🤖 machine learning

CiteRadar: A Citation Intelligence Platform for Researcher Profiling and Geographic Visualization

CiteRadar è uno strumento open-source a riga di comando che consente ai ricercatori di profilare il proprio impatto citazionale e visualizzare la portata geografica integrando cinque fonti di dati eterogenee attraverso una pipeline robusta dotata di correzioni specializzate per il parsing di Google Scholar, la disambiguazione degli autori e l'arricchimento delle località di OpenAlex, al fine di generare output strutturati e mappe mondiali interattive.

Autori originali: Chenxu Niu, Yiming Sun

Pubblicato 2026-04-29

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Chenxu Niu, Yiming Sun

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di essere un ricercatore che ha scritto un articolo. Sai quante volte è stato citato, ma non sai chi lo sta leggendo, dove si trovano seduti o quanto sono famosi. È come sapere che una canzone è stata riprodotta un milione di volte, ma non sapere se viene cantata da un coro in una cattedrale o da un bambino in un garage.

CiteRadar è un nuovo strumento gratuito che agisce come un investigatore high-tech per la tua ricerca. Prende un singolo link al tuo profilo Google Scholar e costruisce una completa "mappa" del tuo quartiere intellettuale.

Ecco come funziona, scomposto in parti semplici:

1. Il Problema: La "Scatola Nera" delle Citazioni

Attualmente, se vuoi sapere chi sta costruendo sul tuo lavoro, hai due opzioni negative:

L'Opzione "Paywall": Puoi pagare alle università migliaia di dollari l'anno per database sofisticati (come Web of Science) che ti forniscono queste informazioni.
L'Opzione "All'Arme": Puoi utilizzare strumenti gratuiti come Google Scholar, ma ti forniscono solo un numero totale (ad esempio, "500 citazioni") senza dirti i nomi o le ubicazioni delle persone dietro quei numeri.

2. La Soluzione: CiteRadar

CiteRadar è un programma gratuito e open-source che colma questo divario. Gli fornisci il tuo ID Google Scholar e automaticamente esegue cinque azioni per generare un rapporto completo:

Raccoglie le Prove: Legge la tua lista di articoli e trova ogni singolo articolo che ti ha mai citato.
Colma i Vuoti: Accede ad altri database gratuiti per trovare i nomi completi, le università e i paesi delle persone che ti hanno citato.
Ordina la Folla: Crea due liste: una di chi ti cita di più e un'altra di chi è più "influenziale" (basato sul successo della propria carriera).
Disegna la Mappa: Crea una mappa interattiva del mondo che mostra esattamente dove si trovano questi ricercatori.
Sintetizza la Storia: Scrive un riepilogo in testo semplice che puoi inserire in una domanda di finanziamento o in un curriculum.

3. Come Risolve gli Enigmi dei "Dati Disordinati"

L'articolo spiega che internet è disordinato e CiteRadar ha dovuto inventare alcuni trucchi intelligenti per gestirlo:

Il Glitch dello "Spazio Invisibile": Il codice di Google Scholar utilizza un tipo speciale di carattere "spazio" che sembra normale sul tuo schermo ma confonde i computer. Se un computer prova a leggere "Autore - Rivista, Anno" e non sa come gestire questo spazio speciale, pensa che tutto quanto sia il nome dell'autore. CiteRadar possiede un "traduttore" speciale che risolve questo glitch invisibile in modo da separare correttamente i nomi dalle riviste.
Il Problema del "Gemello di Nome": Immagina due persone di nome "John Smith". Uno è un professore famoso con una vasta carriera, l'altro è un nuovo studente. Se un computer guarda solo il nome, potrebbe accidentalmente attribuire le statistiche di carriera del professore famoso allo studente. CiteRadar utilizza un "controllo in due fasi": guarda il nome e l'università. Se l'università non corrisponde, sa che si tratta di persone diverse. Questo impedisce al "nuovo studente" di ottenere accidentalmente un punteggio di carriera falso e gonfiato.
La Correzione dell'"Indirizzo Errato": Una delle fonti di dati (OpenAlex) fornisce ai ricercatori un link web al loro profilo, ma il computer ha bisogno di un tipo diverso di link per ottenere i dati sulla città. CiteRadar scambia automaticamente il "link web" con il "link dati", trasformando un tasso di successo del 0% nel trovare le città in un tasso di successo del 60%.

