Pour les revues systématiques · méta-analyses · Ensembles de données ML

Arrêtez les bases statiques. Créez votre propre base de données sur mesure à partir de 200M+ d'articles en minutes avec Kateeb AI.

See why we excel in this task compared to our competitors→

Démarrez gratuitement · 150 articles 🔍 Explore Marketplace ▶ Voir comment une valeur est tracée

Pas de carte de crédit · niveau gratuit pour toujours · exportations vers Excel, CSV et JSON

Plus de 100 langues disponibles → une base de données vérifiée

Tarification

Un crédit équivaut à un article. C'est toute la formule.

Extrayez autant de champs que votre schéma l’exige. Une centaine de papiers produisent généralement entre 1 000 et 2 000 lignes nettes.

Combien d’articles y a-t-il dans votre projet ?

960papiers

→ the Researcher Pro ($79 for 2,000 papers) plan covers this comfortably.

Essayez-le

Gratuit

150 papiers · aucune carte requise

150 crédits
Conception de schéma personnalisé
Excel, CSV et JSON exporter
Prise en charge standard

Démarrez gratuitement

Best price in market

Starter

$29

500 papers · one-time package

500 credits (~500 papers)
Parallel batch queueing
Discrepancy arbitrator
DOI / PMID full-text resolver

Get Starter

Idéal pour un seul avis

Chercheur

$79

par mois · 1 000 articles

1 000 crédits par mois
Conception de schéma personnalisé
DOI et PMID importer
Prise en charge standard

Commencez votre évaluation

Idéal pour les laboratoires et les ensembles de données

Expert

$299

par mois · 20 000 articles

20 000 crédits par mois
Soumission de travaux parallèles
Visualisation avancée
Prise en charge prioritaire

Choisir Expert

Prêt pour l’approvisionnement

Établissement

Parlons-en

laboratoires · départements · universités

Allocation de crédit personnalisée
Déploiement sur site
Examen DPA et sécurité
Gestionnaire de compte dédié

Contactez-nous

Chaque plan comprend le moteur de précision en trois passes, le traçage au niveau de la page et les exportations structurées.

Utilisé par les chercheurs de

Comment ça marche

Trois étapes entre une pile de PDF et un ensemble de données publiables.

ÉTAPE 01

Rechercher et ajouter des articles

Utilisez notre moteur de recherche automatisé sur plus de 200 millions d'articles, ou faites glisser des PDF et collez des DOI ou des PMID.

ÉTAPE 02

Décrivez votre schéma

Dites ce dont vous avez besoin dans un langage simple. Notre Expert IA propose des champs et des unités typés ; vous pouvez tout modifier.

taille de l’échantillonrapport de cotesCoefficient Seebeck (µV/K)méthode de croissance+ votre propre champ

ÉTAPE 03

Révision et exportation

Le juge IA signale les désaccords et ne les résout jamais en silence. Exportez le résultat vérifié vers Excel, CSV ou JSON.

La boucle de confiance

Il ne se contente pas d’extraire. Cela converge.

Des modèles indépendants extraient et relisent vos sources. Lorsqu'ils ne sont pas d'accord, vous affinez le schéma et exécutez à nouveau la boucle jusqu'à ce que la base de données franchisse le seuil de confiance.

01Téléchargez les documents

Coller les DOIs ; les textes intégraux sont récupérés et chaque ligne reste liée à DOI.

02Générer le schéma

Langage simple dans ; champs tapés et unités contrôlées.

03Créer la base de données

Chaque valeur est épinglée aux coordonnées source au niveau de la page.

04Le juge IA

Les modèles indépendants relisent les sources et l’accord de partition.

↻Affiner et réexécuter

Resserrez les définitions là où le juge n'est pas d'accord, puis réexécutez.

Passe 3 · Juge IA

Seuil de confiance de 90 %

running cross-model verification…

✓ Base de données approuvée · Liée à DOI · Trace de valeur

Démarrez gratuitement · 150 articlesPas de carte de crédit · 150 papiers gratuits

Aucune donnée synthétique

Chaque numéro sait d’où il vient.

Cliquez sur n’importe quelle valeur du tableau pour inspecter le passage exact dans la source. Si un article ne rapporte pas de valeur, la base de données indique N/A au lieu d'en inventer une.

☝ Essayez-le : inspectez toute valeur extraite

Extraction · hypertension_rct_007.pdf

	Étude	Value
1	Taille de l’échantillon	418 participants
2	Différence moyenne	−5,3 mmHg
3	Intervalle de confiance de 95 %	−7,1 à −3,5

click a value → see its source ↗

Source · page 6 · Résultats

3.2 Résultat principal

Parmi les 418 participants randomisés, le groupe d'intervention a montré une différence moyenne de -5,3 mmHg par rapport au contrôle (IC à 95 % de -7,1 à -3,5 ; p < 0,001), conformément au plan d'analyse pré-enregistré.

cross-model agreement confirmed

Cross-model agreementInspired by duplicate extraction workflows, providing an automated quality-control signal.

