O problema da padronização das afiliações de autores na base de dados Web of Science: o caso Embrapa e sua solução

The problem of standardization of authors’ affiliations in the Web of Science database: the Embrapa case and its solution

A falta de exatidão de informações em documentos científicos e bases de dados se encontra entre os principais problemas do processo de avaliação da produção científica e tecnológica de um país, instituição ou pesquisador. Esse problema se deve a diversos fatores, tais como a presença de erros ortográficos ou de impressão, equívocos na classificação de dados e ausência de padronização de informações institucionais, entre outros.

Diversos desses fatores vêm sendo registrados na literatura pelo menos desde a década de 1970, quando Bourne (1977), por exemplo, chamou a atenção para a frequência e o impacto dos erros de ortografia em bases de dados bibliográficas. Naquela época, ao analisar cerca de 3.600 termos indexados em 11 diferentes bases de dados ele encontrou a presença de erros ortográficos com variação de 23% a menos de 0,5% entre uma base e outra. De acordo com Hood e Wilson (2003), essas ocorrências ainda se fazem presentes porque as bases de dados foram criadas originalmente com a finalidade principal de recuperação de informações, não de realização de estudos bibliométricos.

Atualmente, entre os principais problemas que dificultam a correta avaliação da produção científica de um país, instituição ou pesquisador se encontra a ausência de padronização dos nomes de autores e de suas afiliações em bases de dados em ciência e tecnologia (C&T). Em trabalho recente de análise sobre a produção científica da Empresa Brasileira de Pesquisa Agropecuária (Embrapa), Penteado Filho, Fonseca Júnior e Avila (2016) também se empenharam no tratamento dos principais fatores associados a esse problema. Os resultados desse levantamento realizado na base de dados Web of Science (WoS), tendo como referência teórico-metodológica a literatura especializada, se encontram sintetizados neste artigo.

Os principais problemas e dificuldades encontrados na extração de informações úteis em bases de dados eletrônicas para a realização de estudos bibliométricos são fartamente abordados pela literatura especializada (BOURNE, 1977; HOOD; WILSON, 2003; TAŞKIN; AL, 2013). Hood e Wilson (2003), por exemplo, subdividiram esses problemas e dificuldades em três categorias. A primeira delas se refere aos problemas de erro ou de falta de consistência do dado (nível micro), tais como a presença de erros ortográficos, de indexações equivocadas de palavras-chave, de variações na abreviatura de autores ou de datas, duplicidade de títulos de periódicos e diferentes traduções do nome original de determinada instituição. O segundo grupo se refere a problemas relacionados ao uso de bases de dados para propósitos bibliométricos (nível macro). Nesse caso, as principais ocorrências são a sobreposição de informações com a duplicação de registros, a limitação da cobertura geográfica, temporal ou temática da base de dados, o atraso na indexação da literatura recente, a ausência de campos relevantes de busca e a falta de padronização de dados, entre outras. O terceiro grupo de dificuldades se refere a problemas derivados das próprias bases, tais como a disponibilidade de ferramentas amigáveis, porém inadequadas à análise bibliométrica ou a impossibilidade de realização de estudos offline.

Diversos desses problemas e dificuldades foram encontrados por Penteado Filho (2006) ao realizar a auditoria do acervo da produção científica da Embrapa com a utilização de diversos softwares (Infotrans, Dataview, Matrisme e MS Excel). Entre os problemas detectados estavam erros de catalogação, ortográficos e de digitação, duplicações de registros e presença de autores homônimos. Mais recentemente, ao abordar o problema da padronização das afiliações de autores em índices de citação, Taşkin e Al (2014) analisaram na base de dados Web of Science todos os tipos de documentos (artigos, anais de congressos ou cartas), publicados entre 1928 e 2009, que mencionassem nos campos “endereço” e “país” a Turquia como país de origem. Entre os principais resultados desse trabalho encontra-se uma tabela contendo as 20 universidades turcas mais produtivas, com seus respectivos números de publicações, quantidade de erros de indexação e percentual desses erros em relação ao total de publicações. Nesse caso, os percentuais variaram de 12,1% a 0,3% entre uma instituição e outra e contemplaram diversos tipos de problemas, tais como: erros de caracteres ou de ortografia, erros de indexação, erros de tradução realizados pelos autores, além de problemas de padronização dos endereços das universidades.

