Pentru cine este

Articole care își păstrează data reală

Un articol salvat fără data publicării devine o referință pe care va trebui să o reconstituiți mai târziu. Extensia citește data din metadatele paginii, în loc să o caute prin text, și lasă câmpul gol atunci când pagina nu poartă niciuna. Linkurile de referință, la rândul lor, devin note Markdown adevărate, adunate la finalul fișierului.

Unde se pierde o referință

Momentul în care o sursă devine inutilizabilă este mereu același: acela în care trebuie citată. Preluarea poartă un titlu aproximativ, nicio adresă și o dată care este a zilei în care ați citit pagina. Deschideți din nou browserul ca să regăsiți articolul, numai că el și-a schimbat adresa sau a dispărut în spatele unui acces pe care nu îl mai aveți. Notița există și nu dovedește nimic.

Notele de subsol sunt al doilea punct de rupere. Un articol științific stă tot atât în trimiterile lui cât în corpul propriu-zis, iar majoritatea convertoarelor le preschimbă în ancore moarte, care duc spre o pagină părăsită de mult. Reperele numerotate rămân în text, definițiile se pierd, și devine imposibil de aflat la ce trimitea a treia notă.

Al treilea punct este accesul. O bună parte din ce citiți se deschide prin abonamentul instituției, iar abonamentul ține cât ține afilierea: la schimbarea locului de muncă, articolele rămân la fel de existente și la fel de inaccesibile. Aceeași problemă în mic o are și o preprintură înlocuită la aceeași adresă cu o versiune nouă, fără nicio mențiune – ce ați citat nu mai este ce se vede acolo. O copie de text făcută în ziua lecturii, cu adresa și data declarată de pagină, este singura care nu depinde de niciuna dintre cele două.

Ce păstrează notița

• Citește citation_date și citation_publication_date – metaetichetele emise de arXiv, PubMed și IEEE
• Citește și JSON-LD datePublished, article:published_time, time[datetime] și marcajele Unix
• Nicio dată pe pagină înseamnă câmp gol, niciodată data de azi
• Linkurile de referință devin note [^1], cu definițiile adunate la finalul fișierului
• Autorul este filtrat: titlurile de rubrică și etichetele de buton nu ajung în câmpul author
• Adresa sursei este scrisă în frontmatter, așa că notița rămâne citabilă de una singură
• Selecția se preia separat: o singură secțiune de metodă poate deveni un fișier de sine stătător
• Câmpul extraction consemnează calea pe care a venit textul, dom sau jsonld-articlebody
• Extragerea a fost măsurată pe 403 pagini din primele cincizeci de site-uri ale mai multor țări europene, cu zero eșecuri și zero resturi de HTML

---
title: "Împrumuturi lexicale în româna veche"
source: "https://www.diacronia.ro/ro/indexing/details/A12345"
author: "Maria Ionescu"
published: "2018-05-14"
extraction: "dom"
---

Distribuția împrumuturilor în textele secolului al XVII-lea urmează
rețelele comerciale ale epocii, nu granițele administrative.[^1]

[^1]: Densusianu, O. (1901). Histoire de la langue roumaine. Paris, p. 214.

Cum se pregătește un dosar de lucru

Se reglează o singură dată, la începutul unei recenzii de literatură, și ține tot proiectul. Setările implicite sunt bune pentru citit; o bibliografie cere mai multe metadate, nu mai puține.

1. Instalați extensia și deschideți Opțiuni din meniul pictogramei.
2. Alegeți ca destinație un dosar al proiectului, de pildă Recenzie/surse, și lăsați fereastra de previzualizare pornită: la un articol, verificarea câmpului published înainte de salvare costă două secunde și scutește o oră mai târziu.
3. Puneți tiparul de nume pe {date} – {title}. {date} este data publicării declarate de pagină, așa că dosarul se sortează cronologic de la sine; când pagina nu declară nicio dată, în nume intră ziua de azi, iar câmpul published din frontmatter rămâne gol – deosebirea este intenționată.
4. Lăsați pornite toate câmpurile de frontmatter: title, source, author, published și extraction. Sunt exact câmpurile pe care le veți transcrie oricum într-o fișă bibliografică.
5. Puneți imaginile pe „păstrează ca linkuri”. Figurile nu se descarcă, dar linkul rămâne, iar la un articol figura este adesea singurul loc unde stă rezultatul.
6. Adăugați o regulă pe site pentru platformele de preprinturi pe care le urmăriți, cu propriul subdosar. O preprintură și un articol trecut prin recenzie nu au aceeași greutate și nu au ce căuta în același dosar.
7. Verificați Alt+Shift+M în chrome://extensions/shortcuts, ca preluarea să se facă fără să întrerupeți lectura.

Setări pentru o bibliografie

A treia coloană spune ce câștigă citarea din fiecare valoare. Câteva sunt pe dos față de ce ați alege pentru citit relaxat: aici contează metadatele, nu comoditatea.

