Libérer la puissance de l’IA. Une revue systématique des techniques de pointe : résumé et introduction

Tableau des liens

Résumé et introduction

Matériels et méthodes

Résultats

QR 1 : IA et scientométrie

QR 2 : IA et webométrie

QR 3 : IA et bibliométrie

Discussion

QR 4 : L'avenir de la scientométrie, de la webométrie et de la bibliométrie avec l'IA

QR 5 : Considérations éthiques de la scientométrie, de la webométrie et de la bibliométrie avec l'IA

Conclusion, limites et références

Abstrait

Objectif : L'étude vise à analyser la synergie de l'intelligence artificielle (IA), avec la scientométrie, la webométrie et la bibliométrie pour débloquer et souligner le potentiel des applications et les avantages des algorithmes d'IA dans ces domaines.

Conception/méthodologie/approche : En effectuant une revue systématique de la littérature, notre objectif est d'explorer le potentiel de l'IA pour révolutionner les méthodes utilisées pour mesurer et analyser la communication scientifique, identifier les tendances de recherche émergentes et évaluer l'impact des publications scientifiques. Pour y parvenir, nous avons mis en œuvre une stratégie de recherche complète dans des bases de données réputées telles que ProQuest, IEEE Explore, EBSCO, Web of Science et Scopus. Notre recherche a porté sur des articles publiés entre le 1er janvier 2000 et septembre 2022, ce qui a abouti à un examen approfondi de 61 articles pertinents.

Résultats : (i) Concernant la scientométrie, l'application de l'IA présente divers avantages distincts, tels que la réalisation d'analyses de publications, de citations, de prédiction de l'impact de la recherche, de collaboration, d'analyse des tendances de la recherche et de cartographie des connaissances, dans un cadre plus objectif et plus fiable. (ii) En termes de webométrie, les algorithmes d'IA sont capables d'améliorer l'exploration du Web et la collecte de données, l'analyse des liens Web, l'analyse du contenu Web, l'analyse des médias sociaux, l'analyse de l'impact du Web et les systèmes de recommandation. (iii) De plus, l'automatisation de la collecte de données, l'analyse des citations, la levée de l'ambiguïté des auteurs, l'analyse des réseaux de co-auteurs, l'évaluation de l'impact de la recherche, l'exploration de textes et les systèmes de recommandation sont considérés comme le potentiel de l'intégration de l'IA dans le domaine de la bibliométrie.

Originalité/valeur : Cette étude couvre les avantages et le potentiel particulièrement nouveaux de la scientométrie, de la webométrie et de la bibliométrie améliorées par l'IA pour mettre en évidence les perspectives significatives de synergie de cette intégration via l'IA.

Introduction

L'intelligence artificielle (IA) a révolutionné divers domaines, notamment la scientométrie, la webométrie et la bibliométrie [1, 2]. La scientométrie est un domaine qui implique l'analyse quantitative de la littérature scientifique pour mesurer divers aspects de la recherche scientifique, tels que la productivité, l'impact et les modèles de collaboration [3]. Il utilise des données bibliographiques et l'analyse des citations pour comprendre la dynamique de la production et de la diffusion des connaissances scientifiques [4].

La webométrie, quant à elle, se concentre sur l'analyse quantitative des informations basées sur le Web, en particulier des sites Web et des hyperliens, pour évaluer l'impact et la visibilité des individus, des organisations ou des institutions de recherche sur le Web [5]. Il utilise des techniques d'exploration du Web et d'analyse des liens pour examiner les structures et les interactions basées sur le Web [6].

La bibliométrie est un domaine qui applique des méthodes mathématiques et statistiques pour analyser les modèles de publication, de citation et de collaboration dans la littérature universitaire [7]. Il mesure l'impact et l'influence des publications scientifiques, des auteurs et des institutions sur la base de l'analyse des citations et d'autres données bibliographiques [8].

Ces trois domaines sont étroitement liés les uns aux autres car ils impliquent tous l'analyse quantitative de l'information et visent à fournir un aperçu de la production, de la diffusion et de l'impact des connaissances scientifiques. Ils partagent des méthodologies et des techniques communes, telles que l'exploration de données, l'analyse de réseaux et la modélisation statistique.

Dans ce qui suit, nous démontrons les perspectives basées sur des applications précédentes. En outre, nous concluons que nous ouvrons également la voie à des recherches plus approfondies et à des innovations prospectives dans le domaine de l'informatique, conduisant finalement à des analyses plus précises, plus efficaces et plus approfondies dans la prise de décision fondée sur des données probantes.

