title

1982-ben John Naisbitt jövőkutató írta Megatrends című könyvében: „we are drowning in information but starved for knowledge” („fuldoklunk az információban, de éhezünk a tudásra”). Bár azóta több, mint negyven év eltelt, ez a megállapítás napjainkban aktuálisabb, mint valaha (Naisbitt, 1982). A digitális tartalmak és információk száma szinte exponenciálisan növekszik a tudományos platformokon, archívumokban és adatbázisokban egyaránt (Baker and Powell, 2024).¹ Ugyanakkor nem csak a publikációk száma nő, de azok megjelenési formája és technológiai háttere is egyre nagyobb változatosságot mutat (új kimeneti formátumok, adatbázisok, forráskódok, preprintek stb.). Ebben a hatalmas információs útvesztőben a tudományos munkák nagy százaléka (tudományágtól függően a kutatási cikkek 7–38%) láthatatlan marad (Kraker et al., 2021). Ez a válság a tudomány hatékonyságára, eredményességére és minőségére egyaránt negatív hatással van.

Az információs túlterheltség nagyban megnehezíti a szerzők számára, hogy láthatóvá tegyék saját munkájukat, és ezzel párhuzamosan a kutatókat és olvasókat is nehéz feladat elé állítja a hatalmas információáradatban való eligazodásban. Ez az ún. felfedezhetőségi válság ugyan nem újkeletű, de az ellene vívott harcra egyre több hadszíntéren szükséges készen állnunk. A tudományos kutatási eredményekre való keresés ma már túlnyomórészt online történik, ezért a siker érdekében elengedhetetlen, hogy azok ne csak ez emberek, de a különböző online keresőmotorok számára is minél egyszerűbben kereshetővé és megtalálhatóvá váljanak.

A tudományos kommunikáció

A tudományos kommunikáció egy ernyőfogalom, mely a tudományos munkák és kutatások folyamatát, azok eredményeinek ellenőrzését, hiteles terjesztését, valamint hosszú távú megőrzését foglalja magában. Napjainkban ennek a folyamatnak hangsúlyos elemévé vált a tudomány népszerűsítése, minél szélesebb körű láthatóvá tétele, melyet a társadalmi és technológiai változások és a megváltozott társadalmi igények (tudomány mediatizálódása) hívtak életre. Jelen cikk a tudományos folyóiratokban való publikáláshoz nyújt olyan információkat és ajánlásokat, melyek hozzájárulhatnak ahhoz, hogy egy kéziratból, látható, kereshető megtalálható tanulmány szülessen.

IA, SEO és ASEO

A tudományos kommunikáció alappillére az Információs Architektúra (Information Architecture, IA), vagy információépítészet, amely az információk megtalálhatóvá és érthetővé tételének tudományaként definiálható.² Magába foglalja a keresést, a böngészést, a releváns és kontextuális információk kategorizálását és bemutatását, az ezt biztosító informatikai infrastruktúra biztosítását, azaz a láthatóság, kereshetőség, megtalálhatóság alapfeltételeit. A fentebb taglalt információs túlterheltség mellett a tudományos publikálás és kutatásértékelés követelményeit is szem előtt tartva a tudományos publikálás területén megkerülhetetlen folyamatról és tudományterületről beszélünk (Koltay, 2014).

Ennek egyik eszköze a keresőoptimalizálás (Search Engine Optimization, SEO) ami az online és digitális tartalmak (weboldalak, blogok, közösségi média felületek, géppel olvasható digitális fájlformátumok) keresőmotorok általi organikus megtalálhatóságának javítását, elősegítését jelenti. Organikusnak nevezzük azokat a találatokat, amelyek indexelése és megjelenése nem fizetett szolgáltatás eredménye, azaz tartalmi minőségük alapján, természetes úton kerültek be egy indexbe. A keresőmotorok az ilyen találatokat azok metaadat-szinten értékes tartalma alapján válogatják és rangsorolják.

