Situación del acceso abierto y los pagos por APC en Colombia. Un modelo de análisis aplicable a Latinoamérica

1.1 Acceso Abierto

El acceso abierto es un pilar fundamental para entender la comunicación científica de las últimas tres décadas, tanto a nivel mundial, pero especialmente desde América Latina, como se puede identificar en esta línea de tiempo¹ Ver: https://www.preceden.com/timelines/288283 (Uribe-Tirado y Ochoa, 2018Uribe-Tirado, A., y Ochoa, J. (2018). Perspectivas de la ciencia abierta. Un estado de la cuestión para una política nacional en Colombia. BiD: textos universitaris de biblioteconomia i documentació, (40). DOI: https://dx.doi.org/10.1344/BiD2018.40.5 ). No solo es entender lo que ha pasado, sino la situación actual y lo que se viene para la comunicación científica, y para la ciencia en general, ya que el acceso abierto es uno de los componentes y de los pilares fundamentales de la ciencia abierta, considerando como dice Watson (2015)Watson, M. (2015). When will ‘open science’ become simply ‘science’? Genome biology, 16(1). DOI: https://doi.org/10.1186/s13059-015-0669-2 que: “La ciencia abierta no es otra forma de hacer ciencia, es simplemente ciencia, buena ciencia, la ciencia en el siglo XXI.”

Hablar de acceso abierto implica, entendiendo su alcance y significado, remitirse a las grandes declaraciones internacionales de este movimiento y filosofía, las conocidas 3 B [declaraciones de Budapest (BOAI, 2002BOAI (2002). Budapest Open Access Initiative. Disponible en: https://www.budapestopenaccessinitiative.org/translations/spanish-translation ); Bethesda (2003)Declaración de Bethesda sobre la publicación de acceso abierto (2003). Declaración de Bethesda sobre la publicación de acceso abierto. Disponible en: https://ictlogy.net/articles/bethesda_es.html y Berlín (Max Planck Society, 2003Max Planck Society (2003). Berlin Declaration on Open Access to Knowledge in the Sciences and Humanities. Disponible en: https://openaccess.mpg.de/Berlin-Declaration )]; pero también a las declaraciones surgidas desde el contexto latinoamericano [Salvador de Bahía (International Seminar on Open Access, 2006International Seminar on Open Access (2006). Declaración de Salvador sobre acceso abierto: la perspectiva del mundo en desarrollo. Disponible en: http://biblioteca.clacso.edu.ar/clacso/biblioteca/20110818115141/Decla_Salvador.pdf ); Medellín (CLACSO, 2015CLACSO (2015). Declaración de la Asamblea General de CLACSO sobre el acceso abierto al conocimiento gestionado como un bien común. Disponible en: https://www.clacso.org.ar/conferencia2015/documentos/asamblea/declaraciones/4-Declaracion-de-CLACSO-sobre%20el-acceso-abierto-al-conocimiento-gestionado-como-un-bien-comun.pdf ); México (Latindex, Redalyc, CLACSO e IBICT, 2018Latindex, Redalyc, CLACSO, y IBICT (2018). Declaración de México a favor del Ecosistema Latinoamericano de acceso abierto no comercial. Andes, 29(1). Disponible en: https://www.redalyc.org/jatsRepo/356/35656002017/35656002017.pdf ); entre otras].

No obstante, no solo estas declaraciones y organizaciones promotoras han sido claves para la compresión y posicionamiento científico y político del acceso abierto, también lo ha sido el impulso y apoyo desde la UNESCO. Esta entidad supranacional, desde su portal y declaraciones específicas como la de París (COAR y UNESCO, 2016COAR; UNESCO (2016). Declaración conjunta COAR-UNESCO sobre Acceso Abierto. Disponible en: https://www.coar-repositories.org/files/Declaracio%CC%81n-conjunta-COAR-UNESCO-sobre-Acceso-Abierto-mayo-2016-2.pdf ), han impulsado este componente; incluso, durante los últimos tres años, ha estado en proceso de desarrollo de una Recomendación en pro de la ciencia abierta² Ver: https://es.unesco.org/news/unesco-da-gran-paso-adelante-elaboracion-recomendacion-mundial-ciencia-abierta donde el acceso abierto se reconoce como uno de sus componentes fundamentales (Recomendación que se aprobó el 24 de noviembre de 2021³ Ver: https://unesdoc.unesco.org/ark:/48223/pf0000379949.locale=en , con la adopción por parte de 193 países).

