした状況を改善し，グリーンOAを推進していくためには，先行機関の活動のうち，学術雑誌論文の取得に特に効果的な活動を特定し，それを他の機関に波及させていく必要がある．これまでに報告されているグリーン OA に関する研究は，（1）普及率についての研究[14][15]，（2）注目度（被引用件数・閲覧件数）についての研究[15][16]，（3）アーカイビングポリシーについての研究[17][18]，（4）研究者のプラクティスについての研究[19]，（5）研究者の理解度についての研究 [20]に類型され，学術雑誌論文の取得に効果的な活動を明らかにした研究はない．そこで本研究では，グリーンOA の推進に取り組む日本の IR コミュニティに指針を与えることを目的に，IR による OA 進捗率と図書館員によるOA 推進活動の因果関係を分析し，学術雑誌論文を取得する上で，どの活動がどの程度の効果をもたらしているのかを定量的に評価した．

(3)

2 方法

2.1 分析の概要

本研究では，2.2で述べるアルゴリズムを用いた判別タスクを通して，IRによるOA進捗率（目的変数）と図書館員によるOA推進活動（説明変数）の因果関係の明確化を試みた．IR設置機関（個体）のなかから進捗率の高い機関を判別する上で，正の影響力が強い説明変数が進捗率の高い機関に固有の活動であり，それをグリーンOAを推進していく上で効果的な活動として位置づけた．特に効果的な活動については，その具体的な影響力を調べることにより，因果関係の詳細を明らかにした．目的変数であるIRによるOA進捗率は，所属研究者による学術雑誌論文が，コンテンツとしてIRに登録されている割合に該当する．国立大学については規模別（学部数別）の進捗率が報告されているが[12]，機関ごとの情報は公開されていない．本研究では，県立大学や私立大学も含めた機関ごとの進捗率を得るために，2.3で述べる方法でデータを取得した．説明変数である図書館員によるOA推進活動については，各機関が独自に実施する悉皆的な把握が難しいものであり，関連する研究もないため，国立大学図書館協会の報告書[12][21]やJPCOAR（Japan Consortium for Open Access Repositories）のウェブサイト[22]を参照した．これらで言及されている活動の各機関における実施状況を把握するためには，ウェブ質問紙調査が必要になるが，多岐に及ぶ活動全てについての質問項目を設ければ，高い回答率を得ることが難しくなる．そこで，相互に強く関連する活動については，いずれかの活動に着目した．例えば，「事業計画の立案」は「OA 委員会」が担っているため，後者を取り上げた．このようにして選定したのが，表1左の15の活動である．各活動の実施状況の把握には，同表右の質問項目を用いた．ウェブ質問紙調査による具体的なデータの取得方法については，2.4で述べる．表 1 図書館員による OA 推進活動とその実施状況に関する質問項目

(4)

2.2 アルゴリズム

判別タスクを行うためのアルゴリズムとしては，決定木を弱学習器にもつ判別器であるランダムフォレストを用いた[23]．弱学習器である決定木は，空間分割前と分割後の不純度（進捗率の高い機関と低い機関の混在の程度）の減少量を最大化する説明変数とその値の再帰的な決定により判別を行う．決定木の数と同数が必要になる行列（目的・説明変数と個体から成るデータのセット）は，ブートストラップサンプリングにより量産される．決定木の集合体であるランダムフォレストは，各決定木による判別の多数決をとることにより判別を行う．このように機能するランダムフォレストは，ディープラーニングやサポートベクターマシンとは異なり，不純度の平均減少量を説明変数の影響力として算出でき，説明性という点において本研究に適している．この特徴は決定木に由来するものであるが，複数の決定木から成るランダムフォレストは，一般的に，決定木単体よりも高い判別精度をもつ．ランダムフォレストが算出できるのは，説明変数の影響力の大小までであり，それが正あるいは負のどちらの影響力をもつのかを確認するため，部分従属（partial dependence）プロットも用いた[24]．部分従属プロットにより，生成したランダムフォレストを用いたシミュレーションの結果を示すことができる．具体的には，着目する活動を各機関が実施している状況と，実施していない状況が，他の活動の実施状況は現実のままに固定された上で作られ，各々の状況における判別結果が部分従属度としてプロットされる．なお，「IR担当職員数」のような二値以上の値をとる活動に着目する場合も，一人の状況，二人の状況，三人の状況といった各々の状況における部分従属度がプロットされる．実施している（数が多い）状況の方が，進捗率の高い機関であると判別される傾向が強ければ，その活動は正の影響力をもつことになる．