Az elsősorban az online marketing területén használt SEO-stratégia a kereskedelem mellett számos más területen is jól alkalmazható. A keresőoptimalizálás megcélozhat olyan specifikus tartalmakat is, mint a tudományos publikálációk és a tudománykommunikáció egyéb platformjai (folyóiratok, könyvek, konferenciaközlemények, blogok, interaktív PDF-tartalmak, online publikációs felületek stb.). Az akadémiai keresőoptimalizálásnak (Academic Search Engine Optimization, ASEO) (Beel et al., 2010; Schilhan et al., 2021) meghatározó szerepe van a tudományos tartalmak létrehozásának, publikálásának, hosszú távú megőrzésének folyamatában, és nagyban segíti a keresett tartalom tudományos adatbázisokban és rangsorokban való megtalálhatóságát oly módon, hogy azokat az akadémiai keresőmotorok számára láthatóvá, feldolgozhatóvá és értékelhetővé teszi.³

De míg egy kereskedelmi weboldalt elég a főbb, piacvezető keresők (Google, Bing, Amazon) számára optimalizálni, addig a tudományos tartalmakat számos különböző keresőnek szükséges lehet megfeleltetni, mert – bár vannak priorizált, nemzetközi adatbázisok (pl.: Google Scholar, Scopus, Web of Science stb.), de a különböző tudományterületeken, földrajzi régiókban, de akár intézményi szinten is más-más adatbázisok számítanak preferáltnak, ami rendkívül bonyolulttá teszi a keresőoptimalizálás folyamatát.

Tovább nehezíti a kutatók és a tudományos kiadók dolgát az, hogy míg egy üzleti weboldal tartalma szabadon módosítható (hivatkozások szabad módosítása, hozzáadása vagy törlése, a szöveg átírása) – sőt ez a kereskedelemben elvárás is a siker érdekében – és ily módon könnyen alkalmazkodhatnak a különböző rangsoroló algoritmusokhoz, addig akadémiai platformok ezt nem tehetik meg. A tudományos hitelesség biztosítása alapvető érdek és cél, így, ha egy tanulmány megjelenik, annak utólagos módosítása nem megengedett. Ezért fontos az ASEO-t különösen átgondoltan és legalább alapfokú SEO-ismereteket alkalmazva végrehajtani. (Schilhan et al., 2021) Miután a kutatásértékelés folyamatában még mindig a publikációk számának, megtekintéseinek, letöltéseinek és hivatkozásainak mátrixa a kutatók és a kutatás elsődleges tudománymetriai mércéje, nem szükséges hangsúlyozni, hogy mennyire fontos a jó tartalom, a láthatóság és a kereshetőség.

Az ASEO alkalmazása során rendkívül fontos az etikus magatartási normák betartása. Míg a kereskedelmi célú SEO megengedheti magának a túlzást és „szépítést” a jobb láthatóság érdekében, addig egy tudományos tartalomnál ez nem alkalmazható. Meg kell találni az egyensúlyt az alkotói szabadság, a publikációs kultúra, a kutatási integritás, a láthatóság és a megtalálhatóság között (Sengupta, 2017).

A keresőmotorok működése

A keresőrendszerek többsége mesterségesintelligencia-támogatású, céljuk nemcsak a keresőkifejezések megtalálása, hanem a találatok relevancia szerinti rangsorolása is. (Schilhan et al., 2021) A relevancia-rangsor metódusának meghatározó kulcselemei a bibliográfiai metaadatok. A robotok olyan információkat (metaadatokat) elemeznek és rangsorolnak a szövegben, mint a cím, alcím, a szerző neve, dokumentum- és szerzőazonosítók és kulcsszavak. A keresőrendszer ezen metaadatok tekintetében méri fel a keresett kifejezés gyakoriságát, és pozícióját elsősorban a címben, az absztraktban és a kulcsszavakban. A nyílt hozzáférésű (open access) publikációkban természetesen a teljes szövegben történik a keresés.

Általánosságban elmondható, hogy minél gyakrabban jelenik meg egy keresési kifejezés a szövegben, az algoritmus annál fontosabbnak fogja rangsorolni az adott tartalmat. A metaadatok – attól függően, hogy hol helyezkednek el a dokumentumban – lehetnek értékesebbek és kevésbé relevánsak. A legfontosabbnak értékelt kulcsszavakat és kifejezéseket minden esetben a címbe helyezzük el.

A keresőmotorok – technológiától függően – egyéb más adatokat is figyelembe vehetnek, úgymint a megjelenés éve, az idézetek és nézettségek a talált dokumentumok teljes számához viszonyítva, valamint a befogadó folyóirat mérőszáma (pl. WoS – impakt faktor, SCImago – Q-besorolás). Ezek közül több tényezőre is befolyásunk lehet csupán azzal, hogy hogyan készítjük el publikációnk keresőbarát PDF–dokumentumát.

Az ASEO folyamata

A következőkben az akadémiai keresőoptimalizálás legfontosabb lépéseit veszem végig, útmutatást adva a tudományos tartalmak láthatóbbá és kereshetőbbé tételéhez, illetve felhívva a figyelmet a kerülendő hibákra. Előbb a metaadatoláshoz szükséges ismereteket veszem végig, majd ezek alkalmazását a tanulmány technikai (PDF) szerkesztése során.

Metaadatok használata

Tanulmányunk keresőre optimalizálásakor több eszköz is segítségünkre lehet. Azonban, mielőtt ezeket az online vagy nyomtatott segédleteket használatba vennénk, érdemes a saját tapasztalatainkat is felidézni, összegyűjteni, és átgondolni, hogy mi hogyan keresnénk egy adott tartalomra, illetve korábbi kutatásaink során mely kifejezéseket tapasztaltuk a legalkalmasabbnak, melyikkel találkoztunk leggyakrabban. Ezek után a különböző tudományterületi tezauruszokban, a szinonimaszótárakban vagy akár a Google keresőszó-generátorában a Google Trend-ben (bár ez utóbbi talán a legkevésbé alkalmas tudományos és szakszövegek optimalizálására) tudjuk ellenőrizni az általunk jónak gondolt kifejezések létjogosultságát, illetve plusz szavakat gyűjthetünk segítségükkel.

Fontos, hogy a kulcsszavakat lehetőleg egyes számban használjuk, mert így a ragozott és toldalékolt alakokra is rábukkanhatunk, azok szótöveként. Például a könyvtár kulcsszó egyaránt eredményesen használható a könyvtáros, könyvtári, könyvtárak, könyvtárban stb. szavakat tartalmazó címek esetében is.

Használhatunk továbbá általánosabb és specifikusabb kifejezéseket metaadatként. Az előbbinél nagyobb lesz a merítés, de valószínűleg kevesebb releváns találatot fog tartalmazni a találati lista, míg egy szakspecifikus kifejezésnél kevesebb, de használhatóbb találatra számíthatunk. Például a Magyar templomépítészet a középkorban című tanulmány esetén az építészet kulcsszó önmagában nem fogja a munkánk megtalálását elősegíteni. Célravezetőbb például a magyar építészet, templomépítészet, középkori építészet kifejezéseket, szókapcsolatokat használni.

Fontos figyelnünk arra is, hogy mennyi kulcsszót használunk egy dokumentumon belül. Számuk tekintetében nincsen nemzetközileg általánosan elfogadott szabály, csupán ajánlások⁴ melyek három–nyolc kulcsszó használata javasolják. Ezt nem érdemes túllépni, hisz a feleslegesnek értékelt kulcsszavakat a keresőmotorok automatikusan letiltják a találati listából, azokat ún. „kulcsszó szemét”-ként (keyword spam) minősítik⁵. Magyarán nem lesz sikeresebb a publikációnk, ha több keresőszót adunk meg hozzá, sőt a túl sok kulcsszó használata rontja is annak megtalálhatóságát.

A nagyon ritka, egyedi szavak esetén érdemes annak egy gyakrabban használt szinonimáját, vagy magyarázó kifejezését is felvenni a kulcsszavak közé (és persze a szövegtörzsben is használni ezeket).

A rendszeresen publikáló szerzőknek érdemes lehet saját kulcsszókészletet összeállítani, amiből később könnyen meríthet, megspórolva ezzel a kulcsszókutatásra szánt időt.

A tudományos tartalmak legrelevánsabb eleme és egyben metaadata a cím. A keresőmotorok számára a címben előforduló kulcsszavak és keresőkifejezések bírnak a legnagyobb relevanciával. Itt érdemes megjegyezni, hogy nem csak az algoritmusok, de a humán felhasználás szempontjából nagyon fontos, hogy a legfontosabb kifejezések azonnal azonosíthatók legyenek a címben, hisz egy olvasó ezzel az információval találkozik legelőször.