Este levantamento reuniu a produção científica da Embrapa nas bases de dados Science Citations Index Expanded (SCI-EXPANDED), Social Science Citation Index (SSCI) e Arts & Humanities Citation Index (A&HCI) da Thomson Scientific (ISI), conhecidas sob a denominação de Web of Science (WoS). Para isso foram considerados todos os registros, em diversas línguas e tipos de documentos (artigos, editoriais, resenhas, entre outros) com as possíveis denominações que fizessem referência à Embrapa no campo “Afiliação de autor” no período compreendido entre 1973 e 17 de julho de 2015.

A busca teve início pela expressão mais simples. Depois, foram sendo incorporadas outras variações de acordo com as inconsistências encontradas nos artigos referentes ao nome da Embrapa ou de seus centros de pesquisa. O acréscimo dessas variações elevou o número de registros de 15.956 para 17.794 entre a primeira e terceira etapas. A quarta etapa contemplou uma investigação sobre registros únicos dos centros de pesquisa da Empresa (324 registros), o que aumentou o resultado final para 18.118 registros. A diferença entre esse total e o número de registros da primeira busca (15.956) é de 2.162 registros. Isso significa que, se a busca sobre a produção científica da Embrapa se limitasse aos termos originais adotados na primeira etapa, a sigla/nome da instituição, 11,93% dos documentos não estariam contemplados na sua produção científica. Veja abaixo a evolução das estratégias de busca no item “pesquisa avançada” da WoS do nome da Embrapa e seus resultados:

• a) 1. AD=(Embrapa) OR AD=(EMBRAPA) — Registros: 15.956 (17/07/2015);

  b) 2. AD=(EMBRAPA) OR AD=(EMPRESA BRASILEIRA PESQUISA AGROPECUARIA) OR AD=(Brazilian Org Agr Res) OR AD=(BRAZILIAN ENTERPRISE AGR RES) OR AD=(Brazilian Agr Res Corp) OR AD=(BRAZILIAN AGR RES ENTERPRISE) OR AD=(Brazilian Enterprise Agropecuary) OR AD=(Brazilian Agropecuary Res Corp) OR AD=(BRAZILIAN ORG AGR RES) OR AD=(BRAZILIAN AGR RES CORP) OR AD=(BRAZILIAN ENTERPRISE AGROPECUARY) OR AD=(BRAZILIAN AGROPECUARY RES CORP) — Registros: 17.438 (17/07/2015);

