Sobre a API:
A API de Comparação de Texto Papermill é uma ferramenta projetada para ajudar a detectar casos de possíveis irregularidades na publicação acadêmica. Ela compara trabalhos submetidos a um banco de dados de trabalhos anteriormente submetidos, conhecido como "produtos papermill", para identificar semelhanças e alertar os usuários sobre possíveis casos de plágio ou outras formas de irregularidades.
Uma nota importante é que a saída desta API não deve ser considerada evidência de irregularidade. Em vez disso, ela serve como uma ferramenta útil para sinalizar questões potenciais que requerem investigação adicional.
A API recebe metadados de artigos como entrada e classifica os artigos em três categorias: vermelho, laranja e verde. Uma classificação "vermelha" significa que o artigo consultado é altamente similar a artigos papermill anteriores, enquanto uma classificação "laranja" indica que há algum grau de semelhança. Uma classificação "verde" significa que não há artigos papermill semelhantes conhecidos.
A API de Comparação de Texto Papermill pode ser utilizada por editoras acadêmicas, universidades e outras organizações para ajudar a garantir a integridade de suas publicações de pesquisa. Ao identificar possíveis casos de irregularidades desde cedo, a API pode ajudar a evitar que problemas como plágio passem despercebidos.
Vale ressaltar que a API deve ser utilizada como uma ferramenta em um conjunto mais amplo de medidas para garantir a integridade das publicações acadêmicas. Embora a API possa ajudar a detectar questões potenciais, ela não pode substituir a necessidade de uma revisão por pares minuciosa e outras formas de controle de qualidade.
No geral, a API de Comparação de Texto Papermill é uma ferramenta valiosa para editoras acadêmicas, pesquisadores e outras partes interessadas na comunidade acadêmica. Ao fornecer alertas para submissões potencialmente problemáticas, a API pode ajudar a garantir a integridade e a qualidade das publicações de pesquisa.
Envie qualquer texto que você deseja analisar.
A API de Comparação de Texto Papermill recebe metadados de artigos como entrada e classifica os artigos em ‘vermelho’, ‘laranja’ e ‘verde’.
‘vermelho’ significa que existem artigos papermill anteriores que são altamente similares ao artigo consultado.
‘laranja’ significa que existem artigos papermill anteriores que são um pouco similares.
‘verde’ significa que não há artigos papermill semelhantes conhecidos.
Editores Acadêmicos: Editores acadêmicos podem usar a API de Comparação de Texto Papermill para verificar semelhanças entre artigos submetidos e obras previamente publicadas em seu banco de dados. A API pode ajudar os editores a identificar casos de plágio e outras formas de irregularidade.
Universidades: Universidades podem usar a API para verificar semelhanças entre trabalhos de estudantes e submissões anteriores em seus próprios bancos de dados, bem como em bancos de dados externos, como os utilizados por editoras acadêmicas.
Institutos de Pesquisa: Institutos de pesquisa podem usar a API para verificar semelhanças entre propostas de pesquisa e obras previamente publicadas. Isso pode ajudar a garantir que as propostas de pesquisa sejam originais e não simplesmente uma repetição de trabalhos publicados anteriormente.
Editores de Revistas: Editores de revistas podem usar a API para verificar semelhanças entre artigos submetidos e obras previamente publicadas em suas revistas. Isso pode ajudar a garantir que a revista publique apenas pesquisas originais.
Financiadores de Pesquisa: Financiadores de pesquisa podem usar a API para verificar semelhanças entre propostas de pesquisa e obras previamente publicadas. Isso pode ajudar a garantir que os fundos de concessão não sejam utilizados para repetir trabalhos publicados anteriormente e que os fundos sejam usados para pesquisa original.
Além das limitações de chamadas à API por mês, há uma limitação de:
- 10 solicitações por dia no Plano Básico.
A API de Comparação de Texto do Papermill é um sistema que alerta você quando um artigo é semelhante a produtos anteriores do papermill. Assim, a saída desta API não deve ser considerada como 'evidência' de má conduta. Em vez disso, a saída é um alerta que pode ajudá-lo a encontrar casos de má conduta.
