APP: Argo Scholar - Mapeamento em rede de artigos científicos [open source]

O Polo Club of Data Science, da Georgia Tech, mantém, desde 2021, uma ferramenta gratuita e de código aberto que converte a revisão da literatura científica em um mapa navegável de citações. A publicação acadêmica associada ao projeto, apresentada na 31a ACM International Conference on Information and Knowledge Management [CIKM 2022], consolidou a ferramenta como referência em visualização interativa de redes bibliográficas.

[1] O que é?

Argo Scholar é um sistema web interativo para visualização de redes de citação acadêmica. Não é um assistente de escrita, não gera texto nem substitui a leitura dos artigos: sua função é representar, em um grafo navegável, as relações de citação entre trabalhos científicos. O projeto é mantido pelo Polo Club of Data Science, grupo de pesquisa do College of Computing da Georgia Tech, sob coordenação de Duen Horng "Polo" Chau. A autoria do artigo científico que descreve o sistema é de Kevin Li, Haoyang Yang, Evan Montoya, Anish Upadhayay, Zhiyan Zhou, Jon Saad-Falcon e Duen Horng Chau, sob o título "Visual Exploration of Literature with Argo Scholar" [CIKM 2022, doi 10.1145/3511808.3557177]. O código é distribuído sob a licença MIT; os metadados bibliográficos consultados em tempo real vêm do Semantic Scholar Open Research Corpus, sob a licença ODC-BY [Open Data Commons Attribution]. A ferramenta não requer instalação nem cadastro; roda inteiramente no navegador, em poloclub.github.io/argo-scholar.

[2] Para que serve?

Argo Scholar serve à exploração e à revisão de literatura acadêmica: a partir de um artigo semente, busca-se por palavra-chave ou por Corpus ID no Semantic Scholar, e o sistema adiciona, de forma incremental, os papers vizinhos [citações e referências], até 5 por vez, com filtros por PageRank ou por Degree [grau do nó].

O público destinatário é o de pesquisadores, orientadores e estudantes de pós-graduação que precisam mapear rapidamente o estado da arte de um tema, identificar trabalhos seminais por centralidade na rede e localizar subgrupos temáticos [clusters] sem depender de leitura linear de dezenas de resumos. P

ara o leitor jurídico, o uso concreto está na produção acadêmica: mapear a literatura científica que sustenta [ou contesta] a validade de um método, de uma técnica pericial ou de uma tese doutrinária, com registro visual do que cita o quê.

[3] Como funciona?

A arquitetura é inteiramente client-side: front-end em JavaScript/Node [conforme o package-lock.json do repositório], com integração de fluxo contínuo via GitHub Actions, e consulta em tempo real à API do Semantic Scholar, cuja base reúne mais de 200 milhões de artigos indexados. O posicionamento dos nós segue um layout force-directed, um algoritmo que distribui os vértices do grafo por meio da simulação de forças de atração e repulsão, de modo que artigos mais conectados tendem a ocupar posições centrais.

O usuário customiza a cor e o tamanho dos nós conforme métricas de PageRank ou Degree, fixa [pinning] a posição de nós individuais ou em grupo, oculta nós irrelevantes e sobrescreve configurações globais para seleções específicas. Uma tabela de gestão de dados [Data Sheet] permite consultar e exportar os metadados da rede. O estado completo da exploração [rede e configurações visuais] pode ser salvo como snapshot e reimportado depois, permitindo retomar ou compartilhar uma sessão de pesquisa.

O sistema disponibiliza duas redes de amostra prontas [Deep Learning e Spatial Computing] para familiarização. Como limite conhecido: a cobertura e a qualidade dos metadados dependem inteiramente do Semantic Scholar; a ferramenta não oferece acesso ao texto integral dos artigos nem ao download de PDF, apenas aos metadados de citação.

[4] Como aplicar na prática do Direito Penal e Processo Penal

Argo Scholar não processa dados pessoais nem dados do processo: opera com metadados públicos de literatura científica, sem qualquer interface com a prova, a cadeia de custódia ou os dados das partes. Não há, portanto, incidência direta da LGPD nem do CPP, arts. 158-A a 158-F [Lei 13.964/2019], que disciplinam a cadeia de custódia da prova no processo penal brasileiro.

A utilidade para a prática penal e processual penal é indireta e reside na produção acadêmica e na fundamentação de peças e decisões que dependam de literatura científica, notadamente em forense digital: mapear a rede de citações dos estudos que sustentam a validade de uma ferramenta ou de um método pericial [por exemplo, estudos de validação de extração forense de dispositivos móveis] permite ao magistrado, ao membro do Ministério Público e à defesa identificar quais trabalhos são centrais na área, quais divergem entre si e quais estão isolados da literatura consolidada, insumo relevante para o exame da idoneidade científica de um método de prova.

