Académico semántico

Semantic Scholar es una herramienta de investigación para literatura científica. Fue desarrollada en el Instituto Allen para la IA y lanzada públicamente en noviembre de 2015. ^{[ 2 ]} Semantic Scholar utiliza técnicas modernas de procesamiento del lenguaje natural para apoyar el proceso de investigación, por ejemplo, proporcionando resúmenes generados automáticamente de artículos académicos. ^{[ 3 ]} El equipo de Semantic Scholar investiga activamente el uso de la inteligencia artificial en el procesamiento del lenguaje natural , el aprendizaje automático , la interacción persona-computadora y la recuperación de información . ^{[ 4 ]}

Semantic Scholar comenzó como una base de datos para los temas de ciencias de la computación , geociencias y neurociencias . ^{[ 5 ]} En 2017, el sistema comenzó a incluir literatura biomédica en su corpus. ^{[ 5 ]} A partir de septiembre de 2022 , incluye más de 200 millones de publicaciones de todos los campos de la ciencia. ^{[ 6 ]}

Semantic Scholar proporciona un resumen de una sola frase de la literatura científica . Uno de sus objetivos era abordar el desafío de leer numerosos títulos y resúmenes extensos en dispositivos móviles. ^{[ 7 ]} También busca asegurar que los tres millones de artículos científicos publicados anualmente lleguen a los lectores, ya que se estima que solo la mitad de esta literatura se lee alguna vez. ^{[ 8 ]}

La inteligencia artificial se utiliza para capturar la esencia de un artículo, generándola a través de una técnica "abstractiva". ^{[ 3 ]} El proyecto utiliza una combinación de aprendizaje automático , procesamiento del lenguaje natural y visión artificial para agregar una capa de análisis semántico a los métodos tradicionales de análisis de citas y para extraer figuras, tablas , entidades y lugares relevantes de los artículos. ^{[ 9 ] [ 10 ]}

Otra característica clave impulsada por IA es Research Feeds, un recomendador de investigación adaptativo que utiliza IA para aprender rápidamente qué artículos interesan a los usuarios y recomienda las investigaciones más recientes para ayudar a los académicos a mantenerse actualizados. Utiliza un modelo de incrustación de artículos entrenado con aprendizaje contrastivo para encontrar artículos similares a los de cada carpeta de la biblioteca. ^{[ 11 ]}

Semantic Scholar también ofrece Semantic Reader, un lector aumentado con el potencial de revolucionar la lectura científica al hacerla más accesible y ricamente contextual. ^{[ 12 ]} Semantic Reader proporciona tarjetas de citas en línea que permiten a los usuarios ver citas con resúmenes cortos generados automáticamente ( TLDR , por sus siglas en inglés, Too Long, Didn't Read) mientras leen y resaltados de lectura rápida que capturan los puntos clave de un artículo para que los usuarios puedan asimilarlo más rápidamente.

A diferencia de Google Scholar y PubMed , Semantic Scholar está diseñado para resaltar los elementos más importantes e influyentes de un artículo. ^{[ 13 ]} La tecnología de IA está diseñada para identificar conexiones y vínculos ocultos entre temas de investigación. ^{[ 14 ]} Al igual que los motores de búsqueda citados anteriormente, Semantic Scholar también aprovecha las estructuras de grafos, que incluyen el Microsoft Academic Knowledge Graph , SciGraph de Springer Nature y el Semantic Scholar Corpus (originalmente un corpus de 45 millones de artículos en ciencias de la computación, neurociencia y biomedicina). ^{[ 15 ] [ 16 ]}

A cada documento alojado en Semantic Scholar se le asigna un identificador único llamado ID de Corpus de Semantic Scholar (abreviado S2CID). La siguiente entrada es un ejemplo:

Liu, Ying; Gayle, Albert A; Wilder-Smith, Annelies; Rocklöv, Joacim (marzo de 2020). "El número reproductivo de la COVID-19 es mayor en comparación con el coronavirus del SARS". Journal of Travel Medicine . 27 (2). doi : 10.1093/jtm/ taaa021 . PMID 32052846. S2CID 211099356 .  

Semantic Scholar es de uso gratuito y, a diferencia de otros motores de búsqueda similares (por ejemplo, Google Scholar ), no busca material que esté detrás de un muro de pago . ^{[ 5 ]}

Un estudio comparó el alcance del índice de Semantic Scholar con el de Google Scholar y encontró que, para los artículos citados en estudios secundarios de informática, ambos índices tenían una cobertura comparable, omitiendo cada uno solo un puñado de artículos. ^{[ 17 ]}

En 2026, Semantic Scholar enumeró a estos 35 editores como fuente de metadatos académicos ^{[ 18 ]}  : Association for the Computational Linguistics, ACM, ArXiv.org, BioOne, bioRXiv, BMJ Journals, Cambridge University Press, CiteSeerX, CTTI Clinical Trials, DBLP, De Gruyter, Frontiers, HAL, HighWire, IEEE, IOP Publishing, Karger, medRXiv, Microsoft Academic Graph, Papers with Code, Project Muse, PubMed, SAGE Publishing, Science, Scientific.Net, ScitePress, Springer Nature, SPIE, SSRN, Taylor & Francis Group, The MIT Press, The Royal Society Publishing, The University of Chicago Press, Wiley, Wolters Kluwer.

A partir de enero de 2018, tras un proyecto de 2017 que añadió artículos biomédicos y resúmenes de temas, el corpus Semantic Scholar incluía más de 40 millones de artículos de informática y biomedicina . ^{[ 19 ]} En marzo de 2018, Doug Raymond, quien desarrolló iniciativas de aprendizaje automático para la plataforma Amazon Alexa , fue contratado para dirigir el proyecto Semantic Scholar. ^{[ 20 ]} A partir de agosto de 2019 , el número de metadatos de artículos incluidos (no los PDF reales) había crecido a más de 173 millones ^{[ 21 ]} después de la adición de los registros de Microsoft Academic Graph . ^{[ 22 ]} En 2020, una asociación entre Semantic Scholar y las revistas de University of Chicago Press hizo que todos los artículos publicados bajo University of Chicago Press estuvieran disponibles en el corpus de Semantic Scholar. ^{[ 23 ]} A finales de 2020, Semantic Scholar había indexado 190 millones de artículos ^{[ 24 ]} y alcanzado siete millones de usuarios por mes. ^{[ 7 ]} En 2026, afirma indexar 214 millones de artículos. ^{[ 25 ]}

El corpus Semantic Scholar es utilizado por la mayoría de las herramientas de descubrimiento de IA que comenzaron a surgir desde 2020  : Elicit, SciSpace, Consensus.app, Undermind.ai, Asta de Ai2, etc. Junto con otras infraestructuras de metadatos académicos de libre acceso como OpenAlex o los repositorios de identificadores permanentes ( CrossRef para DOI, ORCID , etc.) ayudaron al desarrollo de estas herramientas. ^{[ 26 ]}

• Análisis de citas : examen de la frecuencia, los patrones y los gráficos de las citas en los documentos. 
• Índice de citas : índice de citas entre publicaciones 
• Extracción de conocimiento : creación de conocimiento a partir de fuentes estructuradas y no estructuradas. 
• Lista de bases de datos académicas y motores de búsqueda
• Cienciometría : estudio cuantitativo de la ciencia. 

• Sitio web oficial