doctoral-research-groups/method/finding_york_v2.md

# 课题组逐院系 · 完备性重做 · 约克大学（University of York）· `york.ac.uk`

- 日期：2026-09-23 · Manager 波次 · 单校 · **只读**
- 方式：ego-browser（**自建 TaskSpace 5**，每个 URL 用独占 `newPage()`，逐页校验 `page.url()`；成功收尾 `await task.finish({ keep: [] })`）+ Node/curl 并行爬取做规模（并发 6，BFS 深度 3–4，重试 3 次）
- 前一轮：`finding_york.md`（80 组 / 35 个院系入口 = 2.3）——**本报告推翻其结论**：前一轮只收了「院系 research 首页列出的中心 + 主题」，**完全没有进**：① 院系 research 子树最细一层的方向页（如物理 12 个主题下的 20+ 方向、数学 8 领域下的 6 子领域）；② **BRI 的 37 个 PI 组**（页面原文 `Lead researcher: Professor X`）；③ CS 9 个 Research Group；④ Psychology 的 PI Lab；⑤ 各中心内部的具名组。
- 产物：
  - `york_v2__groups.json`（**346 条** 五字段，含来源 URL 与 `unit_kind`）
  - `york_v2__ledger.md`（§1 完备性台账）
  - `york_v2__sample30.md`（§4 抽样 30 条逐条判定）
  - 本文

---

## 0. 结论先行

> ⚠️ 本报告在收尾时收到 Manager 更正（`METHOD.md`）：**「组目录」优先，不枚举全站 URL；theme/cluster 不收**。下文已按更正经口径重排：**主名单 = 123 条「具名单元」**（页面自述 group / lab / centre / institute / unit / network / cluster，且有方向、有成员/负责人）；**另 223 条院系 theme / research-area 作为附录候选**（`record_level=theme_area`），不计入主数。

**这所学校最终「具名单元」是 123，另加 223 条院系最细一层研究方向（附录）。**

前一轮 80 组的**根因不是判据，是覆盖**：它止步于「院系 research 首页列出的中心/主题」，而约克真正的大头在**下一层与组目录**——
**York Biomedical Research Institute（YBRI）**（页面原文 `We host over 100 principal investigators`；本次逐页收 37 条，每条页面原文 `Lead researcher: Professor …`，**这就是 PI 组目录**）、
**Computer Science `/research/groups/`**（**9 个 `X Research Group` 的完整组目录**）、
**Health Sciences**（页面原文 `We conduct research within our six core research groups`）、
**Hull York Medical School `/research/research-centres-and-groups/`**（**11 条 centres/groups**）、
**各中心内层**（YSBL / WACL / GCCE / CURB / Child Welfare Research Group …）。

**关键结论（与爱丁堡同类）**：约克只有 **YBRI / CS / Health Sciences / HYMS / Psychology Lab** 五处存在真正的「组目录」；其余院系（Physics / Maths / Biology / Chemistry / English / History / Philosophy / EGS / …）**把研究组织到 `theme` / `research area` 一级为止**，其下**没有**更细的独立组页（逐系原文证据见 §3）。本报告把这一层作为附录交付，并明确标注，不静默混入主数。

---

## 1. 完备性台账

见 `york_v2__ledger.md`。要点：

**枚举来源（院系清单）**：
- `https://www.york.ac.uk/about/departments/academic/`（官方 *Academic departments and units*，含 **3 个 Faculty 下的全部教学院系/单位**）
- `https://www.york.ac.uk/about/departments/research/`（官方 *Research centres, institutes and networks*，**~90 条**校级/跨院系研究单位 A–Z）
- `https://www.york.ac.uk/about/departments/{arts-humanities,sciences,social-sciences}/`（三个 Faculty 首页校核）
- 各院系 research 导航（下表第 2 列）+ 各研究所/中心的子索引

**教学院系/单位 = 41**（除 Norwegian Study Centre、PPE 两个无 research 页外均有 research 结构）。**未取页 = 0**：每个院系 research 入口均 200；4 个 404 已给出证据（`/nsc/research/`、`/ppe/research/`、`/hrc/research/`、`/modernstudies/research/`，后两者的实际入口分别为 `/hrc/` 与 `/modernstudies/our-research/`）。

**另有：校级/跨院系研究中心**（不属单一院系，单列在台账末尾）：CNAP 之外的 CEEM / CHAPA / CHyM / CHiPhi 之外的中心，以及 Digital Heritage、Digital Innovation in Philanthropy、Assuring Autonomy、Narrative Studies、Nanocentre、Mass Spectrometry、SATSU、YPI、York Robotics Lab、YorRobots、Quantum Technologies、CAHR、Morrell、CMS/CModS/CREMS/CECS 等。

---

## 2. 子域 / 外站清单（**已跟**）

本轮共发现 **64 个 `*.york.ac.uk` 子域**。**承载研究单元**的：

`www.york.ac.uk`（主站）· `www.cs.york.ac.uk`（计算机，含 `robostar.cs.york.ac.uk`、`www-users.cs.york.ac.uk`）· `audiolab.york.ac.uk`（Audio Lab）· `www.ynic.york.ac.uk` / `vcs.ynic.york.ac.uk`（York Neuroimaging Centre）· `www.crd.york.ac.uk`（CRD 旧站）· `maths.york.ac.uk` · `www.elec.york.ac.uk` · `babylab.york.ac.uk` · `yahcs.york.ac.uk` · `englishlanguagetoolkit.york.ac.uk` · `senfm.york.ac.uk` · `ivar.york.ac.uk` · `mcm.york.ac.uk` · `cead.york.ac.uk` · `pasr.york.ac.uk` · `ldpedagogy.york.ac.uk` · `www.hgc.hosted.york.ac.uk`（Heritage for Global Challenges）· `www.eurightshub.york.ac.uk` · `peatland-es-uk.york.ac.uk` · `citizen-science-uk.york.ac.uk` · `pyramidsoflife.york.ac.uk` · `reframevp.hosted.york.ac.uk` · `movementengineering.hosted.york.ac.uk` · `ymhesh.hosted.york.ac.uk` · `siblingstudiesnetwork.york.ac.uk` · `catalogue.yorvoice.york.ac.uk` · `borthcat.york.ac.uk` · `archbishopsregisters.york.ac.uk` · `pure.york.ac.uk`（Pure 门户，**403 Cloudflare `Just a moment...`，未用作枚举**）· `blogs.york.ac.uk` · `wiki.york.ac.uk`。

**非研究单位子域**（列出供核对）：`cms / jobs / mumbai / vle / evision / checkin / timetable / directory / features / status / webfiles / vikingdocs / hoaportal / library.adlib / subjectguides / support / give / xerte / shiny / libproxy / skillsforge / york.cloud.panopto`。

**承载研究单元的外站**（已跟）：
`hyms.ac.uk`（Hull York Medical School，7→11 个 research centres/groups）· `www.sei.org`（SEI 总部，SEI-York 为其中心）· `archaeologydataservice.ac.uk`（ADS，约克考古系托管）· `www.bioyorkshire.co.uk` · `www.quantumcommshub.net`（Quantum Communications Hub）· `beyond-compliance-consortium.org` · `hmrn.org`（Haematological Malignancy Research Network）· `fixourfood.org` · `iknowfood.org` · `www.civilwarpaths.org`（Centre for Comparative Study of Civil Wars）· `connectingpeople.net` · `leishpathnet.org` · `www.real-project.eu` · `xrstories.co.uk` · `heritage-futures.org` · `digitalcreativity.ac.uk` · `wrdtp.ac.uk`（White Rose DTP）· `www.n8agrifood.ac.uk` · `www.nerc.ac.uk` 类资助方 **不计**。

> 整站抓取共引用 **340+ 个外站主机**，其中绝大多数是论文/出版社/会议/新闻引用（`sciencedirect / springer / oup / wiley / arxiv / repec / …`），**不是研究单位**，不逐条跟。上面的清单是当中真正承载约克研究单元的站点。

> 说明：本次为做覆盖面**先用 BFS 做过一次站内研究子树遍历（约 2.2k 页）**，但按 `METHOD.md` 更正，**交付口径与台账已重新锚定在「院系导航 → `/research/` → 组目录」**：主名单逐条回到组目录/中心页本身；`theme/area` 页只作附录。BFS 结果只用于**证明「没有组目录」**（§3 逐系原文证据）。
> 另发现 4 个疑似 PI 个人 lab 站（`wellmindslab.com`、`www.wright-lab.org`、`www.hungrymindlab.com`、`sites.google.com/...`），**未逐一验证其归属**，列 §5-未验。