Para esta entidad, se entiende el acceso abierto en un sentido más amplio, pues no solo considera las publicaciones científicas (artículos, ponencias, libros, capítulos, tesis, etc.) derivadas de investigación formal, sino también otras formas de publicación y alcance, tal como aquellos resultados de la docencia, la relación con distintos sectores sociales (extensión-tercera misión), la cultura, etc. En este sentido la UNESCO (2020)UNESCO. (2020). Anteproyecto de Recomendación de la UNESCO sobre la Ciencia Abierta. Disponible en: https://unesdoc.unesco.org/ark:/48223/pf0000374837_spa? indica que el acceso abierto:

Por tanto, este tipo de acceso implica diferentes consecuencias y beneficios, como lo presenta el proyecto Recoleta - Recolector de ciencia abierta⁴ Ver: https://www.recolecta.fecyt.es/beneficios-del-acceso-abierto :

En resumen, el acceso abierto a las publicaciones científicas tiene un impacto muy positivo sobre el progreso científico y el retorno social de la inversión pública en I+D, en particular, con su enorme potencial para incrementar la productividad, la competitividad y el crecimiento; es decir, el acceso abierto rompe las barreras de acceso a información científica, permite el retorno de la inversión de la investigación que mayoritariamente es financiada con fondos públicos, es coherente con la responsabilidad social de la ciencia y la investigación, permite una mayor visibilidad e impacto, no solo científico sino social, y adecúa e impulsa las tendencias actuales a la ciencia abierta (Melero, 2016Melero, R. (2016). Open science: what, why, how? Consejo Superior de Investigaciones Científicas. Disponible en: https://bit.ly/3hfl167 ; Uribe-Tirado, 2020Uribe-Tirado, A. (2020). Curso Ciencia Abierta para la Universidad de Antioquia. Medellín: Ude@. Disponible en: https://udearroba.udea.edu.co/internos/course/view.php?id=5061 ).

Además de las consecuencias y beneficios mencionados, finalmente, el acceso abierto, tanto a nivel de países como de universidades e investigadores, enfrenta importantes complejidades, muchas de ellas tienen que ver con mitos y con los cambios que se han dado en las rutas tradicionales de distribución de lo abierto, y sus implicaciones en los diferentes contextos:

1.2 Article Processing Charge - APC

Actualmente, se puede indicar que hay una gran trayectoria en dos rutas (la verde y la dorada -sin APC-), mientras que, para las otras, hay múltiples nombres, posibilidades y combinaciones, aunque se pueden identificar, como se ha mencionado, algunas denominaciones-rutas que se han aplicado más, como lo son: la Híbrida, la Bronce y la Dorada con APC. En este sentido, se presentan, como guía y ejemplo, las que más se han posicionado (Figura 1).

Es una realidad que las formas de dar el acceso a las publicaciones y a los contenidos está cambiando debido a las políticas de las revistas de la corriente principal y de las bases de datos de pago, al buscar otras fuentes de financiación (diversificación del negocio), materializándose en modelos de oligopolio y generando abusos en los precios. Según Luchilo (2019)Luchilo, L. J. (2019). Revistas científicas: oligopolio y acceso abierto. Revista CTS, 14(40), 41-79. Disponible en: https://bit.ly/3l2DlBJ :

Esto ha llevado a que, poco a poco, se posicione el modelo APC (Article Processing Charge), que se puede resumir como: ‘revistas de calidad’, donde se debe pagar para que el texto quede en acceso abierto, previo a la publicación. Desafortunadamente, esto implica, al final, altos costos, según el nivel de la revista y nuevas restricciones para determinados investigadores y países, por tener que asumir ese pago, cuyo promedio estaría en los US$1500 por artículo (Arévalo, 2017Arévalo, J.A. (2017). ¿Cuánto cobran los principales editores comerciales por tener un artículo en acceso abierto? En Universo Abierto, Universidad de Salamanca. Disponible en: https://bit.ly/3aG55HD ), pero cada vez, según estudios recientes, con una tendencia más alcista en esos promedios, con mayores márgenes de ganancias para esas revistas-empresas editoriales y hasta rompiendo límites de costo por artículo, al llegar a los US$11.000, es el valor actual que cobra por ejemplo la revista Nature, pero incluso, sin que esos altos costos asumidos por los autores e instituciones para el APC en revistas en cuartiles principales -inversión- garanticen mayor citación -retorno- (Morrison y otros, 2021Morrison, H., Borges, L., Zhao, X., Kakou, T. L., y Shanbhoug, A. N. (2021). Open access article processing charges 2011-2021. Disponible en: https://ruor.uottawa.ca/handle/10393/42327 ; Grossmann y Brembs, 2021Grossmann, A., y Brembs, B. (2021). Current market rates for scholarly publishing services. F1000Research, 10(20), 20. Disponible en: https://f1000research.com/articles/10-20 ; Maddi y Sapinho, 2021Maddi, A., y Sapinho, D. (2021). Article Processing Charges based publications: to which extent the price explains scientific impact?. arXiv preprint arXiv:2107.07348.; entre otros).

Este posicionamiento del APC se ha venido dando, en parte, por la presión y estrategias de grandes casas editoriales (Lariviere y otros, 2015Larivière, V., Haustein, S., y Mongeon, P. (2015). The Oligopoly of Academic Publishers in the Digital Era. Plos One, 10(10). Disponible en: https://bit.ly/3hceWHG ), la adopción del Plan S como forma de regular las publicaciones académicas, y por las ‘autopresiones’ de las universidades y de los sistemas de ciencia y de evaluación de los diferentes países, que valoran lo perteneciente a ciertos cuartiles (Q1, Q2), donde las revistas cerradas o con altísimos APC son las que predominan. Estos procesos, en últimas, conllevan a mayores gastos, sin tener claridad sobre si habrá un retorno de inversión, y con escasas posibilidades de publicación, al no contar con los recursos económicos suficientes para financiar los APC.

En este punto, no obstante, es importante indicar que la realidad del acceso abierto y el APC no es igual en todas las regiones del mundo, en donde Latinoamérica presenta un modelo no APC, como lo evidencia un estudio reciente “The OA Diamond Journals Study” (Bosmany y otros, 2021Bosman, J., Frantsvåg; J.E; Kramer, B., Langlais, P-C., y Proudman, V. (2021). The OA Diamond Journals Study. Part 1: Findings. Science Europe-cOAlition S. Disponible en: https://zenodo.org/record/4558704#.YEeBVbDitPY ) que presenta la situación de una muestra de revistas desde datos de DOAJ (Figura 2).

Es decir, el espíritu del acceso abierto, del conocimiento para todos y sin ningún tipo de costo, con unas adecuadas disponibilidades legales o tecnológicas, se ha complejizado, puesto que las empresas que concentran el mercado de la comunicación científica (editoriales dueñas de las principales revistas, hasta ahora de acceso cerrado, y de varias bases de datos) están cambiado su modelo de negocio, creando y posicionando el APC, en detrimento del modelo de acceso abierto original, que ahora para diferenciarlo del que cobra, se está denominando Diamante, pero además, siguen continuando con su otro modelo, el de las suscripciones.

Adicionalmente, aunque no son lo mismo, surgen otros peligros indirectos, como las revistas depredadoras, que se aprovechan de ese “habituar el pagar al publicar” (Dudley, 2021Dudley, R.G. (2021). The Changing Landscape of Open Access Publishing: Can Open Access Publishing Make the Scholarly World More Equitable and Productive? Journal of Librarianship and Scholarly Communication, 9 (General Issue), eP2345. DOI: https://doi.org/10.7710/2162-3309.2345 ) y del publish or perish, y de la falta de formación de diferentes autores, que los hacen caer en esos engaños depredadores.