4. Cosa Ottieni

Quando lo strumento termina, ottieni una cartella contenente:

Una Mappa del Mondo: Puoi cliccare su un punto sulla mappa (come Seoul o Boston) e vedere un elenco a comparsa di ogni ricercatore di quella città che ha citato il tuo lavoro.
Elenco di Classifica: Puoi vedere un elenco dei tuoi "super-fan" (persone che ti citano spesso) e dei tuoi "fan VIP" (ricercatori famosi che ti citano).
Un Rapporto Riepilogativo: Un semplice file di testo che ti dice: "134 persone di 11 paesi ti hanno citato, con il gruppo più grande negli Stati Uniti".

Perché Questo È Importante?

L'articolo sostiene che questo strumento aiuta i ricercatori in tre modi specifici e pratici:

Domande di Finanziamento: Puoi mostrare a un'agenzia di finanziamento: "Guarda, il mio lavoro è utilizzato da laboratori in Germania e Brasile", dimostrando che la tua ricerca ha una reale portata globale.
Promozioni Lavorative: Puoi dimostrare alla tua università: "Sono citato da famosi scienziati senior", il che è più impressionante del semplice dire "Ho 500 citazioni".
Trovare Collaboratori: Se vedi un gruppo di ricercatori in una città specifica che sta già leggendo il tuo lavoro, sai esattamente a chi scrivere per avviare una partnership.

In breve, CiteRadar trasforma una noiosa lista di numeri in una mappa viva e respirante della tua comunità di ricerca, aiutandoti a vedere chi ti sta ascoltando e dove si trovano.

1. Enunciato del Problema

Sebbene gli indicatori bibliometrici aggregati (ad esempio, conteggi totali delle citazioni, indice h) siano lo standard per misurare l'impatto della ricerca, non riescono a rispondere a domande granulari fondamentali per lo sviluppo della carriera, le richieste di sovvenzioni e la scoperta di collaborazioni. I ricercatori hanno bisogno di sapere:

Chi cita il loro lavoro (nomi specifici, istituzioni e anzianità).
Dove si trovano globalmente questi ricercatori.
Quanto influenti sono individualmente i ricercatori che citano.

Le soluzioni esistenti sono inadeguate:

Le piattaforme commerciali (Web of Science, Scopus) offrono questi dati ma richiedono abbonamenti istituzionali costosi.
Google Scholar è gratuito e ampiamente utilizzato ma espone solo conteggi aggregati senza metadati strutturati per autore o dati geografici.
Le API aperte (OpenAlex, CrossRef) forniscono dati grezzi ma richiedono un'ingegneria personalizzata significativa per essere assemblate in uno strumento coerente e automatizzato.
Gli strumenti open esistenti (ad esempio, CitationMap) mancano di disambiguazione degli autori, classifiche strutturate e arricchimento dei metadati da più fonti.

2. Metodologia

CiteRadar è uno strumento a riga di comando Python open-source che automatizza una pipeline a cinque stadi per trasformare un singolo ID utente di Google Scholar in un rapporto completo di intelligence sulle citazioni. Il sistema integra cinque fonti di dati eterogenee: Google Scholar, OpenAlex, CrossRef, Semantic Scholar e OpenStreetMap Nominatim.

Stadi della Pipeline:

Scraping di Scholar e Tracciamento delle Citazioni:
- Esegue lo scraping dell'elenco completo delle pubblicazioni dal profilo di Google Scholar.
- Attraversa i link "Citato da" per ogni articolo con citazioni > 0.
- Strategia Anti-Blocco: Utilizza impronte digitali del browser realistiche, un ritmo di richieste conservativo (ritardo di 2s) e un recupero elegante degli errori 429 per evitare limitazioni della frequenza.
Arricchimento dei Metadati (CrossRef):
- Per gli articoli in cui Scholar tronca l'elenco degli autori (tipicamente >5 autori), CiteRadar interroga l'API di CrossRef utilizzando il matching di similarità del titolo per recuperare elenchi completi e strutturati di autori.
Profilazione Multisorgente degli Autori:
- Risolve i metadati completi dell'autore (nome, istituzione, paese, città) tramite una cascata di priorità:
  1. OpenAlex (Primario): Fornisce ID autore persistenti e dati istituzionali.
  2. Semantic Scholar (Secondario): Ripiego per nomi/affiliazioni.
  3. CrossRef (Terziario): Ripiego per nomi strutturati.
- Correzione URL: Corregge un bug critico in cui venivano recuperati gli URL web delle istituzioni di OpenAlex invece degli endpoint API, aumentando la disponibilità di dati a livello di città dal 0% al ~60%.
Disambiguazione e Classificazione degli Autori:
- Implementa un Algoritmo di Disambiguazione a Due Stadi per prevenire la fusione di entità con "lo stesso nome" (un fallimento comune nella bibliometria).
- Stadio 1: Convalida l'istituzione dell'autore candidato contro l'istituzione a livello di articolo registrata nello Stadio 3 utilizzando la similarità di stringa filtrata per parole vuote.
- Stadio 2: Se non esiste un ID OpenAlex, cerca per nome e filtra i candidati in base alla similarità del nome e alla corrispondenza dell'istituzione.
- Classificazione: Genera due tabelle classificate: una per frequenza di citazione (quanti articoli hanno citato il ricercatore) e una per indice h (influenza del ricercatore che cita).
Sintesi e Visualizzazione:
- Genera un riassunto statistico in testo semplice (ricercatori unici, paesi, istituzioni).
- Crea una mappa mondiale interattiva HTML autonoma utilizzando la libreria Folium.
- Geocodifica: Utilizza OpenStreetMap Nominatim per convertire coppie città/paese in coordinate.
- Visualizzazione: Utilizza marcatori a cerchio scalati logaritmicamente per rappresentare la densità dei ricercatori, impedendo alle grandi città di oscurare quelle più piccole.

