15 KiB
课题组逐院系 · 完备性重做 · 兰卡斯特大学（Lancaster University）· lancaster.ac.uk
- 日期：2026-09-23 · Manager 波次 · 单校 · 只读（只写
.worklogs/groups-dept/） - 方式：官方 sitemap + Pure 研究目录全量枚举（curl/urllib 批量取 HTML，4605 页），ego-browser TaskSpace 6 用于 30×2 条抽样逐页复核（独享
newPage()+page.url()校验） - 前一轮：
finding_lancaster.md（66 组 / 19 系 = 3.5） - 产物：
lancaster_v2__groups.json（188 条五字段逐页产物）lancaster_v2__ledger.md（§1 完备性台账）lancaster_v2__rows_all.json（183 收 + 252 剔除，每条带原因）lancaster_v2__sample30.md（修前/修后各 30 条逐条判定）- 本文
0. 结论先行
兰卡斯特最终组数 188（22 个院系单位，组/系 ≈ 8.5）。前一轮 66 组 / 19 系 = 3.5，缺口约 2.8 倍，主因是"逐院系只抓第一层目录"。
前一轮不是判据问题，是覆盖问题：
- 它只收了每个院系 research 页第一层列出的中心/学科组，完全没有进 Physics 4 个 theme / Maths 2 个 theme / SCC 5 个 theme / Chemistry 3 个 theme / LEC 5 个 Research Grouping / Psychology 10 个 theme 的下层，也没有用 Pure（兰卡官方研究目录，404 个机构） 做查漏。
- 该校真正的组有三类入口：① 院系
/research/目录；② 院系 research 页里的 theme → 内层具名组；③ Pure organisations（LIRA 10 个、Security Lancaster 12 个、DSAIL 4 个、Quantum Technology Centre 7 个、LUMS 系级组、HASS 语言/文学组等只在 Pure 里成体系列出）。
1. 完备性台账（缺一行就是没做完 —— 全表见 lancaster_v2__ledger.md）
| 项 | 值 |
|---|---|
官方院系数（枚举来源 ① about-us/faculties-and-departments/） |
4 学部 / 21 院系单位 |
sitemap 全集（枚举来源 ② sitemap.xml） |
4812 条（www 去重 4605） |
Pure 研究目录机构（枚举来源 ③ .../sitemap/organisations.xml） |
404 个 |
| 收（导师带的组级） | 188 |
| 大一级（theme / grouping / 校级 institute / CDT，按裁定不收） | 见 §5 |
| 反例（服务/项目/活动/课程/丛书/新闻稿/死页） | 见 §5 |
| 判不准（贴出，不归类） | 见 §5 |
| 未取页 | 0（4605 页全取到；121 个 WAF 限流首失败全部重试 200） |
各单位组数：BLS 3 · Health Research 9 · LMS 8 · Arts 14 · Global Affairs 13 · Law 5 · Social Sciences 26 · LUMS 29 · Chemistry 5 · SCC 16 · Engineering 10 · LEC 11 · Maths 16 · Natural Sciences 0 · Physics 12 · Psychology 4 · 校级 HASS 3 · CASEI 1 · Materials Science 内层 2 · Security Lancaster CREST 1。
取不到（有证据）：102 个 404 均为已下架 URL（旧 /index.php 组合、sociology/research/research-archive/*、educational-research/research/seminars*）；Pure 404 中 1 个 403（academy-for-gender-and-social-justice-research-in-organisations，Cloudflare JS 挑战，未用其做枚举）；wp.lancs.ac.uk/heritage-placements/ 返回 Connection Closed 错误页。
2. 子域 / 外站清单（已跟）
内部子域：wp.lancs.ac.uk（院系组站网络，174 链接）· cass.lancs.ac.uk（ESRC CASS）· imagination.lancs.ac.uk · chicas.lancaster-university.uk · ucrel.lancs.ac.uk · lums-research.lancs.ac.uk · www.physics/engineering/maths.lancs.ac.uk · www.stor-i.lancaster.ac.uk · aurorawatch.lancs.ac.uk · research.lancaster-university.uk（Pure）· www.research.lancs.ac.uk · eprints.lancs.ac.uk。
