Sci-database Documentación

Convierta los trabajos de investigación en bases de datos estructuradas y verificadas, con cada valor rastreable hasta su fuente.

Sci-database es una plataforma de inteligencia artificial para investigadores que necesitan datos estructurados de la literatura científica: revisiones sistemáticas, metanálisis, artículos de revisión y conjuntos de datos de aprendizaje automático. Busca en más de 200 millones de artículos (o carga sus propios archivos PDF), describe los datos que necesita en inglés sencillo y el motor de extracción Kateeb (كاتب, "scribe") lee cada artículo y llena su base de datos; luego, un segundo modelo de IA independiente verifica los resultados para que pueda ver exactamente dónde coinciden los modelos y dónde no.

El flujo de trabajo de un vistazo

 ┌─────────────┐   ┌──────────────┐   ┌─────────────┐   ┌──────────────┐   ┌─────────────┐
 │  1. SEARCH   │ → │  2. VERIFY   │ → │  3. SCHEMA  │ → │  4. EXTRACT  │ → │ 5. VALIDATE │
 │  200M+ papers│   │  PDFs fetched │   │  AI suggests │   │  Kateeb reads │   │  AI Judge    │
 │  or upload   │   │  & checked    │   │  you edit    │   │  every paper  │   │  cross-checks│
 └─────────────┘   └──────────────┘   └─────────────┘   └──────────────┘   └─────────────┘
                                                                                   │
                                              ┌────────────────────────────────────┘
                                              ▼
                                   ┌─────────────────────┐
                                   │ 6. EXPORT & SHARE    │
                                   │ Excel · CSV · JSON   │
                                   │ or publish/sell it   │
                                   └─────────────────────┘

Entrada de documentos. Salida de una hoja de cálculo verificada. Cero datos sintéticos: si un valor no está en el documento, la celda dice N/A.

Contenido de la documentación

1. Introducción: qué es Sci-database, para quién es y los principios de diseño que hacen que su resultado sea confiable.
2. Comenzando: inicia sesión, obtén créditos gratis y completa tu perfil.
3. Buscando artículos — OpenAlex, CORE y Semantic Scholar; filtros, claves API y la cola.
4. Archivos y cargas: verificación automática de PDF, carga de sus propios archivos PDF y corrección de documentos que no se pueden recuperar.
5. Construyendo su esquema: describa su base de datos en inglés sencillo, deje que la IA redacte los campos, luego edítelos y guárdelos.
6. Ejecución de una extracción: procesamiento de trabajos, estados, parada y reanudación, correos electrónicos de resultados.
7. Validación y juez de IA: verificación de modelos cruzados, investigación de desacuerdos y convergencia por encima del 90% de acuerdo.
8. Su base de datos y exportaciones: ver resultados y exportar a CSV / JSON / Excel.
9. Compartir y el mercado: esquemas públicos, uso compartido gratuito y lista de una base de datos "dorada" para la venta.
10. Créditos y precios: cada costo de crédito en una tabla.
11. FAQ: las preguntas que realmente hacen los investigadores.
12. Solución de problemas: todos los mensajes de error y cómo solucionarlos.

Desarrollado por el Dr. El Tayeb Bentria en la Universidad Hamad Bin Khalifa (HBKU), Doha, Qatar · Patente QF Ref: 2024-066.