"¿Cómo contribuyen las técnicas de vanguardia en cienciometría mejorada por IA al campo de la investigación?"

Tabla de enlaces

Resumen e introducción

Materiales y métodos

Resultados

Pregunta 1: IA y cienciometría

Pregunta 2: IA y webmetría

RQ 3: IA y bibliometría

Discusión

Pregunta 4: El futuro de la cienciometría, la webometría y la bibliometría con IA

Pregunta 5: Consideraciones éticas de la cienciometría, la webometría y la bibliometría con IA

Conclusión, limitaciones y referencias

Materiales y métodos

Nuestro estudio ha implicado realizar una revisión exhaustiva de la literatura existente para explorar los diversos aspectos y varios indicadores relacionados con el uso de la IA mejorada en Cienciometría, Webometría y Bibliometría. A lo largo de la preparación de este manuscrito, nos adherimos a la lista de verificación PRISMA-ScR y seguimos las pautas de presentación de informes recomendadas para revisiones sistemáticas [19]. Es importante señalar que este manuscrito no ha sido registrado previamente en PROSPERO ni en ninguna base de datos similar. Queremos enfatizar que, si bien el registro de PROSPERO generalmente se asocia con revisiones sistemáticas, hemos tomado una decisión deliberada de no registrar esta revisión específica. Esta decisión se basa en el alcance de nuestra revisión, que no cumple estrictamente con los criterios de elegibilidad de PROSPERO, y en la practicidad dentro de las limitaciones de nuestro proyecto. Queremos asegurar a los lectores que nuestro proceso de búsqueda y selección de literatura sigue una metodología rigurosa y que nuestros hallazgos se informan de manera transparente, para abordar cualquier inquietud relacionada con la credibilidad.

Preguntas de investigación

1. "¿Cómo contribuyen las técnicas de vanguardia en cienciometría mejorada por IA al campo de la evaluación de la investigación y la evaluación del impacto?"

   
   

2. "¿Qué avances se han logrado en la webmetría mejorada con IA y cómo mejoran la comprensión de la información basada en la web y el comportamiento de los usuarios en línea?"

   
   

3. "¿De qué manera las técnicas de vanguardia en bibliometría mejorada por IA revolucionan el análisis y la medición de las publicaciones académicas y su impacto?"

• Además, buscamos respuestas a las siguientes consultas:

4. "¿Qué le depara el futuro a la cienciometría, la webometría y la bibliometría con IA?"

   
   

5. "¿Cuáles son las consideraciones éticas que deben tenerse en cuenta al utilizar la IA en cienciometría, webometría y bibliometría?"

Los criterios de inclusión y exclusión

Durante el proceso de selección de estudios, implementamos criterios específicos para identificar artículos relevantes de la base de datos. Consideramos varios tipos de artículos, excluyendo los artículos de revisión sistemática, ya que nuestro objetivo es concentrarnos en estudios de investigación originales, y los metanálisis, ya que a menudo tienen sus propios criterios de inclusión y exclusión que pueden diferir de los nuestros. Los artículos seleccionados debían centrarse en el uso de la IA para transformar la medición y el análisis de la comunicación académica, identificar tendencias de investigación emergentes y evaluar el impacto de las publicaciones científicas. En consecuencia, se excluyen de la revisión los artículos que abordan únicamente el análisis de la comunicación académica y el impacto de las publicaciones científicas sin ninguna relevancia para la IA. Mediante la aplicación de estos criterios, nos aseguramos de que los estudios elegidos aborden directamente el análisis de técnicas mejoradas por IA en el campo de la cienciometría, la webometría y la bibliometría, lo que nos permite proporcionar un análisis específico y enfocado para nuestra investigación.