O PTC recebe metadados de artigos como entrada e classifica os artigos em 'vermelho', 'laranja' e 'verde'.
'vermelho' significa que existem artigos anteriores do papermill que são altamente semelhantes ao artigo consultado.
'laranja' significa que existem artigos anteriores do papermill que são um pouco semelhantes.
'verde' significa que nenhum artigo anterior do papermill semelhante é conhecido.
O propósito deste método é apenas mostrar a probabilidade de um artigo ter vindo de um papermill e ele está atualmente limitado a casos em ciências biomédicas onde os papermills já produziram grandes números de artigos semelhantes.
Publicação de Documentos - Recursos do endpoint
| Objeto | Descrição |
|---|---|
Corpo da requisição |
[Obrigatório] Json |
{"message": [{"id": "retracted_article_id2", "title": "Silencing circANKRD36 protects H9c2 cells against lipopolysaccharide-induced injury via up-regulating miR-138", "abstract": "Background: Myocarditis refers to the inflammatory process that affects the muscle tissue of the heart. Persistent myocardial inflammation promotes myocardial cell damage, which ultimately leads to heart failure or death. Therefore, we aimed to explore the functional impacts of circANKRD36 on myocarditis. Methods: H9c2 cells were pre-treated with lipopolysaccharide (LPS). Viability and apoptosis were evaluated utilizing CCK-8 assay and flow cytometry. Inflammatory cytokines mRNA expression and production were assessed by qRT-PCR and ELISA. Western blot was utilized to distinguish apoptosis and inflammatory related factors expression. Sequentially, the above mentioned parameters were reassessed when overexpressed miR-138. Results: LPS declined viability and as well as raised apoptosis and inflammatory injury in H9c2 cells. Silencing circular RNA ANKRD36 (si-circANKRD36) alleviated apoptosis and inflammatory injury induced by LPS. MiR-138 expression was suppressed by LPS and elevated by si-circANKRD36. Increase of viability and inflammatory injury induced by si-circANKRD36 was alleviated by down-regulation of miR-138. Eventually, si-circANKRD36 inhibited p38MAPK/NF-\u03baB pathway which activated by LPS via up-regulating miR-138. Conclusion: Si-circANKRD36 exerted its anti-apoptosis and anti-inflammatory function under the condition of LPS in H9c2 cells through p38MAPK/NF-\u03baB pathway and up-regulation of miR-138.", "message": {"status": "red", "message": "This article is highly similar to other papers which are believed to have originated from paper-mills. This does not necessarily mean that this paper originated in a paper-mill. We recommend taking special care to check that this paper meets your criteria for consideration before peer-review."}}], "status_code": 200}
curl --location --request POST 'https://zylalabs.com/api/1915/papermill+text+comparison+api/1621/document+posting' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"id": "retracted_article_id2",
"title": "Silencing circANKRD36 protects H9c2 cells against lipopolysaccharide-induced injury via up-regulating miR-138",
"abstract": "Background: Myocarditis refers to the inflammatory process that affects the muscle tissue of the heart. Persistent myocardial inflammation promotes myocardial cell damage, which ultimately leads to heart failure or death. Therefore, we aimed to explore the functional impacts of circANKRD36 on myocarditis. Methods: H9c2 cells were pre-treated with lipopolysaccharide (LPS). Viability and apoptosis were evaluated utilizing CCK-8 assay and flow cytometry. Inflammatory cytokines mRNA expression and production were assessed by qRT-PCR and ELISA. Western blot was utilized to distinguish apoptosis and inflammatory related factors expression. Sequentially, the above mentioned parameters were reassessed when overexpressed miR-138. Results: LPS declined viability and as well as raised apoptosis and inflammatory injury in H9c2 cells. Silencing circular RNA ANKRD36 (si-circANKRD36) alleviated apoptosis and inflammatory injury induced by LPS. MiR-138 expression was suppressed by LPS and elevated by si-circANKRD36. Increase of viability and inflammatory injury induced by si-circANKRD36 was alleviated by down-regulation of miR-138. Eventually, si-circANKRD36 inhibited p38MAPK/NF-κB pathway which activated by LPS via up-regulating miR-138. Conclusion: Si-circANKRD36 exerted its anti-apoptosis and anti-inflammatory function under the condition of LPS in H9c2 cells through p38MAPK/NF-κB pathway and up-regulation of miR-138."
