Esquema del JSON extraído del CvLAC

Este documento describe el JSON que produce el paquete cvlac-json (comando cvlac-json o función cvlac_json.extract()) a partir de la página pública del CvLAC de un investigador:

https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=COD_RH

El esquema se verificó contra cinco CV reales de profesores de la UdeA (2026-10-28). Los ejemplos de este documento usan una persona ficticia (Ana María Pérez Gómez, COD_RH 0000000001); los valores de los ejemplos imitan los reales.

1. Cómo se genera

cvlac-json COD_RH [-o salida.json] [--html pagina_guardada.html] [--save-html pagina.html]
           [--scienti auto|full|off] [--institution udea] [--model-year 2024]
           [--apikey CLAVE] [--siiu auto|off] [--ror auto|off]

El JSON combina tres fuentes:

Con la configuración por defecto, todo registro proviene de la página pública; de Scienti solo llegan ids y la evidencia de la coincidencia, y los registros que solo están en Scienti se cuentan en scienti.not_on_page, sin incluirlos.

2. Convenciones generales

• Los mismos campos en todos los registros de una colección. En works, projects, events, experience, cada lista de education y cada lista de sections, si un campo tiene valor en algún registro, aparece en todos: vale [] (listas) o null (lo demás) donde no hay dato. Lo mismo dentro de los objetos anidados (source, cvlac, authors[], affiliations[]…).
• Campos vacíos en toda la colección se eliminan de esa colección. Por eso las claves pueden variar de un CV a otro (por ejemplo, un CV sin palabras clave no tiene keywords en sus works).
• Campos que el CvLAC nunca publica no existen: no hay abstracts, citations_count, groups, ranking, language ni date_published.
• Fechas: año y mes como enteros ({"year": 2014, "month": 7}), o cadenas ISO AAAA-MM-DD en eventos. No hay fechas en segundos (a diferencia de ImpactU).
• Textos: se conservan como aparecen en la página (mayúsculas, errores de digitación como "Coturor/asesor" o "blibliográfica").
• **provenance / source** siguen la convención de ImpactU: cvlac (página), scienti (apis.colav.co), ror (registro ROR).
• Datos personales: el JSON guarda lo que muestra la página pública (nombre, nacionalidad, sexo). No incluye números de identificación. De Scienti solo se copian nombres, nunca los campos personales de sus registros de autor.

3. Identificadores

4. Nivel superior

5. profile

Objeto con las filas de la tabla "Hoja de vida" de la página; las claves son las etiquetas tal como aparecen.

El nombre y el nombre en citaciones se usan para reconocer al dueño del CV entre los autores.

Nombres y apellidos. Se conservan Nombre y Nombre en citaciones y se agregan full_name, first_names y last_names, como en ImpactU. La separación usa, en este orden:

1. page: la página escribe el nombre como NOMBRES APELLIDO1 APELLIDO2; esas partes se usan si coinciden con los apellidos de Nombre en citaciones (lo que va antes de la coma). 2. citation name: si no coinciden, el número de palabras antes de la coma de Nombre en citaciones dice cuántas palabras finales de Nombre son apellidos. 3. nationality: si no hay nombre en citaciones, dos apellidos para nacionalidades hispanas (Colombiana, Española, Mexicana…) y uno para las demás.

En los cinco CV de prueba la separación salió de la página (page) y coincidió con el nombre en citaciones.

6. identifiers y academic_networks

7. education.academic[] y education.complementary[]

8. experience[]

Regla ROR: se acepta un registro solo si uno de sus nombres, alias, etiquetas o siglas coincide con el nombre del CvLAC (sin tildes ni mayúsculas) → match: "name"; o si uno es prefijo del otro por palabras, con puntaje ≥ 0.9 → match: "prefix" (p. ej. "UNIVERSIDAD NACIONAL DE COLOMBIA SEDE MANIZALES" → Universidad Nacional de Colombia). Las facultades y departamentos casi nunca tienen ROR.

9. languages[], research_lines[], awards[]

10. works[]: producción bibliográfica (esquema de obras de ImpactU)

Incluye las secciones Artículos, Libros, Capítulos de libro, Textos en publicaciones no científicas, Otra producción bibliográfica, Documentos de trabajo, Libros de formación o divulgación, Manuales y guías especializadas, Traducciones, Notas científicas y Trabajos en eventos.

**works[].authors[]**

**works[].cvlac**

11. projects[]

El CvLAC no enlaza proyectos con productos: no presente un proyecto como fuente de una obra sin otra evidencia (OpenAlex awards, compromisos de SIIU).

