OCLC vs CLARIVATE: la guerra por los metadatos . ¿Es posible abrir y compartir los catálogos de las bibliotecas?
Boletin SciELO-Mexico
Publicado en The Scholarly Kitchen
https://scholarlykitchen.sspnet.org/2022/06/22/oclc-sues-clarivate-over-the-new-metadoor-platform/
A principios de este año, Clarivate anunció discretamente un nuevo producto, MetaDoor, que se describe como una plataforma abierta para compartir registros de catalogación.
Posiblemente MetaDoor se basa en los datos recogidos por una empresa adquirida anteriormente por Innovative Interfaces (que finalmente se integró en Clarivate),
MetaDoor se posiciona como una estructura alternativa y gratuita para compartir datos de catálogos en la comunidad.
OCLC presentó una demanda en los tribunales de Ohio contra Clarivate y sus unidades operativas alegando un comportamiento de mercado predatorio y una interferencia en los contratos de OCLC con sus organizaciones miembro. Clarivate se ha opuesto enérgicamente a las demandas.
Desde hace más de 15 años se discute en torno a lo que las bibliotecas pueden y no pueden hacer con los registros de catalogación que crean y luego comparten.
OCLC también ha enfrentado polémicas. Tras anunciar cambios en su política de registros de WorldCat a finales de la década de 2000, se dividieron las opiniones a favor y en contra por parte de algunos miembros de la comunidad. En 2009, OCLC puso en marcha un grupo al que se le encomendó la tarea de "tratar de comprender el entorno actual en lo que respecta a la creación, el uso y la transferencia de datos y articular principios de creación de datos compartidos en consonancia con los valores de la cooperativa de OCLC". Poco después, se publicó un informe final y una nueva política en 2010.
Los pioneros en cualquier mercado tienen una ventaja sobre su competencia. La organización Ohio College Library Center (que acabó convirtiéndose en OCLC) no fue diferente.
En agosto de 1971, OCLC ayudó a la Alden Library de la Universidad de Ohio a lanzar el primer catálogo en línea de cualquier biblioteca del mundo. OCLC continuó siendo pionera en la digitalización e interconexión de los datos de los catálogos de las bibliotecas, al mismo tiempo que mejoraba los servicios y hacía que las bibliotecas fueran más eficientes. También comenzó a generar importantes excedentes económicos, con los que continuó ampliando los servicios que podía prestar a la comunidad bibliotecaria y servir a una red mundial. Lo que antes era una red regional de bibliotecas se convirtió en una institución masiva que sirve a una comunidad mundial de más de 30,000 bibliotecas, al tiempo que se ha convertido en uno de los principales empleadores del estado de Ohio.
Toda biblioteca necesita un catálogo de los documentos que posee y adquiere. Un buen catálogo es vital para gestionar una colección y apoyar su circulación. No se trata de un esfuerzo menor y, si se reprodujera individualmente en los miles de bibliotecas de todo el mundo, sería una tarea laboriosa y costosa, sobre todo si cada registro fuera elaborado a mano por expertos en biblioteconomía. En el mundo de la información digital era absolutamente lógico que se pudiera ganar en eficiencia haciendo que la red de bibliotecas compartiera tanto el trabajo como sus datos en colaboración, reduciendo así la duplicación innecesaria y mejorando la calidad general en toda la red.
OCLC afirma que ha invertido millones de dólares en trabajar con bibliotecarios y editores para construir y licenciar un catálogo mundial lo más completo posible.
Sin embargo, en los últimos diez años el ecosistema de datos ha cambiado significativamente. Las bibliotecas nacionales han publicado una gran cantidad de registros bibliográficos y datos vinculados (linked data). Algunas bibliotecas, en particular Harvard, Penn y Yale, han hecho públicos los datos de sus catálogos bajo una licencia CC0 (en el caso de Harvard) o OCD-BY.
Por otra parte, las editoriales están cada vez más dispuestas a compartir sus datos bibliográficos como forma de impulsar las ventas y aumentar el uso. El procesamiento automático de datos estructurados se ha vuelto increíblemente robusto, de modo que la agrupación, la descripción, la vinculación de materiales y el enriquecimiento son tareas mucho más sencillas para la mayoría con conocimientos básicos de codificación.