---

## 3. 组 / 系 比值与「再下一层」证据

- 教学院系/单位 **41**；**具名单元 123**（主数），另 223 条 theme/area（附录）。
- **组/系 = 123 ÷ 41 ≈ 3.0**（含附录 346 ÷ 41 ≈ 8.4）。基准：布里斯托 ≈5.8 / 爱丁堡 ≈25.7。
- **≈3.0 低于布里斯托基准**，按 `METHOD.md` §3「比值荒谬地低 ⇒ 回头找组目录」，已逐系回头找过：**约克只有 5 处组目录（YBRI / CS / Health Sciences / HYMS / Psychology Lab）**；其余院系的下一层**不存在**独立的具名组页（逐系原文证据见下表）。这是**允许的结论**（台账里逐系写了 `无组目录`）。

**该校院系确实用 theme / research area 组织（大一级），且底下多无更细独立组页**——逐系证据（页面原文结构）：

| 院系 | 大一级组织 | 底下挂着的（本次已收） | 「再下一层没有组」的证据 |
|---|---|---|---|
| Physics, Eng & Tech | **12 个 research theme**（Communication technologies / Condensed matter … / Nuclear / Physics of Life / Quantum …） | 各 theme 下的 **20+ research area/team**（`Physics of Life`、`Biomechanics+`…） | `physics-of-life` 页原文：`Our research spans multiple length scales … Application areas: Biological Nanosystems Laboratory, Nano- and Biomaterials, Theoretical soft-matter …` —— 这些即最细单元，**其下再无组页** |
| **Biomedical Research Institute** | 4 个 theme（Immunology/Haematology/Infection、Molecular & Cellular Medicine、Neuroscience、Biomedical Technologies） | **37 条**，每条页面原文 `Lead researcher: Professor X, Department of Y` | `ybri` 首页：`We host over 100 principal investigators`；PI 组以 `Snapshot: <组名>` 页承载，**这就是 PI-group 目录** |
| Mathematics | **8 个领域**（Algebra / Geometry&Analysis / Number theory / Statistics&Probability …） | 6 个子领域（Algebraic QFT、Quantum gravity、Network data …） | `maths/research/` 正文 8 项即全部；子页 `quantum-information` 等为最细 |
| Chemistry | 6 个主题 + 3 个中心 | GCCE 6 方向 / WACL 5 方向 / YSBL 3 方向 + 6 主题 | `ysbl/work/` H1=`Research areas in YSBL`，列 3 方向后无更细页 |
| Computer Science | `research-centres` + `research-groups` | **9 个 `X Research Group`** | `/computer-science/research/groups/` 是完整目录（9 条），逐条有独立页 |
| Psychology | 5 个 theme | 3 个 PI Lab（DSN / Numerical Cognition / SLAM）+ YNiC | 5 个 theme 页的 `People` 表**只有 person 链接**（`/psychology/people/...`），**没有**更细 group 页；PI Lab 页自述 `led by Dr …` |
| Biology | 7 个 research theme | 3 个中心 + 7 theme | theme 页正文只有 `People / Name / Expertise` 表，链接全部指向 `/biology/people/<name>/`（**person 页，非组页**）→ 再下一层无组页 |
| Business & Society | 7 个 research area | 12 个中心/组 | area 页为最细层（有方向、有成员），其下无独立组页 |
| Law | 6 个 research area | Administrative Fairness Lab / Beyond Compliance Consortium / TYP-ACE | `law/research/` 正文 6 项 + 3 单元即全部 |

**结论：约克的「PI 级组」集中发布在 YBRI（37 条）；其余院系发布到 theme/area 级即止。主名单（123 条）只取页面自述为具名单元的；223 条 theme/area 作为附录，每一条都带 `record_level=theme_area`，可按需过滤。**

---

## 4. 抽样 30 条（质量证据）

详见 `york_v2__sample30.md`。摘要：

- 抽样：固定种子 `20260923`，从 346 条随机抽 30；ego-browser 每条独占 `newPage()`，**30/30 `page.url()` 校验通过**（2 条为同页规范化跳转）。
- **严格口径准确率 = 24/30 = 80%**（只算具名组/中心/实验室/网络）
- **宽松口径 = 27/30 = 90%**（把院系最细层方向页计入，排除项目与大一级研究所）
- **修正后 = 29/30 = 96.7%**
- **假阳性类型集中，已定点修**：
  1. **单项研究项目页**（1/30）：`Enchanted Modernities` 页含 `The Project` / `Follow the Project`。全量正则扫描命中 3 条 → 删除 2 条项目页（Enchanted Modernities、Visual Translations of Jerusalem）。
  2. **大一级研究所**（2/30）：IPUP、IMRY。保留在产物并标 `unit_kind`，报告单列，不计入院系组数。
- 抽样**没有**出现「服务设施 / 研讨会系列 / 课程 / 学生群体 / 空页」被判成组——这类在启发式阶段已用页面自述过滤（§5）。

---

## 5. 反例 / 判不准 / 未验

### 5-1 反例（判它不是组，附页面原文）

| # | 页面 | 判定依据（页面原文） |
|---|---|---|
| 1 | `chemistry/research/green/gcce` | H1=`Contact Us`，联系页 |
| 2 | `biology/technology-facility`、`mass-spectrometry` | `provides a highly specialised technical service`、`serving both internal and external users` —— **服务设施** |
| 3 | `modernstudies/our-research/reading_groups` | 页名即 **Reading groups** —— 读书小组 |
| 4 | `computer-science/research/research-seminars/archive-*` | **Seminar series**（archive-19-20 ~ archive-21-22，共 40+ 条） |
| 5 | `psychology/research/open-science-interest-group`、`/participating/`、`/ethics/`、`/research-training/` | **兴趣小组 / 参与研究 / 伦理 / 培训**，非导师组 |
| 6 | `education/research/progress/`、`finance-information-research-participation`、`departmentofeducationresearchandimpactstrategy2025-2030` | 博士生进度 / 经费行政 / 系战略文档 |
| 7 | `law/research/staff-research-areas`、`impact-strategy`、`research-strategy-2017` | 教职员方向索引 / 影响战略 / 研究战略 |
| 8 | `politics/research/postdocs`、`politics/phd-study/...` | 博士后招聘 / 博士生页 |
| 9 | `sociology/research/current-research/*`（Thalidomide、Racism in HE、Religion in Primary School…） | **单项研究 study**，无团队自述 |
| 10 | `yesi/research/<theme>/<project>`（aquaponics-in-schools、chorus、closing-the-gap、terra-safe、skyline… ~30 条） | 页名即**项目**，非组 |
| 11 | `business-society/.../c-real`（C-Real - Cereal for change）、`code-encounters`、`the-carers-trial`、`hidden-troubles`、`perinatal-loneliness`、`community-enhanced-social-prescribing` | 单项研究项目 |
| 12 | `biomedical-research-institute/.../leish-challenge`、`leishpathnet`、`prev_pkdl`、`york-tissue-bank` | 外部网络 / 生物样本库设施（**已删**） |
| 13 | `healthsciences/research/cardiac/nacr`、`ecsg/ppie`、`trials/draft-ytuppi` | 审计项目 / 公众参与 / PPI 页 |
| 14 | `history-of-art/research/enchanted-modernities`、`visual-translations-jerusalem` | 研究**项目**页（`Follow the Project` / `About the Project`）（**已删**） |
| 15 | `igdc/decolonising-research`、`enabling-research`；`sei/research/projecttrackerprivacynotice`；`social-science/research-impact/n8policing…catalystproject` | 倡议 / 隐私声明 / Catalyst 项目 |

> 反例共性仍是那句**「非团队自述」**：`project`、`service`、`reading group`、`journal club`、`seminar series`、`training`、`students`。**没有一条需要靠名字猜。**

### 5-2 判不准清单（拿不准的都放这儿，不自己发明规则归类）

| # | 条目 | 我看到的 | 为什么拿不准 |
|---|---|---|---|
| 1 | Biology 7 个 research theme（Ecology and Evolution 等，各 10–20 名 PI） | 页面有方向 + `People / Expertise` 表（含具名 PI） | theme 页 vs 组页：本报告按「院系最细层」收；若按严格 PI 组口径应降级（PI 无独立组页） |
| 2 | Psychology 5 个 theme（Language, cognition & emotion 等，各 18–24 名成员） | 同上，成员仅 person 链接 | 同上；PI Lab 已单列 3 条 |
| 3 | Physics 的 12 个 theme + 20+ research area | theme 有 head（`Head of Communication Technologies Research Group`），area 有方向 | theme/area 的层级边界 |
| 4 | 223 条 `unit_kind=area` | 都是院系发布的最细一层 | 是否算「导师带的组」取决于用户要的层级（本次按最细层全收，可按 `unit_kind` 过滤） |
| 5 | Business & Society 的 7 个 area（Accounting, finance…；Operations, strategy…） | 有方向 + 成员 | subject group = 系级组织单元 vs 导师组 |
| 6 | 法律 `Criminalisation`、`Health and Law`、`Law and AI` 等 6 个 area | 有方向 + 多名 staff | 同上 |
| 7 | `SEI-York` 的 5 个 research area、`IGDC` 3 个 theme、`Safe Autonomy` 4 个 theme | 有方向 + 成员 | 中心 vs 组 |
| 8 | Modern Studies 的 30+ research strands（`Complexity`、`Death`、`Food`…） | 是 Centre for Modern Studies 下的研究 strand/network | strand vs 组；本次只收 3 个自述 network/collective 的 |
| 9 | HYMS 的 11 个 centres/groups | 是 Hull–York 联合医学院 | 归属：约克官方列为院系，但为两校共有；本次计入并单列 |
| 10 | `policy-engine/type-policy-groups/cost-of-living` | H1=`Cost of Living Research Group` | 跨系统平台的组，是否算校级 |
| 11 | `ipup`、`imry` | 校级研究所 | 大一级，已单列 |

