Autoren:  (1) Hamid Reza Saeidnia, Abteilung für Informationswissenschaft und Wissensstudien, Tarbiat Modares Universität, Teheran, Islamische Republik Iran;  (2) Elaheh Hosseini, Abteilung für Informationswissenschaft und Wissensstudien, Fakultät für Psychologie und Erziehungswissenschaften, Alzahra-Universität, Teheran, Islamische Republik Iran;  (3) Shadi Abdoli, Institut für Informationswissenschaft, Université de Montreal, Montreal, Kanada  (4) Marcel Ausloos, School of Business, University of Leicester, Leicester, Großbritannien und Bucharest University of Economic Studies, Bukarest, Rumänien.  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 1: KI und Szientometrie  In der Szientometrie kann KI verschiedene spezifische Vorteile bieten, darunter Publikationsanalyse, Zitationsanalyse, Vorhersage von Forschungsauswirkungen, Kollaborationsanalyse, Forschungstrendanalyse und Wissensmapping. Die Vorteile von KI in diesen sechs Teilbereichen (Abbildung 2) wurden z. B. in [21-31] diskutiert.   Diese 12 Studien zeigen die potenziellen Vorteile und Strategien für die Nutzung von KI-Funktionen in der Szientometrie. Wie KI die Qualität, Zugänglichkeit und Datenerfassungsprozesse in szientometrischen Analysen verbessern kann, wird in Tabelle 1 weiter hervorgehoben.  Der Hauptpunkt ist, dass KI-Algorithmen große Mengen wissenschaftlicher Publikationen analysieren und wertvolle Informationen wie Autoren- und Co-Autorennamen, Zugehörigkeiten, Schlüsselwörter und Zitate extrahieren können [21, 22]. Dadurch können Forscher Einblicke in Publikationsmuster, Forschungsnetzwerke und Kooperationen innerhalb eines bestimmten wissenschaftlichen Bereichs gewinnen [32, 33].   Darüber hinaus können KI-Algorithmen Zitationsnetzwerke analysieren, um die Wirkung und den Einfluss wissenschaftlicher Arbeiten sowie die Beziehungen zwischen verschiedenen Forschungsarbeiten zu ermitteln [22, 24, 31]. Forscher können diese Methode nutzen, um häufig zitierte und einflussreiche Arbeiten zu identifizieren – sogar schlafende Schönheiten [34] – und um die Dynamik der Verbreitung wissenschaftlicher Erkenntnisse zu verstehen.  Interessanterweise können KI-Techniken eingesetzt werden, um die Auswirkungen wissenschaftlicher Forschung auf der Grundlage verschiedener Faktoren wie dem Ruf des Autors, der Qualität der Zeitschrift und Zitiermustern vorherzusagen [27]. Durch die Analyse historischer Daten können KI-Modelle Einblicke in die potenziellen Auswirkungen der Forschung geben, sodass Forscher und Institutionen die beste Vorgehensweise bestimmen können.  Co-Autorennetzwerke können durch KI analysiert werden, um Forschungskooperationen zu identifizieren und zu verstehen [28, 30]. Durch die Analyse der Publikationshistorie, der Autorenzugehörigkeiten und der Co-Autorenmuster kann KI Forschern helfen, potenzielle Kollaborateure und Forschungsnetzwerke zu identifizieren und so eine bessere Zusammenarbeit und einen besseren Wissensaustausch zu ermöglichen.  Um neue Forschungstrends und -themen zu erkennen, kann KI umfangreiche wissenschaftliche Literatur analysieren [23, 26, 35]. Durch die Verwendung von Techniken der natürlichen Sprachverarbeitung können KI-Algorithmen beispielsweise automatisch Schlüsselwörter, Themen und Trends aus wissenschaftlichen Veröffentlichungen extrahieren und Forschern so dabei helfen, neue Forschungsrichtungen zu erkennen und über die neuesten Fortschritte in ihrem Fachgebiet auf dem Laufenden zu bleiben.  „Schließlich“ kann KI die wissenschaftliche Wissenslandschaft abbilden, indem sie die Beziehungen zwischen verschiedenen wissenschaftlichen Arbeiten, Schlüsselwörtern und Konzepten analysiert [25, 29]. Diese Visualisierung erleichtert nicht nur die Literaturrecherche, die Hypothesenentwicklung und die Forschungsplanung, sondern ermöglicht es Forschern auch, die Struktur und Entwicklung des Wissens innerhalb eines bestimmten Forschungsbereichs zu visualisieren und zu verstehen.  Dieses Dokument ist   . auf arxiv unter der Lizenz CC BY 4.0 DEED verfügbar

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Decentralize AI Technology

decentralizeai

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

Make resilience your competitive advantage

„KI-Algorithmen können große Mengen wissenschaftlicher Publikationen analysieren und wertvolle Informationen extrahieren“

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

HackerNoon Decoded 2024: Wir feiern die Community unserer Technologieunternehmen!

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

HackerNoon Decoded 2024: Wir feiern die Community unserer Technologieunternehmen!

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps