Pro koho to je · Evgeny K.

Články se skutečným datem vydání

Clean Web Clipper hledá datum tam, kde ho stránka uvádí: v citation_date, tedy ve standardu, který posílá arXiv, PubMed i IEEE, dál v JSON-LD, v article:published_time a v time[datetime]. Odkazy na reference převede na poznámky [^1] s definicemi na konci souboru. Když stránka datum neuvádí, pole zůstane prázdné.

Rešerše, kterou pak rekonstruujete

Uložená studie bez data vydání je citace, kterou budete za půl roku dohledávat znovu. Většina clipperů problém obejde tím, že do pole vloží den, kdy jste na ikonu klikli – a od té chvíle máte v poznámkách datum, které vypadá jako údaj o publikaci, ale není. Nesprávný údaj v poli je horší než prázdné pole, protože se pozná až v seznamu literatury.

Druhá ztráta jsou reference. Odkazy na poznámky pod čarou zůstanou jako čísla v horním indexu bez cíle, nebo se rozpustí do textu, takže z tvrzení zmizí, o co se opíralo. Ke stejné škodě vede i přeházené pořadí operací: když se identifikátory odstraní dřív, než se poznámky posbírají, ztratí se všechny naráz a tiše.

Text a přemýšlení navíc skončí na různých místech. Správce literatury drží metadata, aplikace na poznámky vaše komentáře a ani jedno nedrží pasáž, ke které jste se vyjadřovali. Při psaní se pro ni vracíte a polovina odkazů vede na paywall, přes který jste četli v institucionální relaci, jež mezitím vypršela. Když si necháte samotný text ve stejném souboru jako poznámky k němu, tahle cesta tam a zpátky odpadne.

Co se změní

• Čte citation_date a citation_publication_date – meta značky, které posílá arXiv, PubMed a IEEE
• Dál JSON-LD datePublished, article:published_time, time[datetime] a unixová razítka
• Když datum na stránce není, pole zůstane prázdné; dnešek se do něj nikdy nedoplní
• Odkazy na reference se mění na poznámky [^1] s definicemi na konci poznámky
• Autor se filtruje: nadpisy sekcí ani popisky tlačítek v poli author neskončí
• Adresa zdroje je ve frontmatteru, takže poznámka je citovatelná sama o sobě
• Datum vydání a datum uložení se nikdy nesmíchají: datum stránky je pole ve frontmatteru, den, kdy jste ukládali, je {date} v názvu souboru
• Žádné zbylé HTML značky napříč 512 otestovanými stránkami, takže pasáž vložená do rukopisu nepřinese zatoulaný span ani útržek popisku obrázku

---
title: "Datování sedimentů metodou olova-210"
source: "https://vesmir.cz/cz/casopis/archiv-casopisu/"
date: "2019-03-04T06:00:00.000Z"
extraction: "dom"
---

Aktivita olova-210 v jádru sedimentu klesá s hloubkou, a protože je jeho
poločas přeměny 22,3 roku, dá se z profilu odečíst rychlost sedimentace
za posledních zhruba sto let.[^2]

[^2]: Appleby, P. G. (2001). Chronostratigraphic techniques in recent
      sediments. Dordrecht: Kluwer. s. 171–203.

Nastavení pro čtení odborných článků

Výchozí nastavení je laděné na rychlé čtení článků. Složka se zdroji chce opak: zachovat každé pole metadat a na výsledek se podívat dřív, než se založí.

1. Z ikony rozšíření otevřete Možnosti a cíl nastavte na složku se zdroji projektu – zdroje/ vedle rukopisu, nebo složku uvnitř vaultu.
2. Kliknutí na ikonu nechte jako okno s náhledem, ne „zapsat do složky“. U odborných článků si okno své místo zaslouží: v něm uvidíte, jestli datum a autoři opravdu prošli, ještě než soubor vznikne.
3. Šablonu názvu nastavte na {domain}-{title}. Preprint, časopisecká verze a kopie v repozitáři jsou tři různé dokumenty se stejným názvem a ve výpisu složky je od sebe odliší právě doména.
4. Zapněte všechna pole frontmatteru, extraction také. To poslední tu záleží víc než jinde: jsonld-articlebody znamená, že text pochází ze strukturovaných dat stránky, ne z vykreslené podoby, a obojí nemusí být stejná verze.
5. Obrázky nechte jako odkazy. Grafy bývají samotným argumentem a odkaz aspoň řekne, že tam graf byl; vynechání tiše smaže i to, že ho článek měl.
6. Když existuje stránka s abstraktem i plný text v HTML, uložte je zvlášť. Nesou různá metadata: stránka s abstraktem obvykle drží značku citation_date, plný text reference.
7. Po prvním uložení od vydavatele, kterého jste ještě nepoužili, se podívejte na pole date. Když je prázdné, web ve značkách žádné datum neuvádí a žádné nastavení ho nevyrobí.

