Авторы:
(1) Хамид Реза Саидния, факультет информатики и исследований знаний, Университет Тарбиат Модарес, Тегеран, Исламская Республика Иран; (2) Элахе Хоссейни, факультет информатики и исследований знаний, факультет психологии и педагогических наук, Университет Альзахра, Тегеран, Исламская Республика Иран; (3) Шади Абдоли, факультет информатики, Монреальский университет, Монреаль, Канада (4) Марсель Ауслоос, Школа бизнеса, Лестерский университет, Лестер, Великобритания и Бухарестский университет экономических исследований, Бухарест, Румыния.
Таблица ссылок
Аннотация и введение
Материалы и методы
Полученные результаты
Вопрос 1: ИИ и наукометрия
Вопрос 2: ИИ и вебометрика
Вопрос 3: ИИ и библиометрия
Обсуждение
Вопрос 4: Будущее наукометрики, вебометрики и библиометрики с искусственным интеллектом
Вопрос 5: Этические аспекты наукометрии, вебометрики и библиометрии с использованием ИИ
Заключение, ограничения и ссылки
Абстрактный
Цель : исследование направлено на анализ синергии искусственного интеллекта (ИИ) с наукометрикой, вебометрикой и библиометрией, чтобы раскрыть и подчеркнуть потенциал приложений и преимущества алгоритмов ИИ в этих областях.
Дизайн/методология/подход: Проводя систематический обзор литературы, наша цель — изучить потенциал ИИ в революционном преобразовании методов, используемых для измерения и анализа научной коммуникации, выявления новых исследовательских тенденций и оценки влияния научных публикаций. Для достижения этой цели мы внедрили комплексную стратегию поиска в авторитетных базах данных, таких как ProQuest, IEEE Explore, EBSCO, Web of Science и Scopus. Наш поиск охватывал статьи, опубликованные с 1 января 2000 г. по сентябрь 2022 г., в результате чего была тщательно рассмотрена 61 соответствующая статья.
Выводы : (i) Что касается наукометрии, то применение ИИ дает различные явные преимущества, такие как проведение анализа публикаций, цитирования, прогнозирование воздействия исследований, сотрудничество, анализ тенденций исследований и картирование знаний в более объективной и надежной среде. (ii) Что касается вебометрики, алгоритмы ИИ способны улучшить сканирование веб-страниц и сбор данных, анализ веб-ссылок, анализ веб-контента, анализ социальных сетей, анализ веб-влияния и рекомендательные системы. (iii) Кроме того, автоматизация сбора данных, анализ цитирования, устранение неоднозначности авторов, анализ сетей соавторства, оценка воздействия исследований, интеллектуальный анализ текста и рекомендательные системы рассматриваются как потенциал интеграции ИИ в области библиометрии.
Оригинальность/ценность: в этом исследовании рассматриваются особенно новые преимущества и потенциал наукометрии, вебометрики и библиометрики с использованием искусственного интеллекта, чтобы подчеркнуть значительные перспективы синергии этой интеграции посредством искусственного интеллекта.
Введение
Искусственный интеллект (ИИ) произвел революцию в различных областях, в частности в наукометрике, вебометрике и библиометрике [1, 2]. Наукометрика — это область, которая включает количественный анализ научной литературы для измерения различных аспектов научных исследований, таких как продуктивность, влияние и модели сотрудничества [3]. Он использует библиографические данные и анализ цитирования, чтобы понять динамику производства и распространения научных знаний [4].
Webometrics, с другой стороны, фокусируется на количественном анализе веб-информации, особенно веб-сайтов и гиперссылок, для оценки влияния и видимости отдельных лиц, организаций или исследовательских институтов в сети [5]. Он использует методы сканирования веб-страниц и анализа ссылок для изучения веб-структур и взаимодействий [6].
Библиометрия — это область, которая применяет математические и статистические методы для анализа закономерностей публикаций, цитирования и сотрудничества в академической литературе [7]. Он измеряет влияние и влияние научных публикаций, авторов и учреждений на основе анализа цитирования и других библиографических данных [8].
Эти три области тесно связаны друг с другом, поскольку все они включают количественный анализ информации и направлены на предоставление информации о производстве, распространении и влиянии научных знаний. Они используют общие методологии и методы, такие как интеллектуальный анализ данных, сетевой анализ и статистическое моделирование.