Es debatible la cuestión de si estos movimientos se corresponden con la calidad que se espera de los registros de catalogación, pero cabe esperar que las mejoras sigan erosionando el valor comparativo en el trabajo humano de catalogación.
Sin embargo, la cuestión de los derechos de los miembros de OCLC sigue siendo un tema debatido. En enero, el Program for Cooperative Cataloging (PCC) publicó una propuesta de declaración de política sobre registros de catalogación abiertos, en la que se esboza un punto intermedio para compartir los registros desarrollados por el PCC. Otro ejemplo: el año pasado, ICOLC elaboró un informe interno que, entre otras cosas, criticaba a OCLC por los costes y los problemas de interoperabilidad de los registros que agrega WorldCat, incluidas las limitaciones de lo que las bibliotecas y otros proveedores de este espacio pueden hacer con esos datos.
La posición de OCLC es que trabaja en el mejor interés de todas las bibliotecas y presta un enorme servicio a través de su agregación, mejora, difusión y distribución de registros bibliográficos. Además, toma los excedentes que genera este negocio y realiza grandes inversiones en otros servicios, herramientas y proyectos de investigación de las bibliotecas. Muchos han argumentado que OCLC es una fuerza positiva para las bibliotecas y la tecnología bibliotecaria.
Otros han sido más críticos vs OCLC, especialmente los actores comerciales en este espacio. Algunos participantes en este ecosistema que han intentado romper el control de OCLC sobre el flujo de datos bibliográficos. Por ejemplo, en 2010 SkyRiver, una pequeña empresa de servicios de datos bibliográficos, presentó una demanda en la que alegaba que OCLC estaba incurriendo en un comportamiento corporativo anticompetitivo al ejercer un control monopolístico sobre el intercambio de datos bibliotecarios. Innovative Interfaces Inc (III) también se sumó a la demanda, que fue retirada cuando SkyRiver fue adquirida por III en 2013. El servicio sigue funcionando y, como parte de la organización más grande de Clarivate, probablemente haya sembrado el servicio MetaDoor, pero la cartera de Clarivate probablemente contenga cantidades significativas de datos de otras fuentes.
El negocio de servicios de catálogo de SkyRiver es una fracción del tamaño de WorldCat de OCLC, con aproximadamente 70 millones de registros, en comparación con los más de 500 millones de WorldCat, según la demanda.
La falta de un catálogo completo y unificado de datos de existencias de las bibliotecas es una laguna en la pila tecnológica de los servicios bibliotecarios de Clarivate. Clarivate también podría argumentar que se necesitaría menos interoperabilidad en el mundo de los servicios bibliotecarios si toda la tecnología fuera manejada por un solo proveedor. Pero esta provisión de todos los servicios por parte de un único proveedor, aunque atractiva a primera vista, también pondría a la comunidad preocupantemente a merced de los caprichos de ese único proveedor.
Obviamente, si una nueva fuente de datos bibliográficos de alta calidad está disponible, podría tener un impacto negativo en las ventas de otros repositorios de datos. Los datos bibliográficos son un bien muy sustituible, y la gratuidad es siempre un punto de precio mejor que cualquier cosa que no sea gratuita.
A pesar de las quejas ocasionales, los datos de OCLC son de una calidad extremadamente alta. ¿Podrían otros lograr un nivel de datos similar, con los recursos adecuados (digamos el 74% del mercado mundial de ILS académicos y 1,900 millones de dólares de ingresos al año? Casi con toda seguridad, sí.
En lugar de realizar el costoso enriquecimiento y el control de calidad por sí mismo, Clarivate pretende aprovechar el trabajo colectivo de la comunidad bibliotecaria para enriquecer su servicio. Ciertamente, hay razones para creer que algunos miembros de la comunidad bibliotecaria podrían estar motivados para contribuir a un repositorio abierto de datos de catalogación.
Sin embargo, como señala a menudo Kaitlin Thaney en Invest in Open Infrastructure, hay que tener cuidado con los intereses que controlan la plataforma en la que se comparten los datos/contenidos abiertos. Hay que recordar el adagio de la era de Internet: "Si no pagas por el producto, tú eres el producto" (you are the product).
