Les publications scientifiques, les auteurs et les institutions sont des entités complexes dont les données bibliométriques sont dispersées dans plusieurs bases de données. Entity Enricher vous permet de définir des schémas personnalisés pour le nombre de citations, les valeurs d'indice h, les affiliations institutionnelles, les détails méthodologiques et les sources de financement -- le tout enrichi et validé de manière croisée par plusieurs modèles d'IA.
Les données bibliométriques sont réparties entre PubMed, Scopus, Web of Science, Google Scholar et les dépôts institutionnels. Le nombre de citations varie selon les index, les affiliations des auteurs évoluent avec le temps et la qualité des métadonnées est inégale. L'agrégation manuelle est fastidieuse et sujette aux erreurs, en particulier pour les revues systématiques ou l'analyse du paysage de la recherche.
L'approche d'Entity Enricher est particulièrement adaptée à ce défi. Plusieurs LLM apportent chacun des données d'entraînement et des connaissances différentes, produisant une couverture plus riche. La fusion multi-modèles réconcilie ensuite les écarts -- si deux modèles rapportent des nombres de citations différents, la valeur médiane est sélectionnée automatiquement, ou un modèle d'arbitrage peut déterminer par raisonnement quelle source est la plus fiable.
Définissez exactement les champs bibliométriques et méthodologiques dont votre analyse a besoin. Utilisez la génération de schéma par IA pour créer ce schéma à partir d'un enregistrement de publication d'exemple.
{
"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" }
}
}
}
}
}Séparer les données bibliométriques des informations méthodologiques et institutionnelles permet à chaque domaine d'expertise de recevoir un prompt ciblé, pour un enrichissement plus précis.
| Champ | Expertise | Description |
|---|---|---|
| title | Général | Titre complet de la publication et titres alternatifs |
| authors | Bibliométrique | Noms d'auteurs, affiliations, identifiants ORCID et indices h |
| citation_count | Bibliométrique | Nombre total de citations issues des principaux index |
| impact_factor | Bibliométrique | Facteur d'impact de la revue au moment de la publication |
| methodology | Méthodologie | Conception de l'étude, taille de l'échantillon et méthodes statistiques utilisées |
| keywords | Général | Termes MeSH, mots-clés d'auteur et codes de classification |
| funding_sources | Institutionnel | Agences de financement, numéros de subvention et montants |
| abstract_summary | Général | Résumé concis des résultats de la recherche |
Définissez des champs pour les données bibliométriques, la méthodologie et les informations institutionnelles. Collez un enregistrement de publication d'exemple et laissez l'IA générer le schéma.
Fournissez des titres d'articles, des DOI ou des noms d'auteurs. Utilisez le mode traitement par lot pour traiter des listes de lecture ou des ensembles de candidats à une revue systématique.
Plusieurs LLM recherchent indépendamment chaque publication, en exploitant des données d'entraînement différentes pour une couverture plus large des bases de citations et des registres institutionnels.
Téléchargez des données bibliométriques structurées au format JSON pour une analyse programmatique, ou Excel pour une revue et une annotation manuelles.
Enrichissez les articles candidats avec les détails méthodologiques, les tailles d'échantillon et les indicateurs de qualité pour la sélection et l'évaluation de l'éligibilité.
Cartographiez les tendances de publication, les réseaux de collaboration et les dynamiques de financement dans un domaine de recherche ou une aire thérapeutique.
Enrichissez les profils de chercheurs avec l'indice h, l'historique institutionnel, les subventions obtenues et les réseaux de collaboration pour vos décisions de recrutement ou de partenariat.
Identifiez les sources de financement, les montants des subventions et les sujets financés dans votre domaine de recherche pour éclairer votre stratégie de subventions.
Définissez votre schéma bibliométrique, validez de manière croisée avec plusieurs modèles d'IA et obtenez une intelligence de recherche structurée pour vos revues systématiques et analyses de paysage.
Commencer gratuitement