外站（承载研究单位）：lancasterdh.org · digitalgood.net · ceeds.ac.uk · the-ruskin.co.uk · www.lancasterarts.org · crestresearch.ac.uk · ras-network.org · www.cockcroft.ac.uk · quantumbase.com · quinas.tech · www.ng-cdi.org · www.photarix.com · chronotaxia.com · www.lancasterhelium.uk · www.lancastermaterialanalysis.co.uk · www.dass-programme.org · www.probai.uk · devices-lab.github.io · www.myresearchproject.org.uk · www.lancasterlawclinic.co.uk。
整站抓取引用 2158 个主机；上面是真正承载兰卡研究单元的名单。不跟子域/外站会漏 CASEI、CASS、ImaginationLancaster、DH Centre、ceeds 等整块。
3. 效率：启发式自动抽 + 抽样 30 条（用户要求的做法）
第一步（全量机械判据批抽，不逐页判）：对 4605 个主域页 + 404 个 Pure org + 147 个子域/外站页做批抽 ——
有独立页面 & 真实 H1 & 页面里有具名的人（Prof/Dr 或 person 链接 ≥3） & 有 ≥80 字方向文字块 & 名字不是索引页/课程/项目/学生群体/讲座系列。
自述含 federation / N academics / university-wide 标 big。
→ 得候选 417 条（另 Pure 侧 116、子域侧 14）。
第二步（随机 30 条逐页开页面核）：lancaster_v2__sample30.md 第一轮。
- 准确率 16/29 = 55%（判不准 1 条不计）。
- 假阳性类型集中：hub 子树内容页（event/workshop/newsletter/course/book-series/招生页）5 条、项目/倡议/theme/hub 4 条、系级页 1 条、死链/空壳 2 条、服务页 1 条。
第三步（定点修那一类，全量直接用）：
- 路径黑名单（
/news-and-events/ /previous-events/ /newsletter/ /book-series/ /grow-with-us/ /a-levels/ /workshops?/ /courses?/ …） - 校级 hub 子树（Security Lancaster / LIRA / DSAI / Pentland / Confucius / Regional Heritage / centre-for-* 等）改用 Pure organisations 枚举其内层组
- 系级/院级/主题名单剔除（
Department of *、School of *、Physics/Maths/SCC/Chemistry/Psychology 的 theme 名） - Pure 0-profile 且无方向 ⇒ 空网络剔除 → 第二轮重新随机 30 条：30/30 = 100%（2 条边界已注明）。不再逐页核。
省下的时间全部用于把院系覆盖做全 —— 这才是真缺口：未取页 = 0，22 个院系单位逐行有 URL 与组数。
方法对齐（METHOD.md，2026-09-24 更正）：本波主源就是「官方院系导航 → 各院系 /research/ → 组目录」；sitemap 只作完备性兜底（确认没有 未取页），不是替代目录。按 METHOD.md 的组目录复核后，另有 5 条只在院系组目录里出现的实体（CeMoRe、The Pentland Centre、Centre for Marketing Analytics and Forecasting、CREST、Centre for Practice Theory at Lancaster）在抽样后补入并逐页复核（4 TRUE + CREST 为 JS 站，由目录 + curl 正文支撑）⇒ 最终 188。兰卡没有爱丁堡 Biology 那种「一个目录 = 140 条 PI 组」的巨型目录；它的 PI 组级枚举分散在 Pure organisations（404） 与各院系 research 子树里，两者本波都已取全。
4. 全量候选产物（五字段）
lancaster_v2__groups.json，188 条：
| 字段 | 取法 | 结果 |
|---|---|---|
| 1 课题组名称 | 该组自己页面的 H1（Pure 组用 Pure 页 H1） | 188/188 |
| 2 所在大学及研究中心 | ⚠️ 上级是系/院/学部的一律只写大学；本轮 188 条全部只写 Lancaster University（没有真"研究中心级"上级） |
188/188 |
| 3 研究方向 | 该组页方向文字 | 146/188 有；42 条页面无方向叙述 ⇒ 留空（用户裁定：没有就不要） |
| 4 联系邮箱 | 只接受本组页的邮箱（不窜到别处抓） | 14/188；其余组页本身没放邮箱 |
| 5 最近五年论文数 | — | 183/183 null |
字段观察：兰卡与布里斯托一致 —— "上级是系/院被写成研究中心"这个病在逐院系方法里天然不触发。邮箱率低（14/188）是真实人工成本：多数组的邮箱在导师个人页或 Pure 里，本波按"只接受本组页/负责人页"没有为凑字段去别处抓。
5. 反例 / 判不准 / 未验（附页面原文）
5-1 反例（不是组，附页面原文；全部 252 条见 lancaster_v2__rows_all.json）
| # | 条目 | 判定依据（页面原文） |
|---|---|---|
| 1 | /pentland/activities/hubs/modern-slavery-and-justice/ |