}'
| Cabeçalho | Descrição |
|---|---|
Authorization
|
[Obrigatório] Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito. |
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento. O teste gratuito inclui até 50 requisições.
A API retorna uma classificação do artigo submetido com base em sua semelhança com artigos anteriores de papéis de papermill. As classificações são 'vermelho' (alta semelhança), 'laranja' (alguma semelhança) e 'verde' (nenhum artigo similar conhecido). Além disso, fornece metadados sobre artigos similares, incluindo títulos e resumos
Os campos chave nos dados da resposta incluem 'id' (identificador do artigo semelhante) 'title' (título do artigo semelhante) e 'abstract' (resumo do artigo semelhante) Esses campos ajudam os usuários a entender o contexto das semelhanças
Os dados da resposta estão estruturados como um objeto JSON contendo um array 'message' Cada entrada no array representa um artigo similar, com campos para 'id', 'title' e 'abstract', permitindo que os usuários analisem e utilizem as informações facilmente
A API fornece informações sobre a semelhança dos artigos submetidos em relação a trabalhos publicados anteriormente incluindo classificações de semelhança e detalhes sobre artigos que são similares Isso ajuda os usuários a identificar potenciais condutas inadequadas
A API compara os artigos submetidos com um banco de dados de trabalhos previamente submetidos, conhecido como "produtos de papermill". Este banco de dados inclui obras principalmente em ciências biomédicas, onde os papermills produziram numerosos artigos semelhantes
Os usuários podem personalizar seus pedidos fornecendo metadados específicos do artigo como entrada Esses metadados podem incluir o título os autores e o resumo do artigo em análise permitindo comparações personalizadas com o banco de dados
Os casos de uso típicos incluem editoras acadêmicas verificando a originalidade de artigos submetidos universidades verificando as submissões de estudantes e financiadores de pesquisa garantindo que propostas de subsídio sejam exclusivas Essas aplicações ajudam a manter a integridade do trabalho acadêmico
Os usuários podem utilizar os dados retornados analisando a classificação e revisando os detalhes de artigos semelhantes Uma classificação 'vermelha' pode levar a uma investigação mais aprofundada enquanto 'verde' indica originalidade ajudando na tomada de decisões para publicação ou financiamento
Nível de serviço:
100%
Tempo de resposta:
127ms
Nível de serviço:
100%
Tempo de resposta:
250ms
Nível de serviço:
100%
Tempo de resposta:
1.571ms
Nível de serviço:
100%
Tempo de resposta:
263ms
Nível de serviço:
100%
Tempo de resposta:
393ms
Nível de serviço:
100%
Tempo de resposta:
542ms
Nível de serviço:
100%
Tempo de resposta:
393ms
Nível de serviço:
100%
Tempo de resposta:
1.002ms
Nível de serviço:
100%
Tempo de resposta:
308ms
Nível de serviço:
100%
Tempo de resposta:
388ms
Nível de serviço:
100%
Tempo de resposta:
10.167ms
Nível de serviço:
100%
Tempo de resposta:
20.003ms
Nível de serviço:
100%
Tempo de resposta:
1.256ms
Nível de serviço:
100%
Tempo de resposta:
1.135ms
Nível de serviço:
100%
Tempo de resposta:
2.468ms
Nível de serviço:
100%
Tempo de resposta:
30ms
Nível de serviço:
100%
Tempo de resposta:
13ms
Nível de serviço:
100%
Tempo de resposta:
50ms
Nível de serviço:
100%
Tempo de resposta:
1.281ms
Nível de serviço:
100%
Tempo de resposta:
25ms