1 · Introdução

O que é Sci-database?

Sci-database transforma pilhas de PDFs de pesquisa em um banco de dados estruturado e verificado. Em vez de passar meses copiando manualmente valores de centenas de artigos em uma planilha, você:

1. Pesquise Mais de 200 milhões de artigos científicos em repositórios públicos (OpenAlex, CORE, Semantic Scholar) ou carregue seus próprios PDFs.
2. Descreva os dados que você precisa em inglês simples — a IA propõe um esquema estruturado (as colunas do seu futuro banco de dados), que você pode editar campo por campo.
3. Extract — o mecanismo Kateeb lê cada artigo completo e preenche seu esquema. Um artigo pode gerar vários registros (por exemplo, uma linha por material ou por condição experimental).
4. Validate — um segundo modelo de IA independente extrai novamente uma amostra de seus artigos e a plataforma mostra uma comparação campo por campo. As divergências são sinalizadas, nunca resolvidas silenciosamente.
5. Exporte seu banco de dados para Excel-ready CSV ou JSON — ou compartilhe-o publicamente para contribuir com a ciência aberta.

Para quem é?

Você é…	Você usa Sci-database para…
Um revisor sistemático/meta-analista	Extraia resultados, tamanhos de amostra, tamanhos de efeito e características de estudo de centenas de ensaios e, em seguida, alimente R (meta), Stata ou RevMan
Um cientista de materiais/físico/químico	Construir bancos de dados de propriedades (por exemplo, coeficientes de Seebeck, valores ZT, band gaps, métodos de síntese) para artigos de revisão
Um pesquisador de ML	Transforme literatura em dados de treinamento rotulados em escala
Qualquer pesquisador escrevendo uma revisão	Substitua meses de entrada manual de dados por uma tarde de extração supervisionada

Se sua área publica artigos, você pode construir um banco de dados a partir deles — a plataforma é independente de domínio. Já existem esquemas públicos para termoelétricas, compósitos dentários, ensaios clínicos randomizados de hipertensão, segurança de IoT, observações de supernovas, projeções climáticas e muito mais.

Os princípios de confiança

Sci-database foi desenvolvido para uso acadêmico, onde um número errado em uma meta-análise é pior do que um número ausente. Quatro princípios permeiam todo o produto:

1. Zero dados sintéticos

O modelo de extração opera sob uma instrução estrita: se um valor estiver faltando no papel, ou se o modelo não for altamente confiável, ele deve retornar exatamente N/A — nunca uma suposição, nunca uma invenção que pareça plausível.

2. Nada é resolvido silenciosamente

Quando o modelo validador discorda da extração original, a discordância é mostrada a você em uma linha de comparação destacada em vermelho. Você (opcionalmente ajudado por um terceiro árbitro de IA) decide qual é a verdade.

3. Converja, não espere

A extração não é um tiro. O loop pretendido é: extrair → validar em relação a um segundo modelo → investigar divergências → deixar a IA melhorar as descrições dos campos do seu esquema → executar novamente. Cada passagem aumenta o acordo entre modelos; o limite de confiança da plataforma é 90%+ acordo antes que um banco de dados seja considerado "confiável".

4. Seus dados permanecem seus

• Seus documentos e dados extraídos são privados da sua conta por padrão.
• Seu esquema (apenas as definições de campo - sem dados) pode ser compartilhado na galeria pública para ajudar outros pesquisadores; isso está declarado nos Termos que você aceita no momento da inscrição.
• Uploads são nunca usados ​​para treinar modelos.
• Você pode excluir seus arquivos, trabalhos e bancos de dados a qualquer momento.

O mecanismo Kateeb

O mecanismo de extração tem a marca Kateeb (كاتب, árabe para "escriba"). Nas visualizações de validação, a coluna de extração original é sempre rotulada como "Original (Kateeb)" para que você possa saber rapidamente qual modelo produziu qual valor. Sci-database foi desenvolvido na Universidade Hamad Bin Khalifa (Doha, Qatar) e tem patente registrada (QF Ref: 2024-066).

---

Próximo: Primeiros passos →