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  Abstrakt    : Die Studie zielt darauf ab, die Synergie zwischen künstlicher Intelligenz (KI) und Szientometrie, Webometrie und Bibliometrie zu analysieren, um das Anwendungspotenzial und die Vorteile von KI-Algorithmen in diesen Bereichen freizusetzen und hervorzuheben. Zweck    Durch die Durchführung einer systematischen Literaturrecherche wollen wir das Potenzial der KI erkunden, um die Methoden zur Messung und Analyse wissenschaftlicher Kommunikation zu revolutionieren, neue Forschungstrends zu identifizieren und die Wirkung wissenschaftlicher Veröffentlichungen zu bewerten. Zu diesem Zweck haben wir eine umfassende Suchstrategie in renommierten Datenbanken wie ProQuest, IEEE Explore, EBSCO, Web of Science und Scopus implementiert. Unsere Suche umfasste Artikel, die vom 1. Januar 2000 bis September 2022 veröffentlicht wurden, und führte zu einer gründlichen Überprüfung von 61 relevanten Artikeln. Design/Methodik/Ansatz:    :   In Bezug auf die Szientometrie bietet die Anwendung von KI verschiedene deutliche Vorteile, wie etwa die Durchführung von Analysen von Veröffentlichungen, Zitaten, Vorhersagen der Forschungswirkung, Zusammenarbeit, Forschungstrendanalysen und Wissensmapping in einem objektiveren und zuverlässigeren Rahmen.   In Bezug auf die Webometrie können KI-Algorithmen das Web-Crawling und die Datenerfassung, die Weblink-Analyse, die Webinhaltsanalyse, die Social-Media-Analyse, die Webwirkungsanalyse und Empfehlungssysteme verbessern.   Darüber hinaus werden die Automatisierung der Datenerfassung, die Analyse von Zitaten, die Disambiguierung von Autoren, die Analyse von Co-Autorennetzwerken, die Bewertung der Forschungswirkung, Text Mining und Empfehlungssysteme als Potenzial der KI-Integration im Bereich der Bibliometrie angesehen. Ergebnisse (i) (ii) (iii)    Diese Studie befasst sich mit den besonders neuen Vorteilen und Potenzialen der KI-gestützten Szientometrie, Webometrie und Bibliometrie, um die bedeutenden Aussichten der Synergie dieser Integration durch KI hervorzuheben. Originalität/Wert:  Einführung  Künstliche Intelligenz (KI) hat verschiedene Bereiche revolutioniert, insbesondere die Szientometrie, Webometrie und Bibliometrie [1, 2]. Die Szientometrie ist ein Bereich, der sich mit der quantitativen Analyse wissenschaftlicher Literatur befasst, um verschiedene Aspekte der wissenschaftlichen Forschung wie Produktivität, Wirkung und Zusammenarbeitsmuster zu messen [3]. Sie verwendet bibliografische Daten und Zitationsanalysen, um die Dynamik der Produktion und Verbreitung wissenschaftlichen Wissens zu verstehen [4].  Die Webometrie hingegen konzentriert sich auf die quantitative Analyse webbasierter Informationen, insbesondere von Websites und Hyperlinks, um den Einfluss und die Sichtbarkeit von Einzelpersonen, Organisationen oder Forschungseinrichtungen im Web zu bewerten [5]. Dabei kommen Web-Crawling- und Linkanalyse-Techniken zum Einsatz, um webbasierte Strukturen und Interaktionen zu untersuchen [6].  Bibliometrie ist ein Fachgebiet, das mathematische und statistische Methoden anwendet, um Publikations-, Zitations- und Kollaborationsmuster in der akademischen Literatur zu analysieren [7]. Sie misst den Einfluss und die Wirkung wissenschaftlicher Publikationen, Autoren und Institutionen auf der Grundlage von Zitationsanalysen und anderen bibliographischen Daten [8].  Diese drei Bereiche sind eng miteinander verbunden, da sie alle die quantitative Analyse von Informationen beinhalten und darauf abzielen, Einblicke in die Produktion, Verbreitung und Wirkung wissenschaftlicher Erkenntnisse zu geben. Sie nutzen gemeinsame Methoden und Techniken wie Data Mining, Netzwerkanalyse und statistische Modellierung.  Im Folgenden zeigen wir Perspektiven auf, die auf früheren Anwendungen basieren. Darüber hinaus kommen wir zu dem Schluss, dass wir auch den Boden für weitere Forschung und künftige Innovationen im Bereich der Informatik bereiten, die letztlich zu genaueren, effizienteren und aufschlussreicheren Analysen bei der evidenzbasierten Entscheidungsfindung führen.  Forscher stehen vor der Herausforderung, mit der Verfügbarkeit riesiger Mengen wissenschaftlicher Veröffentlichungen umzugehen, da es schwierig wird, Wissen zu extrahieren, die Datenanalyse zu verbessern und fundierte Entscheidungen zu treffen. KI-gestützte Algorithmen und Techniken haben eine entscheidende Rolle bei der Automatisierung der Identifizierung, Klassifizierung und Analyse wissenschaftlicher Literatur gespielt [9]. Darüber hinaus hat die Anwendung von KI-Algorithmen neue Möglichkeiten eröffnet, die eine effiziente Datenverarbeitung, Mustererkennung und Wissensextraktion ermöglichen [10, 11]. Durch die Nutzung der Leistungsfähigkeit der KI können Forscher nun in groß angelegte Publikationsmetriken eintauchen, Forschungstrends identifizieren und den Einfluss und die Auswirkungen wissenschaftlicher Produktionen verfolgen [10, 12, 13].  