En cuanto a la afirmación central de OCLC, es extraño que Clarivate no fuera escrupuloso en cuanto a la procedencia de los datos, ya que gran parte de estos datos están disponibles de forma gratuita como datos enlazados, o a partir de las fuentes de los editores, u otros recursos. Sin embargo, en un entorno de rastreo por parte de máquinas, de intercambio desordenado y de un mundo con muchos miles de millones de registros, los errores son inevitables.
Clarivate tendría ciertamente la carga de asegurar que no está publicando de forma inapropiada datos con licencia, de la misma manera que no debería estar publicando de nuevo contenido de texto de otros editores en sus productos, es decir, que saben de dónde están recogiendo datos y qué derechos están asociados a ellos. Por supuesto, si hay pruebas de lo contrario, entonces OCLC tiene sin duda un caso en los Estados Unidos.
OCLC ha demostrado ser muy hábil a la hora de utilizar la Ley de Ohio -incluso llegando a presionar para que se modifique la Ley de Ohio- en su beneficio. Todas las grandes empresas (así como las organizaciones sin ánimo de lucro y las instituciones educativas) utilizan sistemas legales y de presión para conseguir sus fines.
Que comience la guerra de los metadatos
JUN 22, 2022e
Los pioneros en cualquier mercado tienen una ventaja sobre su competencia. La organización Ohio College Library Center (que acabó convirtiéndose en OCLC) no fue diferente.
En 1967, antes de que la mayoría supiera lo que era un ordenador o cómo podría afectar positivamente a nuestras vidas, su equipo con sede en Dublín, Ohio, estaba haciendo grandes progresos en la gestión electrónica de la información bibliográfica. En agosto de 1971, la cooperativa ayudó a la Alden Library (Alden Library) de la Universidad de Ohio (Ohio University) a lanzar el primer catálogo en línea de cualquier biblioteca del mundo. OCLC continuó siendo pionera en muchos de los movimientos para digitalizar e interconectar los datos de los catálogos de las bibliotecas, al mismo tiempo que mejoraba los servicios y hacía que las bibliotecas fueran más eficientes. También comenzó a generar importantes excedentes, con los que continuó ampliando los servicios que podía prestar a la comunidad bibliotecaria y servir a una red mundial. Lo que antes era una red regional de bibliotecas se ha convertido hoy en una institución masiva que sirve a una comunidad mundial de más de 30.000 bibliotecas, al tiempo que se ha convertido en uno de los principales empleadores del estado de Ohio (leading employers in the state of Ohio).
Toda biblioteca necesita un catálogo de los artículos que posee y adquiere. Un buen catálogo es vital para gestionar una colección y apoyar su circulación. No se trata de un esfuerzo menor y, si se reprodujera individualmente en los miles de bibliotecas de todo el mundo, sería una tarea laboriosa y costosa, sobre todo si cada registro fuera elaborado a mano por expertos en biblioteconomía. En el mundo de la información digital era absolutamente lógico que se pudiera ganar en eficiencia haciendo que la red de bibliotecas compartiera tanto el trabajo como sus datos en colaboración, reduciendo así la duplicación innecesaria y mejorando la calidad general en toda la red. OCLC afirma, razonablemente, que ha invertido millones de dólares en trabajar con bibliotecarios y editores para construir y licenciar un catálogo mundial lo más completo posible. Mejora regularmente la calidad de sus registros (enhances the quality of its records) mediante una serie de enfoques. Esto ha beneficiado a la gran mayoría de las bibliotecas y también a los resultados de OCLC.
Sin embargo, en los últimos diez años el ecosistema de datos ha cambiado significativamente. Las bibliotecas nacionales (National Libraries) han publicado una gran cantidad de registros bibliográficos y datos vinculados (linked data). Algunas bibliotecas, en particular Harvard (Harvard), Penn y Yale, han hecho públicos los datos de sus catálogos bajo una licencia CC0 (en el caso de Harvard -the case of Harvard) o OCD-BY. Las editoriales están cada vez más dispuestas a compartir sus datos bibliográficos como forma de impulsar las ventas y aumentar el uso. El procesamiento automático de datos estructurados se ha vuelto increíblemente robusto, de modo que la agrupación, la descripción, la vinculación de materiales y el enriquecimiento son tareas mucho más sencillas para la mayoría con conocimientos básicos de codificación. La cuestión de si estos movimientos se corresponden con la calidad que se espera de los registros de catalogación está abierta, pero cabe esperar que las mejoras sigan erosionando el valor comparativo en el trabajo humano de catalogación.
