Google Scholar không thấy bài của tạp chí: kiểm thẻ meta và trang bài

Google Scholar không thấy bài của tạp chí thường vì trang bài thiếu thẻ meta citation_*, nhiều bài dồn chung một tệp, PDF là ảnh quét không có lớp chữ, hoặc robots.txt chặn bộ thu thập. Kiểm lần lượt bốn lớp này trước khi nghĩ tới chuyện khác.

Google Scholar không có mẫu đơn đăng ký tạp chí. Nó tự thu thập, và chỉ nhận một trang là bài báo khoa học khi trang đó trông đúng như một bài báo theo các dấu hiệu máy đọc được. Hướng dẫn chính thức dành cho người quản trị website (Inclusion Guidelines for Webmasters) liệt kê khá đầy đủ các dấu hiệu đó; bài này đi theo thứ tự kiểm thực tế.

Lớp một: mỗi bài có trang riêng với thẻ citation_* đầy đủ

Mở mã nguồn trang một bài (chuột phải, xem nguồn trang) và tìm chuỗi citation_. Bộ thẻ tối thiểu Google Scholar đọc được:

Google Scholar cũng đọc được bộ thẻ Dublin Core, nhưng bộ citation_* (còn gọi là thẻ Highwire Press) là bộ được nêu rõ nhất trong hướng dẫn. Tạp chí chạy OJS có sẵn plugin Google Scholar Indexing; hãy vào phần quản lý plugin xác nhận nó đang bật, rồi vẫn xem nguồn trang để chắc chắn thẻ thật sự hiện ra.

Lớp hai: tiêu đề và tác giả trong thẻ phải khớp chữ trên trang và trong PDF

Vì sao khớp quan trọng

Bộ thu thập so thẻ meta với nội dung trang và tệp PDF. Nếu thẻ ghi tiêu đề tiếng Anh còn trang hiển thị tiêu đề tiếng Việt, hoặc tên tác giả trong thẻ không dấu còn PDF có dấu, việc nhận dạng dễ hỏng.

Bài song ngữ

Với bài có tiêu đề hai thứ tiếng, chọn một ngôn ngữ chính cho thẻ citation_title, đúng với ngôn ngữ toàn văn. Đừng nhét cả hai tiêu đề vào một thẻ.

Tóm tắt phải hiện trên trang

Trang bài nên hiển thị tóm tắt hoặc vài đoạn đầu của toàn văn ngay khi mở, không giấu sau nút bấm cần chạy mã. Trang chỉ có tiêu đề và một nút tải về là dạng hay bị bỏ qua.

Lớp ba: tệp PDF phải đọc được bằng máy

Mỗi tệp một bài. Toàn bộ số tạp chí gộp trong một tệp PDF trăm trang là lý do kinh điển khiến chỉ một bài, hoặc không bài nào, được nhận. Tách mỗi bài một tệp riêng.

Có lớp chữ. PDF quét từ bản in mà không qua nhận dạng ký tự (OCR) chỉ là ảnh. Thử bôi đen một câu trong tệp; nếu không bôi được, tệp không có lớp chữ.

Dung lượng vừa phải. Hướng dẫn của Google Scholar khuyên giữ tệp PDF dưới một ngưỡng dung lượng nhất định; tệp quá lớn có thể bị bỏ qua. Nén ảnh trong bài trước khi xuất PDF.

Trang đầu giống trang đầu bài báo. Tiêu đề ở cỡ chữ lớn nhất trên trang đầu, tên tác giả ngay dưới, rồi tới tóm tắt. Trang bìa của số, trang quảng cáo hay trang mục lục đặt trước bài làm hỏng việc nhận dạng.

