Scientific American Archive (1846–1930)

Complete pre-1930 archive of Scientific American, the oldest continuously published magazine in the United States. **391,590 rows** of clean, structured text documenting nearly a century of scientific discovery, invention, and popular science writing.

**What this data does for your model:**

- Your model learns authentic 19th‑ and early 20th‑century scientific writing from the oldest continuously published magazine in the United States.
- Your model retrieves original reports on Edison's light bulb, the telephone, the automobile, the airplane, and the technological breakthroughs that shaped the modern world.
- Your model trains on the language of popular science, engineering, chemistry, physics, biology, and medicine written for the general reader.
- Your model understands the evolution of scientific communication from the industrial age through the dawn of modern physics and aviation.

**What's inside:**

- Original reports on Edison's light bulb, the telephone, the automobile, and the airplane
- Early discussions of electricity, radio, wireless communication, and X‑rays
- Engineering breakthroughs in bridges, railroads, and skyscrapers
- Medical discoveries including anesthesia, antiseptic surgery, and vaccines
- Patents, inventions, and technological forecasting

**Perfect for:**

- LLM fine‑tuning on historical scientific text
- NLP research on the evolution of scientific language
- Digital humanities and history of science
- Education technology and curriculum development

**Format:** Snowflake-native JSONL with columns: ISSUE, TITLE, AUTHOR, TYPE, TEXT. Fully cleaned, bias‑audited, and ready for AI training.

<p><br/></p>

原始信息汇总

Scientific American Archive (1846–1930)

概述

• 数据集名称：Scientific American Archive (1846–1930)
• 提供商：Devin Media Corp.
• 描述：完整的1930年以前《科学美国人》档案，这是美国历史最悠久的连续出版杂志。包含391,590行经过清理、结构化的文本，记录了近一个世纪的科学发现、发明和科普写作。
• 数据格式：Snowflake原生JSONL格式，包含列：ISSUE, TITLE, AUTHOR, TYPE, TEXT。数据经过完全清理、偏见审核，适用于AI训练。
• 覆盖时间：1846年至1930年。
• 数据量：391,590行。

内容详情

包含内容

• 关于爱迪生电灯、电话、汽车和飞机的原始报道。
• 关于电力、无线电和无线通信的早期讨论。
• 桥梁、铁路和摩天大楼的工程突破。
• 包括麻醉、抗菌手术和疫苗在内的医学发现。
• 面向普通读者的化学、物理、生物学和天文学内容。
• 专利、发明和技术预测。

适用场景

• 历史科学文本的LLM微调。
• 科学语言演变的NLP研究。
• 数字人文和科学史研究。
• 教育技术和课程开发。
• 科普写作的模型训练。

数据结构

表名

• SCIAM_CORPUS

列定义

• ISSUE (Varchar)
• TITLE (Varchar)
• AUTHOR (Varchar)
• TYPE (Varchar)
• TEXT (Varchar)
• INGESTION_DATE (Timestamp_NTZ)

业务需求

机器学习

• 在391,000多行经过整理的1845–1930年历史科学写作上训练、微调和部署机器学习模型。
• 适用于领域特定的LLM微调、科学术语演变跟踪和NLP模型开发。

真实世界数据

• 利用历史记载的科学发现、工程创新和技术预测作为研究和分析的真实世界数据。
• 追踪科学家和发明家在突破性技术成为主流之前如何描述它们。

教育与研究

• 用经过整理的历史科学写作支持教育技术和学术研究。
• 适用于数字人文项目、科学史课程以及可访问科学论述的模型训练。

使用示例

查看元数据文档

sql SELECT TITLE, TEXT FROM SCIAM_CORPUS WHERE TYPE = metadata LIMIT 5;

按主题搜索（电力）

sql SELECT ISSUE, TITLE, AUTHOR FROM SCIAM_CORPUS WHERE TYPE = article AND TEXT ILIKE %electric% LIMIT 10;

按发明搜索（电话）

sql SELECT TITLE, AUTHOR, ISSUE FROM SCIAM_CORPUS WHERE TYPE = article AND TEXT ILIKE %telephone% LIMIT 10;

试用信息

• 试用期限：7天。
• 试用数据量：391,590行科普历史数据。
• 过期时间：7天后过期。

数据提供商信息

• 提供商名称：Devin Media Corp.
• 提供商描述：Devin Media Corp.专注于为AI训练提供优质历史数据。我们提供全面、来源可追溯、经过偏见审核的1930年以前的出版物和档案，经过专业清理和结构化，适用于机器学习应用。我们的数据集涵盖医学、金融、时尚、法律和文化领域，包括一些社会中最负盛名和标志性的出版物。
• 数据集特点：
  • 1930年以前，经验证属于公共领域/无版权。
  • 经过专业OCR处理和深度清理。
  • 来源可追溯且经过偏见审核。
  • 格式化为JSONL，适用于AI。
  • 通过安全API交付（无文件下载）。

技术详情

• 刷新频率：每年。
• 地理覆盖范围：美国（按国家）。
• 云区域可用性（AWS）：
  • 加拿大（中部）
  • 美国东部（弗吉尼亚北部）
  • 美国东部（俄亥俄）
  • 美国西部（俄勒冈）
  • 另有9个区域。

法律条款

• 条款类型：标准。

联系方式

• 销售：[e-mail]
• 支持：[e-mail]