A principios de este año, Clarivate anunció discretamente un nuevo producto, MetaDoor, que se describe como una plataforma abierta para compartir registros de catalogación. Posiblemente basado en los datos recogidos por una empresa adquirida anteriormente por Innovative Interfaces (que finalmente se integró en Clarivate -eventually was folded into Clarivate), este nuevo producto se posiciona como una estructura alternativa y gratuita para compartir datos de catálogos en la comunidad. Al tratar de reclutar miembros para que utilicen el nuevo servicio y sean los primeros en adoptarlo, Clarivate ha llamado la atención de OCLC, que ve este nuevo producto como un competidor obvio de su servicio insignia WorldCat. Cuestionando tanto el origen de los datos de MetaDoor como sus esfuerzos por reclutar participantes en este ecosistema de intercambio de datos -en incumplimiento de sus acuerdos con OCLC-, la semana pasada OCLC presentó una demanda en los tribunales de Ohio (filed a lawsuit in Ohio courts) contra Clarivate y sus unidades operativas alegando un comportamiento de mercado predatorio y una interferencia torticera en los contratos de OCLC con sus organizaciones miembro. Clarivate se ha opuesto enérgicamente a las demandas (strenuously objected to the claims).
Los argumentos en torno a lo que las bibliotecas pueden y no pueden hacer con los registros de catalogación que crean y luego comparten han sido un problema desde hace más de 15 años ( well over 15 years). La revisión de la política de registros de WorldCat también se remonta a mediados de la década de 2000. Tras anunciar cambios en su política a finales de la década de 2000, algunos miembros de la comunidad se rebelaron contra la política recién anunciada, mientras que otros apoyaron los cambios (rebelled against the newly announced policy). Esto puso en marcha un nuevo grupo público para revisar los principios de intercambio de datos que rodean el uso de los registros de catalogación de OCLC, en respuesta a una petición de la comunidad lanzada por Elaine Sanchez (Elaine Sanchez). En 2009, OCLC puso en marcha (launched a group) un grupo al que se le encomendó la tarea de "tratar de comprender el entorno actual en lo que respecta a la creación, el uso y la transferencia de datos y articular principios de creación de datos compartidos en consonancia con los valores de la cooperativa de OCLC". Poco después, se publicó un informe final y una nueva política en 2010 (new policy was released in 2010.).
Sin embargo, esto no puso fin a las conversaciones en la comunidad; la cuestión de los derechos de los miembros de OCLC ha sido un tema constante que algunos quieren presionar (some are keen to press.). En enero, el Program for Cooperative Cataloging publicó una propuesta de declaración de política (issued a proposed policy statement sobre registros de catalogación abiertos, en la que se esboza un punto intermedio para compartir los registros desarrollados por el PCC. Otro ejemplo: el año pasado, ICOLC elaboró un informe interno que, entre otras cosas, criticaba a OCLC (ICOLC produced an internal report) por los costes y los problemas de interoperabilidad de los registros que agrega WorldCat, incluidas las limitaciones de lo que las bibliotecas y otros proveedores de este espacio pueden hacer con esos datos. OCLC respondió de forma privada, pero basándose en las preguntas frecuentes (FAQ) que acompañaban a la presentación legal, se puede suponer cuál fue su respuesta.
La posición de OCLC es que trabaja en el mejor interés de todas las bibliotecas y presta un enorme servicio a través de su agregación, mejora, difusión y distribución de registros bibliográficos. Además, toma los excedentes que genera este negocio y realiza grandes inversiones en otros servicios, herramientas y proyectos de investigación de las bibliotecas. Muchos han argumentado que OCLC es una fuerza positiva para las bibliotecas y la tecnología bibliotecaria. Otros han sido más críticos, especialmente los actores comerciales en este espacio.
