Esta documentação descreve a tecnologia por trás da indexação de sites com artigos acadêmicos no Google Scholar. Ele foi escrito para webmasters que desejam que seus artigos sejam incluídos nos resultados de pesquisa do Google Acadêmico. Informações técnicas detalhadas são úteis se você estiver tentando corrigir um erro na indexação de seu próprio site ou se precisar garantir que seu produto de hospedagem de artigos seja compatível com os serviços de pesquisa do Google e do Google Acadêmico.

Autores individuais

Se você for um autor individual, é melhor simplesmente enviar seu artigo para o seu site, por exemplo, www.example.edu/~professor/jpdr2009.pdf; e adicionar um link para ele em sua página de publicações, como www.example.edu/~professor/publications.html. Certifique-se de que:

1. o texto completo do seu trabalho está em um arquivo PDF que termina com “.pdf”,
2. o título do trabalho aparece em uma fonte grande no topo da primeira página,
3. os autores do artigo estão listados logo abaixo do título em uma linha separada e
4. há uma seção de bibliografia intitulada, por exemplo, “Referências” ou “Bibliografia” no final.

É isso! Nossos robôs de busca normalmente devem encontrar seu artigo e incluí-lo no Google Acadêmico dentro de algumas semanas.

Se não funcionar, você pode (a) ler orientações técnicas mais detalhadas nesta documentação ou (b) verificar se seu repositório institucional local já está configurado para indexação no Google Acadêmico e fazer upload de seus artigos lá.

Repositórios universitários

Se você for um repositório universitário, recomendamos que use a versão mais recente do software Eprints (eprints.org), Digital Commons (digitalcommons.bepress.com) ou DSpace (dspace.org) para hospedar seus documentos.

Se você usa um produto ou serviço de hospedagem menos comum, ou uma versão mais antiga deles, leia toda esta documentação e certifique-se de que seu site atenda às nossas diretrizes técnicas.

Editores de revistas

Se você publicar um pequeno número de periódicos, considere usar um dos serviços de hospedagem de periódicos estabelecidos, por exemplo, Atypon, Highwire, Ingenta e Silverchair. Agregadores que hospedam muitos periódicos em um único site, como JSTOR ou SciELO, geralmente também funcionam, mas verifique com seu agregador se eles oferecem suporte à indexação de texto completo no Google Acadêmico. Alternativamente, se você tiver o conhecimento técnico para gerenciar seu próprio site, recomendamos o software Open Journal Systems (OJS) que está disponível para download no Public Knowledge Project (PKP).

Se você usa um serviço de hospedagem de periódico menor ou se mantém seu próprio site personalizado, leia toda esta documentação e certifique-se de que seu site atenda às nossas diretrizes técnicas.

== Diretrizes de conteúdo ==

O Google Scholar inclui artigos acadêmicos de uma ampla variedade de fontes em todos os campos de pesquisa, todos os idiomas, todos os países e em todos os períodos de tempo. As chances são de que sua coleção de artigos de pesquisa seja uma adição bem-vinda ao índice. Para ser considerado para inclusão, o conteúdo do seu site precisa atender a dois critérios básicos.

1. Artigos acadêmicos

O conteúdo hospedado em seu site deve consistir principalmente de artigos acadêmicos – artigos de periódicos, documentos de conferências, relatórios técnicos ou seus rascunhos, dissertações, pré-impressões, pós-impressões ou resumos. Conteúdo como notícias ou artigos de revistas, resenhas de livros e editoriais não são apropriados para o Google Acadêmico. Documentos maiores que 5 MB, como livros e dissertações longas, devem ser enviados para a Pesquisa de Livros do Google; O Google Acadêmico inclui automaticamente trabalhos acadêmicos da Pesquisa de Livros do Google.

2. Mostrando resumos

Os usuários clicam em seu site para ler seus artigos. Para ser incluído, seu site deve disponibilizar gratuitamente o texto completo dos artigos ou seus resumos completos escritos pelos autores e fáceis de ver quando os usuários clicam em seus URLs nos resultados de pesquisa do Google. Seu site não deve exigir que os usuários (ou robôs de pesquisa) façam login, instalem software especial, aceitem isenções de responsabilidade, descartem anúncios pop-up ou intersticiais, cliquem em links ou botões ou rolem a página antes que possam ler todo o resumo do artigo. Sites que mostram páginas de login, páginas de erro ou dados bibliográficos simples sem resumos não serão considerados para inclusão e poderão ser removidos do Google Acadêmico.

