بالنسبة للأشخاص الذين يجرون أبحاثًا علمية، أو يبنون قواعد معرفة، أو يصنعون منتجات لاسترجاع الأوراق البحثية، فقد واجه معظمهم المشكلة نفسها: العثور على الأوراق البحثية ليس صعبًا، الصعب هو تنظيمها جيدًا بالفعل.
اليوم تُحفَظ دفعة من موقع مجلة، وغدًا تُصدَّر دفعة من منصة DOI، وبعد بضعة أيام يضيف أعضاء الفريق بعض ملفات Excel. وعندما يحين وقت استخدامها فعليًا، تختلف تنسيقات العناوين، وتظهر الورقة نفسها بشكل متكرر، ولا تتطابق تواريخ النشر، كما تختلط الأوراق المسحوبة والتصحيحات بالأوراق العادية. وكلما تراكمت المواد أكثر، أصبحت عملية البحث أصعب بدلًا من أن تكون أسهل.
إذا كان المشروع يقتصر على العثور المؤقت على بضع أوراق، فقد يكفي التنظيم اليدوي. لكن عند إجراء بحث موضوعي، أو بناء قاعدة معرفة علمية، أو نظام لاسترجاع الأدبيات، أو تحليل بيانات الأوراق البحثية، فمن الصعب الاستمرار بالاعتماد على النسخ واللصق.
وهذا هو بالضبط منطلقنا لتنظيم مجموعة بيانات أوراق مجلة Nature: تحويل المعلومات الببليوغرافية المتفرقة أولًا إلى بيانات ذات بنية واضحة، قابلة للبحث، وقابلة للربط، ومناسبة أيضًا للمعالجة اللاحقة.
¶ ما المشكلات التي تعالجها هذه البيانات بشكل رئيسي؟
ببساطة، هي لا تساعدك على “البحث عن الأوراق مرة أخرى”، بل تساعدك على تنظيم فهرس الأدبيات ضمن موضوع بحثي ليصبح أقرب إلى مجموعة بيانات يمكن استخدامها مباشرة.
ومن المشكلات الشائعة ما يلي:
- تأتي الورقة نفسها من قنوات مختلفة، وتحتاج إلى إزالة التكرار استنادًا إلى معلومات مثل DOI؛
- لا تتوحّد طرق كتابة العناوين وأسماء المجلات وتواريخ النشر؛
- تختلط الأوراق والتصحيحات والسحوبات والمحتوى الإضافي معًا، مما لا يسهّل التصفية؛
- يرغب الفريق في إنشاء مكتبته الخاصة من الأدبيات حسب التخصص أو المجلة أو الموضوع أو السنة؛
- توجد حاجة لاحقة للربط بمحركات البحث أو قواعد البيانات أو الرسوم البيانية المعرفية أو أنظمة RAG، لكن المواد الأصلية متفرقة جدًا.
توفّر مجموعة بيانات أوراق مجلة Nature خدمة تنظيم الأدبيات الأكاديمية الموضوعية والببليوغرافيا. يمكنك التواصل لتحديد النطاق وفق مجال البحث، ونطاق المجلات، وسنوات النشر، ومعرّفات الأدبيات، والحقول المطلوبة، وتنسيقات الملفات. وبعبارة أخرى، ليس من الضروري استلام ملف “كبير وشامل، لكنه قد لا يكون مناسبًا”، بل ينبغي أولًا توضيح ما يحتاجه المشروع فعلًا، ثم تأكيد الإصدار وخطة التسليم.
¶ ماذا يوجد في الحزمة المرجعية العامة؟
ولتسهيل الحكم أولًا على مدى ملاءمة بنية البيانات، أعددنا حزمة مرجعية عامة.
تحتوي الحزمة المرجعية حاليًا على 5 سجلات ببليوغرافية قابلة للتتبع من مجلة Nature الرئيسية، وتوفر:
- ملف سجلات JSONL
- ملف سجلات CSV
- قاموس حقول للمعاينة العامة
- مرجع حقول التسليم
- شرح مصادر البيانات
تسرد المعاينة العامة 7 حقول إجمالًا:
| الحقل | استخدامه |
|---|---|
doi |
التعرّف على الأوراق وربطها |
title |
عنوان الورقة |
journal |
المجلة التابعة لها |
published_date |
تاريخ النشر |
document_type |
التمييز بين أنواع الأدبيات |
source_url |
العودة إلى DOI أو السجل الأصلي |
reference_origin |
توضيح مصدر السجل |
لا تبدو هذه الحقول معقدة، لكنها تدعم بالفعل قدرًا كبيرًا من العمل الأساسي، مثل استرجاع الببليوغرافيا، وإزالة تكرار السجلات، وتتبع المصادر، ومواصلة المعالجة بعد استيرادها إلى قاعدة بيانات.
¶ ما السيناريوهات الأكثر ملاءمة؟
¶ 1. إنشاء مكتبة أدبيات موضوعية
على سبيل المثال، إذا كان الفريق يتابع اتجاهًا معينًا في علوم الحياة أو الطب أو علم المواد، فيمكنه أولًا تحديد النطاق حسب الموضوع والمجلة والسنة، ثم إنشاء فهرس موحّد للأدبيات. وبعد ذلك، سواء للاسترجاع أو الإحصاء أو التحديث المستمر، ستكون صيانته أسهل من الجداول المتفرقة في أماكن مختلفة.