  c) 3. AD=(Ambrapa) OR AD=(AMBRAPA) OR AD=(Brazilian Agr Res Corp) OR AD=(BRAZILIAN AGR RES CORP) OR AD=(BRAZILIAN AGR RES ENTERPRISE) OR AD=(Brazilian Agr Res Enterprise) OR AD=(Brazilian Agropecuary Res Corp) OR AD=(BRAZILIAN AGROPECUARY RES CORP) OR AD=(Brazilian Corp Agr) OR AD=(BRAZILIAN CORP AGR) OR AD=(Brazilian Corp Agr Res) OR AD=(BRAZILIAN CORP AGR RES) OR AD=(BRAZILIAN ENTERPRISE AGR RES) OR AD=(Brazilian Enterprise Agr Res) OR AD=(Brazilian Enterprise Agropecuary) OR AD=(BRAZILIAN ENTERPRISE AGROPECUARY) OR AD=(Brazilian Org Agr Res) OR AD=(BRAZILIAN ORG AGR RES) OR AD=(Brazilian Res Agr Corp) OR AD=(BRAZILIAN RES AGR CORP) OR AD=(Einbrapa) OR AD=(EINBRAPA) OR AD=(Embapra) OR AD=(EMBAPRA) OR AD=(Embarapa) OR AD=(EMBRA) OR AD=(Embra) OR AD=(Embraba) OR AD=(EMBRABA) OR AD=(Embraoa) OR AD=(EMBRAOA) OR AD=(Embrapa) OR AD=(EMBRAPA) OR AD=(EMBRAPA* NOT EMBRAPA) OR AD=(EMBRAPA* NOT EMBRAPII) OR AD=(Embrape) OR AD=(EMBRAPE) OR AD=(Embrapo) OR AD=(EMBRAPO) OR AD=(Embrara) OR AD=(EMBRARA) OR AD=(Embrpa) OR AD=(EMBRPA) OR AD=(EMBTAPA) OR AD=(Embtapa) OR AD=(Empbrapa) OR AD=(EMPBRAPA) OR AD=(Empera Brasileira Pesquisas Agropecuaria) OR AD=(EMPERA BRASILEIRA PESQUISAS AGROPECUARIA) OR AD=(Empersa) OR AD=(Empraba) OR AD=(EMPRABA) OR AD=(EMPRAPA) OR AD=(Emprapa) OR AD=(Emprea Brasileira Pesquisa Agropecuaria) OR AD=(EMPREA BRASILEIRA PESQUISA AGROPECUARIA) OR AD=(EMPRESA BRASILEIRA DE PESQUISA AGROPECUARIA) OR AD=(Empresa Brasileira de Pesquisa Agropecuaria) OR AD=(Empresa Brasileira Pedquisa Agropecuaria) OR AD=(EMPRESA BRASILEIRA PESQUISA AGR) OR AD=(Empresa Brasileira Pesquisa Agr) OR AD=(Empresa Brasileira Pesquisa Agr* NOT Empresa Brasileira Pesquisa Agr) OR AD=(Empresa Brasileira Pesquisa Agropecuaria) OR AD=(EMPRESA BRASILEIRA PESQUISA AGROPECUARIA) OR AD=(Empresa Brasileira Pesquisa Agropecuarias) OR AD=(EMPRESA BRASILEIRA PESQUISA AGROPECUARIAS) OR AD=(Empresa Brasileira Pesquisa Agropecuciria) OR AD=(EMPRESA BRASILEIRA PESQUISA AGROPECUCIRIA) OR AD=(Empresa Brasileira Pesquisa Agropecudria) OR AD=(EMPRESA BRASILEIRA PESQUISA AGROPECUDRIA) OR AD=(Empresa Brasileira Pesquisa Agropecuraria) OR AD=(EMPRESA BRASILEIRA PESQUISA AGROPECURARIA) OR AD=(EMPRESA BRASILEIRA PESQUISA AGROPECURIA) OR AD=(Empresa Brasileira Pesquisa Agropecuria) OR AD=(Empresa Brasileira Pesquisas Agr) OR AD=(EMPRESA BRASILEIRA PESQUISAS AGR) OR AD=(Empresa Brasilera Pesquisa Agropecuaria) OR AD=(EMPRESA BRASILERA PESQUISA AGROPECUARIA) OR AD=(Empresa Brasileria Pesquisa Agr) OR AD=(Empresa brasileria Pesquisa Agropecuaria) OR AD=(EMPRESA BRASILERIA PESQUISA AGROPECUARIA) OR AD=(Empresa Brasiliera Pesquisa Agr) OR AD=(EMPRESA BRASILIERA PESQUISA AGR) OR AD=(Empresa Brasilleira Pesquisa Agropecuaria) OR AD=(EMPRESA BRASILLEIRA PESQUISA AGROPECUARIA) OR AD=(Empresa Brasileira Pesquisa Agropecuria) OR AD=(EMPRESA BRASILEIRA PESQUISA AGROPECURIA) OR AD=(Empress Brasileira Pesquisa Agropecuaria) OR AD=(EMPRESS BRASILEIRA PESQUISA AGROPECUARIA) OR AD=(Ernbrapa) OR AD=(ERNBRAPA) — Registros: 17.794 (17/07/2015);