== Diretrizes de rastreamento ==

O Google Acadêmico usa software automatizado, conhecido como “robôs” ou “rastreadores”, para buscar seus arquivos para inclusão nos resultados da pesquisa. Funciona de forma semelhante à pesquisa normal do Google. Seu site precisa ser estruturado de forma que seja possível “rastreá-lo” dessa maneira. Em particular, os rastreadores automáticos precisam ser capazes de descobrir e buscar os URLs de todos os seus artigos, bem como atualizar periodicamente o conteúdo do seu site.

1. Formatos de arquivo

Seus arquivos precisam estar no formato HTML ou PDF. Os arquivos PDF devem ter texto pesquisável, ou seja, você deve ser capaz de pesquisar e encontrar palavras no documento usando o Adobe Acrobat Reader.

Cada arquivo não deve exceder 5 MB de tamanho. Para indexar arquivos maiores ou para indexar imagens digitalizadas de páginas que requerem OCR, carregue-os na Pesquisa de Livros do Google.

2. Interface de navegação

Uma interface de navegação é necessária para que os robôs de busca descubram as URLs de seus artigos. Recomendamos que a URL de cada artigo seja acessível a partir da página inicial, seguindo no máximo dez links HTML simples . Aqui estão várias maneiras comuns de organizar um site que tornam mais fácil para os robôs de pesquisa localizar e indexar todos os artigos.

1. Se você estiver hospedando uma pequena coleção de publicações, como artigos escritos por um único autor ou um pequeno grupo, recomendamos que liste todos os artigos em uma única página HTML, como www.example.edu/~professor/publications .html, e inclua links para o texto completo no formato PDF.
2. Se o seu site tiver milhares de documentos ou mais, a melhor maneira de garantir que todos sejam descobertos pelos robôs de pesquisa é fornecer uma maneira de listá-los pela data de publicação ou pela data de registro. Outras formas de interfaces de navegação, como navegação por autor ou por palavra-chave, geralmente geram mais URLs do que seu site pode fornecer aos robôs de pesquisa em um período de tempo razoável.
3. Para sites com mais de cem mil artigos, recomendamos que você crie uma interface de navegação adicional que liste apenas os artigos adicionados nas últimas duas semanas. Esse conjunto menor de páginas da Web pode ser rastreado novamente com mais frequência do que toda a sua interface de navegação, o que facilitará a cobertura oportuna de seus artigos recentes pelos robôs de pesquisa.

Lembre-se de que o uso de Flash, JavaScript ou navegação baseada em formulário dificulta que nosso sistema automatizado encontre seus artigos. Se o seu site usa esses tipos de navegação, adicione também uma interface “navegar por data” que usa apenas links HTML GET simples.

3. Disponibilidade do site

Como o Google encaminha os usuários ao seu site para ler os artigos, suas páginas da Web devem estar disponíveis para usuários e rastreadores o tempo todo. Os robôs de pesquisa visitarão suas páginas da Web periodicamente para obter as atualizações, bem como para garantir que seus URLs ainda estejam disponíveis. Se os robôs de pesquisa não conseguirem buscar suas páginas da web, por exemplo, devido a erros de servidor, configuração incorreta ou uma resposta muito lenta do seu site, alguns ou todos os seus artigos podem sair do Google e do Google Acadêmico.

• Use códigos HTTP 5xx para indicar erros temporários que devem ser repetidos em breve, como falta temporária de capacidade de back-end.
• Use códigos HTTP 4xx para indicar erros permanentes que não devem ser repetidos por algum tempo, como arquivo não encontrado.
• Se você precisar mover seus artigos para novos URLs, configure redirecionamentos HTTP 301 do local antigo de cada artigo para o novo local. Não redirecione URLs de artigos para a página inicial – os usuários precisam ver pelo menos o resumo quando clicarem em seu URL nos resultados do Google.

