data-datasets
Figshare
Un repositorio donde los investigadores depositan conjuntos de datos, figuras, pósteres y otros resultados complementarios. Su API de lectura no requiere clave y nuestra búsqueda la consulta directamente, aunque también se puede explorar en el sitio. Útil cuando los datos que sustentan un artículo se publicaron por separado.
Por qué es útil y cómo funciona
Figshare es un repositorio de investigación pensado para los resultados que no encajan bien en un artículo de revista: los conjuntos de datos en bruto, las figuras, el código, los vídeos, los pósteres y los archivos complementarios son aquí elementos de pleno derecho, cada uno con su propio DOI y su cita. Resulta especialmente útil cuando un artículo remite a datos o materiales alojados por separado. Echo consulta la API de Figshare directamente, y también se puede explorar figshare.com por palabra clave, tipo de archivo o categoría temática.
Qué contiene
Más de siete millones de objetos de investigación abiertos a fecha de 2023, que abarcan conjuntos de datos, figuras, material audiovisual y otros resultados complementarios de investigadores de todo el mundo. La colección sigue creciendo, ya que las editoriales también utilizan la plataforma para alojar los materiales complementarios de los artículos.
Acceso por API
https://api.figshare.com/v2/articles?search_for= (keyless read)
Lo que medimos
Nuestras propias pruebas, no lo que afirma el archivo. Se repiten periódicamente; cada dato lleva su fecha.
Accesibilidad
- Petición directa
- Respondió HTTP 202 318 ms
- A través de un proxy de centro de datos
- Respondió HTTP 202 790 ms
- API, directa
- Respondió HTTP 200 328 ms
- API, a través de proxy
- Respondió HTTP 200 1 s
¿Una búsqueda real devolvió algo?
Devolvió resultados · 10 resultados para la consulta de prueba · mediana 10,9 s · inestable entre ejecuciones
Lento: prevé esperas largas o llámalo de forma asíncrona.
Consulta de prueba: Exploration of Problem and Solution Types In Los Angeles County Smog Control 1943-1976
Cobertura en el banco de pruebas
Encontró 8 de 10 elementos de prueba (80%) en el clúster Conjuntos de datos. Respuesta mediana 1,1 s.
Según lo conocido que sea el elemento: 2/3 muy conocidos, 6/6 intermedios, 0/1 poco conocidos .
Un elemento que sí encontró: Regularization-enhanced federated class-incremental learning with generative replay for smart edge
Accesibilidad medida el 2026-08-22. Búsqueda comprobada el 2026-08-22. Banco de pruebas ejecutado el 2026-08-22.
Acceso
Acceso programático mediante API (puede requerir clave, consulte la etiqueta API).