How libraries classified physics preprints before arXiv and set the stage for distinguishing insiders from outsiders

In deze commentaar schetst historicus en socioloog Phillip Roth de geschiedenis van de classificatie van natuurkundepreprints vóór de komst van arXiv en legt hij uit hoe deze systemen de weg ebden voor het onderscheid tussen insiders en outsiders.

De kern

Stel je voor dat de wereld van de wetenschap een enorme, drukke bibliotheek is. Maar in plaats van boeken op planken, vliegen er duizenden nieuwe "voorlopige" wetenschappelijke artikelen (preprints) door de lucht. De vraag is: hoe zorg je ervoor dat de juiste mensen deze artikelen vinden, zonder dat iedereen overstroomt door ruis?

Dit artikel van Phillip Roth vertelt het verhaal van hoe bibliothecarissen in de fysica, lang voordat er internet was, de eerste regels bedachten om deze chaos te ordenen. En hoe deze regels niet alleen hielpen bij het zoeken, maar ook een onzichtbare muur bouwden tussen "insiders" (de club) en "outsiders" (de buitenstaanders).

Hier is het verhaal, vertaald naar alledaags taal met een paar verhelderende metaforen:

1. Van een privé-uitwisseling naar een open markt

Vlak na de Tweede Wereldoorlog was het net als in een kleine dorpskroeg: wetenschappers deelden hun nieuwe ideeën alleen met hun directe vrienden en collega's via brieven. Het was een privé-club. Maar toen de wetenschap groeide, werd het te druk. Je kon niet meer iedereen persoonlijk een brief sturen.

Bibliothecarissen bij grote laboratoria (zoals CERN in Zwitserland) zagen een probleem: als een wetenschapper op bezoek kwam, miste hij vaak de nieuwste nieuwsbrieven die naar zijn eigen universiteit gingen.
De oplossing? Ze maakten een centraal "postkantoor". Wetenschappers moesten hun papieren niet meer naar elkaar sturen, maar naar de bibliotheek. De bibliotheek zette ze in een vitrine.

• De metafoor: Het was alsof je van een gesloten WhatsApp-groepje overstapte naar een openbaar bord in het dorpshuis waar iedereen zijn nieuwsbrief kon ophalen.

2. De noodzaak van een "schoonmaakbeurt"

Al snel was er te veel papier. De bibliothecarissen werden overrompeld. Als je een berg met 300% meer brieven krijgt, moet je gaan sorteren, anders wordt het een rommelpost.
Ze begonnen te kiezen: "Wat is belangrijk genoeg om te tonen?" Ze lieten zich helpen door fysici om de brieven in hokjes te stoppen, zoals "Theorie", "Experiment" of "Machines".

• De metafoor: Stel je een enorme berg ongesorteerde post voor. De bibliothecarissen werden de postsorteerders. Ze besloten welke brieven op de "belangrijke stapel" mochten en welke in de prullenbak. Als je op die stapel stond, was je een "echte" wetenschapper. Als je er niet stond, werd je genegeerd.

3. De valstrik van de labels (Niet alle hokjes zijn gelijk)

Hier wordt het interessant. De labels die ze gebruikten, waren niet neutraal. Ze waren gekleurd door de smaak van de mensen die de bibliotheek beheerden.

• Bij CERN werden de papieren ingedeeld op basis van wat daar populair was. Als je onderzoek niet paste bij de trends van CERN, kreeg je een minder goed label of werd je zelfs geweigerd.
• Bij een ander lab (DESY) gebruikten ze trefwoorden. Maar ook hier gold: hoe meer trefwoorden je kreeg, hoe belangrijker je leek. Als je maar één trefwoord kreeg, leek je minder relevant.
• De metafoor: Het was alsof een modejury beslist welke kledingstukken in de etalage komen. Als je kleding niet past bij de huidige "trend" van de jury, krijg je geen etalageruimte, ongeacht hoe goed je kleding eigenlijk is. Je wordt onzichtbaar gemaakt.