4. Protocolo de exclusão de robôs

Se o seu site usa um arquivo robots.txt, por exemplo, www.example.com/robots.txt, ele não deve impedir que os robôs de pesquisa do Google acessem seus artigos ou URLs de navegação. Por outro lado, deve impedir que os robôs acessem grandes espaços gerados dinamicamente que não são úteis na descoberta de seus artigos, como carrinhos de compras, formulários de comentários ou resultados de sua própria pesquisa por palavra-chave.

Por exemplo, para permitir que os robôs do Google acessem todos os URLs do seu site, adicione a seguinte seção ao seu robots.txt:

User-agent: Googlebot
Permitir: /

Ou, para impedir que todos os robôs adicionem artigos ao seu carrinho de compras, adicione o seguinte:

User-agent: *
Disallow: /add_cart.php

Consulte http://www.robotstxt.org/ para obter mais informações sobre os arquivos robots.txt.

== Diretrizes de indexação ==

O Google Acadêmico usa software automatizado, conhecido como “parsers”, para identificar dados bibliográficos de seus artigos, bem como referências entre os artigos. A identificação incorreta de dados bibliográficos ou referências levará a uma má indexação do seu site. Alguns documentos podem não ser incluídos, alguns podem ser incluídos com nomes de autores ou títulos incorretos e alguns podem ter uma classificação inferior nos resultados da pesquisa, porque seus dados bibliográficos (incorretos) não corresponderiam às referências (corretas) de outros documentos. Para evitar tais problemas, você precisa fornecer dados bibliográficos e referências de forma que o software “analisador” automatizado possa processar.

1. Preparando URLs de artigos

Coloque cada artigo e cada resumo em um arquivo HTML ou PDF separado. No momento, não podemos indexar efetivamente vários resumos na mesma página da Web ou vários artigos no mesmo arquivo PDF. Da mesma forma, não podemos indexar seções diferentes do mesmo artigo em arquivos diferentes. Cada artigo deve ter seu próprio URL exclusivo para ser incluído no Google Acadêmico.

2. Configurando as meta-tags

Se você estiver usando software de gerenciamento de repositório ou periódico, como Eprints, DSpace, Digital Commons ou OJS, configure-o para exportar dados bibliográficos em tags HTML “<meta>”. O Google Scholar suporta tags Highwire Press (por exemplo, citation_title), tags Eprints (por exemplo, eprints.title), tags BE Press (por exemplo, bepress_citation_title) e tags PRISM (por exemplo, prism.title). Use tags Dublin Core (por exemplo, DC.title) como último recurso – elas funcionam mal para artigos de periódicos porque Dublin Core não possui campos inequívocos para título de periódico, volume, edição e números de página. Para verificar se essas tags estão presentes, visite vários resumos e veja sua fonte HTML.

