Autores:
(1) Hamid Reza Saeidnia, Departamento de Ciência da Informação e Estudos do Conhecimento, Universidade Tarbiat Modares, Teerão, República Islâmica do Irão; (2) Elaheh Hosseini, Departamento de Ciência da Informação e Estudos do Conhecimento, Faculdade de Psicologia e Ciências da Educação, Universidade Alzahra, Teerão, República Islâmica do Irão; (3) Shadi Abdoli, Departamento de Ciência da Informação, Université de Montreal, Montreal, Canadá (4) Marcel Ausloos, School of Business, Universidade de Leicester, Leicester, Reino Unido e Universidade de Estudos Económicos de Bucareste, Bucareste, Roménia.
Tabela de links
Resumo e introdução
Materiais e métodos
Resultados
RQ 1: IA e cienciometria
RQ 2: IA e webometria
RQ 3: IA e bibliometria
Discussão
RQ 4: Futuro da Cienciometria, Webometria e Bibliometria com IA
RQ 5: Considerações Éticas sobre Cientometria, Webometria e Bibliometria com IA
Conclusão, Limitações e Referências
Abstrato
Objetivo : O estudo visa analisar a sinergia da Inteligência Artificial (IA), com a cienciometria, a webometria e a bibliometria para desbloquear e enfatizar o potencial das aplicações e benefícios dos algoritmos de IA nesses campos.
Design/metodologia/abordagem: Ao realizar uma revisão sistemática da literatura, o nosso objetivo é explorar o potencial da IA para revolucionar os métodos utilizados para medir e analisar a comunicação académica, identificar tendências emergentes de investigação e avaliar o impacto das publicações científicas. Para conseguir isso, implementamos uma estratégia de pesquisa abrangente em bancos de dados confiáveis, como ProQuest, IEEE Explore, EBSCO, Web of Science e Scopus. Nossa busca abrangeu artigos publicados de 1º de janeiro de 2000 a setembro de 2022, resultando em uma revisão completa de 61 artigos relevantes.
Constatações : (i) Em relação à cienciometria, a aplicação da IA produz várias vantagens distintas, tais como a realização de análises de publicações, citações, previsão do impacto da investigação, colaboração, análise de tendências de investigação e mapeamento do conhecimento, num quadro mais objectivo e fiável. (ii) Em termos de webometria, os algoritmos de IA são capazes de melhorar o rastreamento da web e a coleta de dados, a análise de links da web, a análise de conteúdo da web, a análise de mídias sociais, a análise de impacto da web e os sistemas de recomendação. (iii) Além disso, a automatização da recolha de dados, a análise de citações, a desambiguação de autores, a análise de redes de coautoria, a avaliação do impacto da investigação, a mineração de textos e os sistemas de recomendação são considerados como o potencial de integração da IA no campo da bibliometria.
Originalidade/valor: Este estudo cobre os benefícios e o potencial particularmente novos da cienciometria, webometria e bibliometria aprimoradas por IA para destacar as perspectivas significativas da sinergia dessa integração por meio da IA
Introdução
A Inteligência Artificial (IA) revolucionou vários campos, em particular a cienciometria, a webometria e a bibliometria [1, 2]. A cienciometria é um campo que envolve a análise quantitativa da literatura científica para medir vários aspectos da pesquisa científica, como produtividade, impacto e padrões de colaboração [3]. Utiliza dados bibliográficos e análise de citações para compreender a dinâmica de produção e disseminação do conhecimento científico [4].
A Webometria, por outro lado, concentra-se na análise quantitativa de informações baseadas na web, particularmente sites e hiperlinks, para avaliar o impacto e a visibilidade de indivíduos, organizações ou instituições de pesquisa na web [5]. Ele emprega técnicas de rastreamento da web e análise de links para examinar estruturas e interações baseadas na web [6].
A bibliometria é um campo que aplica métodos matemáticos e estatísticos para analisar padrões de publicação, citação e colaboração na literatura acadêmica [7]. Mede o impacto e a influência de publicações acadêmicas, autores e instituições com base na análise de citações e outros dados bibliográficos [8].
Esses três campos estão intimamente relacionados entre si, pois todos envolvem a análise quantitativa da informação e visam fornecer insights sobre a produção, disseminação e impacto do conhecimento científico. Eles compartilham metodologias e técnicas comuns, como mineração de dados, análise de redes e modelagem estatística.
