Los artículos de investigación, los autores y las instituciones son entidades complejas cuyos datos bibliométricos están dispersos en múltiples bases de datos. Entity Enricher le permite definir schemas personalizados para recuentos de citas, valores del índice h, afiliaciones institucionales, detalles de metodología y fuentes de financiación, todo enriquecido y validado de forma cruzada por múltiples modelos de IA.
Los datos bibliométricos están distribuidos entre PubMed, Scopus, Web of Science, Google Scholar y repositorios institucionales. Los recuentos de citas varían entre índices, las afiliaciones de los autores cambian con el tiempo y la calidad de los metadatos es inconsistente. La agregación manual es tediosa y propensa a errores, especialmente para revisiones sistemáticas o análisis del panorama de investigación.
El enfoque de Entity Enricher es especialmente adecuado para este desafío. Varios LLM aportan cada uno datos de entrenamiento y conocimientos distintos, lo que produce una cobertura más rica. La fusión multimodelo concilia luego las diferencias: si dos modelos informan recuentos de citas distintos, se selecciona automáticamente el valor mediano, o un modelo de arbitraje puede razonar sobre qué fuente es más fiable.
Defina exactamente los campos bibliométricos y metodológicos que su análisis necesita. Use la generación de esquemas con IA para crear este esquema a partir de un registro de publicación de muestra.
{
"name": "ResearchEntity",
"properties": {
"title": { "type": "string", "is_key": true },
"authors": {
"type": "array",
"items": {
"type": "object",
"properties": {
"name": { "type": "string" },
"affiliation": { "type": "string" },
"orcid": { "type": "string" },
"h_index": { "type": "number" }
}
}
},
"doi": { "type": "string" },
"publication_year": { "type": "number" },
"journal": { "type": "string" },
"impact_factor": { "type": "number" },
"citation_count": { "type": "number" },
"abstract_summary": { "type": "string" },
"methodology": {
"type": "object",
"properties": {
"study_type": { "type": "string" },
"sample_size": { "type": "number" },
"statistical_methods": { "type": "array" },
"peer_reviewed": { "type": "boolean" }
}
},
"keywords": { "type": "array", "items": { "type": "string" } },
"funding_sources": {
"type": "array",
"items": {
"type": "object",
"properties": {
"funder": { "type": "string" },
"grant_id": { "type": "string" }
}
}
}
}
}Separar los datos bibliométricos de la metodología y la información institucional permite que cada dominio de especialización reciba un prompt enfocado, lo que da como resultado un enriquecimiento más preciso.
| Campo | Especialización | Descripción |
|---|---|---|
| title | General | Título completo de la publicación y títulos alternativos |
| authors | Bibliométrico | Nombres de autores, afiliaciones, identificadores ORCID y valores del índice h |
| citation_count | Bibliométrico | Recuento total de citas de los principales índices |
| impact_factor | Bibliométrico | Factor de impacto de la revista en el momento de la publicación |
| methodology | Metodología | Diseño del estudio, tamaño de la muestra y métodos estadísticos utilizados |
| keywords | General | Términos MeSH, palabras clave del autor y códigos de clasificación |
| funding_sources | Institucional | Agencias de financiación, números de subvención e importes |
| abstract_summary | General | Resumen conciso de los hallazgos de la investigación |
Defina campos para datos bibliométricos, metodología e información institucional. Pegue un registro de publicación de muestra y deje que la IA genere el esquema.
Proporcione títulos de artículos, DOI o nombres de autores. Use el modo por lotes para procesar listas de lectura o conjuntos de candidatos para revisiones sistemáticas.
Varios LLM investigan cada publicación de forma independiente, aprovechando distintos datos de entrenamiento para una cobertura más amplia de las bases de datos de citas y los registros institucionales.
Descargue los datos bibliométricos estructurados como JSON para análisis programático o como Excel para revisión y anotación manual.
Enriquezca artículos candidatos con detalles metodológicos, tamaños de muestra e indicadores de calidad para el cribado y la evaluación de elegibilidad.
Trace tendencias de publicación, redes de colaboración y patrones de financiación en un domain de expertise o área terapéutica.
Enriquezca perfiles de investigadores con el índice h, el historial institucional, la financiación de subvenciones y las redes de colaboración para decisiones de contratación o asociación.
Identifique fuentes de financiación, montos de subvenciones y temas financiados en su área de investigación para orientar la estrategia de subvenciones.
Defina su esquema bibliométrico, valide de forma cruzada con múltiples modelos de IA y obtenga inteligencia de investigación estructurada para revisiones sistemáticas y análisis de panorama.
Empiece gratis