Coordinate-anchoredThe audit trail attaches straight to your PRISMA supplementary materials.

Abstention by designEmpty stays empty. No generative fill or plausible inventions.

Après extraction

La feuille de calcul n’est que le début.

Recherchez les tendances dans votre domaine, créez des chiffres pour votre manuscrit et produisez des données de formation auxquelles vos modèles peuvent faire confiance.

Explorez les relations dans la littératureFiltrez les champs, comparez les unités et exportez des graphiques de tendances prêts à être publiés au format PNG ou SVG.illustrative data · export PNG / SVG

FAIR-Aligned ExportExport your database with persistent identifiers (DOI), reference files (RIS / BibTeX), and structured schema definitions (CSV / JSON) conforming to FAIR data principles.

Open Standard FormatsDirect export to CSV and JSON formatted for immediate analysis in Python, R (meta), Stata, or spreadsheet tools with zero lock-in.

Source ProvenanceEvery extracted data point preserves source paper titles, DOIs, and extraction metadata for complete auditability and replication.

Démarrez gratuitement · 150 articlesTendances, chiffres et exportations ML incluses

Scientific Data Marketplace · Reusable Schemas · Verified Datasets

Explore, reuse, and publish research data with complete provenance.

Discover ready-to-plot scientific databases extracted from papers with AI Judge cross-validation, reusable domain schemas, and open datasets from global research repositories (DataCite, Zenodo, Dataverse).

FREE VERIFIED DATABASEAI JUDGE™ CHECKED

Version 1.0 · Static Release

marketplace · generative-ai-evaluation-benchmarks

Évaluation et sécurité génératives du AI

Recherche rapide sur l'évaluation, la sûreté, la sécurité, le matériel et les systèmes autonomes.

DOI Coverage100% (73 of 73)

AI Cross-Validation27% (20 papers)

AI Agreement93.4% (8 Resolved)

LicenceCC BY 4.0

7 Research Opportunities:

Évaluation et sécurité génératives du AIFiabilité de l’agent AI et utilisation des outilsAI pour la découverte scientifiqueCybersécurité et vulnérabilités IoTInformatique quantique, détection et matériauxRobotique et systèmes autonomesSemi-conducteurs et périphérie AI

model_namestringmodel_versionstringbenchmark_namestringtask_typeenumevaluation_scorenumbersafety_dimensionenumevaluation_languagestringdoistring

Sample Extracted Evidence Row (Provenance-Grounded)

model_name	model_version	benchmark_name	task_type	evaluation_score	safety_dimension	evaluation_language	doi
Llama-3-70B-Instruct	v1.0	MMLU-Pro	Reasoning	68.4	Truthfulness	English	10.48550/arXiv.2407.21783

Every dataset version includes: source_doi, validation_summary.csv, data_dictionary.csv, manifest.json (SHA-256), README.md

Explore in Marketplace →Créez cette base de données gratuitement

🔍 Browse Full Scientific Data Marketplace Catalog (500+ Items)→

Construit avec Sci-database

L'Atlas de l'encre islamique : plus de 3 300 recettes historiques transformées en un portail de recherche vivant.

L'atlas relie les manuscrits, les ingrédients, les recettes, les lieux et les dates dans une base de données explorable construite à partir de sources scientifiques et historiques.

Il s'agit du projet de notre propre équipe à QEERI-Materials : une démonstration, pas une histoire client. Jugez-le en direct.

Explorez l'atlas en direct

The Islamic Ink Atlas: Geographical & Temporal Visualization of ink and pigment recipes across time and space

Questions réellement posées par les chercheurs

Avant de nous confier votre avis

Les réviseurs de revues accepteront-ils les données extraites par l’IA ?

Oui, lorsque l’extraction est auditable. Des modèles indépendants extraient et comparent chaque valeur, tandis que la mise en évidence des coordonnées de page permet à un deuxième réviseur de vérifier plutôt que de retaper. La piste d'audit exportée relie chaque cellule à son DOI, sa page et sa position source.

Que se passe-t-il lorsque l'IA se trompe sur un numéro ?

Le désaccord est signalé avant que la valeur n’atteigne votre analyse. Vous voyez les candidats à côté de la région source et décidez ; la plateforme ne résout jamais silencieusement les désaccords sur les modèles.

Comment puis-je savoir si ma base de données est exacte ?

Le juge AI mesure l’accord par rapport aux sources relues de manière indépendante. Affinez les définitions et les unités des champs, puis réexécutez jusqu'à ce que le score de concordance vérifié dépasse 90 %. Chaque valeur reste vérifiable à la main.

Entraînez-vous des modèles sur mes téléchargements ?

Non. Vos PDF et vos données extraites ne sont jamais utilisés pour entraîner des modèles. Les téléchargements sont cryptés en transit et au repos, et vous pouvez supprimer un article ou un projet à tout moment.

Je ne suis pas en médecine. Est-ce pour moi ?