Nastavení pro složku se zdroji

Tahle tabulka není o rychlosti. Je o tom, aby soubor i za dva roky říkal, odkud pochází a jak vznikl.

---
title: "Reprodukovatelnost určování variant napříč sekvenačními platformami"
source: "https://example-journal.org/articles/vc-repro"
author: "M. Ilves, R. Okonkwo"
date: ""
extraction: "jsonld-articlebody"
---

## Abstrakt

Shoda mezi platformami klesla pod 0,90 u inzercí a delecí delších než osm
bází, zatímco substituce se shodovaly ve všech čtyřech testovaných postupech.

Tři situace z rešerše

Preprint, který se pod citací změní

V březnu čtete první verzi preprintu a uložíte ji. V září stránka s abstraktem ukazuje třetí verzi s přepracovanými výsledky a dvěma novými autory. Uložíte znovu; druhý soubor dostane číselnou příponu a první nenahradí.

Jakýkoli nástroj na porovnání teď ukáže, která tvrzení se posunula mezi verzí, kterou jste citovali, a verzí, kterou čtenář na té adrese najde. Bez březnového souboru nejde vůbec doložit, že se něco změnilo: adresa vypadá stejně a stránka ukazuje jen svůj současný stav.

Plný text za institucionálním přihlášením

Článek se vám zobrazí, protože jste v síti univerzity nebo přihlášení přes knihovnu. Rozšíření čte, co prohlížeč vykreslil, takže plný text se uloží jako každá jiná stránka a reference se změní na definice poznámek [^1] na konci souboru.

Důležité je to o půl roku později, kdy relace vypršela a tentýž odkaz chce peníze. Pasáž, její autoři i datum leží v souboru na vašem disku a nic v něm nezávisí na tom, jestli předplatné pořád běží.

Psaní se zdroji ve stejné složce

Rukopis je v clanek/, uložené zdroje v clanek/zdroje/. Každou citaci v konceptu jde ověřit proti souboru, ze kterého pochází, bez otevření prohlížeče, a adresa i datum do seznamu literatury jsou dva řádky na začátku toho souboru.

Protože jde o prostý text, grep přes složku odpoví na otázku, na kterou správce literatury neodpoví: ne které články jste si uložili, ale které z nich určitou formulaci opravdu použily.

Proti obvyklému postupu při čtení

Většina lidí už dělá dvě nebo tři z těchto věcí. Poctivé srovnání neříká, že selhávají, ale že každá ztratí něco jiného.

Když metadata neprojdou

Pole s datem vyšlo prázdné

Stránka neuvádí datum, které by rozšíření poznalo. Hledá citation_date a citation_publication_date (značky, které používá arXiv, PubMed a IEEE), pak JSON-LD datePublished, article:published_time, time[datetime] a unixová razítka, v tomto pořadí. Když nic z toho na stránce není, pole zůstane prázdné a dnešek se do něj nedoplní – věrohodné špatné datum ve složce se zdroji se odhalí přesně v nejhorší chvíli.

U článku, který autory zjevně má, je pole autora prázdné

Hledání autora čte strukturovaná data a značky tiráže a pak odfiltruje obvyklé falešné nálezy: nadpisy oddílů, názvy časopisů, bloky „authority control“ a popisky tlačítek. Někteří vydavatelé mají seznam autorů v prvku vykresleném JavaScriptem bez jakékoli značky tiráže, a filtrem pak neprojde nic. Prázdné pole je záměrný výsledek – alternativou bylo u nejednoho clipperu „Přejít na obsah“ v poli autora.

Prošel jen abstrakt, ne článek

Uložili jste vstupní stránku s abstraktem, která u většiny preprintových serverů a časopisů opravdu obsahuje jen abstrakt. Plný text leží na jiné adrese, obvykle za odkazem „plný text“, „HTML“ nebo „čtečka“ na téže stránce. Uložte i tu; obě stránky nesou různá metadata a vyplatí se je mít jako dva soubory.

Chybějí rovnice

Matematika vysázená jako obrázek zůstane odkazem na obrázek, a když máte obrázky nastavené na „vynechat“, zmizí úplně. Kde vydavatel sází vzorce jako text, znaky projdou. Převod do LaTeXu tu není: rozšíření čte, co stránka vykreslila, a zápis z obrázku nerekonstruuje.

Co nedělá

Nestahuje PDF a nečte, co je uvnitř nich – pracuje s tím, co prohlížeč vykreslil jako stránku. Nevyrábí citace ve stylu ČSN ani BibTeX; dodá pole, ze kterých si citaci sestaví váš správce literatury. Datum si nikdy nedomýšlí: na stránce bez data zůstane pole prázdné, a na české padesátce nejnavštěvovanějších webů je to případ poměrně častý, protože datum v jejich JSON-LD chybí. Vzorce vysázené jako obrázek zůstanou odkazem na obrázek.

Otázky