Este cambio “a todo en abierto”, pero privilegiando el APC (Plan S), desde el punto de vista del lector puede ser visto como ‘positivo’, ya que a cualquiera le sería posible acceder libremente (en internet abierto), a lo que antes era solo mediante suscripciones muy costosas a bases de datos o por la compra de la descarga de un artículo específico. Sin embargo, desde el punto de vista de los autores y las instituciones, es ‘negativo’, ya que resulta en un sobrecosto:

Esto obliga a las universidades, a los organismos de ciencia, y a los gobiernos, a plantear acciones intermedias y a corto plazo, que permitan disminuir ese triple pago, o incluso ser más radicales a mediano y largo plazo: no pagar suscripciones y/o APC, y fortalecer las revistas propias de acceso abierto dorado sin APC.

Entre algunas de las estrategias que se han propuesto están estas dos:

El APC, en parte, se ha ido posicionando por la oportunidad que han visto estas empresas en el auge del acceso abierto y en las políticas universitarias y de gobierno para la evaluación y los sistemas de recompensas. La falta de datos y la transparencia de los costos que implica el APC, que alcanzan miles de millones de dólares, también es otro factor importante. Adicionalmente, saber cuánto valen las suscripciones y negociar precios más convenientes en clave de Consorcios (Horava y Ward, 2016Horava, T., y Ward, M. (2016). Library consortia and article processing charges: An international survey. Serials Review, 42(4), 280-292. DOI: https://doi.org/10.1080/00987913.2016.1237928 ); pero a su vez, el costo que poco a poco, uno a uno, investigador por investigador, se ha ido cobrando por APC y el cual alcanza grandes valores, como se ha identificado a nivel internacional (Open APC, 2020The OpenAPC Initiative (2020). Open APC. Disponible en: https://bit.ly/3gdZwRV )¹⁸ Ver: Datos proyecto OPEN APC. Universidades principalmente norteamericanas y europeas. https://treemaps.intact-project.org/apcdata/openapc/#institution/ . Para el caso colombiano ya hay antecedentes, por ejemplo, el caso de la Universidad de Antioquia donde se ha gastado 1 millón de dólares en los últimos años (Uribe-Tirado y otros, 2019Uribe-Tirado, A., Ochoa-Gutiérrez, J., Pallares, C., Restrepo-Quintero, D., Vélez-Cuartas, G., Robledo-Velásquez, J., Gómez-Molina, H., Correa-Tabares, M. C., Calle-Mosquera, J., Osorio-López, A. M. (2019). Situación del acceso abierto en las universidades. Caso y modelo de análisis Universidad de Antioquia. Palabra Clave (La Plata), 9(1). Disponible en: https://bit.ly/2Fw5AIP ).

Este dato es solo para una universidad colombiana, pero ¿cómo es la realidad de las otras universidades del país -o de la región-?, ¿cómo deberían las instituciones y bibliotecas de cada país negociar con las grandes editoriales para que no haya un doble-triple cobro?¹⁹ El objetivo de estos estudios sobre el APC y el analizar el costo de las suscripciones, es lograr proporcionados y pertinentes acuerdos transformadores (Esac, 2020; citados por Anglada, Borrego y Abadal, 2020): “-se trata de acuerdos transitorios, que tienen por objeto facilitar el camino hacia un escenario en el que la comunicación científica sea en acceso abierto; -con esa misma finalidad, estos acuerdos deben permitir a los autores retener la propiedad intelectual de sus textos; -estos acuerdos deben ser transparentes y sus cláusulas han de hacerse públicas; -al mismo tiempo, estos acuerdos deben detener el incremento en los costes en los que incurren las instituciones; el coste de esta fase de transición debe ser neutral, es decir “estar en el mismo nivel de gasto de suscripción actual y evitar el pago doble o double dipping; -finalmente, estos contratos deben incluir cláusulas que faciliten la gestión administrativa en cuestiones como: identificación de los autores que se pueden acoger a la publicación en acceso abierto, inclusión de información sobre la financiación de APC en el artículo, disponibilidad de los metadatos, etc.”