1. A tag de título, por exemplo, citation_title ou DC.title, deve conter o título do artigo. Não o use para o título do jornal ou livro no qual o artigo foi publicado, ou para o nome do seu repositório. Esta tag é necessária para inclusão no Google Acadêmico.
2. A tag author, por exemplo, citation_author ou DC.creator, deve conter os autores (e apenas os autores reais) do artigo. Não o use para o autor do site ou para colaboradores que não sejam autores, por exemplo, orientadores de tese. Os nomes dos autores podem ser listados como “Smith, John” ou como “John Smith”. Coloque o nome de cada autor em uma etiqueta separada e omita todas as afiliações, graus, certificações, etc., deste campo. Pelo menos uma tag de autor é necessária para inclusão no Google Acadêmico.
3. A etiqueta de data de publicação, por exemplo, citation_publication_date ou DC.issued, deve conter a data de publicação, ou seja, a data que normalmente seria citada em referências a este artigo a partir de outros artigos. Não o use para a data de entrada no repositório – em vez disso, deve ir para citation_online_date. Forneça as datas completas no formato “2010/5/12”, se disponível; ou um ano sozinho caso contrário. Esta tag é necessária para inclusão no Google Acadêmico.
4. Para artigos de periódicos e conferências, forneça os dados de citação bibliográfica restantes nas seguintes tags: citation_journal_title ou citation_conference_title, citation_issn, citation_isbn, citation_volume, citation_issue, citation_firstpage e citation_lastpage. Os equivalentes do Dublin Core são DC.relation.ispartof para títulos de periódicos e conferências e as tags não padrão DC.citation.volume, DC.citation.issue, DC.citation.spage (página inicial) e DC.citation.epage (final página) para os campos restantes. Independentemente do esquema escolhido, esses campos devem conter informações suficientes para identificar uma referência a este artigo em outro documento,
5. Para teses, dissertações e relatórios técnicos, forneça os demais dados da citação bibliográfica nas seguintes tags: citation_dissertation_institution, citation_technical_report_institution ou DC.publisher para o nome da instituição e citation_technical_report_number para o número do relatório técnico. Assim como em artigos de periódicos e conferências, você precisa fornecer informações suficientes para reconhecer uma citação formal a este documento de outro artigo.
6. Para todos os tipos de documentos, o princípio orientador é apresentar seu artigo como normalmente seria citado na seção “Referências” de outro artigo. Por exemplo, citações de relatórios técnicos normalmente incluem seus números atribuídos, então o número do relatório deve estar presente em algum campo apropriado. Da mesma forma, o nome da revista deve ser escrito como “Transactions on Magic Realism” ou “Trans. Mag. Real.”, não como “Magic Realism, Transactions on” ou “T12”. A omissão ou apresentação incomum de campos bibliográficos importantes pode levar à identificação incorreta de seus artigos.
7. Todos os valores de tag são atributos HTML, portanto, você deve fazer o escape de caracteres especiais adequadamente. Ex: <meta name=”citation_title” content=””Andar com meus sapatos” – uma análise crítica”>. Não há necessidade de escapar caracteres que são escritos diretamente na codificação de caracteres de sua página da Web, como diacríticos latinos em uma página em ISO-8859-1. No entanto, você ainda deve escapar das aspas e dos colchetes angulares.
8. As tags “<meta>” normalmente se aplicam apenas à página exata em que são fornecidas. Se esta página mostrar apenas o resumo do artigo e você tiver o texto completo em um arquivo separado, por exemplo, no formato PDF, especifique os locais de todas as versões de texto completo usando as tags citation_pdf_url ou DC.identifier. O conteúdo da tag é a URL absoluta do arquivo PDF; por motivos de segurança, ele deve se referir a um arquivo no mesmo subdiretório que o resumo HTML.
   

   A falha em vincular as versões alternativas pode resultar na indexação incorreta dos arquivos PDF, porque esses arquivos seriam processados ​​como documentos separados sem as informações contidas nas meta tags.

Exemplo:

Lembre-se de que, independentemente do esquema de metatags escolhido, você precisa fornecer pelo menos três campos: (1) o título do artigo, (2) o nome completo de pelo menos o primeiro autor e (3) o ano de publicação. As páginas que não fornecem nenhum desses três campos serão processadas como se não tivessem nenhuma metatag. Da mesma forma, todos os arquivos PDF serão processados ​​como se não tivessem nenhuma metatag, a menos que estejam vinculados aos resumos HTML correspondentes usando as tags citation_pdf_url ou DC.identifier. Funciona melhor fornecer as metatags para todas as versões do seu artigo, não apenas para uma das versões.

2.a. Indexação de conteúdo sem as meta-tags

Se não for prático para você implementar as tags HTML “<meta>”, por exemplo, se seus documentos estiverem disponíveis apenas no formato PDF, o documento precisa ser apresentado visualmente de acordo com as seguintes convenções.

