Published November 10, 2024 | Version v1
Dataset Open

Machine Learning Articles Extracted from Google Scholar

Authors/Creators

  • 1. Universitat Oberta de Catalunya

Description

This dataset was created as part of a web scraping practice aimed at capturing academic information from Google Scholar. It contains data on Machine Learning research articles, including the article's title, authors, summary, direct link, citation count, and APA reference. This dataset was collected using Python and Selenium to develop skills in web scraping tools for extracting data from websites with dynamic content.

The dataset was generated specifically as part of an academic exercise to learn and apply web scraping techniques, without a deep analysis intent for the data obtained. This dataset is intended as a resource for learning and evaluating the methods used in web data collection.

Included Fields:

  • title: Title of the research article.
  • link: Direct link to the article.
  • authors: Names of the article’s authors.
  • description: Summary or brief description of the article.
  • citations: Number of times the article has been cited on Google Scholar.
  • APA_citation: APA-formatted citation of the article.

This dataset was created solely for educational purposes and to demonstrate the application of web scraping techniques in a controlled environment.

Abstract (Spanish)

Este dataset fue creado como parte de una práctica de web scraping orientada a capturar información académica desde Google Scholar. Contiene datos sobre artículos de investigación en Machine Learning, tales como el título del artículo, autores, resumen, enlace directo al artículo, número de citas, y la referencia en formato APA. Este conjunto de datos fue recolectado utilizando Python y Selenium, con el fin de desarrollar habilidades en el uso de herramientas de scraping para la extracción de datos en sitios web con contenido dinámico.

El dataset fue generado específicamente como parte de una práctica académica para aprender y aplicar técnicas de web scraping, sin un propósito de análisis en profundidad de los datos obtenidos. Se espera que este dataset sirva como recurso para el aprendizaje y la evaluación de los métodos empleados en la recolección de datos de la web.

Campos incluidos:

  • title: Título del artículo de investigación.
  • link: Enlace directo al artículo.
  • authors: Nombres de los autores del artículo.
  • description: Resumen o descripción breve del artículo.
  • citations: Número de veces que el artículo ha sido citado en Google Scholar.
  • APA_citation: Cita del artículo en formato APA.

Este dataset fue creado exclusivamente para fines educativos y para demostrar la aplicación de técnicas de web scraping en un entorno controlado.

Files

Google_scholar_articles.csv

Files (20.9 kB)

Name Size Download all
md5:4a70bfdda3d845a281ac6d9939a97074
20.9 kB Preview Download

Additional details

Dates

Collected
2024-11-10
Date of data colection

Software

Repository URL
https://github.com/trojanrude/web-scraping-practice
Programming language
Python