Toda vez que Eddie Smolyansky tinha alguns momentos para si mesmo, ele tentava ficar a par de novas publicações em seu campo.Mas em 2016, o pesquisador de visão de computador, com sede em Tel Aviv, Israel, estava recebendo centenas de recomendações automatizadas de literatura por dia."Em algum momento, os intervalos do banheiro não eram suficientes", diz ele.As recomendações eram “demais e impossíveis de acompanhar”.
A "fadiga alimentar" de Smolyansky será familiar para muitos acadêmicos.Ferramentas de alerta acadêmico, originalmente projetadas para focar a atenção em artigos relevantes, tornaram -se um obstáculo, inundando as caixas de cientistas em todo o mundo em todo o mundo.
"Eu nem tenho lido minhas pesquisas automatizadas no PubMed ultimamente porque é realmente esmagador", diz Craig Kaplan, biólogo da Universidade de Pittsburgh na Pensilvânia.“Eu honestamente não posso manter o topo da literatura.”
Mas a mudança está em andamento.Em 2019, Smolyansky co-fundou os documentos conectados, uma de uma nova geração de ferramentas de mapeamento e recomendação da literatura visual.Outros serviços que prometem domesticar a sobrecarga de informações, integrando feeds do Twitter e notícias diárias, bem como pesquisas, também estão disponíveis.
História de origem
Em vez de servir uma lista diária de novos artigos por e-mail, os documentos conectados usam um único 'artigo de origem' escolhido pelo usuário para criar um mapa de pesquisas relacionadas, com base em parte em citações sobrepostas.O serviço superou recentemente um milhão de usuários, diz Smolyansky.
Os mapas são codificados por cores até a data da publicação, e os usuários podem alternar entre 'anterior', seminal, papéis e mais tarde, 'derivado', obras que se baseiam neles.A idéia é que os cientistas possam procurar um artigo de origem que os interessa e veja no mapa resultante que os documentos recentes fizeram um surto em seu campo, como eles se relacionam com outras pesquisas e quantas citações eles acumularam.
tl; dr: Esta AI resume os trabalhos de pesquisa em uma frase
"Você não precisa sentar -se na mangueira de papéis e olhar para todos os papéis que saem por medo de perder", diz Smolyansky.A ferramenta também é útil quando os cientistas querem mergulhar em um campo totalmente novo, ele acrescenta, fornecendo uma visão geral da literatura essencial.
Outra ferramenta de mapeamento visual é o Open Knowledge Maps, um serviço oferecido por uma organização sem fins lucrativos baseada em Viena com o mesmo nome.Foi fundada em 2015 por Peter Kraker, ex-pesquisador de comunicação acadêmica da Universidade de Tecnologia Graz na Áustria.
O Open Knowledge Maps cria seus mapas com base em palavras -chave, em vez de em um artigo central, e depende da similaridade e dos metadados do texto para descobrir como os papéis estão relacionados.A ferramenta organiza 100 artigos em subcampos semelhantes em bolhas cujas posições relativas sugerem similaridade;Uma busca por artigos sobre "mudança climática", por exemplo, pode produzir uma bolha relacionada sobre "cognição de risco".
Os mapas dessas bolhas podem ser construídos em cerca de 20 segundos, e os usuários podem alterá -los para incluir os 100 artigos de relevância publicados mais recentemente ou outros recursos.Os mapas de conhecimento aberto incluem não apenas artigos de periódicos, mas também conteúdo como conjuntos de dados e software de pesquisa.Seus usuários criaram mais de 400.000 mapas até agora, diz Kraker.
Amie Fairs, que estuda idioma na Universidade de Aix-Marseille, na França, é um entusiasta de mapas de conhecimento aberto autoproclamado."Uma coisa particularmente boa sobre os mapas de conhecimento aberto é que você pode pesquisar tópicos muito amplos, como 'produção de idiomas', e pode agrupar documentos em temas que você pode não ter considerado", diz Fairs.Por exemplo, quando ela procurou "regiões fonológicas do cérebro"-as áreas do cérebro que processam som e significado-mapas de conhecimento aberto sugeriram um subcampo de pesquisas sobre diferenças relacionadas à idade no processamento."Eu não tinha pensado em procurar na literatura envelhecida para obter informações sobre isso antes, mas agora vou", diz ela.
No entanto, apesar de seu entusiasmo pelo serviço, as feiras ainda tendem a encontrar novos artigos por meio de alertas do Google Scholar, a ferramenta dominante no campo;É mais fácil ir "na toca do coelho", ela explica, seguindo uma cadeia de papéis que se citam.
Clique para recomendar
O Google Scholar recomenda trabalhos, dependendo de quais artigos os usuários têm de autoria e listar em seus perfis.O algoritmo não é público, mas a empresa diz que as recomendações são baseadas nos "tópicos de seus artigos, nos lugares onde você publica, os autores com quem trabalha e citam, os autores que trabalham na mesma área que você e ográfico de citação ”.Os usuários podem configurar manualmente alertas de e-mail extras com base em pesquisas de palavras-chave ou autores específicos.
Como a tecnologia de IA pode domar a literatura científica
Aaron Tay, bibliotecário da Universidade de Singapura que estuda ferramentas de busca acadêmica, recebe recomendações de literatura do Twitter e do Google Scholar e descobre que este último geralmente destaca os mesmos artigos que seus colegas humanos, embora alguns dias depois.Google Scholar "quase sempre está no alvo", ele diz.