¶ 2. دمج الببليوغرافيا من مصادر مختلفة
قد تظهر الورقة نفسها في الوقت نفسه على منصة DOI، وموقع المجلة، وقاعدة معرفة الجامعة، ومستودع مواد الفريق نفسه. وبالاستناد إلى DOI والعنوان والمجلة ووقت النشر، يمكن وضع قواعد أكثر موثوقية لإزالة التكرار، وربط مصادر متعددة بسجل أدبي واحد.
¶ 3. إجراء التنظيم الأولي لقاعدة معرفة علمية أو RAG
تسارع العديد من مشاريع الأسئلة والأجوبة حول الأوراق والبحث العلمي إلى تحليل ملفات PDF منذ البداية. لكن عند تنفيذها فعليًا، يُكتشف أن ما يستهلك الوقت غالبًا هو فرز النطاق وحوكمة البيانات في المراحل السابقة.
والطريقة الأكثر موثوقية هي: استخدام البيانات الببليوغرافية أولًا لتأكيد “ما الأوراق الموجودة، ومن أين تأتي، وإلى أي نوع تنتمي”، ثم تحديد ما إذا كان ينبغي معالجة الملخصات أو النصوص الكاملة أو ملفات PDF أو المواد التكميلية وفقًا لترخيص المشروع والاستخدام الفعلي.
¶ هناك نقطتان يجب توضيحهما مسبقًا
أولًا، الحزمة المرجعية العامة ليست عينة من دفعة التسليم الرسمية.
تُستخدم هذه السجلات الخمسة أساسًا لمراجعة الموضوع والحقول وطريقة تنظيم الملفات، ولا يمكن استخدامها لاستنتاج عدد البيانات في الدفعة الكاملة، أو مدى التغطية، أو مستوى الجودة. إن “مستوى المليون” و“مستوى TB (قيد التأكيد)” المذكورين في صفحة المنتج هما تقديرات لتسجيل الفهرس، أما المقدار الفعلي القابل للتسليم فيجب تأكيده من جديد وفق المجلات والسنوات والحقول ونطاق المحتوى.
ثانيًا، وجود معلومات ببليوغرافية لا يعني امتلاك حق استخدام النص الكامل تلقائيًا.
تحتوي الحزمة العامة فقط على حقائق ببليوغرافية قابلة للتتبع، ولا تشمل ملخصات الأوراق أو النصوص الكاملة أو ملفات PDF أو المواد التكميلية. وإذا كان المشروع يتضمن معالجة النص الكامل، أو تدريب النماذج، أو الاستخدام التجاري، أو إعادة التوزيع، فيلزم تأكيد الترخيص وفق الأدبيات المحددة وإصدار التسليم. لا يمكن تجاوز هذه الخطوة، ولا يُنصح بالتعامل معها بصورة مبهمة.
بالإضافة إلى ذلك، يشير النطاق المرجعي العام الحالي إلى مجلة Nature الرئيسية، ولا يعني ذلك كامل Nature Portfolio. وإذا كانت هناك حاجة لتغطية المجلات الفرعية ذات الصلة، فيرجى إدراج المجلات أو نطاق الموضوع مباشرة في المتطلبات.
¶ كيف تؤكد أن البيانات مناسبة لك؟
يُنصح باتباع الخطوات التالية، وسيكون التواصل أسرع بكثير:
- ابدأ بالاطلاع على العينات العامة: تحقق من JSONL وCSV وقاموس الحقول ووصف المصادر؛
- حدّد النطاق: وضّح موضوع البحث، والمجلات المستهدفة، وسنوات البداية والنهاية؛
- اسرد الحقول: أكّد ما إذا كنت تحتاج إلى المؤلفين، وDOI، ومعلومات النشر، والملخصات، أو الملفات؛
- وضّح الاستخدام: ما إذا كان للاستخدام في البحث الداخلي، أو التحليل، أو تقييم النماذج، أو المشاريع التجارية، أو إعادة التوزيع؛
- أكّد معايير القبول: بما في ذلك معدل صلاحية DOI، ومعدل التكرار، ومعدل نقص الحقول، وطريقة التعامل مع عمليات سحب الأوراق والتصحيحات؛
- اتفق على التنسيق والتسليم: يتم التفاوض على السعر والمدة وفقًا لحجم البيانات، ومتطلبات التنظيف، ونطاق الترخيص.
في نهاية المطاف، لا يعني مشروع بيانات البحث العلمي أن يكون الملف الأكبر هو الأفضل. حدّد النطاق والحقول والمصادر وحدود الحقوق بوضوح أولًا، لكي تسير أعمال البحث والتحليل وبناء قاعدة المعرفة لاحقًا بسلاسة أكبر.
إذا كنت تبني بحثًا علميًا، أو قاعدة أدبيات متخصصة، أو رسمًا بيانيًا للمعرفة الأكاديمية، أو نظام أسئلة وأجوبة للأوراق البحثية، فيمكنك أولًا تنزيل الحزمة المرجعية للاطلاع على هيكلها، ثم التواصل معنا مع متطلباتك المحددة.