SciSchema.org：用于结构化科学过程描述的多学科模式集合
SciSchema.org: A Multidisciplinary Collection of Schemas for Structured Scientific Process Descriptions
浏览论文内容
中文总结 AI 辅助
SciSchema.org发布首个多学科科学过程模式集合，采用人在回路模式挖掘工作流构建，支持科学领域结构化标注等多项应用。
中文摘要 AI 辅助
科学过程常以异构的文章话语描述，用于比较、可复现、复用和自动化的细节分散在散文、表格、图表、方案及补充文件中。我们发布SciSchema.org的首个版本，这是覆盖生物与生物技术、材料与化学、成像与测量、物理、心理学5个领域的多学科集合，包含16个专家标注的模式。每个模式定义了描述过程实例的可复用字段，包括输入、输出、材料、仪器或软件、参数、条件、步骤、测量及溯源相关信息。这些模式通过人在回路的模式挖掘工作流创建：大型语言模型从过程规范、科学文章及专家反馈生成候选结构，再由领域专家构建最终主模式。该数据集包含JSON Schema和SHACL格式的最终模式、中间模型生成的模式、专家反馈记录、来源论文元数据、社区开发材料及分析脚本。技术验证评估了模式结构、开发溯源、专家评审及语法一致性，该集合支持结构化标注、元数据丰富、科学知识图谱、信息抽取、语义出版及跨研究比较。
英文摘要
Scientific processes are often described in heterogeneous article discourse, with details needed for comparison, reproducibility, reuse, and automation dispersed across prose, tables, figures, protocols, and supplementary files. We present the first release of SciSchema.org, a multidisciplinary collection of 16 expert-annotated schemas spanning Biology & Biotechnology, Materials & Chemistry, Imaging & Measurement, Physics, and Psychology. Each schema defines reusable fields for describing process instances, including inputs, outputs, materials, instruments or software, parameters, conditions, procedural steps, measurements, and provenance-related information. The schemas were created through a human-in-the-loop schema-mining workflow in which large language models generated candidate structures from process specifications, scientific articles, and expert feedback, followed by domain-expert construction of final master schemas. The dataset contains final schemas in JSON Schema and SHACL formats, intermediate model-generated schemas, expert-feedback records, source-paper metadata, community-development materials, and analysis scripts. Technical validation assessed schema structure, development provenance, expert review, and syntactic conformance. The collection supports structured annotation, metadata enrichment, scientific knowledge graphs, information extraction, semantic publishing, and cross-study comparison.
发表机构
- TIB Leibniz Information Centre for Science and Technology（莱布尼茨科学与技术信息中心（TIB））
- University of Brescia（布雷西亚大学）
- University of Alicante（阿利坎特大学）
- Georgia Institute of Technology（佐治亚理工学院）
- Duke University（杜克大学）
- Johns Hopkins University（约翰霍普金斯大学）
- University of Manchester（曼彻斯特大学）
- Narnia Labs（纳尼亚实验室）
机构由 AI 辅助整理，请以论文原文为准。