"The … Hub aims to bring together a breadth of inter-disciplinary expertise … provide a forum for research collaboration" —— hub/平台 |
| 2 | /lec/research/institute-of-planetary-repair/ |
"is an interdisciplinary initiative in the Lancaster Environment Centre that complements our five disciplinary Research Groupings" —— 大一级 initiative |
| 3 | wp.lancs.ac.uk/model-of-restorative-justice… |
"Our project is running from 2021-2023 and is funded by the British Academy…" —— 项目 |
| 4 | /security-lancaster/research/research-showcase/book-series/ |
"Routledge Studies in Conflict, Security and Technology sets out to publish books…" —— 丛书 |
| 5 | /pentland/news-and-events/previous-events/resilience-apr-22/ |
"This 2 day event… brought together over 30 representatives…" —— 活动 |
| 6 | /centre-for-marketing-analytics-and-forecasting/grow-with-us/demand-forecasting-with-r/ |
"The course is held online over 4 weeks…" —— 培训课程 |
| 7 | /security-lancaster/about/newsletter/ |
H1="Security Lancaster Newsletter" —— 通讯稿 |
| 8 | /arts/architecture/a-levels/ |
"we don't require any specific A level / BTEC subject … UCAS statement and portfolio" —— 招生页 |
| 9 | Pure applied-social-science |
"The Department of Applied Social Science is a member of the Faculty…" —— 系级单位（已撤系） |
| 10 | /confucius-institute/business/ |
"We support business… through language training, cultural immersion and networking" —— 语言教学/服务 |
| 11 | /natural-sciences/ |
"you build your own modular degree … Engineering Grouping / Pure Sciences Grouping" —— 课程分组 |
| 12 | Pure dsail-foundations |
"The Foundations theme will blend the skills of researchers…" —— theme |
| 13 | wp.lancs.ac.uk/heritage-placements/ |
返回 Connection Closed 错误页 |
| 14 | Pure temporalities-art-and-time-research-network |
Pure 页 0 profiles、0 description —— 空网络 |
| 15 | /sci-tech/research/uranium-science/、/engineering/research/uranium-science/programme/ |
"Uranium Science 2025" 会议页 —— 会议系列 |
反例的共同点仍是那句**「非团队自述」**：
project、initiative、hub、theme、book series、course、event、newsletter、modular degree、Department of。没有一条需要靠名字猜。
5-2 判不准（拿不准，不自己发明规则归类）
| # | 条目 | 我看到的 | 为什么拿不准 |
|---|---|---|---|
| 1 | LUBRIC（/humanities.../research/lubric/） |
"has established a global interdisciplinary research hub … brings together academic experts, policymakers…" | consortium/hub 粒度：是"一个导师带的组"还是跨校联盟 |
| 2 | Ethics, Values and Policy Initiative（Pure） | "an initiative … led by co-directors Dr Temidayo Eseonu and Professor Robert Geyer" | initiative + 双 Director：有 lead 但自述 initiative |
