SciSchema.org: A Multidisciplinary Collection of Schemas for Structured Scientific Process Descriptions
SciSchema.org 发布首个版本，包含 16 个专家标注的跨学科 schema，覆盖生物学与生物技术、材料与化学、成像与测量、物理学和心理学。每个 schema 定义可复用的字段，用于描述科学过程实例，包括输入、输出、材料、仪器或软件、参数、条件、程序步骤、测量和 provenance 相关信息。schema 通过人机协作的 schema-mining 工作流创建，其中大语言模型生成候选结构，领域专家构建最终主 schema。数据集包含 JSON Schema 和 SHACL 格式的最终 schema、中间模型生成的 schema、专家反馈记录、源论文元数据、社区开发材料和分析脚本。
发展脉络
- 首次出现SciSchema.org: A Multidisciplinary Collection of Schemas for Structured Scientific Process DescriptionsarXiv cs.CL
- 当前判断科学出版和实验记录正在向结构化、机器可读的方向发展。SciSchema.org 提供了一种标准化的方式描述科学过程，可能推动科学数据共享和可重复性。如果被广泛采用，可能影响科学出版、实验管理和自动化研究工具。Agent Pulse · 分析
SciSchema.org 是一个多学科的科学过程结构化描述 schema 集合，首次发布包含 16 个专家标注的 schema，覆盖生物学与生物技术、材料与化学、成像与测量、物理学和心理学。每个 schema 定义了可复用的字段，用于描述科学过程的实例，包括输入、输出、材料、仪器或软件、参数、条件、程序步骤、测量和 provenance 相关信息。这些 schema 通过人机协作的 schema-mining 工作流创建：大语言模型从过程规范、科学文章和专家反馈中生成候选结构，然后领域专家构建最终的主 schema。数据集以 JSON Schema 和 SHACL 格式提供最终 schema，并包含中间模型生成的 schema、专家反馈记录、源论文元数据、社区开发材料和分析脚本。技术验证评估了 schema 结构，但具体验证结果未在摘要中详述。
该工作展示了 LLM 在科学领域结构化知识提取中的辅助作用，但最终 schema 由领域专家构建，表明纯自动生成的结构可能不足以满足领域需求。schema 覆盖多个学科，可能促进跨学科的科学过程比较和复用。下一步可关注 schema 的采用情况，例如是否有工具或平台集成这些 schema，以及它们是否被用于自动化科学工作流。
科学出版和实验记录正在向结构化、机器可读的方向发展。SciSchema.org 提供了一种标准化的方式描述科学过程，可能推动科学数据共享和可重复性。如果被广泛采用，可能影响科学出版、实验管理和自动化研究工具。
对于科学出版平台、实验室信息管理系统和科研数据服务商，采用这些 schema 可以提升数据互操作性和可重复性，可能降低数据整合成本。对于 AI 驱动的科学发现工具，这些 schema 提供了训练和评估的结构化数据。
未来可能看到更多学科加入，以及 schema 被用于自动化实验记录、文献挖掘和跨研究比较。可验证的信号包括：是否有后续版本扩展 schema 数量，是否有第三方工具采用这些 schema，以及是否有研究使用这些 schema 进行大规模分析。