  d) 4. (“Ctr Nacl Pesquisa & Desenvolvimento Instrumentaca” OR “Ctr Nacl Pesquisa & Gado Corte” OR “Ctr Nacl Pesquisa Agrobiol” OR “Ctr Nacl Pesquisa Algodao” OR “Ctr Nacl Pesquisa Arroz & Feijao” OR “Ctr Nacl Pesquisa Caprinos” OR “Ctr Nacl Pesquisa Florestas” OR “Ctr Nacl Pesquisa Gado Leite” OR “Ctr Nacl Pesquisa Hort” OR “Ctr Nacl Pesquisa Milho & Sorgo” OR “Ctr Nacl Pesquisa Monitoramento & Avaiacao Impact” OR “Ctr Nacl Pesquisa Recursos Genet & Biotecnol” OR “Ctr Nacl Pesquisa Soja” OR “Ctr Nacl Pesquisa Solos” OR “Ctr Nacl Pesquisa Suinos & Aves” OR “Ctr Nacl Pesquisa Tecnol Agroind Alimentos CTAA” OR “Ctr Nacl Pesquisa Trigo” OR “Ctr Nacl Recursos Genet & Biotecnol Cenargen” OR “Ctr Pesquisa Agr Trop Semiarido” OR “Ctr Pesquisa Agrflorestal Amazonia Oriental CPATU” OR “Ctr Pesquisa Agroflorestal Acre” OR “Ctr Pesquisa Agroflorestal Amazonia Ocidental” OR “Ctr Pesquisa Agroflorestal Roraima CPAF” OR “Ctr Pesquisa Agroflorestal Roraima” OR “Ctr Pesquisa Agropecuaria Clima Temperado” OR “Ctr Pesquisa Agropecuaria Meio Norte” OR “Ctr Pesquisa Agropecuaria Pantanaal” OR “Ctr Pesquisa Agropecuaria Pantanal” OR “Ctr Pesquisa Agropecuaria Tabuleiros Costeiros” OR “Ctr Pesquisa Agropecuaria Trop Semiarido” OR “Ctr Pesquisa Agropecuria Clima Temperado” OR “Cenargen” OR “CENARGEN” OR “CNPAB” OR “CNPAF” OR “CNPGL” OR “CNPMF” OR “CNPMS” OR “CNPSo” OR “CPA Pantanal” OR “CPAC” OR “CPAMN” OR “CPPSE”)