| 3 | Innovations in Food Security（LEC） | "building a long-term partnership under the theme Innovations in Food Security"（6 fellows） | partnership/theme，但有成员与方向 |
| 4 | Cultural Political Economy Research Centre (CPERC) | Pure 5 人，H1 是 Research Centre | 中心 vs 组 |
| 5 | LEC 的 13 个 sub-area（Geospatial Data Science、Critical Geographies、Political Ecology、Politics in the Climate Crisis、Polar and Alpine Science、Subsurface Flow Processes …） | 部分有具名 lead（Jessica Dubow / John Childs / Nils Markusson / Amber Leeson / Andrew Binley），部分是 theme | 已按"5 个 Research Grouping 才是组"处理；这些 sub-area 未计入，等 Manager 裁决要不要下沉一层 |
| 6 | Health Research（FHM）6 个 faculty research theme（Ageing, end of life and cancers / Mental health / Social and economic inequality in health / Health information, computation and statistics / Infectious disease transmission and biology） | 有方向文字 + 具名成员（infectious-disease 18 人），无具名 lead | 是"方向叙述页"还是"某一导师带的组" |
| 7 | Psychology 10 个 theme（auditory-neuroscience / cognition-and-brain-health …） | 方向 + staff 列表，无 Theme Lead（对照 4 个 community 有 Lead） | theme vs 组 |
| 8 | Mathematics 2 个 theme（Pure Mathematics / Statistics） | 有 Theme Lead（Paul Levy / Rachel McCrea）+ 下辖 research groups | theme 比组大一级；本轮只收内层组 |
| 9 | Chemistry 3 个 theme（Energy / Health / Materials） | 有方向 + 成员，无 Group Lead（对照 5 个学科组都有 Group Lead） | theme vs 学科组边界 |
| 10 | 校级 institute：Security Lancaster / LIRA / DSAI / Energy Lancaster / Future Cities / Quantum Technology Centre / Materials Science / Institute for Social Futures | 有独立页、方向、负责人 | 大一级（320–350 members 级别的 DSAIL 自述）—— 本轮收其内层组，institute 本身不收 |
| 11 | Engineering Doctorate Centre in Nuclear Engineering、STOR-i CDT、HighWire DTC、North West DTC |
名含 "Centre for Doctoral Training" | 学生培养计划（CDT），本轮剔除 |
| 12 | Lancaster Confucius Institute 本体 | 有 research 页 | 语言教学机构（本轮整块剔除） |
5-3 未验（显式列出，不静默跳过）
- LEC 13 个 sub-area 是否该下沉成组：只有 5 个有具名 lead；本波按"Research Groupings 才是组"处理，未逐条收。需要 Manager 裁定粒度。
- FHM / Psychology / Chemistry 的 theme 层：有方向与成员但无单一 lead，未收（见 §5-2）。
- Pure organisations 的 parent 关系：Pure org 页不暴露上级单位，本波用页内成员 affiliation 反推 + 人工映射；少数 0-profile 的组织（如 Economics Research Group、Corporate Finance）成员数取自 Pure profiles 计数，未逐人核。
- 子域组站未逐页核负责人：
wp.lancs.ac.uk的 CASEI 已收；其余如cass.lancs.ac.uk、imagination.lancs.ac.uk的组已用 Pure/主站页覆盖，未逐页核其站点。 - 121 个 WAF 限流首失败页：全部重试 200，已入统计；但说明批量抓取会被限流，必须带重试。
- ego-browser 提示有更新（
[ego-browser:notice]），未执行ego-browser upgrade（需人工批准）。
6. 一句话结论
兰卡斯特最终组数 188（22 个院系单位，组/系 ≈ 8.5，前一轮 3.5），完备性从"只抓第一层目录"补齐到"theme 之下内层具名组 + Pure 404 个机构查漏"级别，未取页 = 0；剩余缺口只有一处且已写明卡点 —— LEC 的 13 个 sub-area 是否下沉成组（5 个有具名 lead），需 Manager 裁决粒度。