Ha habido algunos participantes en este ecosistema que han intentado romper el control de OCLC sobre el flujo de datos bibliográficos. Por ejemplo, en 2010 SkyRiver, una pequeña empresa de servicios de datos bibliográficos, presentó una demanda en la que alegaba que OCLC estaba incurriendo en un comportamiento corporativo anticompetitivo al ejercer un control monopolístico sobre el intercambio de datos bibliotecarios. Innovative Interfaces Inc (III) también se sumó a la demanda, que fue retirada (was dropped) when SkyRiver was cuando SkyRiver fue adquirida por III en 2013 (acquired by III in 2013). El servicio sigue funcionando y, como parte de la organización más grande de Clarivate, probablemente haya sembrado el servicio MetaDoor, pero la cartera de Clarivate probablemente contenga cantidades significativas de datos de otras fuentes. El negocio de servicios de catálogo de SkyRiver es una fracción del tamaño de WorldCat de OCLC, con aproximadamente 70 millones de registros, en comparación con los más de 500 millones de WorldCat, según la demanda. Qué hacer con este recurso y cómo posicionar el servicio parece haber estado acechando entre bastidores mientras III, ExLibris, ProQuest y ahora Clarivate se han movido a través de sus diversas actividades de fusión, muy probablemente porque las cadenas de fusiones corporativas pueden ser bastante desconcertantes. La falta de un catálogo completo y unificado de datos de existencias de las bibliotecas es una laguna en la pila tecnológica de los servicios bibliotecarios de Clarivate. Clarivate también podría argumentar que se necesitaría menos interoperabilidad en el mundo de los servicios bibliotecarios si toda la tecnología fuera manejada por un solo proveedor. Pero esta provisión de todos los servicios por parte de un único proveedor, aunque atractiva a primera vista, también pondría a la comunidad preocupantemente a merced de los caprichos de ese único proveedor.
Obviamente, si una nueva fuente de datos bibliográficos de alta calidad está disponible, podría tener un impacto negativo en las ventas de otros repositorios de datos. Los datos bibliográficos son un bien muy sustituible, y la gratuidad es siempre un punto de precio mejor que cualquier cosa que no sea gratuita. Las cuestiones importantes son si los datos gratuitos son realmente de tan alta calidad como los datos conservados y si son adecuados para su finalidad. A pesar de las quejas ocasionales, los datos de OCLC son de una calidad extremadamente alta. ¿Podrían otros lograr un nivel de datos similar, con los recursos adecuados (digamos el 74% del mercado mundial de ILS académicos y 1.900 millones de dólares de ingresos al año - 74% market share of the worldwide academic ILS market and $1.9 billion in revenues per year)? Casi con toda seguridad, sí. En lugar de realizar el costoso enriquecimiento y el control de calidad por sí mismo, Clarivate pretende aprovechar el trabajo colectivo de la comunidad bibliotecaria para enriquecer su servicio. Ciertamente, hay razones para creer que algunos miembros de la comunidad bibliotecaria podrían estar motivados para contribuir a un repositorio abierto de datos de catalogación. Sin embargo, como señala a menudo Kaitlin Thaney en Invest in Open Infrastructure, hay que tener cuidado con los intereses que controlan la plataforma en la que se comparten los datos/contenidos abiertos. Hay que recordar el adagio de la era de Internet: "Si no pagas por el producto, tú eres el producto" (you are the product).
En cuanto a la afirmación central de OCLC, me parecería extraño que Clarivate no fuera escrupuloso en cuanto a la procedencia de los datos, ya que gran parte de estos datos están disponibles de forma gratuita como datos enlazados, o a partir de las fuentes de los editores, u otros recursos. Sin embargo, en un entorno de rastreo por parte de máquinas, de intercambio desordenado y de un mundo con muchos miles de millones de registros, los errores son inevitables. Clarivate tendría ciertamente la carga de asegurar que no está publicando de forma inapropiada datos con licencia, de la misma manera que no debería estar publicando de nuevo contenido de texto de otros editores en sus productos, es decir, que saben de dónde están recogiendo datos y qué derechos están asociados a ellos. Por supuesto, si hay pruebas de lo contrario, entonces OCLC tiene sin duda un caso en los Estados Unidos.