  NOT

  (“Ambrapa” OR “AMBRAPA” OR “Brazilian Agr Res Corp” OR “BRAZILIAN AGR RES CORP” OR “BRAZILIAN AGR RES ENTERPRISE” OR “Brazilian Agr Res Enterprise” OR “Brazilian Agropecuary Res Corp” OR “BRAZILIAN AGROPECUARY RES CORP” OR “Brazilian Corp Agr” OR “BRAZILIAN CORP AGR” OR “Brazilian Corp Agr Res” OR “BRAZILIAN CORP AGR RES” OR “BRAZILIAN ENTERPRISE AGR RES” OR “Brazilian Enterprise Agr Res” OR “Brazilian Enterprise Agropecuary” OR “BRAZILIAN ENTERPRISE AGROPECUARY” OR “Brazilian Org Agr Res” OR “BRAZILIAN ORG AGR RES” OR “Brazilian Res Agr Corp” OR “BRAZILIAN RES AGR CORP” OR “Einbrapa” OR “EINBRAPA” OR “Embapra” OR “EMBAPRA” OR “Embarapa” OR “EMBRA” OR “Embra” OR “Embraba” OR “EMBRABA” OR “Embraoa” OR “EMBRAOA” OR “Embrapa” OR “EMBRAPA” OR “EMBRAPA* NOT EMBRAPA” OR “Embrape” OR “EMBRAPE” OR “Embrapo” OR “EMBRAPO” OR “Embrara” OR “EMBRARA” OR “Embrpa” OR “EMBRPA” OR “EMBTAPA” OR “Embtapa” OR “Empbrapa” OR “EMPBRAPA” OR “Empera Brasileira Pesquisas Agropecuaria” OR “EMPERA BRASILEIRA PESQUISAS AGROPECUARIA” OR “Empersa” OR “Empraba” OR “EMPRABA” OR “EMPRAPA” OR “Emprapa” OR “Emprea Brasileira Pesquisa Agropecuaria” OR “EMPREA BRASILEIRA PESQUISA AGROPECUARIA” OR “EMPRESA BRASILEIRA DE PESQUISA AGROPECUARIA” OR “Empresa Brasileira de Pesquisa Agropecuaria” OR “Empresa Brasileira Pedquisa Agropecuaria” OR “EMPRESA BRASILEIRA PESQUISA AGR” OR “Empresa Brasileira Pesquisa Agr” OR “Empresa Brasileira Pesquisa Agr* NOT Empresa Brasileira Pesquisa Agr” OR “Empresa Brasileira Pesquisa Agropecuaria” OR “EMPRESA BRASILEIRA PESQUISA AGROPECUARIA” OR “Empresa Brasileira Pesquisa Agropecuarias” OR “EMPRESA BRASILEIRA PESQUISA AGROPECUARIAS” OR “Empresa Brasileira Pesquisa Agropecuciria” OR “EMPRESA BRASILEIRA PESQUISA AGROPECUCIRIA” OR “Empresa Brasileira Pesquisa Agropecudria” OR “EMPRESA BRASILEIRA PESQUISA AGROPECUDRIA” OR “Empresa Brasileira Pesquisa Agropecuraria” OR “EMPRESA BRASILEIRA PESQUISA AGROPECURARIA” OR “EMPRESA BRASILEIRA PESQUISA AGROPECURIA” OR “Empresa Brasileira Pesquisa Agropecuria” OR “Empresa Brasileira Pesquisas Agr” OR “EMPRESA BRASILEIRA PESQUISAS AGR” OR “Empresa Brasilera Pesquisa Agropecuaria” OR “EMPRESA BRASILERA PESQUISA AGROPECUARIA” OR “Empresa Brasileria Pesquisa Agr” OR “Empresa brasileria Pesquisa Agropecuaria” OR “EMPRESA BRASILERIA PESQUISA AGROPECUARIA” OR “Empresa Brasiliera Pesquisa Agr” OR “EMPRESA BRASILIERA PESQUISA AGR” OR “Empresa Brasilleira Pesquisa Agropecuaria” OR “EMPRESA BRASILLEIRA PESQUISA AGROPECUARIA” OR “Empresa Brasileira Pesquisa Agropecuria” OR “EMPRESA BRASILEIRA PESQUISA AGROPECURIA” OR “Empress Brasileira Pesquisa Agropecuaria” OR “EMPRESS BRASILEIRA PESQUISA AGROPECUARIA” OR “Ernbrapa” OR “ERNBRAPA”) — Registros: 324 (22/07/2015).

Resultado geral da busca: 17.794 + 324 = 18.118

Percentual de variações não contempladas na busca inicial: 11,93%

A primeira parte da busca permitiu estabelecer uma lista visando codificar as expressões adotadas pelos autores em seus artigos científicos e incorporadas pela base, na forma de assinaturas-síntese criadas em 1996 pela Embrapa. Nessa mesma ocasião também foi adotada a denominação “Brazilian Agricultural Research Corporation” para o seu nome em inglês. A criação de assinaturas-síntese foi a forma encontrada pela instituição para associar o nome e a sigla específica de cada um de seus centros de pesquisa à sigla Embrapa e se encontra entre as principais medidas de sua Política de Comunicação (EMBRAPA, 2002). Por exemplo, o Centro de Pesquisa Agropecuária do Pantanal (CPAP) e o Centro Nacional de Pesquisa em Gado de Leite (CNPGL) se tornaram, respectivamente, com a criação da assinatura-síntese, Embrapa Pantanal e Embrapa Gado de Leite. Esse trabalho de decodificação permitiu posteriormente a realização de uma proposta de solução para os problemas de padronização do nome da Embrapa em documentos científicos. Diante do exposto, apresentamos no Quadro 1 essa lista de decodificação.

Quadro 1
Decodificação das expressões de busca encontradas na base Web of Science nas assinaturas-síntese dos centros da Embrapa

Fonte: Dados da pesquisa.

Outra iniciativa adotada neste estudo visando a posterior padronização do nome da Embrapa em bases de dados foi selecionar uma amostra das expressões recolhidas a partir dos mecanismos de busca para levantar a origem e os principais tipos de problemas de padronização encontrados. Essa investigação exploratória indicou que grande parte dos problemas estava na informação sobre a instituição fornecida pelo autor, ou ainda na redução do nome completo da instituição pela base de dados ou mesmo no cadastramento equivocado do nome da instituição pela base. Essas diversas formas equivocadas de menção ao nome da Embrapa, bem como sua origem e descrição dos principais tipos de problema são apresentados no Quadro 2.

