Reformasi Distribusi Kredit Data Ilmiah di Era Digital
Dalam dunia penelitian ilmiah yang semakin digital, data menjadi salah satu aset paling berharga yang dapat dipertukarkan, dianalisis, dan digunakan kembali untuk penemuan baru. Penelitian yang dilakukan oleh Dennis Dosso, Susan B. Davidson, dan Gianmaria Silvello (2022) dalam jurnal Information Systems menyoroti pentingnya mendistribusikan kredit kepada pencipta data dalam basis data ilmiah relasional. Artikel yang berjudul "Credit Distribution in Relational Scientific Databases" ini membahas secara mendalam mengenai metode distribusi kredit berbasis provenance, tanggung jawab, dan nilai Shapley. Hal ini sangat penting, mengingat fakta bahwa banyak ilmuwan yang berkontribusi dalam penciptaan data tidak menerima pengakuan yang layak. Sistem sitasi tradisional lebih fokus pada sitasi publikasi, sementara data yang digunakan dalam penelitian sering kali tidak mendapatkan apresiasi yang sesuai.
Dengan lebih dari 1.000 kontributor dari seluruh dunia yang berkontribusi dalam basis data farmakologi IUPHAR/BPS Guide to Pharmacology (GtoPdb), kebutuhan untuk memberi kredit secara proporsional kepada pencipta data menjadi semakin mendesak. Seperti yang dijelaskan dalam penelitian ini, hingga saat ini, sistem sitasi masih sering gagal memberikan kredit kepada individu yang terlibat dalam kurasi data, padahal data tersebut digunakan dan diakses ribuan kali. Pada tahun 2020, tercatat ada lebih dari 12 ribu query yang diajukan terhadap basis data ini, menunjukkan tingginya permintaan akan data ilmiah berkualitas tinggi. Dalam konteks ini, artikel ini memberikan landasan penting dalam pengembangan metode distribusi kredit yang lebih adil, terutama bagi para ilmuwan yang telah berkontribusi pada basis data ilmiah besar seperti GtoPdb. Hal ini sekaligus menjadi sorotan terhadap tantangan yang dihadapi komunitas ilmiah dalam mengelola dan menghargai kontribusi data di era penelitian digital.
***
Distribusi kredit dalam basis data ilmiah seperti yang diuraikan oleh Dennis Dosso dan tim merupakan sebuah terobosan penting dalam sistem informasi ilmiah. Dengan lebih dari 50 miliar dolar dihasilkan dari pasar basis data relasional pada tahun 2022, ini adalah industri besar yang melibatkan ribuan ilmuwan dan peneliti di seluruh dunia. Namun, sistem penghargaan bagi para pencipta data masih sangat terbatas, terutama karena mekanisme tradisional cenderung hanya menghitung sitasi artikel, bukan data yang digunakan. Di sinilah konsep distribusi kredit berbasis provenance dan nilai Shapley menjadi relevan.
Metode provenance yang dijelaskan dalam artikel ini memungkinkan kita untuk melacak bagaimana data digunakan dan dihasilkan dari berbagai bagian basis data. Misalnya, di dalam GtoPdb, data mengenai reseptor dan ligan yang sering digunakan untuk penelitian farmakologi disimpan dan diakses oleh ribuan pengguna setiap tahunnya. Namun, seringkali hanya administrator basis data atau penulis artikel terkait yang mendapatkan kredit, sementara kontributor data---yang berjumlah lebih dari 1.000 orang---sering kali tidak mendapatkan pengakuan yang proporsional. Dengan distribusi kredit berbasis provenance, setiap elemen data dapat diatribusikan secara adil berdasarkan kontribusinya dalam menghasilkan keluaran penelitian.
Nilai Shapley, yang berasal dari teori permainan kooperatif, menawarkan pendekatan yang lebih terukur dalam mendistribusikan kredit. Nilai ini menghitung seberapa besar kontribusi setiap bagian data dalam menghasilkan hasil penelitian tertentu. Ini penting dalam basis data seperti GtoPdb yang berisi ribuan rekaman data, karena memberikan penghargaan tidak hanya kepada data yang digunakan paling sering, tetapi juga kepada data yang memberikan kontribusi signifikan pada hasil akhir penelitian. Sebagai contoh, nilai Shapley dapat membantu mengidentifikasi data yang, meskipun jarang digunakan, berperan krusial dalam penelitian tertentu, sehingga memberikan proporsi kredit yang lebih besar pada kontributor data tersebut.
Data ini sangat relevan mengingat penelitian modern semakin bergantung pada basis data besar dan terdistribusi. Hingga tahun 2020, lebih dari 889 artikel di British Journal of Pharmacology telah mengutip GtoPdb, namun hanya sedikit yang secara eksplisit memberikan kredit kepada kontributor data yang sebenarnya. Implementasi sistem distribusi kredit yang lebih adil tidak hanya meningkatkan transparansi dan akurasi dalam penghargaan ilmiah, tetapi juga mendorong lebih banyak ilmuwan untuk berbagi data mereka secara terbuka.
***
Secara keseluruhan, penelitian oleh Dennis Dosso dan rekan-rekannya menunjukkan urgensi dalam mereformasi cara kredit diberikan dalam dunia ilmiah, terutama untuk pencipta data dalam basis data relasional besar. Dengan menerapkan metode distribusi kredit berbasis provenance dan nilai Shapley, artikel ini menawarkan solusi yang lebih adil dan akurat dalam menghargai kontribusi para ilmuwan. Di masa depan, pendekatan ini tidak hanya dapat meningkatkan kolaborasi dan partisipasi dalam berbagi data, tetapi juga mengubah lanskap bagaimana penelitian diakui dan didukung.