2.3 IRによるOA進捗率

目的変数となるIRによるOA進捗率は，式 (1)により求めた．機関間での学術雑誌論文件数の差を加味するために，分子そのものを目的変数とするのではなく，分母を設けて正規化した指標を用いた． ! IRに登録された所属研究者による学術雑誌論文件数 $ %所属研究者による学術雑誌論文件数& × 100 [%] (1) 分母は，所属研究者による学術雑誌論文件数として，2012年から2014年に出版された学術雑誌論文を採録したWoS（Web of Science）2016年版の情報のうちの，英語学術雑誌論文のメタデータ148,521件を参照した．日本語学術雑誌論文までも網羅した抄録・引用文献データベースはないため， WoSに採録されている，一定の評価を受けた学術雑誌に掲載された論文を学術雑誌論文と見做し，その件数を分母に置いた．分子は，IRに登録された所属研究者による学術雑誌論文件数として，国立情報学研究所が運用する IRDB （ Institutional Repositories DataBase）サービスの2019年2 月にハーベストされた情報を参照した． IRDBは，各IRに登録されたコンテンツのメタデータを，junii2と呼ばれるメタデータ形式で収集している[25]．junii2で表現されたメタデータでは，資源タイプJournal Article

(5)

から学術雑誌論文の識別が可能であり，その件数から分子を求めた．ただし，IRDBから得られるメタデータはIRを運用する図書館によって付与されたものであり，目視したところ，学術雑誌論文として登録されている相当数の紀要論文があった．これを除去するために，まず，IRDBから得られる本文が登録された英語学術雑誌論文のメタデータ73,633件のうち，DOIが付与されていない30,871件について，出版社のウェブサイトなどを確認し，12,136件にDOIを付与した．次に，2012年から2014年に出版された学術雑誌論文を採録したWoSのデータとDOIによるマッチングを行い，適合した学術雑誌論文のみを式(1)の分子の値として用いた．WoSの情報よりも近年にまで及ぶIRDBの情報を参照したのは，過去に出版された学術雑誌論文を登録する場合や，エンバーゴ（公開猶予期間）が設けられている場合における，出版から登録までの時差を考慮してのことである．なお，IRにはゴールドOA論文が一部登録されている可能性もあるが，それらを区別することが，登録された学術雑誌論文を悉皆調査する作業コストに見合うものとは言い難いため，双方を含むものとして進捗率を算出した．図1は，式(1)によって求めた各機関（横軸）の進捗率（縦軸）であり，進捗率の高い機関は一部に限られていることがわかる．判別タスクを行うためには，具体的にどの機関までを進捗率の高い機関と見なすのかを決める必要があり，非階層型クラスタリングの手法であるk-meansを試行した．クラスタ数を2として機関を二分した結果，11 機関のみが進捗率の高い機関となった．この機関数は，判別精度の高いランダムフォレストを生成するためのデータ量としては十分ではない．機関数を人為的に増やすオーバーサンプリングを適用する場合にも，それがデータの学習を必要とすることから，機関数は多い方が望ましい．そこで，進捗率が全体の平均（5.47%）を上回る20機関を進捗率の高い機関とした．この20機関の進捗率の累積を全体の累積で除した相対累積進捗率は87.10%に及ぶ．

2.4 図書館員によるOA推進活動

説明変数となる図書館員によるOA推進活動についてのデータは，IRDB登録機関の IR担当者に対するウェブ質問紙調査によって取得した．ウェブ質問紙調査では，表 1右に示した質問項目を設けた．数値以外図 1 IR による OA 進捗率

(6)

の回答に対しては，実施していれば1，していなければ0とするダミーコーディングを施した．ただし，JAIRO Cloudの利用の有無についてのデータは，JPCOARのウェブサイトを参照した[26]．以下はウェブ質問紙調査の概要である．期間：2018年7月9日〜2018年7月27日対象機関：IRDB登録667機関回答機関：527機関回答率：79.01%

2.5 対象機関と均衡化処理

個体とできるのは，目的変数と説明変数についてのデータが取得可能な図1に示した機関に限られる．具体的には，WoSや IRDBに所属研究者の学術雑誌論文の情報があり，ウェブ質問紙調査にも回答した， 87機関のみが対象となった．個体となる機関の数には，判別精度を保つための処理を施した．機関数の内訳は，「進捗率の高い機関20：低い機関67」であり，このような不均衡データから生成された判別器は，前者を数が多い後者として誤判別する傾向がある．そこで，少数派のオーバーサンプリングと多数派のアンダーサンプリングによって不均衡を是正する SMOTE （ Synthetic Minority Over-sampling TEchnique）を適用し，「進捗率の高い機関 40：低い機関40」へと均衡化した[27]．