Quadro 2
Levantamento preliminar dos problemas das expressões relacionadas à Embrapa na base Web of Science.

Fonte: Dados da pesquisa.

Conforme constatado, os problemas da falta de exatidão das informações encontrados nessa busca sobre a produção científica da Embrapa se devem a vários fatores, que vão desde a digitação errônea da sigla da Empresa pelo autor ou pela base de dados, passando pela ausência de uniformização do nome da instituição em português e outras línguas, até a ausência da sigla e/ou do nome da instituição nesses documentos. Apresentamos a seguir um resumo das inconsistências encontradas:

• a) erros de digitação de dados ou de redação no próprio documento científico. Exemplos: Embapra / Embarapa / Embraba / EMPRAPA;

  b) erros de digitação ou de digitalização de dados do documento científico pela base de dados. Exemplos: Ambrapa / Einbrapa / Embraoa / Empresa brasileira Pesquisa Agropecuciria / Empresa Brasileira Pesquisa Agropecuraria;

  c) erros de digitação e/ou de digitalização de dados no documento científico e na base de dados. Exemplos: Empresa Brasileira de Pesquisas Agropecuária (artigo) / Empresa Brasileira (de) Pesquisas Agropecuária (base de dados);

  d) redução do nome original por extenso da Embrapa pela base de dados. Exemplos: Empresa Brasileira Pesquisas Agr / Brazilian Agr Res Corp;

  e) omissão da sigla e/ou nome da instituição no documento científico. Exemplos: Ctr Nacl Pesquisa & Desenvolvimento / Ctr Nacl Pesquisa;

  f) prevalência, no documento científico, da sigla e do nome da unidade e/ou departamento em detrimento da sigla e do nome da Embrapa. Exemplo: Laboratório de Análise do Solo, Centro Nacional de... (sigla da unidade);

  g) existência nos documentos científicos de diversidade de nomes em inglês (ou outras línguas) para a Empresa. Exemplos: Brazilian Agricultural Research Enterprise / Brazilian Corporation of Agricultural Research / Brazilian Enterprise for Agricultural Research;

  h) coexistência no documento científico da identificação da Empresa em português e inglês (ou outras línguas). Exemplo: Laboratory of bacteriology, Empresa Brasileira de Pesquisa Agropecuária;

  i) adoção no documento científico de nomes e abreviações genéricas de unidades ou departamentos da Empresa, em português, inglês e outras línguas, que dificultam a busca em base de dados. Exemplos: Natl Ctr / Natl Res Ctr / Ctr Nacl / Ctr Nacl Pesq;

  j) possibilidade de confusão entre as siglas Embrapa (Empresa Brasileira de Pesquisa Agropecuária) e Embrapii (Empresa Brasileira de Pesquisa e Inovação Industrial). Exemplo: Embrap – Empresa Brasileira de Pesquisa e Inovação Industrial – Embrapii / Embrap – Empresa Brasileira de Pesquisa Agropecuária.

Além dos problemas de incorreção relacionados ao nome e à sigla das instituições, este estudo também constatou a ocorrência de outro grave problema nos resultados do campo de afiliação de autores da base de dados Web of Science: erros introduzidos pelo algoritmo de padronização da própria base para siglas e endereços.

Alguns autores informam seus endereços brasileiros sem citar o nome do país. Seus endereços de afiliação, portanto, terminam na sigla do estado. Aparentemente, a WoS criou um algoritmo para introdução de nomes de países e estados quando os autores são omissos. Dessa forma, a sigla ES, adotada no Brasil para abreviar o nome do estado do Espírito Santo, está sendo interpretada pela base como sigla da Espanha; a sigla BA, relativa ao estado da Bahia, é interpretada pela base como Buenos Aires, e o algoritmo da base chega a acrescentar “, Argentina”; ou então Bahia, BA é alterado pela WoS para “Bahia Blanca, Buenos Aires, Argentina”. Endereços que terminam na sigla SC do estado de Santa Catarina estão sendo transpostos para “South Carolina, USA”. A cidade de Santiago de Cuba é associada à Espanha e a de Cachoeiro de Itapemirim está sendo transferida para Belize (nesse caso a sigla encontrada foi BZ) e Vitória para a Espanha. Problemas como esse originados na própria editora da base acabam gerando trabalho adicional na pesquisa bibliométrica e a perda de eficiência das buscas geográficas.