---
title: "Mobilitatea internă în perioada 1990–2002"
source: "https://www.unibuc.ro/cercetare/texte-de-lucru/mobilitate-interna/"
author: "Radu Marinescu"
published: ""
extraction: "dom"
---

Datele provin din recensămintele succesive și au fost recalculate pe
unitățile administrative existente la data ultimei runde.

Câmpul `published` a rămas gol pentru că pagina nu poartă nicio dată în
metadate. Ziua preluării nu a fost pusă în locul ei.

Trei momente din proiect

Recenzia de literatură strânsă în ordine cronologică

Deschideți patruzeci de articole într-o săptămână și le preluați pe măsură ce le citiți, cu tiparul {date} – {title} și dosarul Recenzie/surse. Fiecare fișier primește în nume data publicării declarate de pagină, iar în frontmatter titlul, autorul, adresa și calea de extragere.

La final, listarea dosarului este deja o cronologie: se vede dintr-o privire că trei sferturi din literatura pe care v-ați sprijinit este dintr-un singur interval de patru ani. Observația aceasta nu apare într-un gestionar de bibliografie sortat alfabetic, și schimbă felul în care scrieți secțiunea de context.

Notele care încă trimit undeva

Un articol cu șaptezeci de trimiteri este preluat întreg. Reperele numerotate din text devin note [^1], iar definițiile lor sunt adunate la finalul fișierului, înainte ca filtrul de curățare să șteargă identificatorii pe care se sprijină.

Peste trei luni căutați în notiță la ce trimitea a treizeci și una: este acolo, cu autor, an și pagină, în același fișier. O conversie care lasă doar ancorele ar fi dat un [31] care duce spre o pagină părăsită, iar verificarea ar fi însemnat regăsirea articolului de la zero.

Accesul instituțional folosit cât timp există

Un articol se deschide prin abonamentul universității. Îl citiți în browser, apoi îl preluați: extensia citește pagina pe care browserul a randat-o deja pentru sesiunea dumneavoastră, deci textul ajunge în fișier ca oricare altul.

Peste un an, afilierea s-a schimbat și adresa cere din nou autentificare. Fișierul rămâne lizibil pe discul dumneavoastră, cu adresa și data în cap, deci citarea se poate verifica în el. PDF-ul nu a fost descărcat și nici nu putea fi: extensia preia pagina HTML pe care o aveți în față.

Față de uneltele obișnuite

Fiecare rând rezolvă o parte din problemă, și mai multe dintre ele merg foarte bine împreună cu preluarea. A treia coloană spune unde se oprește fiecare, inclusiv noi.

Când lipsește ceva din fișier

De ce este gol câmpul published?

Pentru că pagina nu declară nicio dată. Extensia o caută în metadate – JSON-LD datePublished, article:published_time, citation_date, citation_publication_date, time[datetime] și marcaje Unix – și nu o caută prin text, unde orice an dintr-o notă de subsol ar putea fi luat drept dată. Un câmp gol se vede și se corectează; o dată greșită intră tăcut în bibliografie.

De ce nu trimit nicăieri notele din fișier?

Verificați dacă randerul dumneavoastră cunoaște notele Markdown: sintaxa [^1] este o extensie, pe care Obsidian și majoritatea randerelor o au, dar un editor foarte simplu poate să o afișeze ca text. Al doilea caz este pagina care nu folosea linkuri de referință, ci ancore desenate cu script: acolo nu există ce aduna, iar textul notei rămâne unde era pe pagină.

De ce sunt formulele lipsă sau ilizibile?

Pentru că erau imagini. O formulă randată ca imagine rămâne un link către site-ul original, iar dacă ați pus imaginile pe „ignoră”, dispare cu totul. Formulele scrise ca text – inclusiv cele în notație TeX pe care pagina le lasă vizibile – trec ca text. Când formulele contează, lăsați imaginile pe „păstrează ca linkuri” și verificați în fereastra de previzualizare înainte de salvare.

De ce spune „nu există articol” pe pagina unei reviste?

Fiindcă pagina aceea este un cuprins, nu un text: titluri de articole, autori și linkuri, adică o listă. Când peste aproximativ un sfert din caracterele extrase stau în interiorul unor linkuri, preluarea se oprește, ca să nu ajungă în dosar un fișier care conține numai sumarul numărului. Deschideți articolul și preluați-l pe el.

Ce nu face

Nu produce o referință bibliografică formatată: nici BibTeX, nici RIS, nici vreun stil de citare – frontmatterul dă câmpurile brute, iar punerea lor în formă rămâne treaba gestionarului dumneavoastră de bibliografie. Nu descarcă PDF-ul articolului, ci preia pagina HTML pe care o aveți în față. Nu ghicește o dată lipsă, iar pe unele corpusuri data lipsește des: este o însușire a site-urilor, nu a extragerii. Formulele randate ca imagine rămân imagini, adică linkuri către site-ul original.

Întrebări