Key points are not available for this paper at this time.
Resumo A transferência de conhecimento não mudou fundamentalmente por muitos séculos: geralmente é baseada em documentos, anteriormente impressos em papel como um ensaio clássico e atualmente como PDF. Com cerca de 2,5 milhões de novas contribuições de pesquisa a cada ano, os pesquisadores se afogam em uma inundação de publicações em PDF pseudo-digitalizadas. Como resultado, a pesquisa é seriamente enfraquecida. Neste artigo, argumentamos a favor de representar contribuições acadêmicas de uma maneira estruturada e semântica como um grafo de conhecimento. A vantagem é que a informação representada em um grafo de conhecimento é legível por máquinas e humanos. Como exemplo, fornecemos uma visão geral do Open Research Knowledge Graph (ORKG), um serviço que implementa essa abordagem. Para criar a representação do grafo de conhecimento, dependemos de uma mistura de técnicas manuais (crowd/expert sourcing) e (semi-)automáticas. Apenas com essa combinação de inteligência humana e de máquina, podemos alcançar a qualidade necessária da representação para permitir novas explorações e serviços de assistência para pesquisadores. Como resultado, um grafo de conhecimento acadêmico como o ORKG pode ser usado para fornecer uma visão condensada sobre o estado da arte abordando uma determinada busca de pesquisa, por exemplo, como uma comparação tabular de contribuições de acordo com várias características das abordagens. Outras possíveis interfaces de acesso intuitivo a tais grafos de conhecimento acadêmico incluem visualizações (gráficas) específicas de domínio ou respostas a perguntas em linguagem natural.
Auer et al. (Mon,) estudaram essa questão.