Estas mismas preguntas o relacionadas se han hecho en otros contextos como Estados Unidos, Canadá, Brasil, España, Suecia, entre otros (Solomon y Björk, 2016Solomon, D., y Björk, B-C. (2016). Article processing charges for open access publication-the situation for research intensive universities in the USA and Canada. PeerJ, 4:e2264. DOI: https://doi.org/10.7717/peerj.2264 ; Willinsky y Rusk, 2019Willinsky, J., y Rusk, M. (2019). If Research Libraries and Funders Finance Open Access: Moving Beyond Subscriptions and APCs. College and Research Libraries, 80 (3). Disponible en: https://crl.acrl.org/index.php/crl/article/view/16992w ), donde se abordan aspectos específicos que llevan al crecimiento del APC, sea desde las preferencias y las presiones hacia los mismos investigadores (Pavan y Barbosa, 2018Pavan, C., y Barbosa, M. (2018). Article processing charge (APC) for publishing open access articles: the Brazilian scenario. Scientometrics, (117), 805:823. DOI: https://doi.org/10.1007/s11192-018-2896-2 ; Pilato y Tran, 2020Piloto, V., y Tran, C. (2020). Stony Brook University Author Perspectives on Article Processing Charges. Journal of Librarianship and Scholarly Communication, 8(general issue), eP2349. DOI: https://doi.org/10.7710/2162-3309.2349 ), o desde, el incremento cada vez mayor de los costos del APC basados en el prestigio y la oferta-demanda de determinadas revistas (Khoo, 2019Khoo, S. (2019). Article processing charge hyperinflation and price insensitivity: An open access sequel to the serials crisis. Liber Quarterly, 29(1). ) y la necesidad o presión de crear fondos que lo subvencionen (De Castro y Franck, 2019De-Castro, P., y Franck, G. (2019). Funding APCs from the research funder’s seat: Findings from the ECFP7 Post-Grant Open Access Pilot. El Profesional de la Información, 28 (4). DOI: https://doi.org/10.3145/EPI ; Cantrell y Swanson, 2020Cantrell, M., y Swanson, J. (2020). Funding Sources for Open Access Article Processing Charges in the Social Sciences, Arts, and Humanitiesin the United States, Publications, 8 (1). DOI: https://doi.org/10.3390/publications8010012 ;), o para determinadas disciplinas y contextos (Ferrer-Sapena, y otros, 2021Ferrer-Sapena, A., Vidal-Cabo, C., Aleixandre-Benavent, R., y Valderrama-Zurián, J. C. (2021). Coste de la publicación en abierto de artículos de autoría española en cinco áreas de las ciencias sociales. Arbor, 197(799), a590. DOI: https://doi.org/10.3989/arbor.2021.799005 ).

Pero aún en América Latina, se está apenas comenzando la discusión y los estudios, donde los trabajos como los del CoLaV de la Universidad de Antioquia²⁰ El CoLaV es un colaboratorio para las ciencias computacionales en la Universidad de Antioquia y está integrado por grupos de investigación de distintas unidades académicas y administrativas de la Universidad. Ver: http://colav.udea.edu.co/?page_id=95 están siendo pioneros para obtener datos concretos, como este trabajo lo presenta. Ante todo esto, además de los estudios propios: de la universidad, país o región; se hace necesario generar iniciativas colectivas, para divulgar estas situaciones o presentar alternativas. En este sentido, es importante resaltar la labor que desde CLACSO-FOLEC (Banini, 2019Babini, D (2019). Pagar por publicar no es el camino. CLACSO. Disponible en: https://www.clacso.org/pagar-por-publicar-no-es-el-camino/ ) y especialmente desde AmeliCA (Becerril García, 2019Becerril García, A. (2019). AmeliCA vs Plan S: mismo objetivo, dos estrategias distintas para lograr el acceso abierto. AmeliCA. Disponible en: https://bit.ly/34fXE91 ), se viene impulsando por sus organizaciones miembros e integrantes, para los países de la región, del sur global, para hacer frente al Plan S de origen europeo y al que se han unido otros países-agencias²¹ Ver: https://www.coalition-s.org/organisations/ , que privilegia el APC (además convierte las revistas híbridas, en APC completo), y que olvida las diferencias socioeconómicas de los países, y directa o indirectamente, fortalecen a sus industrias editoriales.

