data-datasets

Figshare

Um repositório em que pesquisadores depositam conjuntos de dados, figuras, pôsteres e outros produtos suplementares. Sua API de leitura dispensa chave e nossa busca a consulta diretamente, ou é possível navegar pelo site. Útil quando os dados por trás de um artigo foram publicados separadamente do artigo em si.

Conjuntos de dados API

Pesquisar neste arquivo

Por que é útil e como funciona

O Figshare é um repositório de pesquisa concebido para produtos que não se encaixam bem em um artigo de periódico: conjuntos de dados brutos, figuras, código, vídeos, pôsteres e arquivos suplementares são todos itens de primeira classe aqui, cada um com seu próprio DOI e sua citação. É particularmente útil quando um artigo faz referência a dados ou materiais hospedados separadamente. O Echo consulta a API do Figshare diretamente, e também é possível navegar pelo figshare.com por palavra-chave, tipo de arquivo ou categoria temática.

O que há dentro

Mais de sete milhões de objetos de pesquisa abertos em 2023, abrangendo conjuntos de dados, figuras, mídia e outros produtos suplementares de pesquisadores do mundo inteiro. A coleção continua a crescer, já que editoras também usam a plataforma para hospedar suplementos de artigos.

Acesso via API

https://api.figshare.com/v2/articles?search_for= (keyless read)

O que medimos

As nossas próprias sondagens, não o que o arquivo afirma. Repetidas periodicamente; cada valor tem data.

Acessibilidade

Pedido direto: Respondeu HTTP 202 318 ms
Através de um proxy de centro de dados: Respondeu HTTP 202 790 ms
API, direta: Respondeu HTTP 200 328 ms
API, através de proxy: Respondeu HTTP 200 1 s

Uma pesquisa real devolveu alguma coisa?

Devolveu resultados · 10 resultados para a consulta de teste · mediana 10,9 s · instável entre execuções

Lento: conte com esperas longas ou invoque de forma assíncrona.

Consulta de teste: Exploration of Problem and Solution Types In Los Angeles County Smog Control 1943-1976

Cobertura no benchmark

Encontrou 8 de 10 itens de teste (80%) no cluster Conjuntos de dados. Resposta mediana 1,1 s.

Consoante o quão conhecido é o item: 2/3 muito conhecidos, 6/6 intermédios, 0/1 pouco conhecidos .

Um item que encontrou: Regularization-enhanced federated class-incremental learning with generative replay for smart edge

Acessibilidade medida a 2026-08-22. Pesquisa verificada em 2026-08-22. Execução do benchmark a 2026-08-22.