Lớp bốn: robots.txt, đường dẫn và quyền truy cập

Nhiều trường hợp thẻ đúng hết mà bài vẫn vắng mặt, vì bộ thu thập không vào được. Kiểm theo thứ tự:

1. Mở tệp robots.txt ở gốc tên miền. Tìm dòng Disallow chặn thư mục chứa bài hoặc PDF, đặc biệt các dòng chặn toàn bộ do người dựng site để lại từ giai đoạn thử nghiệm.
2. Kiểm trang bài và tệp PDF mở được mà không cần đăng nhập, không có hộp xác thực chống máy, không bị tường lửa chặn theo quốc gia.
3. Đường dẫn phải ổn định: một bài chỉ có một địa chỉ, không đổi khi cập nhật giao diện. Đổi cấu trúc đường dẫn hàng loạt mà không chuyển hướng 301 khiến bài cũ biến mất khỏi chỉ mục.
4. Có trang duyệt theo số hoặc theo năm, liên kết tới từng bài bằng đường dẫn thường, để bộ thu thập đi được từ trang chủ xuống tận bài.
5. Nếu website dùng chuyển hướng qua nhiều tên miền, rút về một tên miền chính và để các tên miền phụ chuyển hướng về đó.

Tự kiểm một bài đã vào hay chưa

Gõ trên Google Scholar tiêu đề bài đặt trong cặp nháy, hoặc dùng toán tử source: với tên tạp chí kèm vài từ khoá. Nếu bài hiện ra nhưng liên kết tới bản sao trên một kho khác, nghĩa là website của bạn chưa được nhận làm nguồn chính.

Một cách khác là tìm theo tên tác giả và lọc theo năm. Ghi lại vài bài mẫu ở các số khác nhau, cũ và mới, làm bộ kiểm định kỳ. Khi chỉ số mới vắng mặt, thủ phạm thường là thay đổi gần đây của website; khi số cũ biến mất, nghĩ tới đường dẫn đã đổi.

Sửa xong rồi chờ bao lâu, và những việc không cần làm

Google Scholar thu thập lại theo nhịp riêng, không có nút yêu cầu thu thập ngay. Sau khi sửa, thường phải chờ tính bằng tuần, có khi lâu hơn, trước khi thấy thay đổi. Trong lúc chờ:

• Không cần gửi thư hàng loạt cho Google Scholar; hướng dẫn chính thức nói rõ đa số vấn đề nằm ở phía website.
• Không cần mua dịch vụ “đưa bài lên Google Scholar”; không có kênh trả phí nào như vậy.
• Không nên tạo nhiều bản sao bài trên nhiều tên miền để “tăng khả năng được thấy”; việc đó làm bộ thu thập rối về đâu là bản chính.
• Nên ghi nhật ký thay đổi website (ngày sửa, sửa gì) để đối chiếu khi bài xuất hiện trở lại.

Nếu tạp chí có DOI qua Crossref, siêu dữ liệu đúng ở Crossref cũng giúp các dịch vụ khác liên kết về trang bài, nhưng nó không thay được thẻ meta trên chính trang bài.

Tình huống: số mới vắng mặt sau khi nâng cấp hệ thống

Triệu chứng

Một tạp chí chạy OJS nâng cấp lên bản mới và đổi giao diện. Vài tháng sau, ban biên tập thấy các số cũ vẫn hiện trên Google Scholar, còn hai số mới nhất thì không. Không ai nhận được thông báo lỗi nào, vì Google Scholar không gửi thông báo.

Cách lần ra

Người quản trị mở nguồn trang một bài mới và thấy không còn thẻ citation_ nào: plugin Google Scholar Indexing bị tắt trong quá trình nâng cấp. Mở tiếp tệp robots.txt thì thấy giao diện mới thêm dòng chặn thư mục tải tệp. Hai lỗi chồng lên nhau, mỗi lỗi đủ làm bài vắng mặt.

Cách sửa và theo dõi

Bật lại plugin, bỏ dòng chặn, kiểm lại ba bài mẫu bằng trình duyệt ẩn danh, rồi ghi ngày sửa vào nhật ký. Từ đó, mỗi lần nâng cấp hệ thống, toà soạn thêm một bước bắt buộc: xem nguồn trang một bài, mở robots.txt, tải thử một PDF. Ba thao tác mất năm phút nhưng tránh được nhiều tháng vắng mặt trên Google Scholar.

Câu hỏi thường gặp