Bộ dữ liệu bài nghiên cứu và tác giả SSRN

Thách thức

SSRN hiển thị lượt tải, lượt xem tóm tắt, thứ hạng và trích dẫn của từng bài nghiên cứu trên trang riêng, phía sau một lớp chống bot. Khách hàng cần siêu dữ liệu đó cho hàng trăm nghìn bài báo, liên kết với hồ sơ tác giả và mạng trích dẫn.

Bối cảnh

Mỗi trang bài báo trên SSRN hiển thị lượt tải, lượt xem tóm tắt, thứ hạng lượt tải, số trích dẫn và từ khóa của tác giả, còn mỗi tác giả có hồ sơ riêng. Khi đọc ở quy mô lớn, các trang này cho thấy sự quan tâm dành cho nghiên cứu được phân bổ thế nào, nhưng chỉ khi đã được thu thập, liên kết và đếm.

Chúng tôi đã xây gì

Bộ thu thập lấy các trang bài báo phía sau lớp chống bot và liên kết từng bài với tác giả và trích dẫn của bài. Dữ liệu bài báo được bàn giao trong hai đợt file CSV, gồm 239.037 dòng với 43 trường mỗi dòng (2,8 GB), cùng 198.523 bản ghi tác giả. Nguồn vẫn tiếp tục tăng trong lúc dựng dashboard (số bài báo tăng từ 211.022 lên 239.037, lượt tải từ 4,9 triệu lên 7,7 triệu), nên mọi số liệu trên trang này đã được đếm lại theo bản chụp ngày 6/8/2026.

Điều gì thay đổi

Khách hàng nhận số liệu ở cấp từng bài báo trên toàn bộ quy mô: 7,7 triệu lượt tải, trung vị 37 lượt mỗi bài. Dashboard cho thấy sự quan tâm phân bổ chênh lệch đến mức nào: 10% bài báo đứng đầu chiếm 65% lượt tải, lượt xem dự báo lượt tải đủ tốt để thay thế (R² = 0,64 trên 66.542 bài báo, khoảng một lượt tải cho mỗi ba lượt xem tóm tắt), và các chủ đề có quy mô ngang nhau không được đọc như nhau, với lượt xem tóm tắt trung vị là 540 ở MK so với 48 ở MGMT.

Ràng buộc và quyết định

Các dòng được giữ nguyên như khi bàn giao: một mã bài báo bị trùng được đánh dấu, một ô lượt tải bị thiếu được để trống thay vì tự điền, và các bài viết bằng tiếng Việt giữ nguyên dấu. Số theo quốc gia là lượt nhắc tác giả, không phải số người riêng biệt, và các biểu đồ thể hiện đợt bàn giao đầu tiên. Trang này chỉ hiển thị siêu dữ liệu công khai ở cấp bài báo, không có tên tác giả, tóm tắt hay DOI.

Nền tảng công nghệ