Im aktuellen SPARC OA Newsletter beschreibt Peter Suber kongenial die gegenwärtigen Probleme – die er das Problem der letzten Meile nennt – und seine zwei Stadien.
Stadium 1: Das Problem der Verteilung der Information
Stadium 2: Das Problem des Ausnutzung der Information
Stadium 1 hat was mit Geld zu tun: Geld ist nötig, um Forschungsergebnisse zu publizieren (Open Access) und zu verteilen (Bibliotheken). Während neue Zeitschriften und Publikationen wie Pize aus dem Boden schiessen, wächst das Geld nicht exponentiell mit. Hier könnte 100% Open Access eine Lösung sein.
Stadium 2 hat was mit wissenschaftlichen Antworten zu tun. Für manche Fragen gibt es Antworten, für manche nicht. Manche Antworten sind umstritten, in manchen Bereichen gibt es mehr Unsicherheit. Es gibt sogar eine eigene Database of Uncertainties about the Effects of Treatments (DUET)! Warum auch hier OA definitiv segensreich ist, erläutert er unter Auflistung aller „neuen“ Möglichkeiten, aus frei verfügbaren Informationen Wissen zu extrahieren, Verständnis zu erleichtern. Und das ist sehr lesenwert (Fettdruck durch mich):
We already have some means to help us solve the Stage Two problem. Some are fairly mature and some are very rudimentary, but in every case talented people are working hard to improve them. I’m thinking of means to learn about the existence of relevant new work (alert systems), find the texts and the passages we need (search engines), find work already found by colleagues (tagging and social networking systems), find articles similar to ones we know to be relevant (recommendation systems), find articles in our own language (machine translation), navigate to cited sources (reference linking), navigate to different versions of cited sources or other relevant destinations (multiple-resolution hyperlinks), convert a text to speech when we can’t read the screen (voice readers), paraphrase articles we don’t have time to read (text summarizers), digest larger volumes of literature than we could ever read (text mining), combine independent resources to create new synergies and utility (mash-ups), find information relevant to our questions even when we don’t know the relevant keywords (semantic web), distill uncopyrightable facts from natural-language texts and enter them into queryable OA databases (knowledge extraction), pose our search queries in our own words and sometimes even get back direct answers rather than mere pointers to literature that may contain answers (natural language search engines).