A cím megalkotásának első szabálya: legyen rövid és lényegre törő. Kutatások kimutatták, hogy a hosszabb címek általában kevesebb hivatkozást kapnak, mint a rövid, tömör címek, (Letchford et al., 2015) ami azért fordulhat elő, mert egyes keresőmotorok, mint pl. a Google, csak a cím első 65 karakterét jelenítik meg, így a hosszú címek végén szereplő kulcsszavak haszontalanná válnak (Montti, 2021). Ugyanez a helyzet a mobileszközökön való olvasással, ahol a nem reszponzív tartalmak csonkán vagy átláthatatlanul jelennek meg. Ebből következik, hogy a legfontosabb kulcsszavakat a cím elején, annak lehetőleg az első 65 karakterében szerepeltessük.

Sok esetben egy tanulmányt a főcím mellett alcímmel is ellátnak, ami szintén buktatókat hordozhat. Az egyik, látszólag kreatív és játékos címadási módszer az, hogy a főcím egy idézetet, szójátékot tartalmaz, vagy egyéb kreatív, asszociatív szöveget, és a tanulmány valós, tudományos terminusokkal való leírása csak az alcímben szerepel.

Pl.: Főcím: „Vár állott, most kőhalom…“, alcím: A magyar végvárrendszer építészeti öröksége

Míg a főcímben maximum egy kulcsszónak alkalmas kifejezést találunk (vár), addig az alcím hatékonyan optimalizálható: magyar vár, végvárrendszer, építészet, építészeti örökség

Egy ilyen cím az olvasókban pozitív benyomást kelthet és az ember számára egyértelmű tartalmi kapcsolatokat jelenthet, de a robotok számára kevésbé vagy hibásan (pl. költészet tematikába sorolás – Himnusz) értelmezhető. Gépi kereséskor az alcím kevésbé releváns metaadat (vannak adatbázisok, amik nem is jelenítik meg az alcímet a találati listában), így hiába tartalmaz valid keresőszókat vagy kifejezéseket, a tanulmány érdemtelenül alulértékelt lehet, a találati lista sokadik helyére sorolódhat.

Hasonló a helyzet a különleges karakterek esetében is (kiskötőjel, nagykötőjel, gondolatjel, mínuszjel, alulvonás, idézőjel, csillag, perjel stb.). Míg egy olvasó gond nélkül értelmezi a rövid- vagy hosszú kötőjelekkel ellátott kifejezések szemantikai kapcsolatát, vagy egy idézőjel jelentését egy címben, addig egy keresőrobotnak ez problémát okozhat. Például a közép- és nagyvállalati innováció kifejezés esetén egy ember számára egyértelmű, hogy középvállalati és nagyvállalati fejlesztésekről szól a tanulmány, de egy keresőrobot ezt nem „érti”. Arról nem is beszélve, hogy pl. a Google Scholar az ilyen karaktereket tartalmazó címeket sok esetben hibásan – szóköz nélkül – jeleníti meg: közép-és nagyvállalati, és ezzel már el is jutottunk a különleges karakterek használatának következő hátrányához: a hibás idézéshez. Minél több speciális karaktert tartalmaz egy cím, annál nagyobb a valószínűsége, hogy azt hibásan fogják idézni (főleg, ha maga az adatbázis is hibásan jeleníti meg). (1. ábra) Ezt úgy tudjuk elkerülni, ha mindkét fogalmat külön-külön kiírjuk: középvállalati és nagyvállalati innováció, amely kifejezésben mindhárom szót kiemelten alkalmas kulcsszóként is feltüntetni: középvállalati, nagyvállalati, innováció.

A felső- és alsó indexek szintén okozhatnak megjelenítési és idézési problémát. Ahogy a 2. ábrán látható az An MgV₃O₈ anode exhibiting enhanced rate capability and stability for lithium storage applications közlemény címében szereplő kémiai kifejezés egyik találat esetén sem jelenik meg helyesen.

Hasonló a helyzet a címbe ágyazott egyenletek esetén, ha nincs megfelelő karakterkódolás (UTF-8.11) technikailag biztosítva. A 3. ábrán látható, hogy a Google teljesen átkódolja, így az szinte felismerhetetlen a találati listában, a nagy adatbázisok (WoS, Scopus) pedig error-jelzést adhatnak, ha az ilyen címet bemásolva indítunk keresést.