En cuanto a si se trata de una infracción fraudulenta, no estoy cualificado para profundizar en los detalles, ni quiero especular sobre ello. Está claro que esta cuestión se resolverá o se llevará a los tribunales, ya que el resultado es muy importante para OCLC. OCLC ha demostrado ser muy hábil a la hora de utilizar la Ley de Ohio -incluso llegando a presionar para que se modifique la Ley de Ohio (lobby for changes to Ohio Law)- en su beneficio. Esto no es en absoluto una crítica; todas las grandes empresas (así como las organizaciones sin ánimo de lucro y las instituciones educativas) utilizan sistemas legales y de presión para conseguir sus fines.
******************************************
Let the Metadata Wars Begin
JUN 22, 2022e
Early movers in any market have an advantage over their competition. The Ohio College Library Center organization (which eventually grew to become OCLC) was no different.
In 1967, before most even knew what a computer was or how it might positively affect our lives, its team based in Dublin, Ohio was making great progress in the electronic management of bibliographic information. In August of 1971, the cooperative helped the Alden Library at Ohio University launch the first online catalog of any library in the world. OCLC continued to be a pioneer in many of the moves to digitize and interconnect library catalog data, all the while improving the services and making libraries more efficient. It also began to generate significant surpluses, with which it continued to expand the services it could provide to the library community and serve a worldwide network. What was once a regional network of libraries has today become a massive institution serving a global community of more than 30,000 libraries, while also becoming one of the leading employers in the state of Ohio.
Every library needs a catalog of the items it holds and acquires. A good catalog is vital to managing a collection and supporting its circulation. This is no small effort and, if individually replicated in the thousands of libraries around the world, it would be a laborious and costly endeavor, particularly if each record was hand-curated by experts in library sciences. It absolutely made sense in the world of digital information that efficiencies could be gained by having the network of libraries share both the work and their data collaboratively, thereby reducing unnecessary duplication and improving overall quality across the network. OCLC claims, reasonably, that it has invested millions of dollars in working with librarians and publishers to build and license as comprehensive a worldwide catalog as possible. It regularly enhances the quality of its records through a variety of approaches. This has benefited the vast majority of libraries and also OCLC’s bottom line.
However, in the past ten years the ecosystem of data has changed significantly. National Libraries have released troves of bibliographic records and linked data. Some libraries, notably Harvard, Penn, and Yale, have released their catalog data publicly under either a CC0 (in the case of Harvard) or an OCD-BY license. Publishers are increasingly eager to share their bibliographic data as a way to drive sales and increase usage. Machine processing of structured data has become incredibly robust, so that grouping, description, linking materials, and enrichment, are much simpler tasks for most with basic coding skills. Whether these moves match the quality expected of cataloging records is an open question, but one can expect improvements will continue to erode the comparative value in the human work of cataloging.
Earlier this year, Clarivate quietly announced a new product, MetaDoor, which is described as an open platform for sharing cataloging records. Possibly building upon data gathered by a company earlier acquired by Innovative Interfaces (which eventually was folded into Clarivate), this new product is being positioned as an alternative, free structure to share catalog data in the community. In trying to recruit members to use the new service and be early adopters, Clarivate has caught the attention of OCLC, who views this new product as an obvious competitor to its flagship WorldCat service. Challenging both the source of the data in MetaDoor and its efforts to recruit participants in this data-sharing ecosystem — in breach of their agreements with OCLC — last week OCLC filed a lawsuit in Ohio courts against Clarivate and its operating units claiming predatory market behavior and tortious interference in OCLC’s contracts with its member organizations. Clarivate has strenuously objected to the claims.
The arguments around what libraries can and cannot do with the cataloging records that they create and then share has been an issue for well over 15 years now. Review of the WorldCat records policy also goes back to the mid 2000s. After announcing changes to its policy in the late 2000s, some in the community rebelled against the newly announced policy, while others supported the changes. This set in motion a new public group to review the data-sharing principles that surround the use of OCLC’s cataloging records, in response to a community petition launched by Elaine Sanchez. In 2009, OCLC launched a group that was tasked to “seek to understand today’s environment as it relates to the creation, use and transfer of data and articulate principles of shared data creation consonant with the values of the OCLC cooperative.” Shortly thereafter, a final report was issued and a new policy was released in 2010.