A seguir, demonstramos perspectivas com base em aplicações anteriores. Além disso, concluímos que também fornecemos terreno para futuras pesquisas e inovações prospectivas no campo da informetria, levando, em última análise, a análises mais precisas, eficientes e criteriosas na tomada de decisões baseadas em evidências.
Os investigadores enfrentam um desafio quando lidam com a disponibilidade de grandes quantidades de publicações académicas, pois torna-se difícil extrair conhecimento, melhorar a análise de dados e tomar decisões bem informadas. Algoritmos e técnicas aprimorados por IA têm desempenhado um papel crucial na automatização da identificação, classificação e análise da literatura científica [9]. Além disso, a aplicação de algoritmos de IA abriu novas possibilidades, permitindo processamento eficiente de dados, reconhecimento de padrões e extração de conhecimento [10, 11]. Assim, ao aproveitar o poder da IA, os investigadores podem agora aprofundar-se em métricas de publicação em grande escala, identificar tendências de investigação e acompanhar a influência e o impacto das produções científicas [10, 12, 13].
Primeiro, ao aproveitar algoritmos de processamento de linguagem natural (PNL), técnicas de aprendizado de máquina e abordagens de aprendizado profundo, a IA pode extrair informações importantes de artigos científicos de uma perspectiva cienciométrica para obter uma compreensão abrangente das tendências de pesquisa, colaborações e impacto em domínios específicos [ 14].
Em seguida, em termos de webometria, os algoritmos de IA podem coletar dados de várias fontes online por meio de web scraping, incluindo páginas da web, blogs, fóruns e postagens em mídias sociais. Aprendizado de máquina, algoritmos de mineração de dados e técnicas de aprendizado profundo (DL) podem extrair dados e padrões para ajudar os pesquisadores a compreender e prever o comportamento dos usuários online e o impacto digital [15, 16].
“Finalmente”, por meio de algoritmos alimentados por IA, os bibliometristas podem analisar bancos de dados bibliográficos e de citações em grande escala, como Web of Science ou Scopus, para descobrir padrões, tendências e relações entre produções científicas [17].
Esses algoritmos e abordagens são úteis para formuladores de políticas e acadêmicos avaliarem o impacto de pesquisadores, instituições ou campos científicos, facilitando decisões baseadas em evidências, elaboração de políticas, mapeamento de inovação e previsão de desenvolvimentos orientados para o futuro [18].
Embora a IA tenha se mostrado muito promissora na melhoria da eficiência e precisão das análises cienciométricas, webométricas e bibliométricas, continua a haver uma falta de compreensão abrangente das técnicas de ponta e dos avanços neste campo em rápida evolução. À medida que os investigadores se esforçam por aproveitar o poder da IA para obter conhecimentos mais profundos sobre os padrões de comunicação académica, as redes de citações e o impacto da investigação, é crucial realizar uma revisão sistemática que consolide e sintetize os mais recentes desenvolvimentos e metodologias.
Portanto, o problema em questão é a ausência de uma visão geral e análise abrangente das atuais técnicas aprimoradas de IA em cienciometria, webometria e bibliometria. Esta lacuna de conhecimento inibe os investigadores e profissionais de capitalizarem plenamente os potenciais benefícios e avanços oferecidos pela IA nestes domínios. Ao realizar uma revisão sistemática, pretendemos colmatar esta lacuna e fornecer uma compreensão abrangente das técnicas de IA de última geração, das suas aplicações e do seu impacto no campo da informetria.
No nosso estudo, concentramo-nos nestes três campos específicos (cienciometria, webometria e bibliometria) porque representam áreas-chave onde a aplicação da inteligência artificial (IA) teve um impacto significativo. As técnicas de IA, como a aprendizagem automática e o processamento de linguagem natural, melhoraram enormemente a análise de dados bibliográficos e baseados na Web em grande escala, permitindo uma medição mais precisa e eficiente do impacto científico, da difusão do conhecimento e da visibilidade na Web.
Através desta revisão sistemática, procuramos lançar luz sobre o potencial da IA para transformar a forma como medimos e analisamos a comunicação académica, identificamos tendências de investigação emergentes e avaliamos o impacto das publicações científicas. Ao fazê-lo, esperamos inspirar mais investigação e inovação no campo da informetria, conduzindo, em última análise, a análises mais precisas, eficientes e perspicazes que possam impulsionar o progresso científico e a tomada de decisões informadas e baseadas em evidências.
Este artigo está sob licença CC BY 4.0 DEED.