A karakterkódolásra akkor is fontos hangsúlyt fektetni, ha görög, cirill, vagy egyéb, az alap latin karakterkészlettől eltérő karaktert (λ, ψ, φ, Щ, Л, ä, å, æ, ø) tartalmaz a szöveg és a cím.

Az angol nyelvű tartalmak esetén érdemes megfontolni, hogy melyik angol nyelvjárást használjuk (leggyakoribb a brit vagy amerikai). Ennek okát legjobban úgy lehet szemléltetni, ha egy angol szóra mindkét változatban rákeresünk. A Google Scholar-ban például a digitalizál szó esetén brit helyesírással (digitise) ~32.600, amerikai helyesírással (digitize) ~324.000 találatot kapunk.⁶

Végül érdemes még szót ejteni a rövidítések és mozaikszók használatáról, amik szintén ronthatják a kereshetőséget. Ezeket általában érdemes csak abban az esetben használni, ha az jól ismert és gyakran használt az adott tudományos területen, illetve javasolt a feloldásukat is feltüntetni a szövegben.

Az absztrakt optimalizálása

A cím után az absztrakt a tudományos közlemények második legfontosabb tartalmi eleme.⁵ Optimális terjedelme 200–250 karakter. A keresőmotorok számára az itt megfogalmazott szöveg a cím után a következő legrelevánsabb tartalom, és nem kevésbé fontos, hogy a cikk szakmai bírálói és az adatbázisokban kutatók is ezzel a tartalommal találkoznak rögtön a cím elolvasása után. A legtöbb esetben az absztrakton múlhat a dolgozat további sorsa, ezért ennek szakszerű megírása ugyanannyira fontos, mint a címé. Amellett, hogy a kutatómunkát, annak módszereit, eredményeit és a konklúziókat figyelemfelkeltőn, ugyanakkor tömören kell tartalmaznia, a címhez hasonlóan a megfelelő kulcsszavakat és -kifejezéseket is tartalmaznia kell. Törekedni kell arra, hogy az első egy-két mondatban előforduljanak a legfontosabb szavak, kifejezések, mivel nem minden adatbázis és keresőprogram jeleníti meg a teljes absztraktot, csak annak első egy-két mondatát (első 160 karakter) (Cushman, 2018).⁷

Az absztrakt megírásakor hasonló módon kell eljárni, mint a cím esetében, vagyis törekedni kell az általános és specifikus szavak egyensúlyára, megfelelő szinonimák alkalmazására, de ezeket a szavakat már érdemes a tanulmány további részeiben is következetesen alkalmazni, hogy a keresőmotorok azt valóban releváns kifejezésként értelmezzék. A kulcsszavakat itt érdemes lehetőség szerint (a terjedelemmel arányosan és a szöveg minőségét nem rontva) többször is szerepeltetni. A túloptimalizálást itt is – ahogy a teljes szövegben – kerülni kell.

Az absztraktra vonatkozó tartalmi és formai előírást a legtöbb folyóirat közli a szerzői útmutatóban, ami tartalmazhat egyéb követelményeket is, úgymint terjedelmi korlát szó- vagy karakterszámban megadva, vagy tartalmi struktúra. Ezeknek minden esetben meg kell felelni, a keresőre optimalizálás ezeket az elvárásokat nem sértheti.

Felhasznált irodalom és hivatkozások

Ahogyan a kereskedelmi célú tartalomoptimalizálásnál, úgy a tudományos keresőoptimalizálásnál is elengedhetetlen a megfelelő linképítés. Ennek alapszabálya, hogy minden, a tanulmányban előforduló linket – legyen az a nyitó oldalon lévő azonosító (DOI, ORCID) vagy az irodalomjegyzékben lévő hivatkozás – url-lel kell ellátni. Ez nem csak azért szükséges, hogy rákattintva elnavigálja a kutatót a megfelelő tartalomhoz, de a keresőmotorok is ezek segítségével aratják az adatokat, melyek mintegy átjárókat biztosítanak számukra a különböző tartalmak, adatbázisok és weboldalak között. Minél több működő linket tartalmaz a cikkünk, annál több keresőmotor fogja elérni azt, ezáltal gyarapíthatjuk a bejövő hivatkozásaink számát. Ez a fajta „cserekereskedelem” természetesen csak akkor működik, ha azok a publikációk is el vannak látva működő url-ekkel, amire hivatkozunk, és amelyik hivatkozik ránk.