12. events[]

13. sections: demás secciones

Objeto cuyas claves son los títulos de sección del CvLAC y cuyos valores son listas de ítems genéricos. Secciones vistas en los cinco CV: Trabajos dirigidos/tutorías, Jurado en comités de evaluación, Participación en comités de evaluación, Par evaluador, Cursos de corta duración, Consultorías, Informes de investigación, Informes técnicos, Demás trabajos, Fortalecimiento o solución de asuntos de interés social, Redes de conocimiento especializado, Estancias posdoctorales, Patentes, Secretos empresariales, Prototipos, Planta piloto, Softwares, Signos distintivos, Nuevos registros científicos, Innovación de proceso o procedimiento.

14. Tesis dirigidas: sections["Trabajos dirigidos/tutorías"][]

Además de los campos genéricos, cada ítem tiene campos estructurados, leídos de la estructura de la página (el CvLAC separa con   "DUEÑO, Título" / institución / "Estado: …" / programa / "AÑO. Dirigió como: ROL" / estudiantes / "N meses" / "Tutor(es)/Cotutor(es): …").

Texto de origen:

ANA MARIA PEREZ GOMEZ, Análisis de datos sintéticos para la evaluación de algoritmos
UNIVERSIDAD DE ANTIOQUIA Estado: Tesis en curso Doctorado en Ingeniería Electrónica, 2017.
Dirigió como: Tutor principal, Persona(s) orientada(s): Carlos Andrés Ruiz Mejía Tutor(es)/Cotutor(es): ANA MARIA PEREZ GOMEZ,

**authors[] de una tesis**

15. counts

Objeto de conteos (enteros):

16. Afiliaciones y affiliations_from_experience

Las afiliaciones siguen la forma de ImpactU:

En las obras, la afiliación es inferida: significa "el dueño trabajaba allí ese año", no que el CvLAC declare dónde se hizo la obra. Con dos empleos simultáneos aparecen ambos; varias entradas de la misma institución se fusionan en una.

affiliations_from_experience resume el proceso: ror_api, experience (entradas de experiencia), experience_with_ror, works_with_affiliation, theses_with_affiliation, lookup_errors.

17. Coincidencias con Scienti y SIIU

Objeto de coincidencia (works[].cvlac.scienti, projects[].scienti, events[].scienti, sections.*[].scienti):

Reglas de coincidencia: (1) mismo DOI normalizado; (2) mismo título normalizado (≥ 25 caracteres y 4 palabras) más una evidencia: año, ISSN, ISBN, revista/libro/evento o número de patente; en ítems genéricos, el título Scienti debe aparecer completo en el texto; (3) un título prefijo del otro (ambos ≥ 40 caracteres) con el mismo año; (4) proyectos, eventos y redes: mismo nombre normalizado y mismo año.

**Objeto scienti del nivel superior**:

Proyectos de SIIU (projects[].siiu, objeto siiu del nivel superior). SIIU es el sistema de información de investigación de la UdeA. Con clave de apis.colav.co (y sin --siiu off), se buscan en SIIU los proyectos del dueño con el número de documento de su registro de autor de Scienti. Ese número solo se usa en la consulta: no se imprime ni se guarda. Un proyecto del CvLAC coincide con uno de SIIU cuando:

• su título normalizado es igual al nombre completo del proyecto en SIIU (o a su nombre corto, si tiene al menos 25 caracteres y 4 palabras), y
• su año de inicio cae dentro del periodo del proyecto en SIIU, con un año de margen a cada lado. El periodo va del año de registro (o del inicio de la primera etapa, si es anterior) al último fin de etapa, al año de aprobación o al registro más la duración.

Cuando varios proyectos de SIIU tienen el mismo título (propuestas presentadas de nuevo), gana el que se ejecutó (aprobado, en_ejecucion, atrasado, finalizado, liquidado) frente a los rechazados o en evaluación; después, el de año de inicio más cercano. Los demás quedan en also. El código de SIIU se agrega también a projects[].external_ids con source: "siiu".

Si el registro de autor de Scienti no tiene documento, o el investigador no tiene proyectos en SIIU, no hay objeto siiu.

18. Diferencias con --scienti full

• Se agregan a works las obras bibliográficas que solo están en Scienti, con id scienti:COD_RH-COD_PRODUCTO, types[] con source: "scienti" y el code del tipo, autores en orden (re_author_others), revista/libro/evento, volumen y páginas, palabras clave, y cvlac: {section, scienti}.
• Se agregan a sections los demás productos (a la sección cuyos ítems comparten al menos dos niveles del tipo), a projects y events los proyectos y eventos de Scienti sin coincidencia.
• Todos los registros llevan origin ("cvlac" o "scienti"), y counts incluye *_only_in_scienti.
• Muchos de esos registros repiten una entrada de la página que no pasó la regla exacta (sobre todo jurados y comités): revíselos antes de contarlos como producción adicional.

19. Valores observados (cinco CV de la UdeA, 2026-10-28)