Fase 1. Rastreo

El ColaV buscó, identificó y recuperó los artículos producidos por 57 Instituciones de Educación Superior (IES) colombianas y 4 institutos de investigación seleccionados²² Las Instituciones fueron seleccionadas a partir de las necesidades del estudio realizado por Consortia. entre los años 2009 y 2019 (inclusive).²³ Los recursos de información sobre los que se realizó la búsqueda se muestran en el Anexo 1. Los resultados se filtraron para sólo incluir aquellos con Digital Object Identifier (DOI) y donde el autor de correspondencia estuviera asociado a alguna de las IES seleccionadas por el estudio; se da prioridad a aquellos con autoría de correspondencia porque a consideración del equipo de investigación había mayor probabilidad de que la entidad colombiana realizara el pago de APC en esos artículos.

En la primera fase se utilizó el campo de búsqueda Affiliation Country=”COL”²⁴ Cada base de datos tiene su estructura particular para la ecuación de búsqueda. Por ejemplo, en Scopus es AFFILIATION_COUNTRY (Colombia), mientras que en WoS y Lens se aplicaron filtros sobre la base de datos completa y se identificaron 157.021 documentos que constituyen la base de datos inicial; esto implica que el ColaV logró identificar mayor cantidad de artículos que otras bases de datos disponibles, tales como Scopus (97.005) o Scielo (65.968).²⁵ De la base de datos Lens se recuperaron 98.663, mientras que de WoS fueron 72.978 documentos. De los productos identificados, 124.794 se publicaron en el periodo contemplado, y, de estos, se identificó que 38.257 tenían como autor de correspondencia a una institución del País, de los que 33.682 estaban vinculados a una de las IES seleccionadas en el estudio. De esta forma, el estudio incluye el 88% de los artículos en los que un colombiano aparece como autor de correspondencia. En el proceso de búsqueda de los productos de las IES se tuvo en cuenta las variantes de los nombres institucionales. Para disminuir la carga de trabajo en la normalización de esa información, se utilizó la base de datos GRID, puesto que permite estandarizar los nombres institucionales de forma automática, disminuyendo la carga de trabajo manual en el proceso. Para realizar estos procesos existen dos grandes estrategias: usar los CRIS²⁶ Los CRIS, Current Research Information Systems, son “sistemas de información que sirven para recoger y difundir toda la información relacionada con las actividades de investigación de una institución, es decir, cuáles son sus autores, las publicaciones, las patentes y los datasets que han generado, los proyectos de investigación que han obtenido, etc.” http://www.ub.edu/blokdebid/es/content/los-sistemas-de-gestion-de-la-investigacion-cris-como-se-utilizan [3] institucionales y hacer uso de las las API’s²⁷ API corresponde a Interfaz para la programación de aplicaciones, y son procedimientos ofrecidos por la biblioteca de una aplicación para ser utilizados por otros software. que ofrecen algunos sistemas de información para poder acceder a sus datos;²⁸ Las API’s, interfaz de programación de aplicaciones, son “un conjunto de definiciones y protocolos que se utiliza para desarrollar e integrar el software de las aplicaciones… Las API permiten que sus productos y servicios se comuniquen con otros, sin necesidad de saber cómo están implementados. Esto simplifica el desarrollo de las aplicaciones y permite ahorrar tiempo y dinero”. https://www.redhat.com/es/topics/api/what-are-application-programming-interfaces [4] debido a que los CRIS no están suficientemente desarrollados en las instituciones colombianas, el proceso de identificación y normalización implementado optó por la segunda estrategia. No obstante, desde el ColaV se llama la atención sobre la necesidad de avanzar en la consolidación de los CRIS para mejorar la capacidad de seguimiento y análisis de la investigación colombiana.

Fase 2. Clasificación

En estudios anteriores se ha identificado que la mejor forma de clasificar el grado de apertura de los artículos era a través de OA DOI -Unpaywall- (Unpaywall, 2021UNPAYWALL (2021). Get Started: Research. Disponible en: Disponible en: https://unpaywall.org/user-guides/research.). Entre las ventajas de dicha herramienta está su completitud, puesto que incluye más de 88 millones de DOI extraídos de la base CrossRef, y ello permite derivar el acceso de las revistas. De esta forma, la base de datos inicial se complementa con el tipo de acceso para cada documento.