Bases de datos y método de búsqueda

Hemos realizado búsquedas en varias bases de datos, incluidas ProQuest (LISTA e IBSS), EBSCO (LISTA), IEEE Explore, Web of Science y Scopus para identificar estudios relevantes. La búsqueda se limitó a artículos publicados entre el 1 de enero de 2000 y septiembre de 2022, para abarcar la literatura más reciente relacionada con los objetivos de nuestra investigación. Para garantizar una estrategia de búsqueda integral, utilizamos una combinación de términos de búsqueda amplios y realizamos una búsqueda anidada [20]. La estrategia de búsqueda implicó el uso de palabras clave que fueran relevantes para nuestro tema de investigación, incluidas variaciones y sinónimos para maximizar la cobertura. Por ejemplo, en Scopus, nuestra cadena de búsqueda incluía términos como "IA" O "Inteligencia artificial" Y "Cienciometría" O "Webometrics" O "Bibliometrics" o variaciones de los mismos. Al incorporar estas palabras clave y utilizar operadores booleanos para combinarlas, nuestro objetivo era identificar artículos que se centraran en el impacto, la eficacia y la evaluación de la atención sanitaria o de las tecnologías sanitarias inteligentes. Los términos de búsqueda específicos y la cadena pueden haber variado ligeramente para cada base de datos, pero siguieron una estructura similar.

Selección de estudios

El proceso de selección de estudios consistió en dos pasos para identificar artículos que cumplieran con nuestros criterios de inclusión. Inicialmente, dos revisores independientes (HR.S. y EH) examinaron los títulos y resúmenes de los artículos identificados para determinar su relevancia para nuestra pregunta de investigación y criterios de inclusión. Cualquier desacuerdo entre los revisores se resolvió mediante discusión y consenso. Si persistían los desacuerdos, se consultaba a un tercer revisor (MA) como árbitro. El tercer revisor examinó cuidadosamente los artículos en cuestión y brindó aportes para llegar a un consenso. Este enfoque garantizó que la selección final de artículos se basara (y se basa) en un convenio colectivo.

Evaluación de la calidad del estudio.

La evaluación de la calidad de las revisiones incluidas fue realizada por dos investigadores (HR.S. y EH) utilizando la Lista de verificación de revisión sistemática CASP (Apéndice 1). Resolvimos cualquier desacuerdo mediante discusión y llegamos a un consenso sobre la calidad de cada estudio.

Marco de codificación para el análisis de los artículos seleccionados.

Para garantizar un análisis sistemático y consistente de los artículos seleccionados, se desarrolló y aplicó un marco de codificación. El marco de codificación constaba de varias categorías y criterios clave que guiaron el proceso de análisis. La siguiente es una descripción general del marco de codificación utilizado:

1. Categoría 1: Metodología de la Investigación

- Criterios: Identificar la metodología de investigación empleada en cada artículo (p. ej., experimental, encuesta, estudio de caso, etc.).

2. Categoría 2: Aplicaciones de IA

- Criterios: Determinar las aplicaciones específicas de la inteligencia artificial discutidas o utilizadas en cada artículo (por ejemplo, aprendizaje automático, procesamiento del lenguaje natural, minería de datos, etc.).

3. Categoría 3: Métricas y Medidas

- Criterios: Captar las diferentes métricas y medidas utilizadas o propuestas en los artículos para evaluar el impacto o efectividad de las aplicaciones de IA en cienciometría, webometría y bibliometría.

4. Categoría 4: Consideraciones éticas

- Criterios: Identificar las consideraciones o implicaciones éticas discutidas en relación con las aplicaciones de IA en los artículos seleccionados.

5. Categoría 5: Implicaciones futuras

- Criterios: Examinar las discusiones o predicciones sobre las implicaciones futuras y los desarrollos potenciales relacionados con el uso de la IA en cienciometría, webometría y bibliometría.

Durante el análisis, dos investigadores independientes codificaron cada artículo utilizando este marco. Cualquier discrepancia o desacuerdo en la codificación se resolvió mediante discusión y consenso. La confiabilidad intercodificadora se evaluó calculando el coeficiente kappa de Cohen, que arrojó un nivel de acuerdo sustancial de 0,85. Al emplear este marco de codificación, nuestro objetivo era proporcionar un análisis completo de los artículos seleccionados y garantizar la coherencia en la evaluación de los aspectos relevantes. El proceso de codificación permitió un examen sistemático de la metodología de investigación, las aplicaciones de IA, las métricas, las consideraciones éticas y las implicaciones futuras discutidas en cada artículo.