4. De digitale erfenis: Van mens naar algoritme

Vandaag de dag hebben we arXiv (een enorme online database voor fysica). Je zou denken dat computers alles eerlijker maken. Maar Roth laat zien dat de oude patronen nog steeds leven.

• Er is een categorie genaamd "gen-ph" (algemene fysica). Dit klinkt onschuldig, maar het is eigenlijk de prullenbak voor papieren die de experts niet interessant genoeg vinden voor hun specifieke vakgebied.
• Vroeger deden mensen dit sorteren; nu doet een computerprogramma het. Maar het programma is getraind op de oude, menselijke ideeën van wat "belangrijk" is.
• De metafoor: Het is alsof een robot-dj de muziek kiest voor een feestje. Hij denkt dat hij neutraal is, maar hij heeft geleerd van de oude dj's die alleen "hitjes" draaiden. Muziek die niet in dat patroon past, belandt in de "vergetelheid"-lijst, ook al is het misschien een prachtig nummer.

Conclusie: De onzichtbare muur

Het punt van dit artikel is dat het indelen van wetenschap nooit puur technisch is. Het is altijd een sociale spelletje.
Door te beslissen wat in welk hokje past, hebben bibliothecarissen (en nu algoritmen) een muur opgetrokken.

• Insiders: Die passen in de hokjes, krijgen de juiste labels en worden gezien.
• Outsiders: Die niet in het hokje passen, worden als "niet relevant" bestempeld en verdwijnen in de massa.

Kortom: De manier waarop we wetenschap ordenen, bepaalt niet alleen wat we vinden, maar ook wie er mag meedoen aan het gesprek. En die regels zijn vaak bepaald door de smaak van een paar mensen in een bibliotheek, lang voordat we het beseften.

Technische samenvatting

Probleemstelling

De kern van het artikel is de vraag hoe wetenschappelijke literatuur, en specifiek preprints in de natuurkunde, effectief wordt geclassificeerd in een omgeving met een steeds groeiende hoeveelheid publicaties. Het probleem is tweeledig:

1. Informatieoverload: Hoe kunnen onderzoekers en bibliotheken de stroom aan nieuwe resultaten beheersen en vindbaar maken zonder dat relevante informatie verloren gaat in een "heterogene massa"?
2. De illusie van neutraliteit: Classificatiesystemen worden vaak gezien als technische, neutrale hulpmiddelen. Het artikel betoogt echter dat deze systemen politieke en sociale strijd verbergen. Ze creëren onbewust grenzen tussen "insiders" (erkende onderzoekers binnen een specifieke stroming) en "outsiders", vaak gebaseerd op de pragmatische behoeften van een beperkte groep bibliothecarissen en onderzoekers in plaats van op een ideale, theoretische systematisering van de wetenschap.

Methodologie

Het artikel is een historisch-sociologische analyse (een "Comment") die de ontwikkeling van preprint-classificatie in de natuurkunde traceert. De auteur baseert zich op:

• Historische documentatie: Analyse van archiefmateriaal, zoals het personeelshandboek van CERN uit 1965, nieuwsbrieven (zoals "Preprints in Particles and Fields" van SLAC) en bibliografische indexen (HEPI van DESY).
• Institutionele geschiedenis: Onderzoek naar de rol van specifieke bibliotheken (CERN, SLAC, DESY) en individuele bibliothecarissen (Luisella Goldschmidt-Clermont, Louise Addis) die de systemen hebben ontworpen.
• Vergelijkende analyse: Het vergelijken van historische classificatiemethoden met de huidige werking van arXiv, waarbij wordt gekeken naar hoe selectie- en categorisatiemechanismen zijn geëvolueerd van menselijke handmatige selectie naar machinelearning-gestuurde systemen.