Les chercheurs sont confrontés à un défi lorsqu’ils doivent gérer la disponibilité d’une grande quantité de publications scientifiques, car il devient difficile d’extraire des connaissances, d’améliorer l’analyse des données et de prendre des décisions éclairées. Les algorithmes et techniques améliorés par l'IA ont joué un rôle crucial dans l'automatisation de l'identification, de la classification et de l'analyse de la littérature scientifique [9]. De plus, l'application d'algorithmes d'IA a ouvert de nouvelles possibilités, permettant un traitement efficace des données, une reconnaissance de formes et une extraction de connaissances [10, 11]. Ainsi, en exploitant la puissance de l’IA, les chercheurs peuvent désormais approfondir les mesures des publications à grande échelle, identifier les tendances de la recherche et suivre l’influence et l’impact des productions scientifiques [10, 12, 13].

Premièrement, en tirant parti des algorithmes de traitement du langage naturel (NLP), des techniques d'apprentissage automatique et des approches d'apprentissage profond, l'IA peut extraire des informations clés d'articles scientifiques d'un point de vue scientométrique pour acquérir une compréhension globale des tendances de la recherche, des collaborations et de l'impact dans des domaines spécifiques. 14].

Ensuite, en termes de webométrie, les algorithmes d’IA peuvent collecter des données provenant de diverses sources en ligne via le web scraping, notamment des pages Web, des blogs, des forums et des publications sur les réseaux sociaux. L'apprentissage automatique, les algorithmes d'exploration de données et les techniques d'apprentissage profond (DL) peuvent extraire des données et des modèles pour aider les chercheurs à comprendre et à prédire les comportements des utilisateurs en ligne et l'impact numérique [15, 16].

« Enfin », grâce à des algorithmes basés sur l'IA, les bibliométriciens peuvent analyser des bases de données bibliographiques et de citations à grande échelle, telles que Web of Science ou Scopus, pour découvrir des modèles, des tendances et des relations entre les productions scientifiques [17].

Ces algorithmes et approches sont utiles aux décideurs politiques et aux universitaires pour évaluer l'impact des chercheurs, des institutions ou des domaines scientifiques, facilitant ainsi les décisions fondées sur des preuves, l'élaboration de politiques, la cartographie de l'innovation et la prévision des développements futurs [18].

Bien que l’IA se soit révélée très prometteuse pour améliorer l’efficacité et la précision des analyses scientométriques, webométriques et bibliométriques, il reste un manque de compréhension globale des techniques et des avancées de pointe dans ce domaine en évolution rapide. Alors que les chercheurs s’efforcent d’exploiter la puissance de l’IA pour mieux comprendre les modèles de communication scientifique, les réseaux de citations et l’impact de la recherche, il est crucial de mener une revue systématique qui consolide et synthétise les derniers développements et méthodologies.

Par conséquent, le problème actuel est l’absence d’un aperçu et d’une analyse complets des techniques de pointe actuelles améliorées par l’IA en scientométrie, webométrie et bibliométrie. Ce manque de connaissances empêche les chercheurs et les praticiens de tirer pleinement parti des avantages et des progrès potentiels offerts par l’IA dans ces domaines. En effectuant une revue systématique, nous visons à combler cette lacune et à fournir une compréhension complète des techniques d'IA de pointe, de leurs applications et de leur impact sur le domaine de l'informatique.

Dans notre étude, nous nous concentrons sur ces trois domaines spécifiques (scientométrie, webométrie et bibliométrie) car ils représentent des domaines clés dans lesquels l’application de l’intelligence artificielle (IA) a eu un impact significatif. Les techniques d'IA, telles que l'apprentissage automatique et le traitement du langage naturel, ont considérablement amélioré l'analyse de données bibliographiques et Web à grande échelle, permettant une mesure plus précise et plus efficace de l'impact scientifique, de la diffusion des connaissances et de la visibilité sur le Web.

Grâce à cette revue systématique, nous cherchons à mettre en lumière le potentiel de l’IA pour transformer la façon dont nous mesurons et analysons la communication scientifique, identifions les tendances de recherche émergentes et évaluons l’impact des publications scientifiques. Ce faisant, nous espérons inspirer davantage de recherche et d’innovation dans le domaine de l’informatique, conduisant à terme à des analyses plus précises, efficaces et perspicaces qui peuvent stimuler le progrès scientifique et une prise de décision éclairée et fondée sur des preuves.