3 分析結果

表2は，不純度，分割時の説明変数試行数，決定木の数をそれぞれ，ジニ不純度，7， 10,000として生成したランダムフォレストの判別精度を確認するための，交差検証に相当するテストの結果である．これより，正答（33，34）が誤答（7，6）を大きく上回っていることがわかる．図2は，判別への影響力をあらわす不純度の平均減少量（横軸）を示したものである．図には，「学術雑誌論文提供依頼」，「ダウンロード件数通知」，「IR担当職員数」の影響力が強く，「OAウィークイベント」から「セルフアーカイブ」までの影響力が弱いことが示されている．図3は，影響力の強い「学術雑誌論文提供依頼」，「ダウンロード件数通知」，「IR 担当職員数」の実施状況（横軸）に対する，進捗率の高い機関についての部分従属度（縦軸）のプロットである．「学術雑誌論文提供依頼」と「ダウンロード件数通知」のプロットにおける横軸の0は活動を実施していない状況を，1は実施している状況を意味する．これら二つの活動が現実に取り得る値は0か1のみであるが，それら以外の値も取っているのは，いくつかの個体が SMOTEによって人工的に生成されていることによる．なお，「IR担当職員数」のプ表 2 判別精度図 2 OA 推進活動の影響力

(7)

ロットにおける横軸は職員数をあらわしている．いずれのプロットも右肩上がりになっていることから，「学術雑誌論文提供依頼」や「ダウンロード件数通知」を実施している機関や，「IR担当職員数」の多い機関は進捗率の高い機関である可能性が高く，その逆ではないことが確認された．影響力が強い活動のうち，「学術雑誌論文提供依頼」は，一般的に再配布が許可されているゴールドOA論文には適用されないため，グリーンOAとの関連が深く，特に影響力が強い．ただし，不純度の平均減少量からは，「学術雑誌論文提供依頼」の影響力が相対的に強いことはわかっても，それが学術雑誌論文の取得にどの程度つながっているのかという因果関係の詳細まではわからない．そこで，この点を具体的に示す成功率についても調べた．図4は進捗率の高い機関のうち，4機関（国立総合大学）における各年度（横軸）の学術雑誌論文提供依頼の成功率（縦軸）を示したものである．データについては，IR担当者に直接依頼することにより，ゴールド OA論文を区別できるものを集計可能な年度分取得した．対象機関が4機関なのは，このようなデータの集計が可能であった機関が限られることによる．複数年度分のデータを取得したのは，単年度分のデータからは，得られた成功率が例外的なものなのか，平均的なものなのかの判断ができないからである．図中の成功率は，ゴールドOA 論文を除いた上で，入手できた学術雑誌論文件数を学術雑誌論文提供依頼件数で比率化することにより求めた．成功率の全体平均は，36.32%であり，成功率が低い機関 Dを除くと，45.09%まで上昇する．機関Aが取り組みを始めた2014年の成功率が最も高く，73.20%であった．その後も機関Aの成功率は，ほぼ定常的に50%を超えており，平均は55.82%にも及ぶ．

4 考察

本研究では，グリーンOAの推進に取り組む日本のIRコミュニティに指針を与えることを目的に，IRによるOA進捗率と図書館員による活動の因果関係を分析した．その結果，学術雑誌論文を取得する上で，「学術雑誌論文提供依頼」，「ダウンロード件数通知」，「IR担当職員数」が効果的であることが明らかになった．さらに，因果関図 3 OA 進捗率と OA 推進活動の関係性 0.0 0.2 0.4 0.6 0.8 1.0 -0.8 -0.4 0.0 0.4 学術雑誌論文提供依頼部分従属度 0.0 0.2 0.4 0.6 0.8 1.0 -0.4 -0.2 0.0 0.2 0.4 ダウンロード件数通知部分従属度 0 5 10 15 20 -0.10 -0.05 0.00 IR担当職員数部分従属度

(8)