1. O título do artigo deve ser o maior pedaço de texto no topo da página. Use tamanho de fonte de pelo menos 24 pt. em PDF, ou coloque o título dentro de uma tag “<h1>” ou “<h2>” em HTML, ou use uma classe CSS chamada “citation_title”. Use a mesma fonte em todo o título. Certifique-se de que todos os outros textos na página, em particular o nome do repositório ou do periódico, sejam definidos em uma fonte menor que o título do artigo – caso contrário, esse outro texto maior pode ser interpretado incorretamente como o título do artigo. o papel.
2. Os autores do artigo devem ser listados logo antes ou logo após o título, em uma fonte um pouco menor que ainda seja maior que o texto normal. Use um 16-23 pt. fonte em PDF, ou coloque os autores dentro de uma tag “<h3>” em HTML, ou coloque-os em uma classe CSS chamada “citation_author”. Por favor, use a mesma fonte para todos os nomes dos autores. Certifique-se de que os nomes do repositório e do periódico, bem como o texto dos títulos das seções, sejam definidos em uma fonte menor do que os autores do artigo – caso contrário, esse outro texto maior pode ser interpretado incorretamente como os autores. Use “Caixa da frase” em vez de “Caixa do título” para títulos de seção et. al., para evitar confusão com nomes de autores. Separe vários nomes de autores com vírgulas ou ponto e vírgula e omita suas afiliações, graduações e certificações da linha do autor. Use um formato explícito, como “por John Smith” ou “Autor: John Smith”, se apropriado.
3. Inclua uma citação bibliográfica para uma versão publicada do artigo em uma linha separada e coloque-a dentro do cabeçalho ou rodapé da primeira página no arquivo PDF ou ao lado do título e dos autores em HTML. Use um formato de citação explícito, por exemplo: “J. Biol. Chem., vol. 234, no. 8, pp. 1971-1975, agosto de 1959”. Se o artigo for inédito, inclua a data completa de sua versão atual em uma linha separada, por exemplo, “12 de agosto de 2009”.
4. Evite o uso de fontes Tipo 3 em arquivos PDF, porque elas geralmente são geradas com tamanho de fonte ausente ou incorreto e informações de codificação de caracteres, o que dificulta a extração de dados bibliográficos por nosso software analisador. Você pode verificar os tipos de fontes no menu Arquivo -> Propriedades… no Adobe Acrobat Reader. Se você estiver usando LaTeX, considere mudar para fontes Type 1, por exemplo, \usepackage{times}, \usepackage{helvet} ou \usepackage{palatino}.

Por favor, entenda que não é possível para nossos analisadores automatizados identificar corretamente os dados bibliográficos em tais formatos vagamente definidos com 100% de precisão; e que a não identificação correta de determinados campos pode levar à exclusão de seus trabalhos do Google Acadêmico. Se você não estiver satisfeito com a precisão dos resultados do Google Acadêmico, será necessário criar páginas HTML com resumos e adicionar as tags “<meta>” a elas, conforme descrito acima.

3. Marcando as referências

Marque a seção do documento que contém referências a outras obras com um título padrão, como “Referências” ou “Bibliografia”, em uma linha apenas por si só. Referências individuais dentro desta seção devem ser numeradas como “1. – 2. – 3.” ou “[1] – [2] – [3]” em PDF, ou coloque dentro de uma lista “<ol>” em HTML. O texto de cada referência deve ser uma citação bibliográfica formal em um formato comumente usado, sem comentários de forma livre .

Por favor, entenda que as referências são identificadas automaticamente pelo software analisador; eles não são inseridos ou corrigidos por operadores humanos. Embora tentemos oferecer suporte aos formatos de referência mais comuns, não é possível garantir que todas as referências sejam identificadas corretamente; e a identificação incorreta de referências pode levar à exclusão de seus artigos do Google Acadêmico ou à baixa classificação de seus artigos nos resultados da pesquisa.

== Solução de problemas ==

Para verificar se um determinado artigo está incluído no Google Acadêmico, pesquise no Google Acadêmico seu título. Para verificar a abrangência do seu site no Google Acadêmico, pesquise títulos de várias dezenas de artigos e veja se esses artigos estão incluídos. Se você não consegue encontrar muitos dos artigos no Google Scholar, provavelmente há um problema com a indexação do seu site; leia as dicas de solução de problemas abaixo.