Oui. Les cas d'utilisation actifs incluent la science des matériaux, la physique, l'astronomie, le climat, l'éducation, la cybersécurité, la dentisterie et la médecine. Si vous pouvez définir les champs, le moteur peut les extraire.

Puis-je importer des articles sans télécharger de PDF ?

Oui. Collez DOIs ou PMIDs et la plateforme récupère les enregistrements disponibles. Vous pouvez mélanger des articles importés et téléchargés dans le même projet.

Comment fonctionnent les crédits ?

Un crédit traite un article, quel que soit le nombre de champs que contient votre schéma. Les forfaits diffèrent principalement par la quantité mensuelle de papier et le niveau de support.

Qu’est-ce que j’obtiens à la fin ?

Un ensemble de données structuré Excel, CSV ou JSON prêt pour R, Stata, RevMan, la visualisation ou l'apprentissage automatique, plus une piste d'audit qui relie chaque valeur à sa page source.

Seebeck coefficient (µV/K)odds ratioredshift zsample size (N)thermal conductivity (W/mK)95% confidence intervalpeak magnitudegrowth temperature (°C)p-valuezT figure of merithost galaxyadverse events ratebinding affinity (Kd)hazard ratio (HR)IC50 (nM)carbon sequestration (t/ha)optical chiralitymean squared error (MSE)lattice parameter (Å)transcriptome coverageF1 benchmark scoreactivation energy (eV)orbital period (days)exoplanet radius (R⊕)cross-entropy losswater-use efficiency (kg/m³)durable solution statusrelative risk (RR)equilibrium constant (Keq)radio flux density (mJy)standardized mean differencedielectric permittivitysoil organic carbon (%)carrier mobility (cm²/Vs)intervention effect sizepathogen resistance geneGibbs free energy (ΔG)pore diameter (nm)extraction confidence (%)Seebeck coefficient (µV/K)odds ratioredshift zsample size (N)thermal conductivity (W/mK)95% confidence intervalpeak magnitudegrowth temperature (°C)p-valuezT figure of merithost galaxyadverse events ratebinding affinity (Kd)hazard ratio (HR)IC50 (nM)carbon sequestration (t/ha)optical chiralitymean squared error (MSE)lattice parameter (Å)transcriptome coverageF1 benchmark scoreactivation energy (eV)orbital period (days)exoplanet radius (R⊕)cross-entropy losswater-use efficiency (kg/m³)durable solution statusrelative risk (RR)equilibrium constant (Keq)radio flux density (mJy)standardized mean differencedielectric permittivitysoil organic carbon (%)carrier mobility (cm²/Vs)intervention effect sizepathogen resistance geneGibbs free energy (ΔG)pore diameter (nm)extraction confidence (%)

sea-level rise projectionCronbach’s reliability αmean difference (MD)CRISPR off-target editsbandgap energy (eV)participant cohort (N)climate scenario SSP5-8.5photoluminescence peak (nm)dosage regimen (mg/kg)carrier concentration (cm⁻³)study methodologysupernova discovery dateelimination half-life (t½)Gini inequality indexquantum yield (%)superconductivity Tc (K)gene set enrichment (NES)observed heterozygosityV-Dem democracy indexparty polarization scoreisobaric heat capacity (Cp)standard enthalpy (ΔH°)mass-to-charge ratio (m/z)XRF pigment profileelastic shear modulus (GPa)belowground root biomassShannon-Wiener diversityspectral resolution (R)power conversion efficiencyBayesian credible intervalgrain crystallite sizecitation network centralitypaleoclimatic δ18O proxymagnetic susceptibilitytherapeutic window ratiosurface roughness (Ra)turnover frequency (TOF)Mamluk script classificationsource page DOIsea-level rise projectionCronbach’s reliability αmean difference (MD)CRISPR off-target editsbandgap energy (eV)participant cohort (N)climate scenario SSP5-8.5photoluminescence peak (nm)dosage regimen (mg/kg)carrier concentration (cm⁻³)study methodologysupernova discovery dateelimination half-life (t½)Gini inequality indexquantum yield (%)superconductivity Tc (K)gene set enrichment (NES)observed heterozygosityV-Dem democracy indexparty polarization scoreisobaric heat capacity (Cp)standard enthalpy (ΔH°)mass-to-charge ratio (m/z)XRF pigment profileelastic shear modulus (GPa)belowground root biomassShannon-Wiener diversityspectral resolution (R)power conversion efficiencyBayesian credible intervalgrain crystallite sizecitation network centralitypaleoclimatic δ18O proxymagnetic susceptibilitytherapeutic window ratiosurface roughness (Ra)turnover frequency (TOF)Mamluk script classificationsource page DOI

Unifier les connaissances humaines,
une base de données à la fois.

Transformez les documents déjà présents dans vos dossiers en un ensemble de données vérifiées que vous pouvez inspecter, analyser, publier et réutiliser.

Créez votre base de données gratuitement

150 papiers gratuits · pas de carte de crédit · chaque valeur tracée