係の詳細を把握するために，4機関に対して行った「学術雑誌論文提供依頼」についての追加調査からは，成功率が50%を超える機関もあることがわかった．「学術雑誌論文提供依頼」に関する活動は古くから提案されているものであるが[28]，その効果を定量的に示したのは本研究が初めてである．分析結果から，「学術雑誌論文提供依頼」を特に注力すべき活動として位置づけることができるが，計量分析と追加調査における対象機関はそれぞれ，87機関と4機関に限られるだけではなく，機関間で成功率に差が見られることから，分析結果から得られる知見の一般化には留意を要する．例えば，「学術雑誌論文提供依頼」の普及にあたっては，成功率を高めるための工夫が各機関に求められる．本研究により，「学術雑誌論文提供依頼」が効果的であることが定量的に示されたが，その実践には複雑な作業を必要とする．具体的には，(1)所属研究者による学術雑誌論文の把握，(2)アーカイビングポリシーの確認，(3)メールの作成，(4)メタデータの入力などである．これら一連の作業からなる「学術雑誌論文提供依頼」を普及していくためには，ITによる省力化が鍵となる．従来は人手によって行われてきた(1)〜(4)をシステムが代行することで，より多くの機関が「学術雑誌論文提供依頼」を実践できるようになることが期待される．通常は，新機能のシステム開発は各機関にとって負担となるが，日本にはJAIRO Cloudがあることが，普及にあたっての大きなアドバンテージとなる．本研究の課題としては，進捗率と残る活動の因果関係の詳細の明確化が挙げられる．進捗率や活動の実施状況を二値で表現したデータに基づく本研究の分析結果からは，活動が学術雑誌論文の取得にどの程度つながっているのかという因果関係の詳細までを把握することはできない．それが故に，「学術雑誌論文提供依頼」の成功率を調べたのであったが，効果的であることが確認された残る活動についても，同様の調査が望まれる．例えば，「ダウンロード件数通知」を受けている研究者に対する「学術雑誌論文提供依頼」の成功率が特に図 4 学術雑誌論文提供依頼の成功率

(9)

高いことが確認されれば，両活動の組み合わせによる実施が効果的であることを提言できる．加えて，日本語学術雑誌論文についてのデータの構築も課題といえる．本研究では英語学術雑誌論文を採録したWoSの情報を基準に進捗率を算出したため，分析結果には日本語学術雑誌論文の情報は反映されていない．その情報も含んだ進捗率を算出するためには，CiNiiのAPIを利用するなどして，日本語学術雑誌論文についてのデータを構築する必要がある．こうしたデータの拡張により，WoS採録学術雑誌論文を産出していない機関を対象とした分析も可能になることから，言語だけではなく，機関数という点にもおいても汎用的な知見の獲得が期待できる．将来における展開としては，「学術雑誌論文提供依頼」に焦点を絞った分析が考えられる．例えば，成功率の差や，それに協力的な研究者とそうでない研究者の違いなどを説明することができれば，より発展的な指針の提示が可能になる．こうした取り組みを通じて，日本のIRを活用したグリーンOAの推進に貢献していきたいと考えている．

謝辞

本研究に協力いただいた全国の図書館員の皆様とJPCOAR に深謝致します。本研究は，日本学術振興会科学研究費助成事業20K20139 の助成を受けたものです。

参考文献

[1] OECD: “Making Open Science a Reality”, OECD Science, Technology and Industry

Policy Papers, No.25, OECD Publishing, 108p., 2015.

[2] Guédon, Jean Claude: “The ‘Green’ and ‘Gold’ Roads to Open Access: The Case for Mixing and Matching”, Serials Review, Vol.30, No.4, pp.315–28, 2004.

[3] Samberg, Rachael; Schneider, A. Richard: “What’s behind OA2020?”, College & Research Libraries News, Vol.79, No.2, pp.85– 88, 2018.

[4] Khoo, Shaun Yon Seng: “Article Processing Charge Hyperinflation and Price Insensitivity: An Open Access Sequel to the Serials Crisis”, LIBER Quarterly, Vol.29, No.1, pp.1–18, 2019. [5] 小陳左和子；矢野恵子：「ジャーナル購読からオープンアクセス出版への転換に向けて —欧米の大学および大学図書館コンソーシアム連合（JUSTICE）における取り組み—」，大学図書館研究，No.109， pp.2015-1–2015-15，2018．

[6] Matthias, Lisa; Jahn, Najko; Laakso, Mikael: “The Two-Way Street of Open Access Journal Publishing: Flip It and Reverse It”, Publications, Vol.7, No.2, pp.1–29., 2019. [7] 尾城孝一；市古みどり：「オープンアク

セスの現在地とその先にあるもの」，大学図書館研究，No.109，pp.2014-1–2014-13， 2018．

[8] Herb, Ulrich; Müller, Matthias: “The Long and Winding Road: Institutional and Disciplinary Repository at Saarland University and State Library”, OCLC Systems & Services: International Digital Library Perspectives, Vol.24, No.1, pp.22–29, 2008.