Tais problemas na afiliação dos autores não são exclusivos da Embrapa. Eles afetam todas as instituições com as quais a Embrapa produziu documentos científicos. Veja, no Quadro 3, uma estatística da diversidade de grafias referentes aos nomes dos cinco principais parceiros da Embrapa na elaboração dos seus artigos. Para efeito didático, de demonstrar a extensão e o alcance desse problema de padronização, acrescentamos cada uma dessas listas no Anexo de 165 páginas disponibilizado em link da Internet da Embrapa. Veja o link para o arquivo no final do trabalho.

Quadro 3
Estatísticas de artigos e grafias dos cinco principais parceiros da Embrapa em artigos na base Web of Science.

Fonte: Dados da pesquisa.*Nota: Os escores de afiliações da UNESP e USP-ESALQ superiores ao próprio número de artigos podem ser explicados pela existência de dois ou mais autores que, num mesmo artigo, citaram sua afiliação de maneira diferente.

Quando examinados no nível micro, isto é, do centro de pesquisa, esses erros de padronização têm o poder de se multiplicar de forma exponencial. Por exemplo, a Embrapa Recursos Genéticos e Biotecnologia possui 1.545 artigos científicos publicados no período na WoS, nos quais foram encontradas 1.188 diferentes afiliações.

Para efeito de contagem da produção científica na base WoS, cada uma das diferentes grafias (1.188) corresponde a uma instituição. Essa é a principal razão porque, apesar de produzir artigos suficientes para figurar sozinha entre as 50 primeiras instituições do país, a Embrapa Recursos Genéticos e Biotecnologia aparece, na base não tratada, na sua primeira menção, “Embrapa Recursos Genet & Biotecnol, BR-70770900 Brasilia, DF, Brazil”, com 174 artigos. Esse escore corresponderia aproximadamente ao 700º lugar das instituições brasileiras. Essas 1.188 diferentes entradas da Embrapa Recursos Genéticos e Biotecnologia também estão acessíveis no Anexo deste artigo.

O problema se reproduz, por exemplo, numa universidade, quando se desce ao nível do Departamento e vai além, nos dois casos, da Embrapa e de Instituições de Ensino Superior (IES), quando se contempla mais um nível, ou seja, o de Laboratório ou Grupo de Pesquisa. Nesse nível ocorrem os piores erros, que, muitas vezes, impedem inclusive a atribuição do artigo a qualquer instituição. É comum a inversão da afiliação, citando primeiro o laboratório, em seguida o departamento e, por último, a instituição. O bom senso indica a ordem inversa, sempre; instituição, departamento, laboratório.

A inversão de afiliação é um erro dos autores e carrega consigo a pior falta de exatidão, que é a elisão da instituição. Nesse caso aparecem entradas como “Bioagri Labs, BR-13412000 Piracicaba, SP, Brazil”, “Ctr Terapia Celular, Ribeirao Preto, SP, Brazil”, “Dept Biol Celular, Sao Paulo, Brazil”, “Dept Bioquim, Rio De Janeiro, Brazil”, “Dept Endodont, Rio De Janeiro, Brazil”, “Dept Biol Celular, Brasilia, DF, Brazil”, “Depto Desenvolvimento Ensino, Sao Paulo, Brazil”, “Lab Anim Physiol & Behav, Sao Paulo, Brazil”, “Lab Apoio Anim, Pernambuco, Brazil”, “Lab Biol Celular, Rio De Janeiro, Brazil”, “Lab Citogent, Sao Paulo, Brazil”, “Lab Mass Spectrometry, Brasilia, DF, Brazil”, “Mol Biol Lab, Brasilia, DF, Brazil”. Existem cidades que são sedes de mais de uma universidade. Nesses casos, como identificar a instituição?

