Soms komen trends bij elkaar.

SemanticScholar is hier een mooi voorbeeld van. Het combineert data mining, natural language processing en artificial intelligence om uit de almaar groeiende hoeveelheid publicaties datgene te vinden wat het meest relevant is.

SemanticScholar is gemaakt door AI2 en biedt een non-profit platform dat het mogelijk maakt om te zoeken naar academische publicaties. Het bevat op dit moment meer dan 40 miljoen publicaties op het gebied van computer science en neuroscience. Binnenkort komen daar de publicaties op het gebied van biomedical sciences bij. Bronnen die gebruikt worden zijn o.a. arXiv en PubMed.

De makers claimen dat hun product sneller en beter relevante publicaties vindt dan bijvoorbeeld met Google Scholar of PubMed mogelijk is. Wat betreft de content, dat door computers wordt opgehaald en verwerkt, zijn ze zich er gelukkig bewust van, dat dit niet waterdicht correct is. Daarom wordt de mogelijkheid geboden om correcties te melden via de FAQ.

Bij het zoeken naar een artikel biedt het programma mogelijkheden om via suggesties voor nieuwe termen de zoekopdracht te verfijnen. Ook kan er worden gefilterd op bijvoorbeeld jaar en documenttype. Vervolgens kunnen interessante artikelen worden bewaard in een leeslijst na inloggen met een bestaand Twitter-, Facebook- of Google account.

In een interne evaluatie door de TUDelft Library in 2015 was het toen beperkt aantal bronnen en wetenschappelijke werkvelden de reden om even af te wachten hoe dit platform zich zou ontwikkelen.
Intussen is er content beschikbaar vanuit meerdere bronnen en nu lijkt de tijd rijp om SemanticScholar opnieuw op waarde te schatten.