Állandó azonosítók használata

A metaadatok egyik széles körben elterjedt formája az állandó azonosítók, melyek szolgálhatnak a dokumentum azonosítására (DOI, Digital Object Identifier, magyarul digitálisobjektum-azonosító), személyek (ORCID, Open Researcher and Contributor ID) vagy a kutatást végző intézmények (Research Organization Registry, ROR) identifikálására (Holl és Bilicsi, 2023). Elhelyezésük a cikk nyitó oldalán, jól látható helyen ajánlott: a DOI-t a fej- vagy láblécbe, míg az ORCID-ot a szerzői affiliációba a legoptimálisabb szerkeszteni.

A DOI akkor is képes beazonosítani egy tanulmányt, ha annak URL-je, elérési útvonala idővel megváltozik vagy megszűnik. Használata a nagyobb nemzeti és nemzetközi kiadóknál már kötelező, az irányadó tudományos adatbázisok is alapkövetelménynek tekintik, és egyre több kisebb folyóirat is felismeri fontosságát. Az ORCID többek között az azonos nevű szerzők (pl.: gyakori vezetéknevek: Kovács, Tóth, Nagy) megkülönböztetésében és névváltozások esetén (házastárs nevének felvétele) nyújt nagy segítséget. A publikáció valós szerzőjéhez való hozzárendelése kulcsfontosságú nemcsak a kutatók tudományos pályafutása, de az intézmények kutatási eredményeinek mérése szempontjából is.

Nem lehet eléggé hangsúlyozni, hogy ezek feltüntetése minden esetben URL-lel ellátva, azaz „kattintható” állapotban történjen. Ha csak sima szövegként jelennek meg PDF-ben, az a keresőrobotok számára láthatatlan.

Creative Commons licensz

Az Open Access tartalmak nagyon fontos adatai a felhasználására vonatkozó információk, melyeket a Creative Commons (CC) licenszek rögzítenek. Amellett, hogy ez a nyílt hozzáférés lehetővé teszi, hogy a tudás ne szoruljon fizetős korlátok közé és szabadon elérhető legyen a nagyközönség számára, a szerzők a különböző CC-licenszek megadásával lehetőséget biztosítsanak a publikáció felhasználására és terjesztésére úgy, hogy közben szerzői jogaik nem sérülnek. Emellett a licensz megadása megkönnyíti az adatbázisok közötti adat- és információcserét, a tudományos eredmények disszeminációját. A leggyakoribb Creative Commons konstrukciókat az 1. sz. melléklet mutatja be.

A keresőbarát PDF/A-tartalmak

Ebben a fejezetben azt mutatom be, hogy miként kell elkészíteni egy PDF/A-formátumú tudományos tanulmányt, hogy az megfeleljen a láthatóság, kereshetőség és megtalálhatóság technikai feltételeinek. Ennek grafikai megjelenítése az 1. számú mellékletben látható.

A tanulmány elengedhetetlen metaadatai

Ahhoz, hogy egy tanulmány PDF-dokumentuma szakmailag és technikailag megfeleljen a publikációs követelményeknek és a metaadat-szintű adatcsere megvalósulásának az alábbi elemeket szükséges tartalmaznia (a tanulmány törzsszövegén kívül):

Szöveg formázása

A megfelelően strukturált szöveg segít a keresőrobotoknak a tartalom rendszerezésében és azonosításában, a tanulmány fókuszának megértésében. A tanulmányok írásának szakmai-tartalmi felépítését leíró IMRAD-szerkezetet (Introduction/Bevezetés, Materials and Methods/Anyagok és módszerek, Results/Eredmények és Discussion/Vita) (Subachev, 2023) minden kutató ismeri, de ez önmagában még nem jelenti a szöveg alkalmasságát a kereshetőség és megtalálhatóság szempontjából.