Fase 3. Integración

ColaV desarrolló un proceso de Extracción, Transformación y Carga -ETL- para integrar la información de las distintas bases de datos y construir una específica para el proyecto de investigación²⁹ Los aplicativos con los cuales se realizaron estos ejercicios están abiertos y se puede acceder a ellos a través de: https://github.com/CoLaV/ . En esta nueva base se incluyeron variables dicotómicas para: 1) identificar si el artículo estaba en acceso abierto o en acceso cerrado (1 de ser abierto, 0 para cerrado); 2) de estar en abierto se construyeron cuatro variables. Bajo este ejercicio se consolidó la base de datos de 33.682 documentos previamente mencionada. Para analizar el impacto académico de las publicaciones se consolidaron las citas recibidas por esos documentos y que es reportada por la base Google Scholar. Se seleccionó esta fuente de información puesto que es la base con mayor cobertura de documentos académicos actualmente disponible, lo que se sostiene incluso cuando la extracción de información es sometida a considerables procesos de normalización y estandarización de datos para supervisar la calidad y tener mayor confianza en la información (Martin-Martin y otros, 2018).

Con lo anterior, se construyó una base de datos que incorpora distintos campos (Tabla 1).

Fase 4. Normalización

Los resultados anteriores fueron sometidos a procesos adicionales de normalización y estandarización de datos. El primer campo normalizado fue el de instituciones puesto que los autores firmaban con distintas variantes del nombre de la institución (algunos en inglés, otros en español, algunos con nombres completos y otros con las siglas de la Institución, entre otros casos); para ello se utilizaron dos estrategias: una automática a partir del GRID, y otra manual en que se revisó cada institución firmante y se asignó el nombre normalizado a la entidad. Este procedimiento de normalización permitió asignar correctamente la cantidad de documentos a cada Institución.³⁰ En este caso, el nombre de los autores únicos fue extraído a partir de Scopus y Web of Science.[5]. La segunda normalización realizada fue para el nombre de las editoriales. En la base de datos se reportaban los nombres de cada editorial sin considerar las variantes de las mismas, por lo que una misma editorial (ejemplo, Elsevier) podría tener 5 o 6 apariciones de acuerdo a la organización específica que edita la revista. En un aspecto adicional, la base de datos tampoco informaba al grupo empresarial al que pertenecía la editorial específica, por lo que manualmente se identificó en el sitio web de las editoriales su pertenencia, o no, a grupos mayores.

Fase 5. Cálculo del APC

Para calcular el gasto en APC para cada publicación se partió del ISSN de la revista que edita el artículo. Ese dato fue cruzado con la base de datos DOAJ, puesto que esta incluye información de la revista, entre ellos el monto que cobra en APC para cada artículo³¹ Exceptuando las revistas híbridas, puesto que estás no están en DOAJ. Gracias a estos procesos, se identificó el pago realizado en cada documento por las instituciones para el periodo considerado y con ello fue posible obtener una estimación del gasto global en APC. El valor de APC reportado por DOAJ está en la moneda local de la revista por lo que fue necesario convertir dichos montos a una moneda estándar de referencia que permitiera la agregación y el análisis. La moneda seleccionada para la conversión fue el dólar americano. Así, los valores fueron convertidos a dólares utilizando el módulo CurrencyConverter, disponible en Python. Finalmente, los valores corrientes fueron llevados a un valor constante, año base 2012, para corregir los efectos de la inflación.

Fase 6. Análisis de la información

La tabla unificada fue transformada una vez más para hacerla pertinente en los análisis de inteligencia de negocios. Gracias a ello, fue posible utilizar el software especializado Tableau para estudiar la evolución de los gastos en APC para las instituciones colombianas seleccionadas en la investigación. El uso de Tableau fue orientado a responder las preguntas de investigación que se planteó el equipo responsable al inicio del proyecto.