Nesse uso, aplica-se por analogia metodológica, não por regime jurídico idêntico, a mesma lógica de rastreabilidade da cadeia de custódia: a pesquisa bibliográfica que fundamenta uma tese pericial ou doutrinária deve ser documentada e verificável, sob pena de a citação perder força probante.

O ordenamento brasileiro não possui, até o momento desta pesquisa, dispositivo específico equivalente ao padrão Daubert estadunidense para a admissibilidade de prova científica; a jurisprudência do STJ e do STF sobre os critérios de idoneidade da prova pericial digital é matéria em desenvolvimento e não pacificada, de modo que esta peça não afirma existir entendimento consolidado nesse sentido. Toda citação de julgado, súmula ou tema de repetitivo sobre o assunto exige verificação específica no caso concreto, não fornecida por esta ferramenta nem por este texto.

Em termos simples

Argo Scholar funciona como um mapa de linhas de metrô dos artigos científicos: cada estação é um artigo, cada linha que liga duas estações é uma citação. Ao abrir o mapa a partir de um artigo, o sistema desenha as estações vizinhas [quem esse artigo cita e quem cita esse artigo], e o usuário vai expandindo o mapa aos poucos. As estações maiores ou mais destacadas são os artigos mais citados naquela rede, o que ajuda a enxergar, sem ler tudo, quais trabalhos são referência na área.

POP — Procedimento Operacional Padrão

Nível 1 — Operação básica

Acessar poloclub.github.io/argo-scholar no navegador com JavaScript habilitado; não há instalação.
Buscar o artigo semente por palavra-chave ou por Corpus ID do Semantic Scholar.
Selecionar o nó inicial e adicionar, de forma incremental, os papers vizinhos [citações e referências], filtrando por PageRank ou por Degree.
Ajustar cor e tamanho dos nós conforme a métrica de interesse, para destacar os trabalhos mais centrais.
Fixar [pin] os nós de interesse e ocultar os irrelevantes à exploração.
Conferir os metadados na tabela "Data Sheet".
Salvar o snapshot [rede e configurações visuais] para retomar ou compartilhar a exploração posteriormente.

Nível 2 — Uso na produção acadêmica e na fundamentação de peças penais e processuais penais

Delimitar, antes de iniciar a busca, a pergunta de pesquisa exata [por exemplo: validade científica de determinado método de extração forense], registrando-a por escrito.
Documentar a data da consulta e os termos de busca utilizados, pois a base do Semantic Scholar é dinâmica e se atualiza continuamente.
Exportar e preservar o snapshot [arquivo de rede e configurações] como anexo da peça ou do trabalho acadêmico, permitindo que terceiros examinem a mesma base consultada.
Registrar o critério de curadoria dos nós selecionados [PageRank, Degree, ano de publicação], tornando a seleção auditável e reduzindo o risco de viés de confirmação na seleção das fontes citadas.
Conferir cada citação selecionada no grafo contra a fonte primária [DOI ou texto integral do artigo] antes de incorporá-la à fundamentação; o nó do grafo não substitui a leitura do trabalho.
Preservar o link e a data de acesso de cada fonte efetivamente citada na peça, por rastreabilidade equivalente, em método, à exigida para a cadeia de custódia probatória [CPP, arts. 158-A a 158-F], sem que isso implique equiparação de regime jurídico.
Sinalizar expressamente, no texto final, que o mapeamento gerado pela ferramenta é insumo para pesquisa bibliográfica e não constitui prova nem substitui o exame pericial ou a perícia técnica eventualmente exigida no caso concreto.

Glossário de termos

PageRank: métrica de centralidade que estima a importância de um nó em uma rede com base da quantidade e da qualidade dos nós que apontam para ele; originalmente concebida para ranquear páginas web, aplicada aqui a redes de citação.

Degree [grau do nó]: número de conexões diretas [citações e referências] que um artigo possui da rede visualizada.

Layout force-directed: algoritmo de posicionamento de grafos que simula forças de atração e repulsão entre nós, de modo que a disposição final reflita a estrutura de conexões da rede.

Corpus ID: identificador numérico único atribuído pelo Semantic Scholar a cada artigo indexado em sua base de dados.

Semantic Scholar Open Research Corpus: base de dados aberta de metadados acadêmicos mantida pelo Allen Institute for AI, com mais de 200 milhões de artigos indexados, disponível sob licença ODC-BY.

ODC-BY: Open Data Commons Attribution License, licença que permite o uso, a redistribuição e a adaptação de um conjunto de dados aberto, condicionada à atribuição de crédito à fonte.

Snapshot: registro do estado completo de uma exploração no Argo Scholar [rede de nós e configurações visuais], exportável e reimportável para retomar ou compartilhar a sessão de pesquisa.

Nó [node]: unidade da rede que representa um artigo científico individual no grafo de citações.