111 lines
9.6 KiB
Markdown
111 lines
9.6 KiB
Markdown
# 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。
|
||
- **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。**
|