Montar um recorte

O recorte define quais artigos entram no corpus: de quais revistas, de quais anos e de quais tipos. Ele fica na seção fontes e recorte do mapa.yaml do projeto.

1. Escolher as revistas

O mapa traz um retrato das revistas correntes do SciELO Brasil. Para procurar:

mapa revistas politica                 # título, acrônimo ou categoria com "politica"
mapa revistas --area humanas           # todas as revistas de Ciências Humanas
mapa revistas saude --area "saude"     # combinando os dois

A busca ignora acentos e maiúsculas. A tabela mostra o acrônimo, o ISSN usado pelo SciELO, o título, a grande área e a licença da revista.

Quando tiver a lista, peça as linhas prontas para colar no mapa.yaml:

mapa revistas politica --yaml

      - 0103-3352           # Revista Brasileira de Ciência Política
      - 0104-6276           # Opinião Pública

Revistas descontinuadas

O retrato vem da ArticleMeta, que só lista revistas correntes. Uma revista que deixou o SciELO não aparece no mapa revistas. Se você souber o ISSN dela, pode colocá-lo no mapa.yaml mesmo assim.

2. Ajustar o mapa.yaml

fontes:
  scielo:
    colecao: scl                       # SciELO Brasil
    revistas:
      - 0103-3352                      # Revista Brasileira de Ciência Política
      - 0104-6276                      # Opinião Pública
    tipos: [research-article, review-article]

recorte:
  anos: [2010, 2025]

• revistas: o ISSN impresso, o online ou o do SciELO. O mapa reconhece os três.
• anos: primeiro e último ano de publicação, inclusive. O ano sai do identificador do artigo no SciELO (o PID), porque a API não filtra por ano de publicação (veja Fontes de dados).
• tipos: por padrão, artigos de pesquisa e de revisão. Resenhas (book-review), editoriais (editorial), erratas (correction) e outros tipos ficam de fora. Para incluí-los, acrescente o tipo à lista.

Para já criar o projeto com o recorte certo, sem editar o YAML:

mapa novo meu-projeto --revista op --revista dados --anos 2010-2025

3. Coletar

Dentro da pasta do projeto:

mapa coletar

O mapa lista os artigos de cada revista na ArticleMeta, baixa o registro de cada um, normaliza e grava o corpus em dados/documentos.parquet. No fim, mostra quantos documentos entraram por revista e quantos ficaram de fora (outros anos, outros tipos).

Opção	Para quê
--revista op (repetível)	Coleta só estas revistas, nesta execução, sem mudar o mapa.yaml
--anos 2024 ou --anos 2010-2025	Coleta só este período, nesta execução
--limite 20	Só os 20 primeiros artigos: bom para testar o caminho todo em segundos
--atualizar	Baixa de novo as listas de artigos, para pegar publicações novas
--offline	Não acessa a internet: monta o corpus só com o que já está guardado

Pode interromper. Cada registro é guardado assim que chega (em brutos/). Se a coleta for interrompida (Ctrl+C, queda de rede), rodar mapa coletar de novo continua de onde parou. Rodar depois de terminada não faz nenhuma requisição: tudo vem do que já foi guardado.

Quanto tempo leva: a ArticleMeta responde uns 3 registros por segundo com 4 requisições simultâneas. Uma revista-ano leva segundos; o piloto inteiro (cerca de 5 mil artigos), uns 30 minutos na primeira vez.

Busca por termo

Às vezes o recorte é um tema, e não uma revista inteira. A busca por termo usa o OpenAlex para achar os artigos cujo título ou resumo mencionam o termo:

mapa coletar --consulta "reforma da previdência"

Para deixar a busca fixa no projeto, coloque-a no mapa.yaml:

fontes:
  openalex:
    consulta: '"reforma da previdência" OR "previdência social"'

• Com revistas no recorte, a busca fica restrita a elas. Sem revistas (revistas: []), a busca cobre todo o SciELO.
• O corpus passa a ser o resultado da busca, e não as revistas inteiras.
• A sintaxe é a do OpenAlex: aspas para expressões exatas, e AND, OR e NOT.
• Cada resultado do SciELO Brasil vira um registro completo da ArticleMeta. O mapa descobre o PID pelo DOI, na lista de artigos da revista.
• Custo: cada página de até 200 resultados custa 10 créditos do OpenAlex. Buscas com mais de 2.000 resultados são recusadas antes de gastar créditos: refine os termos, as revistas ou os anos.

4. Conferir

mapa status

O comando mostra o recorte e em que ponto está cada etapa. Depois da coleta, ele mostra também a cobertura do corpus:

Corpus: 25 documento(s), 2024
Última coleta: ficaram de fora 544 fora do período, 0 por tipo e 0 não encontrado(s); 0 duplicata(s)
fundida(s). 0 requisição(ões), 27 do cache, 0 crédito(s) do OpenAlex.

Em seguida vêm tabelas curtas, cada uma com o número e a porcentagem de documentos:

Tabela	O que conferir
Por revista, Por tipo	Se as contagens batem com o que você esperava do recorte
Cobertura	Quantos têm resumo, DOI e afiliação, e quantos são possíveis duplicatas (veja Fontes de dados)
Resumo por idioma	Em quais idiomas há resumo. A análise usa o idioma do recorte.idioma_analise, então ele precisa cobrir quase todo o corpus
Afiliações	Quantos têm afiliação normalizada pelo SciELO (v240) e quantos só em texto livre (v70). Importa para a geografia
Casamento com o OpenAlex	Por qual caminho cada documento foi ligado ao OpenAlex, e quantos ficaram sem ligação
Licença, Licença decidida por	Quais resumos podem ser publicados num site, e de qual fonte veio a licença

O painel (mapa painel) também passa a mostrar os números do corpus na página inicial.

Dicas

• Comece pequeno. Uma revista e um ano bastam para conferir o caminho todo em poucos minutos, antes do corpus inteiro.
• Áreas são amplas. A grande área do SciELO ("Ciências Humanas") junta disciplinas muito diferentes. Para uma disciplina, prefira uma lista curada de revistas, como a do projeto piloto de ciência política.
• Um projeto por pergunta. Recortes diferentes pedem pastas diferentes: mapa novo cria outra em segundos.