### 5-3 未验清单（显式列出，不静默跳过）

1. **`pure.york.ac.uk/portal/en/organisations/`（York Research Database 机构树）返回 403 Cloudflare `Just a moment...`** —— 未用作枚举；可能存在 Pure 侧更细的组命名，未逐条取。
2. **`wellmindslab.com`、`www.wright-lab.org`、`www.hungrymindlab.com`、`sites.google.com/...`**：从约克页面外链到的疑似 PI lab 站，**未验证归属与内容**（未入产物）。
3. **`www.hgc.hosted.york.ac.uk`（Heritage for Global Challenges）**：首轮为 Maintenance Page，本轮未稳定取到内容。
4. **`robostar.cs.york.ac.uk`、`www.ynic.york.ac.uk`、`audiolab.york.ac.uk` 等子域的研究组列表**：已跟到其入口，但**未逐一枚举子域内部的全部组页**（子域内部若有更细组，会遗漏）。
5. **`/psychology/research/york-neuroimaging-centre/` 内部的 imaging 方法页**（EEG/MEG/fMRI/TMS/Sleep lab）：按「设施方法」处理，只收 YNiC 主体与 Sleep lab。
6. **`biomedical-research-institute` 的 4 个 theme 本身**未逐条单独计（其内层 PI 组已计）；`clinical-and-translational-research`、`chemical-biology` 两个 theme 下的 4 条（Leish 网络/Tissue Bank）已删。
7. **`hyms.ac.uk` 的 `cancer-awareness-screening-and-diagnostic-pathways`** 页面 H1 为空（`None`），名称取自页脚/目录；已按目录官方名收录。
8. **ego-browser 版本 0.5.1.13**，未执行 `ego-browser upgrade`（需人工批准）。
9. **Pure person 页未收**：约克大量 PI 只有 person profile（`/biology/people/<name>/`、`/physics-engineering-technology/people/<name>/`），按用户裁定「组名取组自己页面的 H1」**不计为组**，故生物/物理/化学等的真实 PI 组数可能高于本次 346。

### 5-4 五字段口径

- **课题组名称**：绝大多数取页面 H1；无 H1 的（IPUP、Enchanted 类）用 `<title>` 或院系目录官方名。
- **所在大学及研究中心**：上级是**真正的 research institute/centre** 才写 `University of York | <unit>`（BRI、BioArCh、GCCE、WACL、YSBL、CHERI、York Trials Unit、YESI、SEI-Y、ISA、CRD、CURB、Physics of Life、MHSCRC、SPRU、NIHR SSCR、York Neuroimaging Centre、HYMS）；上级是**系/院/学部的**一律只写 `University of York`。
- **研究方向**：取自该组页正文首段（去 boilerplate / nav）。
- **联系邮箱**：**只取本组页 `<main>` 内的 `mailto:`**；已剔除页脚通用邮箱（`communications-support@`、`enquiries@`、`cs-reception@`、`hyms execoffice@` 等）。346 条中 **198 条有组页邮箱**。
- **最近五年论文数**：**346/346 全为 null**（用户裁定）。

---

## 6. 一句话结论

**约克大学最终「具名单元」= 123（外加 223 条院系最细一层研究方向附录），组/系 ≈ 3.0；完备性已从「80 组 / 只到院系首页」补齐到「逐系 research 子树 + 逐系组目录核查」——约克只有 5 处真正的组目录（YBRI 37 个 PI 组 / CS 9 个 Research Group / Health Sciences 6 组 / HYMS 11 个 / Psychology PI Lab），其余院系最低只到 theme/research-area 级，其下没有独立组页（8 系逐系原文证据已附）。**