1. Lembre-se de que as alterações feitas em seu site geralmente não serão refletidas nos resultados de pesquisa do Google Acadêmico por algum tempo. Novos artigos são normalmente adicionados várias vezes por semana; no entanto, atualizações de artigos já incluídos geralmente levam de 6 a 9 meses. Atualizações de documentos em sites muito grandes podem levar vários anos, porque para atualizar um site, precisamos rastreá-lo novamente – o tempo que leva para rastrear novamente um site grande geralmente é limitado pela velocidade com que o site de destino é capaz de fornecer conteúdo para os robôs de busca.
2. Lembre-se de que a contagem de resultados do operador “site:” não é um bom indicador da abrangência do seu site no Google Acadêmico. Primeiro, esse operador atualmente pesquisa apenas as versões primárias dos artigos. Se você não for o editor principal, alguns dos artigos que você hospeda podem não ser contados. Em segundo lugar, a contagem de resultados geralmente é estimada com base na pesquisa de uma pequena fração do índice (o objetivo da contagem de resultados é ajudar os usuários a refinar suas consultas e não verificar a cobertura). Como resultado, essa estimativa pode não ser precisa. Se você estiver preocupado com a baixa contagem de resultados do seu site, confirme o problema com uma verificação mais detalhada. Recomendamos tentar encontrar várias dezenas de artigos de amostra usando a pesquisa por título.
3. Verifique se suas páginas da web seguem nossas diretrizes de conteúdo. Somente trabalhos acadêmicos são apropriados para inclusão no Google Scholar; cada papel precisa ser listado em um URL separado; e pelo menos o resumo completo escrito pelo autor deve estar claramente visível no URL que você deseja incluir nos resultados de pesquisa do Google Acadêmico. O não cumprimento dessas diretrizes pode levar à exclusão do seu conteúdo do Google Acadêmico.
4. Desde que as diretrizes de conteúdo sejam atendidas, a causa mais comum de problemas de indexação é a extração incorreta de dados bibliográficos pelo software analisador automatizado. Para diagnosticar tais problemas, encontre uma amostra de artigos incluídos pesquisando no Google Scholar por [site:example.com], vá para a página dez ou posterior dos resultados da pesquisa e verifique se os títulos e os autores de seus artigos estão listados corretamente. Se você vir muito poucos resultados e se os títulos ou autores listados estiverem incorretos, é provável que isso seja, de fato, um problema de análise. Por exemplo, se o nome do seu periódico ou repositório estiver listado erroneamente como o título de seus artigos, então
   

   A melhor maneira de corrigir dados bibliográficos incorretos é fornecê-los em um formato legível por computador nas meta tags, conforme descrito nas diretrizes de indexação. Lembre-se de que, como esses artigos já estão incluídos no Google Scholar, a atualização de seus dados bibliográficos geralmente leva de 6 a 9 meses a partir do momento em que você os fornece em seu site.

5. Se os dados bibliográficos listados no Google Acadêmico estiverem corretos, mas você ainda não consegue encontrar muitos de seus artigos lá, pode haver um problema com o rastreamento. Verifique se o seu site permite a indexação pelos robôs de pesquisa do Google. Você pode clicar na página inicial para os artigos usando apenas links HTML simples? Seu arquivo robots.txt bloqueia o rastreamento dos artigos ou das páginas de navegação? Seu site está lento demais para responder aos rastreadores? Ele limita a velocidade de rastreamento ou retorna erros com frequência aos robôs de busca? Tem muita navegação, pesquisa, compras e outras URLs que não são papéis e não t ajudar com a descoberta de documentos? Qualquer um desses problemas pode levar a atualizações lentas de seu conteúdo ou à remoção de seus documentos do Google Acadêmico.
   

   Verifique as diretrizes de rastreamento sobre os requisitos técnicos e as possíveis soluções. Depois de atualizar seu site, pode levar de alguns dias a 6 a 9 meses para que essas alterações sejam refletidas nos resultados de pesquisa do Google Acadêmico.

6. Se você acredita que há um erro na indexação de seu próprio site devido a um problema técnico de nossa parte, entre em contato conosco com os detalhes. Certifique-se de incluir exemplos específicos de URLs de artigos que não estão incluídos ou não estão indexados corretamente.
   

   Lembre-se de que não podemos fazer exceções a nenhuma das diretrizes estabelecidas; ou para auxiliá-lo na indexação de sites de terceiros; ou para oferecer serviços de gerenciamento de sites ou testes de compatibilidade. A indexação de um site no Google Acadêmico funciona melhor quando seu webmaster ou provedor de hospedagem implementa nossas diretrizes técnicas e realiza os testes necessários.

Embora esperemos que o texto de seus artigos tenha um elemento substancial de novidade e interesse, recomendamos que, quando se trata de sua indexação, você corajosamente vá onde outros foram antes. A formatação convencional de documentos e seus dados bibliográficos, bem como o uso de software comum de gerenciamento de periódicos e repositórios, ajudam bastante a garantir que todos os seus documentos sejam cobertos e classificados adequadamente no Google Acadêmico.