Esse erro dos autores é comum também em instituições estrangeiras: “Dept Ecol & Biol, Tucson, AZ 85721 USA”, “DEPT AGR, DIV ENTOMOL, BANGKOK, THAILAND”, “Lab Cytogenet & Gebine Res, B-3000 Louvain, Belgium”, “Lab Invest Aplicada, Cordoba 14080, Spain”, “Opt Labs, Islamabad, Pakistan”, “QTL & Modifier Loci Grp, MRC Mammalian Genet Unit, Harwell, Oxon, England”, “Res Inst, Trichy 9, Tamil Nadu, India”, “Vet Informat & Epidemiol Res Grp, Glasgow G1 1XH, Lanark, Scotland”. Assim, torna-se difícil, quase impossível, descobrir a instituição de origem do(s) autor(es) do artigo e, por consequência, contar corretamente a produção científica da organização.

A menção do CEP ajuda, pois em alguns casos, para classificar a produção científica da Embrapa por centro de pesquisa esse foi o único identificador possível para as cidades onde a Empresa tem mais de um centro de pesquisa. No entanto, via de regra, quando os autores fazem a inversão de afiliação, há uma grande probabilidade de que a instituição responsável perderá esse artigo na contagem de sua produção científica, sobretudo quando se trata de rankings nacionais ou internacionais.

Tais efeitos são claramente sentidos no âmbito da Embrapa. A recuperação de 18.188 artigos da Empresa entre 1973 e 2015 a credencia como uma das dez primeiras instituições produtoras de artigos científicos indexados na WoS. No entanto, a maioria dos rankings de instituições brasileiras realizados a partir dessa base consegue enxergar melhor as universidades, ao passo que a Embrapa é vista de forma parcial (BRASIL, 2008; GOIS, 2008; GREGOLIN et al., 2005; LETA; CRUZ, 2003). Trata-se de uma perda considerável de visibilidade pública na base WoS, tanto da Empresa como de seus centros de pesquisa, parcialmente corrigida internamente pelo trabalho de acompanhamento da produção científica da Empresa na WoS realizado pela Secretaria de Gestão e Desenvolvimento Institucional (SGI), vinculada à própria Embrapa.

No caso geral das instituições brasileiras esses erros repetidos e constantes acarretam a perda de lugares preciosos nos rankings de IES, que estão se tornando cada vez mais populares em todos os continentes.

A partir da constatação dos problemas relatados os resultados preliminares deste estudo foram apresentados internamente a um grupo de trabalho coordenado pela Embrapa Informação Tecnológica, que propôs à presidência da Empresa a regulamentação da afiliação institucional dos seus empregados em publicações nacionais e internacionais. Essa proposta se materializou com a edição de uma resolução normativa interna em março de 2016 (EMBRAPA, 2016) com as seguintes determinações:

• a) em todas as publicações nacionais e internacionais, a afiliação institucional do autor deve ser indicada pela assinatura-síntese da unidade. Exemplos: Embrapa Gado de Corte; Embrapa, Departamento de Pesquisa e Desenvolvimento – DPD;

  b) os nomes das unidades centrais e descentralizadas devem ser mantidos sem tradução, em todas as publicações nacionais e internacionais;

  c) o endereço institucional não deve ser traduzido, devendo permanecer em português;

  d) no endereço institucional, apenas o nome da unidade central ou descentralizada deve ser utilizado, sem a indicação de qualquer laboratório ou área, mesmo em artigos em coautoria com universidades;

  e) a Embrapa Informação Tecnológica irá inserir essas orientações no Manual de Editoração da Embrapa (2016) e orientará as unidades no cumprimento dessa determinação;

  f) os Comitês Locais de Publicação (CLPs) devem garantir o cumprimento dessa norma.

  Este trabalho e seu Anexo visam chamar a atenção de todos os responsáveis e dirigentes de instituições brasileiras para a extensão do problema.

Os autores agradecem o apoio recebido de Rosângela Galon Arruda e Alessandra Rodrigues da Silva, analistas da Embrapa Informação Tecnológica, na busca desses resultados.