A Web Application for Exploring Distribution in Academic Publications Across Geography and Institutions in India

Dit paper introduceert Indiapub, een open-source webapplicatie die de geografische en institutionele verdeling van academische publicaties in India visualiseert om beleidsmakers en onderzoekers te ondersteunen bij het bevorderen van een inclusiever onderzoekslandschap.

De kern

Stel je voor dat India een enorm, levendig bibliotheekcomplex is, met duizenden afdelingen (de staten en gebieden) en miljoenen boeken (de wetenschappelijke artikelen). Tot nu toe was het lastig om te zien welke afdeling welke boeken schrijft. Was het een drukke afdeling in het zuiden? Of een stil hoekje in het noorden? En welke afdeling schrijft meer boeken dan je op basis van het aantal mensen zou verwachten?

De auteurs van dit artikel hebben een digitale "Google Maps" voor onderzoek gebouwd, genaamd Indiapub. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. De Digitale Spion (De App)

Stel je een superkrachtige robot voor die alle boeken in de Indiase bibliotheek doorzoekt. Deze robot (de webapplicatie) pakt niet alleen de titels, maar kijkt ook naar wie de schrijvers zijn en waar ze wonen.

• Hoe het werkt: De robot haalt automatisch gegevens op, maakt ze schoon en zet ze in een mooi, interactief dashboard.
• Wat je kunt doen: Je kunt als een detective filteren. "Toon me alleen boeken over kunstmatige intelligentie," of "Laat me zien wie er in 2023 over corona heeft geschreven." Je kunt zelfs kiezen of je kijkt naar de hoofdschrijver (de leider van het project) of naar iedereen die heeft meegeschreven.

2. De Weegschaal: Aantal Mensen vs. Aantal Boeken

Een van de coolste dingen die de app doet, is het leggen van een weegschaal.

• De situatie: Een staat met 100 miljoen mensen (zoals Uttar Pradesh) zou logischerwijs veel meer boeken moeten schrijven dan een staat met 1 miljoen mensen.
• De verrassing: De app laat zien dat dit niet altijd zo werkt.
  • Tamil Nadu (een staat in het zuiden) is als een superproducent: ze schrijven veel meer boeken dan je op basis van hun bevolking zou verwachten. Ze zijn "oververtegenwoordigd".
  • Bihar (een grote staat in het oosten) is daarentegen als een stil kind in de klas: ze hebben veel mensen, maar schrijven relatief weinig boeken. Ze zijn "ondervertegenwoordigd".
  • Delhi (de hoofdstad) is een kleine, maar zeer drukke afdeling die enorm veel boeken produceert.

3. De Zes Speciale Cases (De Thema's)

De auteurs hebben zes specifieke onderwerpen onder de loep genomen, alsof ze zes verschillende kasten in de bibliotheek openen:

1. Elektronische patiëntendossiers (EHR): Wie houdt de medische dossiers bij? (Veel in Tamil Nadu).
2. Genenonderzoek (GWAS): Wie bestudeert het DNA? (Veel in Delhi en Punjab).
3. Kunstmatige Intelligentie (AI): Wie bouwt de slimme robots? (Tamil Nadu en Delhi domineren hier).
4. Ontwikkelingseconomie: Wie denkt na over arm en rijk? (Hier zijn de boeken bijna allemaal in Delhi geschreven).
5. Milieuwetenschappen: Wie redt de aarde? (Verspreid over het land).
6. Corona: Wie onderzocht het virus? (Een enorme piek in 2021, vooral in Delhi en Maharashtra).

4. Waarom is dit belangrijk?

Vroeger keken beleidsmakers alleen naar het totale aantal boeken van heel India. Dat was alsof je kijkt naar het gemiddelde inkomen van een heel land en denkt dat iedereen evenveel verdient. Dat is niet waar.

Met Indiapub kunnen bestuurders en onderzoekers nu zien:

• Waar de talenten zitten: "Oh, we weten nu dat Tamil Nadu een hub is voor AI. Laten we daar meer investeren."
• Waar de gaten zijn: "Bihar heeft veel mensen, maar weinig onderzoek. Laten we daar scholen en laboratoria bouwen om het gat te dichten."
• Samenwerking: Het helpt studenten en jonge onderzoekers om te zien welke universiteiten sterk zijn in hun vakgebied, zodat ze daar kunnen gaan studeren of werken.

Samenvattend

Dit artikel introduceert een spiegel voor de Indiase wetenschap. In plaats van in het donker te gissen, geeft deze app een helder, kleurrijk beeld van wie wat doet en waar. Het helpt ervoor te zorgen dat de "bibliotheek" van India eerlijker wordt verdeeld, zodat elke regio de kans krijgt om een ster te worden in zijn eigen vakgebied.

Het is een tool om van "we weten het niet" naar "we hebben een plan" te gaan, gebaseerd op feiten en mooie plaatjes.

Technische samenvatting

Probleemstelling

Hoewel India een belangrijke bijdrage levert aan de wereldwijde wetenschappelijke output, maskeren nationale aggregaties de aanzienlijke interne variaties in onderzoekscapaciteit en infrastructuur. Er is een gebrek aan toegankelijke, gedetailleerde tools die onderzoekers, beleidsmakers en hogere onderwijsbestuurders in staat stellen om publicatiepatronen op subnationaal niveau (per staat en unieterritorium) te analyseren. Bestaande bibliometrische platforms (zoals CiteSpace II of VOSviewer) zijn vaak te technisch, niet ontworpen voor subnationale trends, of missen de koppeling met externe demografische en ontwikkelingsindicatoren (zoals het Human Development Index - HDI). Er was behoefte aan een specifiek instrument voor India om regionale ongelijkheden in onderzoek te kwantificeren en te visualiseren.