[9] Chiarelli, Andrea; Johnson, Rob; Pinfield, Stephen; Richens, Emma: “Preprints and Scholarly Communication: An Exploratory

(10)

Qualitative Study of Adoption, Practices, Drivers and Barriers”, F1000Research, No.8, Vol.971, pp.1–74, 2019.

[10] Mallapaty, Smriti: “Popular Preprint Servers Face Closure Because of Money Troubles”, Nature, Vol.578, No.7795, p.349, 2020. [11] 国立情報学研究所：「機関リポジトリ公開数とコンテンツ数の推移」，https://www. nii.ac.jp/irp/archive/statistic/ [12] 国立大学図書館協会：“「オープンアクセスへの取り組み状況に関する実態調査」報告書”，113p.，2017． [13] 国立大学図書館協会：“「学術機関リポジトリに関する調査」報告書”，11p.，2010． [14] Björk, Bo Christer; Welling, Patrik;

Laakso, Mikael; Majlender, Peter; Hedlund, Turid; Gudnason, Gudni: “Open Access To The Scientific Journal Literature: Situation 2009”, PLoS ONE, Vol.5, No.6, pp.1–9, 2010.

[15] Piwowar, Heather; Priem, Jason; Larivière, Vincent; Alperin, Juan Pablo; Matthias, Lisa; Norlander, Bree; Farley, Ashley; West, Jevin; Haustein, Stefanie: “The State of OA: A Large-Scale Analysis of the Prevalence and Impact of Open Access Articles”, PeerJ, Vol.2018, No.2, pp.1–23, 2018.

[16] Miguel, Sandra; Chinchilla-Rodriguez, Zaida; de Moya-Anegón, Félix: “Open access and Scopus: A New Approach to Scientific Visibility from the Standpoint of Access”, Journal of the American Society for Information Science and Technology, Vol.62, No.6, pp.1130–1145, 2011.

[17] Laakso, Mikael: “Green Open Access Policies of Scholarly Journal Publishers: A Study of What, When, and Where

Self-Archiving Is Allowed”, Scientometrics, Vol.99, No.2, pp.475–94, 2014.

[18] Gadd, Elizabeth; Troll Covey, Denise: “What Does “Green” Open Access Mean? Tracking Twelve Years of Changes to Journal Publisher Self-Archiving Policies”, Journal of Librarianship and Information Science, Vol.51, No.1, pp.106–122, 2016.

[19] Spezi, Valérie; Fry, Jenny; Creaser, Claire; Probets, Steve; White, Sonya: “Researchers’ Green Open Access Practice: A Cross-Disciplinary Analysis”, Journal of Documentation, Vol.69, No.3, pp.334–359, 2013.

[20] Morris, Sally: “Journal Authors’ Right s: Perception and Reality”, PRC Summary Paper 5, 2009, https://web.archive.org/web/2 0110413142355/http://www.publishingresearc h.net/documents/JournalAuthorsRights.pdf [21] 国立大学図書館協会：“電子図書館機能の高次化に向けて：3 —学術情報デジタル化時代の大学図書館—”，2007． [22] JPCOAR：「oaw2019 機関リポジトリ担当者インタビュー」，https://jpcoar.repo.nii.a c.jp/index.php?page_id=131

[23] Breiman, Leo: “Random Forests”, Machine Learning, Vol.45, pp.5–23, 2001. [24] Friedman, Jerome: “Greedy Function

Approximation: A Gradient Boosting Machine”, The Annals of Statistics, Vol.29, No.5, pp.1189–1232, 2001. [25] 国立情報学研究所：「メタデータ・フォーマットjunii2」，https://www.nii.ac.jp/irp /archive/system/junii2.html [26] JPCOAR：「参加機関」，https://jpcoar.r epo.nii.ac.jp/?page_id=40

(11)

[27] Chawla, Nitesh; Bowyer, Kevin; Hall, Lawrence; Kegelmeyer, Philip: “SMOTE: Synthetic Minority Over-sampling Technique”, Journal of Artificial Intelligence Research, Vol.16, pp.321–357, 2002. [28] 国立大学図書館協会：“電子図書館機能の高次化に向けて —学術情報デジタル化時代の大学図書館の新たな役割—”，33p.， 2005．（2020年 6月30日　受付）（2021年 1月 8日　採択）