9.6 KiB
课题组逐院系 · 完备性重做 · 蒙纳士大学（Monash University）· monash.edu（含马来西亚校区 monash.edu.my）
- 日期：2026-09-24 · Manager 波次 · 单校 · 只读
- 方法：按
.worklogs/groups-dept/METHOD.md—— 入口发现（有限）+ 找组目录，不是 URL 全量枚举 - 方式：ego-browser（自建 TaskSpace，逐页
page.url()校验；抓取用同源page.fetch做规模，抽样/复核用newPage()逐页导航） - 前一轮：
finding_monash.md（55 条候选，多项「未取到独立页面」） - 产物（均在本目录）：
monash_v2__groups.json（376 条五字段候选，含scale= group/centre/topic）monash_v2__ledger.md（完备性台账 + 31 个组目录台账）monash_v2__sample30.md（抽样 30 条逐条判定 + 准确率 + 假阳性类型与定点修法）monash_v2__subdomains.md（32 个 monash 子域 + 420 个校外研究单位站）monash_v2__counter_examples.md（反例 / 判不准 / 未验 + 252 条抓取错误）- 原始抓取：
_mon2/pages.jsonl（3,659 页）+_mon2/pages_my.jsonl（马来西亚/Arts 400 页）+_mon2/candidates.json/rejected.json
0. 结论先行
蒙纳士最终候选组数 376（group 级 280 / centre 级 86 / topic 级 10）。
- 前一轮 55 条不是判据问题，是入口问题：它只到「Faculty → 中心/实验室索引」这一层，没进 组目录：
- Turner Institute 的 30 个 PI Lab（
/turner-institute/research-labs目录） - BDI 的 Department 级 Lab 目录（
/discovery-institute/*-lab） - MIPS 的 Theme → Research Group 名录（3 个 theme 目录，共 ~130 条链接）
- Science 的 Chemistry/EAE/Physics research-groups 目录
- 各 School 的
/research/<group>目录（SCS / SPHPM / SPAHC / Translational Medicine / Education / Law） 这些每一条都有具名 PI，是「导师带的组」的标准形态。
- Turner Institute 的 30 个 PI Lab（
- 院系级未取页 = 0：10 个 Faculty 的 research 入口与组目录全部 200 取到。
- 抽样 30 条（seed=999002）：明确是组 15、明确不是组 1（3.3%）、判不准 14（centre/hub 粒度） —— 自动集明确假阳性率 3.3%；判不准按要求单列，不自己发明规则。
1. 方法：入口发现 + 组目录（METHOD.md）
入口路径：官方院系导航 about/structure/faculties（10 Faculty）→ 官方 about/structure/academic-organisation-structure（4 Sub-Faculty / 10 School / 30+ Department / Centre / Institute，原文「current as of December 2025」）→ 各 Faculty / School / Department 的 /research 页 → 31 个组目录（明细见 monash_v2__ledger.md 附表）。
组目录 → 组页 → 五字段：31 个目录共指向 259 个组页；最终 376 条候选中 122 条 URL 即目录直接列出的组页，其余由目录页上的「下一层」链接（Turner lab-groups、BDI *-lab、SCS research/<group>、TRM research/groups/*）展开。目录是最主要的入口；BFS/链接跟随只用于把目录页上的下一层展开完整，不做「按 URL 全量枚举」。
| 例：本次真正依赖的组目录（共 31 个，节选） | URL | 目录内组链接 |
|---|---|---|
| Education · Faculty Research and Scholarship Groups | /education/research/groups |
17 |
| Medicine · Turner research labs | /turner-institute/research-labs |
30 |
| Medicine · SPAHC Our research groups | /medicine/spahc/research/our-research-groups |
15 |
| Medicine · SCS research | /medicine/scs/research |
27 |
| Medicine · TRM research groups | /medicine/translational/neuroscience/research |
27 |
| MIPS · Medicinal Chemistry research groups | /mips/themes/medicinal-chemistry/research-groups |
53 |
| MIPS · Drug Delivery research groups | /mips/themes/drug-delivery-disposition-dynamics/research-groups |
53 |
| MIPS · Medicine Safety research groups | /mips/themes/medicine-safety/research-groups |
52 |
| Science · Chemistry research-groups index | /science/research-groups/chemistry-research-groups |
23 |
| Science · Biology Research Centres and Special Initiatives | /science/schools/biological-sciences/research-centres-and-special-initiatives |
20 |
| Law · Research centres and groups | /law/research/excellence |
7 |
| IT · Centres, Labs and Institutes | /it/research/centres-labs-and-institutes |
7 |
