Qué tipo de herramienta es microsoft academic

Desventajas de microsoft academic

Microsoft lanzó Microsoft Academic 2.0 en 2016 como su nuevo motor de búsqueda para las búsquedas académicas. Según su sitio web, Microsoft afirma que agiliza y perfecciona el proceso de búsqueda para los investigadores aprovechando mejor las búsquedas basadas en la semántica. Proporciona a los investigadores puntos de referencia que incluyen autores, material impreso (incluyendo presentaciones en conferencias) y temas. Esta nueva herramienta de investigación utiliza el propio motor de búsqueda Bing de Microsoft y pregona la capacidad de «descubrir e indexar» nueva información mientras crece con la inmensa cantidad de datos disponibles (actualmente, más de 210 millones de entradas). La aplicación también utiliza el Microsoft Academic Graph (MAG), para mostrar las relaciones de citación entre publicaciones y autores. Mediante una interfaz adicional de fácil manejo denominada «Academic Knowledge API», el usuario puede combinar la potencia de indexación de Bing con MAG para recibir un histograma de publicaciones, entradas de revistas, presentaciones y autores relacionados.

En cuanto a la calidad de los datos, la mayoría de los artículos de revistas eran bastante coherentes en cuanto al número de autores, pero sólo un 89,5% tenía los años de publicación correctos. Además, la realización de consultas semánticas requiere cierta práctica. Con más de 50.000 campos de estudio en la base de datos, realizar una consulta basada en los campos de investigación tradicionales en lugar de aprender los trucos de las consultas semánticas podría resultar lento en lugar de útil.

->  Herramientas de after effects

Investigación académica de microsoft

Los bibliometristas y los científicos de la información que estudian la literatura académica en su conjunto han respondido con consternación a la revelación de Microsoft de que va a suspender su base de datos Microsoft Academic Graph (MAG) a partir del 31 de diciembre de 2021. Mientras tanto, otros proveedores de servicios se han apresurado a crear recursos alternativos.

Aunque otras bases de datos, como Web of Science, Scopus, Dimensions, Semantic Scholar y Lens.org, recopilan tipos de información similares, MAG se ha utilizado ampliamente porque es una de las más completas y también de libre acceso.

Comparación de documentos científicos del periodo 2008-2017 cubiertos por Scopus, CWTS Web of Science, Dimensions, Crossref y Microsoft Academic. Crédito: Martijn Visser, Nees Jan van Eck y Ludo Waltman Quantitative Science Studies 2021; 2 (1): 20-41.

«MAG no es perfecto, pero la interrupción de MAG representa una enorme pérdida en la disponibilidad de metadatos de publicaciones científicas y otros productos científicos», afirma Ludo Waltman, subdirector del Centro de Estudios de Ciencia y Tecnología de la Universidad de Leiden (Países Bajos).

Gráfico académico de microsoft

Microsoft está desarrollando discretamente un servicio de descubrimiento abierto para trabajos científicos académicos llamado Microsoft Academic, basado en el Microsoft Academic Graph (MAG) de Microsoft Research.    Esta base de datos de búsqueda funcionará de forma muy parecida a Web of Science y Scopus en cuanto a la vinculación de las citas de los artículos para ayudar al descubrimiento.

Para crear el MAG, la tecnología de Bing rastrea la web en busca de «sitios web de editoriales, repositorios universitarios, páginas web de investigadores y departamentos, etc.» que luego se analizan en busca de contenido y citas.    Si se determina que los documentos son trabajos académicos, se añaden al MAG.

->  Impi registro de marca precio

Este nuevo servicio pone en primer plano un marco de búsqueda y recomendación basado en el conocimiento y la inferencia semántica. Además, se ha desarrollado una nueva estructura de datos y un motor de gráficos para facilitar el reconocimiento de intenciones y el servicio de conocimientos en tiempo real. Una característica ilustrativa son las sugerencias de consulta semántica que identifican autores, temas, revistas, conferencias, etc., a medida que se escribe y ofrecen formas de refinar la búsqueda basadas en los datos del gráfico de conocimiento académico subyacente. También puede afinar sus resultados utilizando los filtros de la página de resultados de la búsqueda. Como estamos construidos sobre la infraestructura de rastreo de la web de Bing, podemos descubrir e indexar nuevos documentos académicos de una manera más escalable. Ahora tenemos más de 150 millones de entidades y miles de millones de relaciones en el Microsoft Academic Graph, ¡y seguimos creciendo!

Api académica de microsoft

Microsoft lanzó Microsoft Academic 2.0 en 2016 como su nuevo motor de búsqueda para las búsquedas académicas. Según su sitio web, Microsoft afirma que agiliza y perfecciona el proceso de búsqueda para los investigadores aprovechando mejor las búsquedas basadas en la semántica. Proporciona a los investigadores puntos de referencia que incluyen autores, material impreso (incluyendo presentaciones en conferencias) y temas. Esta nueva herramienta de investigación utiliza el propio motor de búsqueda Bing de Microsoft y pregona la capacidad de «descubrir e indexar» nueva información mientras crece con la inmensa cantidad de datos disponibles (actualmente, más de 210 millones de entradas). La aplicación también utiliza el Microsoft Academic Graph (MAG), para mostrar las relaciones de citación entre publicaciones y autores. Mediante una interfaz adicional de fácil manejo denominada «Academic Knowledge API», el usuario puede combinar la potencia de indexación de Bing con MAG para recibir un histograma de publicaciones, entradas de revistas, presentaciones y autores relacionados.

->  Entrenamiento de kung fu

En cuanto a la calidad de los datos, la mayoría de los artículos de revistas eran bastante coherentes en cuanto al número de autores, pero sólo un 89,5% tenía los años de publicación correctos. Además, la realización de consultas semánticas requiere cierta práctica. Con más de 50.000 campos de estudio en la base de datos, realizar una consulta basada en los campos de investigación tradicionales en lugar de aprender los trucos de las consultas semánticas podría resultar lento en lugar de útil.

Esta web utiliza cookies propias para su correcto funcionamiento. Al hacer clic en el botón Aceptar, acepta el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos. Más información
Privacidad