Além de artigos publicados, o Google Scholar também pode captar pré-impressões, bem como "teses e teses de baixa qualidade", diz Tay.Mesmo assim, "você recebe algumas jóias que talvez não tenha visto", ele diz.(Scopus, um banco de dados de literatura concorrente mantido pelo editor Elsevier, com sede em Amsterdã, começou a incorporar pré-impressão no início deste ano, diz um porta-voz.Mas não indexa teses e dissertações."Haverá títulos que não atendem aos padrões do Scopus, mas são cobertos pelo Google Scholar", diz ele.)
O Google Scholar não divulga o tamanho de seu banco de dados, mas é amplamente reconhecido como o maior corpus existente, com quase 400 milhões de artigos por uma estimativa (M. Gusenbauer Scientometrics 118, 177–214; 2019).Enquanto isso, o Open Knowledge Maps é construído sobre o mecanismo de busca acadêmica Bielefeld de código aberto, que possui mais de 270 milhões de documentos, incluindo pré-impressão, e é com curadoria para remover spam.
Os documentos conectados usam o corpus disponível ao público, compilado pela Semântica Scholar - uma ferramenta criada em 2015 pelo Instituto Allen de Inteligência Artificial em Seattle, Washington - totalizando cerca de 200 milhões de artigos, incluindo pré -impressão.Smolyansky reconhece essa discrepância de tamanho significa que "muito raramente" o Google Scholar encontrará "algum artigo de nicho dos anos 70" que o Scholar semântico não.
O sistema de alerta do Scholar Semântico, chamado Feed de pesquisa adaptável, cria uma lista de papéis recomendados que os usuários podem treinar gostando ou não gostam dos artigos que vêem.Para decidir quais trabalhos são semelhantes aos daqueles, ele usa um modelo de aprendizado de máquina treinado em citações mútuas e em que os artigos semânticos usuários de estudiosos visualizaram sequencialmente.Conta cerca de 8 milhões de usuários mensais.
Não há mais fomo
A Feedly, lançada em 2008, também usa votos e votos descendentes para saber qual nova pesquisa acadêmica é mais relevante para o usuário e se beneficia de um assistente de IA que pode ser treinado em palavras -chave ou tópicos específicos.Mas a Feedly não se destina especificamente a pesquisadores-ele pretende ser um painel abrangente para monitorar notícias, RSS Feeds (que fornece uma maneira de alertar os usuários sobre novos conteúdos em sites), o fórum online Reddit, Twitter e podcasts.Uma versão gratuita está disponível, mas recursos extras, como a capacidade de seguir mais de 100 fontes e ocultar anúncios, custam US $ 6 ou mais por mês (ao contrário da maioria das outras ferramentas mencionadas aqui, que são totalmente gratuitas; outra opção paga éResearchGate +Plus, que aumenta a visibilidade dos usuários e oferece estatísticas avançadas).
As ferramentas de inteligência artificial visam domar a literatura do coronavírus
ResearchRabbit, lançado totalmente em agosto de 2021, descreve como "Spotify for Papers".Os usuários começam salvando documentos relevantes em uma coleção.A cada papel adicionado, o ResearchRabbit atualiza sua lista de artigos recomendados, espelhando como a plataforma de transmissão de música faz recomendações com base nas músicas que os usuários adicionam às suas listas de reprodução.A empresa por trás disso, com sede em Seattle, Washington, não revelou exatamente como avalia a relevância, embora diga que se concentra em recomendações precisas, em vez de inundações de alertas."Queremos apenas enviar os documentos mais relevantes para nossos usuários", diz o executivo -chefe Michael Ma.
Amber Brown Ruiz, um estudante de doutorado de educação especial e polia de invalidez da Universidade da Virginia Commonwealth em Richmond, considera os alertas de pesquisas que são mais personalizados do que o Google Scholar, que às vezes alimenta seus papéis que são superficialmente semelhantes ao seu próprio trabalho, mas acabam sendomuito fora de sua disciplina.
Ruiz também usa papéis conectados para encontrar novos artigos.Ela acha que é menos automatizada do que o Google Scholar, que envia documentos novos por e-mail, "mas você pode entrar manualmente e descobrir quais artigos são os mais novos", ela diz.
O que todas essas ferramentas têm em comum é que elas usam algum tipo de inteligência artificial para criar suas recomendações.Mas alguns estudiosos desfrutam do toque humano, avaliando recomendações de colegas e contatos no Twitter, por exemplo.A ResearchGate, a plataforma de longa data que se marca como uma espécie de rede social para os cientistas, diz que oferece o melhor dos dois mundos (o ResearchGate está em uma parceria de compartilhamento de conteúdo com a Springer Nature, que publica a natureza).
NatureTech Hub
Fundada em 2008, a ResearchGate ambas as recomendações de e-mails de papéis e os serve através de um feed rolante quando os usuários estão conectados.(Os usuários também podem ver um feed de notícias cronológico de artigos postados por seus contatos ResearchGate.), Embora não torne seu algoritmo público, ele usa informações sobre as publicações de um usuário e quais publicações eles viram na plataforma para entender seus interesses.Em seguida, ele calcula artigos relacionados com base em citações compartilhadas e tópicos extraídos e palavras -chave.Atualmente, o ResearchGate inclui cerca de 149 milhões de páginas de publicação e tem 20 milhões de usuários.
"O molho secreto do ResearchGate é a combinação de uma rede social ativa e um enorme gráfico de pesquisa", diz Joseph Debruin, diretor de gerenciamento de produtos da ResearchGate, que está sediado em Los Angeles, Califórnia.
Cinco anos depois de perceber que estava se afogando em novos jornais, Smolyansky finalmente conseguiu sacudir o 'medo de perder' científico de perder '."Você não precisa ter esse sentimento de fomo", diz ele.