Methodologie

De auteurs hebben Indiapub ontwikkeld, een open-source webapplicatie die data uit de OpenAlex API (een open toegang tot academische metadata) verwerkt.

• Dataverzameling en Filtering: De applicatie haalt publicaties op van 2014 tot 2025. De zoekopdrachten zijn beperkt tot publicaties met ten minste één auteur die gelieerd is aan een Indiase instelling (geïdentificeerd via Research Organization Registry (ROR) ID's).
• Geografische Toewijzing: Voor elke publicatie wordt de eerste Indiase instelling van de auteur gebruikt om deze toe te wijzen aan een specifieke staat of unieterritorium.
• Auteurspositie-Regels: De applicatie biedt vier tellingsregels om publicaties toe te wijzen aan regio's:
  1. Eerste auteur (standaard voor specifieke zoekopdrachten).
  2. Laatste auteur.
  3. Eerste of laatste auteur.
  4. Elke auteur (standaard voor "Alle Onderwerpen", waarbij een publicatie meerdere keren kan tellen als auteurs uit verschillende staten komen).
• Demografische Stratificatie: Staten en unieterritoria worden ingedeeld in drie bevolkingsgroepen (hoog, medium, laag) op basis van hun aandeel in de totale Indiase bevolking (>5%, 1-5%, en <1%).
• Data Integratie: De applicatie koppelt publicatiegegevens aan externe datasets, waaronder bevolkingsprognoses (van de Nationale Commissie voor Bevolking) en HDI-scores (van de Global Data Lab, met extrapolatie voor 2023-2025).
• Technische Architectuur: De tool biedt twee modus voor data-lading:
  • Snapshot Only: Directe visualisatie met vooraf berekende data (beperkte filters).
  • Snapshot + Live API Loading: Laadt volledige datasets op de achtergrond voor uitgebreide filtering en export.

Belangrijkste Bijdragen

De kernbijdrage is Indiapub, een interactief dashboard dat vijf visuele modules bevat:

1. Geografische Verdeling: Een kaart met kleurgradaties die het aantal publicaties per staat toont (absoluut of per inwoner).
2. Tijdsreeksen: Lijngrafieken die trends tonen voor het land en individuele staten.
3. Publicatie-aandeel vs. Bevolkings-aandeel: Een scatterplot die over- en ondervertegenwoordiging visualiseert (verschil in percentagepunten tussen publicatie-aandeel en bevolkings-aandeel).
4. Gestapelde Balkgrafieken: Toont de bijdrage van staten aan het totaal per jaar, vergeleken met demografische benchmarks.
5. Bubbelplot: Relatie tussen HDI en publicatievolume over tijd, waarbij de bubbelgrootte het aantal publicaties aangeeft.

Daarnaast biedt de applicatie downloadbare tabellen met metadata en lijsten van de top 50 instellingen.

Resultaten

De analyse van de periode 2014-2025 (over alle onderwerpen) leverde de volgende inzichten op:

• Concentratie: De publicatieoutput is sterk geconcentreerd in een klein aantal staten, voornamelijk Tamil Nadu, Maharashtra, Delhi, Uttar Pradesh en Karnataka.
• Over- en Ondervertegenwoordiging:
  • Tamil Nadu en Delhi zijn consistent oververtegenwoordigd (hun aandeel in publicaties is aanzienlijk hoger dan hun bevolkingsaandeel).
  • Bihar is consistent ondervertegenwoordigd in alle onderzochte domeinen.
  • Kleinere staten met sterke institutionele concentratie, zoals Chandigarh en Uttarakhand, tonen vaak oververtegenwoordiging.
• Domein-specifieke bevindingen:
  • In EHR (Elektronische Gezondheidsregistraties) en AI domineren instellingen in Tamil Nadu (bijv. Vellore Institute of Technology).
  • In Ontwikkelingseconomie zijn de top-instellingen geconcentreerd in Delhi.
  • COVID-19 onderzoek toonde een enorme piek na 2019, gedreven door de bestaande onderzoekscapaciteit.
• HDI en Output: Hoewel er over het algemeen een positieve correlatie is tussen HDI en publicatievolume, zijn er opvallende uitzonderingen. Uttar Pradesh (met een relatief lage HDI) produceert bijvoorbeeld meer dan verwacht, terwijl Bihar (ook lage HDI) achterblijft.
• Impact (Citaties): Bij het filteren op publicaties met >50 citaties verandert het landschap van top-instellingen, wat aangeeft dat kwantiteit niet altijd gelijkstaat aan hoge impact.

Significantie

De studie en de bijbehorende tool Indiapub hebben een grote betekenis voor het Indiase onderzoekslandschap:

• Beleid en Planning: Het biedt beleidsmakers en fondsen een evidence-based basis om investeringen in onderzoeksinfrastructuur te richten op ondervertegenwoordigde regio's.
• Transparantie: Het maakt de geografische ongelijkheid in onderzoek zichtbaar, wat essentieel is voor het bevorderen van een inclusief onderzoeksysteem.
• Toegankelijkheid: De tool is ontworpen voor een breed publiek, van studenten tot hogere onderwijsbestuurders, en vereist geen geavanceerde programmeerkennis.
• Schaalbaarheid: Het framework is ontworpen om aanpasbaar te zijn voor andere landen, waardoor het een bruikbaar model biedt voor het kwantificeren van wereldwijde publicatietrends.

De auteurs benadrukken dat de tool de onderzoekscapaciteit van instellingen weergeeft en niet noodzakelijkerwijs de geografische locatie van de onderzochte populaties, en dat toekomstige versies kunnen worden uitgebreid met districtsniveau-data en netwerkanalyses.