A nyitó oldalon elhelyezett főcím (és alcím), szerzők nevei, affiliációjuk, az absztrakt és a kulcsszavak után a tanulmány teljes tartalmában is szükséges bizonyos szöveghierarchiát felépíteni. Ezek a html-jelölőnyelvben használt <h1></h1>-elemek után H1- H2- H3-hierarchiának nevezzük, ami a dolgozat címeinek bizonyos betűméret és -tulajdonság beállításával történő kiemelését jelenti. Magyarul a magasabb hierarchiájú fejezetcímeket jobban kiemeljük, mint az alacsonyabb szintű (alfejezetcím) tartalmakat. A szöveg strukturálását a felsorolások is segítik, melyek jól megszerkesztve szintén hatékonyan vezetik a keresőrobotokat.

PDF-ek metaadat-optimalizálása

A tudományos tanulmányokat a html-megjelenítés mellett a legtöbb esetben PDF/A-formátumban publikálják a kiadók, amiket megfelelő technikai előállítás esetén a keresőrobotok is olvasni és indexálni tudják. Azonban a szövegszerkesztés és az IMRAD-protokol mellett szükség van metaadat információk hozzáadására is, ahhoz, hogy ez megvalósulhasson. A kiadói változat elkészítésénél az archiválható PDF/A szabványt kell használni, melyet a különböző kiadványszerkesztő szoftverek (Adobe InDesign, Microsoft Word, Open Office, Adobe Acrobat) előállítani és kezelni tudnak. A PDF/A a Portable Document Format (PDF) formátum ISO által szabványosított változata, mely az elektronikus dokumentumok hosszútávú megőrzésére lett kifejlesztve.

Microsoft Word-ben a dokumentum PDF-formátumban való mentésekor van lehetőség megadni a mű szerzőjét, kulcsszavak és a cím hozzáadását (Címke és Cím hozzáadása). A Beállítások ablakban az ISO-kompatibilis PDF/A lehetőséget javasolt bejelölni (4. ábra). Később, a már elkészült PDF-ben is van lehetőség a metaadatok szerkesztésére, javítására és kiegészítésére az Adobe Acrobat segítségével (cím, szerző, szerzői információk, kulcsszavak, tárgy, szerzői jogi információk) (5. ábra).

Az Adobe InDesign-ban nagyon hasonló a dokumentumok metaadatokkal való ellátása. A Fájl-menü alatt a Fájlinformációk-ablakba vezethetők fel ugyanazok az információk, mint a MS Word esetén: cím, szerző, szerzői információk, kulcsszavak, tárgy, szerzői jogi információk. (6. ábra)

Ábrák és illusztrációk metaadat-optimalizálása

A PDF-formátumú publikációkban külön optimalizálhatók a képek, grafikonok és táblázatok is. Ezek a csatolmányok ún. alt tag-el való ellátása hasonlóan történik a MS Word és az Adobe InDesign használatakor. Az előbbiben a képet kijelölve jobb egérgombos kattintással a Kép formázása majd az Elrendezés és tulajdonságok pont alatt a Helyettesítő szöveg résznél lehet megadni a kép leírását kulcsszavakkal de mondatokkal is. InDesign-ban az Objektum exportálási beállításainál az Alternatív szöveg-fül alatt lehet ezt megtenni.

Míg az ún. pixelgrafikus fájlok (pl.: jpg, png, bmp stb.) gépi olvasása külön alternatív szöveget (alt tag) igényel, vannak olyan vektorgrafikus képformátumok is, melyekből a keresőmotorok automatikusan ki tudják olvasni a szöveget, ilyen például az svg- és az eps-kiterjesztés. Ezért ezeknél is érdemes figyelni a szövegük megfogalmazására, kulcsszavak beépítésére.

Szövegcentrikus publikálási szabványok

A PDF formátum mellett lehetőség van a tanulmány szövegcentrikus tárolására és megjelenítésére is, ami még optimálisabb forrást jelent a keresőmotorok számára. Az egyik legismertebb ilyen nemzetközi ajánlás a TEI XML, mely kifejezetten a tudományos közösség által és számára készült és szoftveres környezettől függetlenül, formázás nélkül tárolja a szöveget ezzel nagyban megkönnyítve a szövegbányászatot, a gépi feldolgozást és a szemantikus web megvalósulását. A nagy nemzetközi folyóiratoknál már bevett gyakorlat, a hazai platformokon pedig tendencia a kettő – a szöveg PDF/A- és XML-formátumban való együttes publikálása.