Далее мы демонстрируем перспективы, основанные на предыдущих приложениях. Кроме того, мы приходим к выводу, что мы также создаем основу для дальнейших исследований и перспективных инноваций в области информаметрики, что в конечном итоге приведет к более точному, эффективному и глубокому анализу при принятии решений на основе фактических данных.
Исследователи сталкиваются с проблемой, когда приходится иметь дело с наличием огромного количества научных публикаций, поскольку становится трудно извлекать знания, улучшать анализ данных и принимать обоснованные решения. Алгоритмы и методы, усовершенствованные искусственным интеллектом, сыграли решающую роль в автоматизации идентификации, классификации и анализа научной литературы [9]. Более того, применение алгоритмов ИИ открыло новые возможности, позволяющие эффективно обрабатывать данные, распознавать образы и извлекать знания [10, 11]. Таким образом, используя возможности ИИ, исследователи теперь могут углубляться в показатели крупномасштабных публикаций, выявлять исследовательские тенденции и отслеживать влияние и влияние научной продукции [10, 12, 13].
Во-первых, используя алгоритмы обработки естественного языка (НЛП), методы машинного обучения и подходы глубокого обучения, ИИ может извлекать ключевую информацию из научных работ с наукометрической точки зрения, чтобы получить полное представление о тенденциях исследований, сотрудничестве и влиянии в конкретных областях. 14].
Далее, с точки зрения вебометрики, алгоритмы ИИ могут собирать данные из различных онлайн-источников посредством веб-скрейпинга, включая веб-страницы, блоги, форумы и сообщения в социальных сетях. Машинное обучение, алгоритмы интеллектуального анализа данных и методы глубокого обучения (DL) могут извлекать данные и закономерности, которые помогают исследователям понимать и прогнозировать поведение онлайн-пользователей, а также влияние цифровых технологий [15, 16].
«Наконец», с помощью алгоритмов на базе искусственного интеллекта библиометристы могут анализировать крупномасштабные библиографические и цитирующие базы данных, такие как Web of Science или Scopus, чтобы выявлять закономерности, тенденции и взаимосвязи между научными произведениями [17].
Эти алгоритмы и подходы полезны политикам и академикам для оценки влияния исследователей, учреждений или научных областей, облегчая принятие обоснованных решений, разработку политики, картирование инноваций и прогнозирование перспективных разработок [18].
Хотя ИИ показал большие перспективы в повышении эффективности и точности наукометрического, вебометрического и библиометрического анализа, по-прежнему отсутствует полное понимание передовых методов и достижений в этой быстро развивающейся области. Поскольку исследователи стремятся использовать возможности ИИ для более глубокого понимания моделей научной коммуникации, сетей цитирования и влияния исследований, крайне важно проводить систематический обзор, который объединяет и синтезирует новейшие разработки и методологии.
Таким образом, проблема заключается в отсутствии всестороннего обзора и анализа современных методов наукометрии, вебометрики и библиометрии, усовершенствованных искусственным интеллектом. Этот пробел в знаниях не позволяет исследователям и практикам в полной мере воспользоваться потенциальными преимуществами и достижениями, предлагаемыми ИИ в этих областях. Проводя систематический обзор, мы стремимся устранить этот пробел и обеспечить всестороннее понимание современных методов искусственного интеллекта, их применения и их влияния на область информметрики.
В нашем исследовании мы концентрируемся на этих трех конкретных областях (наукометрика, вебометрика и библиометрия), поскольку они представляют собой ключевые области, где применение искусственного интеллекта (ИИ) оказало значительное влияние. Методы искусственного интеллекта, такие как машинное обучение и обработка естественного языка, значительно улучшили анализ крупномасштабных библиографических и веб-данных, позволяя более точно и эффективно измерять научное воздействие, распространение знаний и видимость в Интернете.
Посредством этого систематического обзора мы стремимся пролить свет на потенциал ИИ в изменении способов измерения и анализа научной коммуникации, выявления новых исследовательских тенденций и оценки влияния научных публикаций. Поступая таким образом, мы надеемся вдохновить на дальнейшие исследования и инновации в области информатики, что в конечном итоге приведет к более точному, эффективному и глубокому анализу, который может способствовать научному прогрессу и принятию обоснованных решений, основанных на фактических данных.
Этот документ под лицензией CC BY 4.0 DEED.
