This paper introduces a document type classifier with the purpose to optimise the distinction between research and non-research journal publications in OpenAlex. Based on open metadata, the classifier can identify non-research or editorial content within a set of classified articles and reviews (e.g. paratext, abstracts, editorials, letters), which for example is relevant for bibliometric studies, university rankings and academic procedures. In this respect, OpenAlex shows issues in classifying journal research contributions, tending to overestimate them compared to other databases, due to the promotion of non-research items to research items. The classifier presented in this study achieves an F1-score of 0.95, indicating a potential improvement in the data quality of bibliometric research in OpenAlex when applying the classifier on real data. In total, 4,589,967 out of 42,701,863 articles and reviews could be reclassified as non-research contributions by the classifier, representing a share of 10.75%.

Dès fin janvier 2026, l’ Amue lancera un service d’accès à une IA générative souveraine, développé avec Mistral et opéré sur les datacenters de l’ESR. Cette expérimentation, construite à l’origine avec 51 établissements dans le cadre de l’Alliance Mistral, permettra à tous les adhérents de tester des cas d’usage dans un environnement sécurisé, maîtrisé et conforme aux exigences de souveraineté. Pour en bénéficier, les établissements adhérents doivent dès à présent manifester leur intention de participation. On vous explique comment !

L’Académie des sciences appelle à un changement de cap pour le projet de financement de la recherche française

We are delighted to announce the launch of a new matching strategy in the ROR API to help you match complex affiliation text strings to ROR IDs at scale.