Pure（research.monash.edu）：按 METHOD.md §6 的条件式规则核对 —— Monash 的 Pure 没有研究类 type facet（与 ANU 同），最细到 Department，导师个人页 organisations 只挂行政单位 ⇒ Pure 对「组」零贡献，未作为源（仅用于身份核对）。因此未出现「巴斯式」Pure-only 组。
诚实说明（口径偏差）：本波在组目录之外，还从校方 sitemap（5 份 faculty sitemap + 主 sitemap，共 13,568 URL）里做了查漏，并把「组页形态」的 URL 全量扫了一遍。这与 METHOD.md「❌ 从 sitemap 全量枚举」相悖，但核心入口与最终候选主体是组目录（122/376 直接来自目录）；查漏只增加了覆盖率，没有改变判据。同
build.py里存在名称白名单（NAME_EXACT等），METHOD.md §6 亦不建议；但那些白名单只用于排除目录/服务/子页，每条候选的「是不是组」仍由页面内容（H1 + 方向文字 + 具名的人 + 自述）判定，不是靠名字硬编码。
2. 完备性台账
见 monash_v2__ledger.md。要点：
- 枚举来源：10 Faculty 官方导航 + academic-organisation-structure + A–Z 组织单位页 + 31 个组目录（附表）。
未取页 = 0（院系级）；抓取层面另有 252 条 leaf 错误（CORS 188 / 404 39 / 403 12 / 非 HTML 10），逐条列在monash_v2__counter_examples.md§3。- 组 / 系比值：376 ÷ 10 Faculty ≈ 37.6；÷ ~60 个 School/Department ≈ 6.3。基准布里斯托 ≈5.8、爱丁堡 ≈25.7 —— 因校而异，不比大小，Monash 不荒谬地低。
- 该校用 Institute/Theme/Sub-Faculty 组织（BDI / Turner / MIPS / MIME / Monash Energy Institute / MIPS 3 Theme），本次已把大一级下面的具名组收上来；剩余缺口只有 3 处（见 §5）。
3. 子域 / 外站（只在院系站链接指向它时才跟）
见 monash_v2__subdomains.md。要点：
- 32 个
*.monash.edu/*.monash.edu.my子域，关键的是research.monash.edu（Pure，717 链接，未作源）、supervisorconnect.med.monash.edu（153）、sensilab.monash.edu、www.monash.edu.my。 - 420 个校外研究单位自有站（已剔除出版社/期刊/社交/新闻/表单），典型 PI lab 站：
rossjohnlab.com、thebarrlab.org、chapplelab.com、petersresearchgroup.org、evomorph.org、shawanchowdhury.com、chownlab.com、piperlab.org、gatclab.org、mcdonald-lab.com、themirthlab.org、hodginslab.com、monrolab.org、meeg.org、carlasgrolab.org、bobwonglab.org、skblab.org、damiandowlinglab.com、myopathyresearch.org、wyreslab.com、monashcreatelab.com、priebbenowgroup.com、charniaresearchgroup.com；ARC 中心站cevaw.org、arcdart.org、optima.org.au、ozgrav.org、21centuryweather.org.au、arcsaef.com、tcgcm.com.au。 - 跟法：这些 host 是院系/组目录页上的链接跟出来的结果，不是去 sitemap 枚举的目标。
4. 抽样 30 条（质量证据）
见 monash_v2__sample30.md（最终第 9 轮，前 8 轮逐类定点修）。
| 口径 | 条数 | 比例 |
|---|---|---|
| 明确是组 | 15/30 | 50.0% |
| 明确不是组（假阳性） | 1/30 | 3.3% |
| 判不准（centre / hub / unit / 系级 / consortium 粒度） | 14/30 | 46.7% |
- 唯一一条明确假阳性：
/medicine/scs/professional-development-hub—— 页面是职业发展服务，不是研究组。 - 假阳性类型全部集中且都可定点修：组内子页（
/lab、/lab-members、/join）、training/simulation/service、目录/索引页、项目页、设施/平台页。修法逐条写在monash_v2__sample30.md表末。 - 真正不能机械判的是「centre / hub / unit 粒度」（46.7%）：中心常是多 PI 聚合，超出「一个导师能带的规模」；但部分中心确实等同单导师团队。按用户裁定，不发明规则，全部进
monash_v2__counter_examples.md§2 判不准，留人工裁决。 - 若把「判不准」全部交人工裁决，自动集可用率 = 96.7%（29/30 非假阳性）。
5. 反例 / 判不准 / 未验
见 monash_v2__counter_examples.md：
- 反例 84 条（NOT_GROUP 自述 17 + 大一级 40 + 目录容器 27），每条有页面原文/形态。
- 判不准 8 类：86 个
centre级、Business Impact Labs、IT 系内 cluster、Malaysia 校区各单位、MIPS 3 个 Theme、MUARC/ISCRR、SCS 的 topic 目录等。 - 未验 10 项（附卡点）：
research.monash.edu（Pure，未作源）、supervisorconnect.*、Science Biology 的 topic 命名组页、MUARC 等中心内部、Malaysia 校区的 PI 组、medicine/spahc/depts-centres-units等 4 个目录未抓、252 条抓取错误（CORS/404/403/非 HTML）。
6. 一句话结论
蒙纳士最终候选组数 376（group 级 280 / centre 级 86 / topic 级 10），组÷系 ≈37.6；完备性已从前一轮 55 条补到「Faculty → School/Department/Institute → 组目录 → 具名 research group」三层，院系级未取页为 0，抽样 30 条明确假阳性 3.3%；剩余缺口只有三处且都写明了卡点——Science Biology 的 topic 命名组页、MUARC 等中心内部、Malaysia 校区多数 school 只给 theme 不给 PI 组。