Quatre outils « intelligents » de recherche bibliographique en deux grandes familles

Famille outil de recherche "boule de neige"

Ces outils travaillent au départ à partir d’un document déjà connu et développent les résultats selon divers types de liens pertinents (citations, similitudes, etc.), un peu à la manière d'une boule de neige: initialement, une petite boule durcie à la main, et qu'on roule roule roule roule dans la neige collante pour en faire une énorme boule par couches successives.

1) ConnectedPapers

https://www.connectedpapers.com/

Outil de cartographie des résultats d’une requête « boule de neige ».  Les points sont par couleur en fonction de la date de publication et par taille en fonction du  nombre de citations. ConnectedPapers fait beaucoup plus qu’une simple analyse du réseau des citations.  En effet, les utilisateurs peuvent basculer entre les articles "antérieurs" fondamentaux (Prior works), et les travaux ultérieurs qui en découlent (Derivative works). Le concept de recherche boule de neige est une recherche par similitudes à partir un article d'origine.

Mini démo : https://www.screencast.com/t/C64M1ZJtFoW

2) JSTOR Text Analyzer

https://www.jstor.org/analyze/

Plutôt qu'une recherche traditionnelle par mots-clés, on télécharge un document que l’on a déjà (voire une image contenant du texte) et qu'on sait être du même type de ce que l'on cherche.

L’outil analyse le texte et les occurrences de termes pour nous proposer une liste d’articles similaires tirés de la base JSTOR. Il est possible d’exclure des mots, d’en ajouter manuellement ou même de pondérer l’importance relative de chacun. La performance de l’analyseur est bien entendu très supérieure lorsqu’on y charge des documents de langue anglaise, même si d’autres langues sont possibles. On peut également limiter les documents présentés dans les résultats à ceux pour lesquels l’INRS détient une licence.

En savoir plus:

--

Famille "recherche traditionnelle" par mots-clés

(... mais pas trop traditionnelle finalement)

3) Semantic Scholar

https://www.semanticscholar.org

À partir de quelque mots-clés, Semantic Scholar met en évidence les articles les plus importants et les plus influents, et identifie les liens entre eux. L’outil utilise une combinaison d'apprentissage automatique, de traitement du langage naturel et d’intelligence artificielle pour ajouter une couche d'analyse sémantique aux méthodes traditionnelles d'analyse des citations, et pour extraire les figures, entités et lieux pertinents des documents. Pour décider de la similitude des articles, Semantic Scholar utilise un modèle d'apprentissage automatique formé sur les citations mutuelles et sur les articles que les utilisateurs de Semantic Scholar ont consultés de manière séquentielle.

En effet, un système d'alerte dans Semantic Scholar, appelé flux de recherche adaptatif, un peu à la manière des algorithmes de réseaux sociaux, établit une liste d'articles recommandés que les utilisateurs peuvent former en aimant ou pas les articles qui leur sont présentés.

En savoir plus:

4) Open Knowledge Maps

https://openknowledgemaps.org/

De son côté, Open Knowledge Maps crée sa cartographie à partir de mots-clés (une recherche traditionnelle). La cartographie est basée sur la similarité des textes et des métadonnées pour déterminer comment les articles sont liés entre eux. L'outil présente 100 articles de sous-domaines similaires dans des bulles dont les positions relatives illustrent cette parenté thématique.

Open Knowledge Maps comprend non seulement des articles de journaux, mais aussi d’autres types de contenus tels des jeux de données, etc.

En savoir plus:

--

Sources: