„In der Bibliometrie kann KI mehrere spezifische Vorteile bieten, darunter die automatisierte Datenerfassung …“

Linktabelle

Zusammenfassung und Einleitung

Materialen und Methoden

Ergebnisse

RQ 1: KI und Szientometrie

RQ 2: KI und Webometrie

RQ 3: KI und Bibliometrie

Diskussion

RQ 4: Zukunft der Szientometrie, Webometrie und Bibliometrie mit KI

RQ 5: Ethische Überlegungen zur Szientometrie, Webometrie und Bibliometrie mit KI

Schlussfolgerung, Einschränkungen und Referenzen

RQ 3: KI und Bibliometrie

In der Bibliometrie kann KI mehrere spezifische Vorteile bieten, darunter die automatisierte Datenerfassung, Zitationsanalyse, Autoren-Disambiguierung, Co-Autorenschaftsanalyse, Forschungseinflussanalyse, Text Mining und Empfehlungssysteme (siehe Abbildung 4), wie in [28-30, 47-53] analysiert.

Diese 6 Studien demonstrieren die potenziellen Vorteile und Strategien für die Nutzung von KI-Funktionen in der Bibliometrie. Sie zeigen, wie KI die Qualität, Zugänglichkeit und Datenerfassungsprozesse in bibliometrischen Analysen verbessern kann (Tabelle 3), was zu den wichtigsten Ergebnissen zählt.

Es wurde gezeigt, dass KI-Algorithmen bibliografische Daten aus verschiedenen Quellen wie Online-Datenbanken, wissenschaftlichen Bibliotheken und digitalen Repositorien automatisch sammeln können [21, 49]. Dies spart den an der Datenerfassung beteiligten Forschern Zeit und Aufwand und ermöglicht es ihnen, sich auf andere Aspekte der bibliometrischen Analyse zu konzentrieren.

Zum Nachdenken anregend ist, dass KI Zitationsnetzwerke analysieren kann, um einflussreiche Arbeiten, Autoren und Zeitschriften zu identifizieren [28, 31] – wie bereits im Abschnitt „KI und Szientometrie“ erwähnt. Durch die Untersuchung von Zitationsmustern und -beziehungen können KI-Algorithmen Forschern helfen, die Wirkung und Sichtbarkeit von Forschungsergebnissen zu verstehen sowie wichtige Forschungstrends und -kooperationen zu identifizieren.

Interessanterweise können KI-Techniken eingesetzt werden, um Autoren mit ähnlichen Namen zu disambiguieren, ein häufiges Problem in der Bibliometrie [47, 53]. Durch die Analyse von Autorenzugehörigkeiten, Publikationshistorie und Co-Autorennetzwerken können KI-Algorithmen Autoren mit ähnlichen Namen effektiv identifizieren und voneinander unterscheiden, um die Genauigkeit bibliometrischer Analysen sicherzustellen.

Wie bereits im Abschnitt „KI und Szientometrie“ erwähnt, kann man mithilfe von KI Koautorennetzwerke analysieren, um Kooperationen und Forschungsnetzwerke zu identifizieren [28, 30]. Durch die Untersuchung von Koautorenmustern und -beziehungen können KI-Algorithmen Forschern helfen, die Dynamik und Struktur von Kooperationen zu verstehen sowie einflussreiche Forscher und Forschungsteams zu identifizieren. Dies kann auch bei der Finanzierung von Vorteil sein.

Mithilfe von KI lassen sich bibliometrische Indikatoren wie Zitationszahlen und h-Index problemlos analysieren, um den Einfluss und die Sichtbarkeit einzelner Forscher, Forschungsgruppen und Institutionen zu bewerten [21, 48, 52]. Auf diese Weise können KI-Algorithmen Einblicke in die Forschungsproduktivität, Zitationsmuster und den Forschungseinfluss im Zeitverlauf liefern und Forscher und Institutionen bei der Beurteilung des Rufs oder der Leistung ihrer Forschung unterstützen.

Nicht zuletzt können KI-Techniken, einschließlich der Verarbeitung natürlicher Sprache, genutzt werden, um den Textinhalt von Forschungspublikationen zu analysieren [50, 51]. Auf diese Weise können Schlüsselwörter, Themen und Stimmungen aus der Literatur extrahiert werden - auch im Rahmen einer Plagiatskontrolle [54, 55] - und so eine umfassende Analyse und ein Verständnis der Forschungsergebnisse ermöglicht werden [56].