Let’s re-search. APIs and web-scraping: A technical note on the ResearchGate case
Notice bibliographique
Résumé
This paper explores the growing need for more efficient and streamlined methods of retrieving academic data, especially when working with extensive datasets.It provides a detailed comparison of three retrieval techniques: manual searches, web scraping, and Application Programming Interfaces (APIs).While manual methods remain effective for small-scale searches, they quickly become impractical for large data volumes.In contrast, web scraping and APIs offer automation that significantly accelerates data collection.However, platforms like ResearchGate currently limit the use of these automated methods, forcing researchers to rely on manual processes.This paper advocates for ResearchGate to implement APIs, akin to those of Scopus and Web of Science, to provide controlled, secure, and efficient access to academic literature.Such advancements would be particularly beneficial to researchers from developing nations and institutions without access to subscription-based services.Furthermore, enabling automation would democratize access to scientific resources and foster a more inclusive global academic environment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,049 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,010 | 0,021 |
| Communication savante | 0,034 | 0,079 |
| Science ouverte | 0,005 | 0,016 |
| Intégrité de la recherche | 0,021 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».