Belangrijkste Bijdragen

De auteur levert de volgende bijdragen aan het begrip van wetenschapscommunicatie:

1. De oorsprong van het preprint-systeem: Het artikel identificeert CERN in de late jaren 50 als de bakermat van het formele preprint-systeem. Librariarissen verzamelden preprints centraal om fysici die kortstondig op CERN verbleven niet uit de informatiekring te laten vallen. Dit veranderde preprints van privé-circulatie naar publieke, gecatalogiseerde documenten.
2. De evolutie van selectie en categorisatie: Het toont aan hoe bibliotheken evolueerden van passieve verzamelaars naar actieve "poortwachters" (gatekeepers). Door de instroom van preprints (een toename van 300% bij CERN tussen 1964 en 1967) moesten bibliotheken selectieve criteria toepassen om relevantie te garanderen.
3. De sociale constructie van categorieën: Het artikel onthult dat classificatiecategorieën (zoals "theoretische deeltjesfysica" of "experimentele technieken") geen neutrale labels zijn, maar reflecteren de onderzoeksagenda's van de dominante instellingen (bijv. CERN of DESY).
4. De continuïteit van uitsluiting: Het toont aan dat de mechanismen om "randmateriaal" (border material) te filteren, die in de jaren 60 door mensen werden gedaan, nu door algoritmen en machine learning op arXiv worden voortgezet, waarbij de grens tussen insiders en outsiders wordt gehandhaafd.

Resultaten en Bevindingen

• Van privé naar publiek: Preprints begonnen als privé-uitwisseling, maar door de initiatieven van bibliotheken (CERN, SLAC, DESY) werden ze gestructureerd tot een publieke infrastructuur. Dit creëerde de eerste formele uitwisselingssystemen die de basis legden voor moderne servers zoals arXiv.
• Selectiviteit als noodzaak: Bibliotheken introduceerden pragmatische categorisatiesystemen om de stroom te beheersen. Bij CERN werden papieren ingedeeld op basis van onderwerpen die relevant waren voor de lokale onderzoeksgroepen.
• Ongelijkheid in zichtbaarheid:
  • Bij CERN hing de zichtbaarheid af van hoe goed een paper aansloot bij de lokale onderzoeksinteresses.
  • Bij DESY (HEPI) werden papers met meer trefwoorden (keywords) als relevanter beschouwd en makkelijker gevonden. Papers met minder trefwoorden werden als minder relevant afgedaan.
  • Op arXiv wordt deze ongelijkheid vermomd door de categorie "general physics" (gen-ph). Papers die geen specifiek publiek hebben, worden hierin geduwd en worden hierdoor als "generaal oninteressant" voor gespecialiseerde gemeenschappen gezien.
• De rol van "Scientific Information Officers": Librariarissen met een achtergrond in de fysica fungeerden als content moderators. Hun beslissingen over welke papers werden opgenomen en hoe ze werden getagd, vormden de eerste vorm van sociale sortering in de wetenschap.

Significantie

Dit artikel is significant omdat het de technische geschiedenis van wetenschappelijke classificatie koppelt aan sociale dynamiek:

• Kritische reflectie op technologie: Het waarschuwt dat moderne tools (zoals de door gebruikers aangestuurde classificatie en machine learning op arXiv) niet per se neutraler of objectiever zijn dan hun historische voorgangers. Ze naturaliseren juist oude, menselijke vooroordelen en grenzen.
• Institutionele macht: Het benadrukt dat de structuur van wetenschappelijke communicatie niet organisch is ontstaan, maar is gevormd door de pragmatische oplossingen van een handvol leidende bibliotheken.
• Implicaties voor de toekomst: Het inzicht dat classificatie systemen "insiders" en "outsiders" scheiden, is cruciaal voor het begrijpen van hoe kennis wordt geproduceerd en wie erbij wordt betrokken. Het suggereert dat "correcte classificatie" niet bestaat als een absolute waarheid, maar als een voortdurend proces van onderhandeling en selectie dat de grenzen van een wetenschapsgebied definieert.

Kortom, Roth laat zien dat wat we vandaag zien als een neutraal systeem voor het vinden van informatie, eigenlijk de institutionalisering is van historische, pragmatische en soms willekeurige beslissingen die de structuur van de fysica-gemeenschap hebben gevormd.