3. Contributi Tecnici Chiave

Il documento identifica e risolve quattro specifiche sfide tecniche:

Parser per Spazio Non Divisibile Unicode: L'HTML di Google Scholar utilizza U+00A0 (spazio non divisibile) invece degli spazi standard attorno ai delimiteri. CiteRadar implementa una normalizzazione Unicode esplicita per analizzare correttamente i campi sede e anno, che altrimenti rimarrebbero vuoti nei parser ingenui.
Similarità delle Istituzioni Filtrata per Parole Vuote: Per risolvere la disambiguazione degli autori, il sistema filtra le comuni parole vuote istituzionali (ad esempio, "Università", "di", "Lab") prima di calcolare la similarità delle stringhe. Ciò previene corrispondenze errate tra istituzioni distinte (ad esempio, "Texas Tech University" vs "University of Texas") e riduce gli errori di attribuzione dell'indice h fino a 9 volte.
Conversione URL API OpenAlex: Gli autori hanno scoperto che il recupero dei dati istituzionali tramite l'URL web restituiva HTML invece di JSON. Hanno ingegnerizzato una conversione del percorso (/openalex.org/ $\to$ /api.openalex.org/institutions/), aumentando la frazione di autori con dati a livello di città dal 0% al ~60%.
Scalatura Logaritmica della Mappa: La mappa interattiva utilizza una funzione di scalatura logaritmica per i raggi dei marcatori ( $r(n) = \max(7, 7 + 10 \log_2(n+1))$ ) e una tavolozza di colori ordinata percettivamente per visualizzare efficacemente la densità delle citazioni senza disordine visivo.

4. Risultati e Caso di Studio

Gli autori hanno validato CiteRadar profilando il proprio profilo Google Scholar (ricerca su HPC e Sistemi AI).

Scala: La pipeline ha elaborato 134 ricercatori citanti unici in 11 paesi e 31 istituzioni.
Insight Geografico: Ha identificato un cluster dominante negli Stati Uniti (64%) e un cluster indipendente significativo in Corea del Sud (9%), specificamente presso l'Università Sogang.
Successo della Disambiguazione: Il sistema ha distinto con successo i ricercatori con nomi simili, filtrando voci spurie (ad esempio, nomi di conferenze scambiati per autori) e attribuendo correttamente gli indici h.
Risultati Azionabili:
- Ha rivelato l'adozione della metodologia dell'autore da parte di 20 ricercatori presso l'Oak Ridge National Laboratory (utile per le proposte di sovvenzioni DOE).
- Ha identificato ricercatori senior (indice h $\ge$ 50) che citano il lavoro, fornendo prove qualitative per casi di permanenza/promozione.
- Ha scoperto un impatto interdisciplinare (articoli di benchmarking LLM citati da ricercatori di progettazione VLSI).

5. Significato

CiteRadar colma il divario tra dati grezzi di citazione e intelligence azionabile per i singoli ricercatori.

Accessibilità: Democratizza l'accesso all'intelligence bibliometrica di alto livello precedentemente riservata alle istituzioni con abbonamenti costosi.
Granularità: Va oltre il "quante" citazioni per arrivare al "chi" e "dove", consentendo collaborazioni mirate e pianificazione strategica della carriera.
Riproducibilità: Come singolo pacchetto pip install, offre un flusso di lavoro trasparente e riproducibile per l'analisi delle citazioni.
Robustezza: Affrontando specifiche stranezze di analisi e limitazioni API delle principali fonti di dati, stabilisce un nuovo standard di affidabilità per gli strumenti bibliometrici open-source.

Disponibilità: Lo strumento è open-source (Licenza MIT) e disponibile all'indirizzo https://github.com/chenxuniu/citeradar.