However, this didn’t end the conversations in the community; the question of the rights of OCLC members has been an ongoing issue that some are keen to press. The Program for Cooperative Cataloging issued a proposed policy statement on open cataloging records in January, outlining a middle ground for sharing of PCC-developed records. Another example: last year, ICOLC produced an internal report that, among other things, criticized OCLC for the costs and interoperability concerns of the records WorldCat aggregates, including limitations on what libraries and other vendors in this space can do with that data. OCLC responded privately, but based on the FAQ that accompanied the legal filing, one can surmise what its response was.
OCLC’s position is that it is working in the best interests of all libraries and does a tremendous service through its aggregation, enhancements, dissemination, and distribution of bibliographic records. Furthermore, it takes the surpluses that this business generates and invests heavily in other library services, tools, and research projects. Many have argued that OCLC is a positive force for libraries and library technology. Others have been more critical, particularly commercial players in this space.
There have been a few entrants into this ecosystem seeking to crack OCLC’s control over the bibliographic data stream. For example, in 2010 SkyRiver, a small bibliographic data services company, launched a lawsuit alleging that OCLC was engaging in anti-competitive corporate behavior by exerting monopolistic control over library data exchange. Innovative Interfaces Inc (III) also joined the lawsuit, which was dropped when SkyRiver was acquired by III in 2013. The service continues to operate and, as part of the larger Clarivate organization, likely seeded the MetaDoor service, but Clarivate’s portfolio likely contains significant amounts of data from other sources. SkyRiver’s catalog service business is a fraction of the size of OCLC’s WorldCat, with roughly 70 million records, compared to WorldCat’s 500+ million according to the complaint. What to do with this resource and how to position the service seems to have been lurking behind the scenes as III, ExLibris, ProQuest, and now Clarivate have moved through their various merger activities, most likely because strings of corporate mergers can be quite distracting. The lack of a comprehensive, unified catalog of library holdings data is a gap in Clarivate’s library services technology stack. Clarivate might also argue that less interoperability would be needed in the world of library services if all of the technology was handled by a single provider. But this sole-source provision of all services, while appealing at first glance, would also put the community troublingly at the whims of that one provider.
Obviously, if a new high-quality source of bibliographic data becomes available, it could have a negative impact on the sales of other data stores. Bibliographic data is a very substitutable good, and free is always a better price point than anything more than not-free. Whether the free data is really as high-quality as curated data and whether it is fit for purpose are the important questions. Despite the occasional complaint, the OCLC data is of an extremely high quality. Could a similar level of data be achieved by others, with the right resources (say 74% market share of the worldwide academic ILS market and $1.9 billion in revenues per year)? Almost certainly, yes. Rather than doing the costly enrichment and quality control itself, Clarivate is seeking to leverage the collective work of the library community in enriching its service. There is certainly a reason to believe some in the library community might be motivated to contribute to an open repository of cataloging data. However, as Kaitlin Thaney at Invest in Open Infrastructure often notes, people should be wary of the interests controlling the platform on which open data/content is being shared. One should be reminded of the internet-age adage: “If you’re not paying for the product, you are the product.”
To the core claim of OCLC, it would strike me as odd if Clarivate wouldn’t be scrupulous in where it would be gathering data from, since much of the core of this data is freely available as linked data, or from publisher’s feeds, or other resources. However, in an environment of machine crawling, haphazard sharing, and a world of many billions of records, errors are bound to happen. Clarivate certainly would have the burden of ensuring it is not inappropriately republishing licensed data, in much the same way it shouldn’t be republishing text content from other publishers in its products, i.e., that they know where they were gathering data from and what rights are associated with it. Of course, if there is proof to the contrary, then OCLC most certainly has a case in the United States.
As to whether this is a tortious breach, this is certainly something I am neither qualified to delve into the details of, nor something I choose to speculate on. Clearly this question will either be settled or head to the courts, because so much is riding on the outcome for OCLC. OCLC has proven adept at using Ohio Law – even going so far as to lobby for changes to Ohio Law – to its benefit. This is not at all a criticism; all large companies (as well as non-profits and educational institutions) use legal and lobbying systems to achieve their ends.
