Scientific American Archive (1846–1930)
收藏资源简介：
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. This is a **high-quality, ethically-sourced historical corpus** with exemplary provenance documentation and rigorous OCR processing. Its greatest immediate strength is as a **RAG knowledge base and historical language modeling resource**. <p><br/></p> **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 <p><br/></p> **Format:** Snowflake-native JSONL with columns: ISSUE, TITLE, AUTHOR, TYPE, TEXT. <p><br/></p> # 3 Sample Cortex Agent Prompts: Here are three ready-to-use prompts that demonstrate the dataset's current capabilities: **Prompt 1 — Technology Timeline Research:** > *"What articles were published about the telephone in Scientific American? Show me the issue dates and any attributed authors so I can trace how coverage of this invention evolved over time."* **Prompt 2 — Cross-Topic Scientific Discovery Analysis:** > *"Find articles that discuss both electricity and magnetism. I want to understand how Scientific American covered the unification of these fields during the mid-to-late 1800s."* **Prompt 3 — Historical Engineering Documentation:** > *"Show me articles from the 1860s and 1870s that mention railroad or locomotive engineering. I'm researching how industrial-era transportation innovation was communicated to the public."* <p><br/></p>
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：hello@devinmediacorp.com
- 支持：hello@devinmediacorp.com