Keresőoptimalizálás az OJS-platformon

Az Open Journal System (OJS) az egyik legnépszerűbb nyílt forráskódú folyóirat-menedzsment platform szabadon hozzáférhető (open access) folyóiratok számára. A publikációk a kéziratok benyújtásától kezdve a cikkek végleges kiadói publikálásáig tartó teljes folyamaton keresztül nyomon követhetők mind a szerkesztőségi tagok, mind a szerzők számára. A rendszer metaadat szinten több adatbázissal, keresőmotorral és DOI-ügynökséggel is képes kommunikálni (Scopus, Google Analytics, Google Scholar, Crossref, ORCID stb). A jól működő adatcserének a megfelelő plugin-ok beállítása mellett természetesen az a feltétele, hogy a dokumentum és a szerzők adatai hibátlanul és hiánytalanul legyenek kitöltve az adatmezőkben. Ezek egy részét már benyújtáskor szükséges megadni (pl.: név, cím), van, ami még csak opcionálisan állítható kötelező adatnak ebben a fázisban (pl.: absztrakt, kulcsszó) és bizonyos adatok – értelemszerűen – publikáláskor kerülnek rögzítésre (évfolyam, lapszám, oldalszám stb.)

Az OJS-en belül lehetőség van külön keresőmotorra (pl.: Google, Firefox, Opera) is optimalizálni a folyóiratokat. A megosztási beállításokon belül megadhatjuk a folyóirat jól átgondolt, kulcsszavakkal ellátott rövid leírását, valamint az ezt támogató html-alapú keresőszavakat (<meta name="keywords" content="kulcsszavak">). A 7. ábrán az előbbi a kék-, az utóbbi pedig narancssárga keretben látható. A leírásnál megadott optimalizált szöveg jelenik meg a keresők (az ábrán a Google-keresőben) találati listájában, a html-kód láthatatlan az olvasók számára láthatatlanul, a háttérből támogatja a keresést. Ez a beállítás már haladó informatikai ismereteket igényel, így a szerkesztőségek vagy az informatikus könyvtáros feladata ennek biztosítása. Az ábrán az is jól látszik, hogy a találati listában a leírás legfeljebb első 160 karaktere kerül megjelenítésre, az azon felüli tartalomra csak a hármaspont utal.

Összefoglalás

Az akadémiai keresőoptimalizálás elengedhetetlen ahhoz, hogy a tudományos eredmények láthatók, kereshetők és megtalálhatók legyenek a tudományos adatbázisokban, digitális archívumokban vagy az Interneten. A tudományos irodalom kibocsátása világszerte folyamatosan növekszik, minek következtében a tudóstársadalomnak szembe kell nézniük az információs túlterheltség és a felfedezhetőségi válság jelenségeivel. Segítséget a tudományos kommunikáció alappillére, az Információs Architektúra (IA), vagyis az információk megtalálhatóvá és érthetővé tételének tudománya, azon belül pedig a kulcsszó- vagy metaadat-alapú keresőoptimalizálás jelenthet. Ez a tanulmány útmutatást kíván nyújtani a láthatóság, kereshetőség és megtalálhatóság technikai és informatikai elvárásainak megfelelő publikációk elkészítéséhez.

Felhasznált szakirodalom

Online források

https://theconversation.com/scientists-around-the-world-report-millions-of-new-discoveries-every-year-but-this-explosive-research-growth-wasnt-what-experts-predicted-237274 ↩︎
https://www.interaction-design.org/literature/topics/information-architecture ↩︎
https://openjournalsystems.com/academic-search-engine-optimization/↩︎
Ajánlott számuk folyóiratonként eltérő lehet. A nagy nemzetközi lapok általában 3-7, 4-8 vagy 5-7 darabszámban limitálják a használatukat.↩︎
https://www.seo.com/basics/glossary/keyword-stuffing/ ; https://foxdata.com/en/glossary/keyword-spamming/↩︎
2025. január 22-i lekérdezés↩︎
https://www.sfedit.net/abstract-content-optimization-the-key-to-unlocking-journal-acceptance/↩︎

Látható, kereshető és megtalálható tudományos publikációk

Akadémiai keresőoptimalizálás (ASEO)

Bevezetés