One question at issue centers on, in an esoteric way, the presence of an OCLC Cataloging Number (OCN) in the catalog records that MetaDoor has shared (clause 97 on page 22 of the filing), which OCLC is taking as proof that the record did indeed begin within their records system. However, in 2013 in the early days of linked open data (which perhaps ended not long thereafter) Jim Michalko, then part of the team at OCLC Research (since retired), wrote about the value of sharing OCN data publicly and announced that OCLC had taken the decision to release the OCN data as if it is in the public domain. An Archive.org version of the OCLC WorldCat Record Use and Data Licensing terms page from 2014 states as much. It is unclear that this remains OCLC’s policy — probably not, because that current page does not list any such language. However, to this day, OCLC’s definition of Worldshare Reports elements under the OCLC Number definition states that: “OCLC encourages the use of the OCLC Control Number in any appropriate library application, where it can be treated as if it is in the public domain.” The “as if” in that sentence is carrying a lot of weight here — who can really tell what it means when something is kinda-sorta-public-domain-but-not-really. Perhaps it is the sort of thing that could land one in court. “Squishy” legal language often surrounds open access licenses that aren’t strictly CC-BY, causing headaches for users who can’t decide what they can or can’t do with something they find on the web. It also highlights the problem that is created once you release information onto the web with the equivalent of an open license: even if you subsequently want to take it back, sometimes it is impossible to do so in reality. I don’t want to suggest that this unclear language is indicative of how Clarivate accessed this information, or whether whomever has shared it based their decision to do so on this, but it is relevant.
This is certainly not to say that Clarivate is acting in the world’s interest here. As the market-dominating powerhouse in library systems, especially in the academic market, there is a real benefit to Clarivate of breaking the control over cataloging records that OCLC has held for decades. Many of the services that one can envision libraries — or networks of libraries — requiring will need reliable information on holdings to function properly. One solution is interoperability, but this requires a willingness to share data equitably, in standard forms, and under reasonable terms, something that isn’t always in corporate interests to pursue. The near-monopoly OCLC has on this data inhibits some potential products and services that ExLibris (and others) sought to pursue prior to the Clarivate merger. Increasing the power of an already dominant player probably is not a good thing for libraries writ large, since a lack of competition in a marketplace tends not to yield better results for customers. SPARC made this point in its unsuccessful effort to influence the FTC’s exploration of whether to block the ProQuest/Clarivate merger last year.
If Clarivate is actively recruiting libraries to share the data that they possess in breach of their contracts with OCLC, the ultimate decision on whether this sharing is permissible – or whether, in fact, breaches their contracts – is taken by the library providing the cataloging data, not Clarivate. If breaches are happening, then there are libraries that might also expect an action for breach of contract. However, suing your members/customers is never a wise business strategy, so OCLC is likely to tread lightly there. It seems according to the filing (if proven) that some on Clarivate’s team are inartfully encouraging this breach — or perhaps more generously, encouraging the belief that this is not a breach — but, based on the complaint, there is probably little hard proof this is happening at scale. Perhaps more specifics will come to light in the discovery process or at trial.
Realistically, this battle is very similar to the discussions afoot in scholarly publishing around access and sharing of data related to discovery and use. The availability of open citations, the discussions about open identifiers for institutions, and the questions around open infrastructure all hinge around the ecosystem of data — who controls it, and what can be done with the data once it is aggregated. Looking to the future, there will be many battles raging about who controls what data and who can do things with it. Since everyone wants to be an “analytics company” these days, this could include usage data on open access materials, predictive analysis trained on open content, or (as in this case) leveraging the distribution of open catalog data to embed or extend your market-dominating position.
There is black gold in that data (so they say). And, when there’s gold on the table, sadly, there is usually a fight brewing about who gets to cash it in. This lawsuit likely will not be a single battle between two large players, but part of a larger war to control the data and metadata that are so valuable in our world.
DISCLOSURE: Both OCLC and Clarivate are members of NISO and Mary Sauer-Games (VP of Global Product Development, OCLC) currently serves as Chair of NISO’s Board of Directors. Neither organization nor their representatives were involved in the preparation of this post.
Todd A Carpenter
Todd Carpenter is Executive Director of the National Information Standards Organization (NISO). He additionally serves in a variety of leadership roles of a variety of organizations, including the ISO Technical Subcommittee on Identification & Description (ISO TC46/SC9), the Coalition for Seamless Access, and the Foundation of the Baltimore County Public Library.
View All Posts by Todd A Carpenter