Erstens kann KI durch die Nutzung von Algorithmen zur Verarbeitung natürlicher Sprache (NLP), Techniken des maschinellen Lernens und Deep-Learning-Ansätzen wichtige Informationen aus wissenschaftlichen Arbeiten aus einer szientometrischen Perspektive extrahieren, um ein umfassendes Verständnis der Forschungstrends, Kooperationen und Auswirkungen innerhalb bestimmter Bereiche zu erlangen [14].  Als nächstes können KI-Algorithmen im Hinblick auf die Webometrie Daten aus verschiedenen Online-Quellen durch Web Scraping sammeln, darunter Webseiten, Blogs, Foren und Social-Media-Posts. Maschinelles Lernen, Data-Mining-Algorithmen und Deep-Learning-Techniken (DL) können Daten und Muster extrahieren, die Forschern helfen, das Verhalten von Online-Benutzern und deren digitale Auswirkungen zu verstehen und vorherzusagen [15, 16].  „Schließlich“ können Bibliometriker durch KI-gestützte Algorithmen große bibliografische Datenbanken und Zitationsdatenbanken wie das Web of Science oder Scopus analysieren, um Muster, Trends und Beziehungen zwischen wissenschaftlichen Produktionen aufzudecken [17].  Diese Algorithmen und Ansätze sind für politische Entscheidungsträger und Akademiker hilfreich, um die Wirkung von Forschern, Institutionen oder wissenschaftlichen Bereichen zu beurteilen und so evidenzbasierte Entscheidungen, die Politikgestaltung, die Kartierung von Innovationen und die Prognose zukunftsweisender Entwicklungen zu erleichtern [18].  Obwohl KI vielversprechende Ergebnisse bei der Verbesserung der Effizienz und Genauigkeit szientometrischer, webometrischer und bibliometrischer Analysen erzielt, mangelt es noch immer an einem umfassenden Verständnis der neuesten Techniken und Fortschritte in diesem sich rasch entwickelnden Bereich. Während Forscher versuchen, die Leistungsfähigkeit von KI zu nutzen, um tiefere Einblicke in wissenschaftliche Kommunikationsmuster, Zitationsnetzwerke und die Auswirkungen der Forschung zu gewinnen, ist es von entscheidender Bedeutung, eine systematische Überprüfung durchzuführen, die die neuesten Entwicklungen und Methoden konsolidiert und synthetisiert.  Das Problem besteht daher darin, dass es keinen umfassenden Überblick und keine Analyse der aktuellen hochmodernen KI-gestützten Techniken in der Szientometrie, Webometrie und Bibliometrie gibt. Diese Wissenslücke hindert Forscher und Praktiker daran, die potenziellen Vorteile und Fortschritte der KI in diesen Bereichen voll auszuschöpfen. Mit einer systematischen Überprüfung möchten wir diese Lücke schließen und ein umfassendes Verständnis der modernsten KI-Techniken, ihrer Anwendungen und ihrer Auswirkungen auf das Feld der Informatik vermitteln.  In unserer Studie konzentrieren wir uns auf diese drei spezifischen Felder (Szientometrie, Webometrie und Bibliometrie), da sie Schlüsselbereiche darstellen, in denen die Anwendung künstlicher Intelligenz (KI) erhebliche Auswirkungen hatte. KI-Techniken wie maschinelles Lernen und Verarbeitung natürlicher Sprache haben die Analyse großer bibliografischer und webbasierter Daten erheblich verbessert und ermöglichen eine genauere und effizientere Messung der wissenschaftlichen Wirkung, der Wissensverbreitung und der Websichtbarkeit.  Mit dieser systematischen Übersicht möchten wir das Potenzial der KI beleuchten, die Art und Weise zu verändern, wie wir wissenschaftliche Kommunikation messen und analysieren, neue Forschungstrends erkennen und die Wirkung wissenschaftlicher Veröffentlichungen bewerten. Auf diese Weise hoffen wir, weitere Forschung und Innovationen im Bereich der Informatik anzuregen, die letztlich zu genaueren, effizienteren und aufschlussreicheren Analysen führen, die den wissenschaftlichen Fortschritt und fundierte, evidenzbasierte Entscheidungen vorantreiben können.  Dieses Dokument ist   . auf arxiv unter der Lizenz CC BY 4.0 DEED verfügbar

Decentralize AI Technology

decentralizeai

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Die Macht der KI entfesseln. Eine systematische Überprüfung modernster Techniken: Zusammenfassung und Einführung

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

Starting 2025 with New Features: Settings Dashboard, HackerNoon Decoded, Updated Search UI, and More

This Black Friday & Holiday Season, HackerNoon Has Your Tech Marketing Covered 🎁 💚

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

HackerNoon Decoded 2024: Celebrating Our Cybersecurity Community!

Starting 2025 with New Features: Settings Dashboard, HackerNoon Decoded, Updated Search UI, and More

This Black Friday & Holiday Season, HackerNoon Has Your Tech Marketing Covered 🎁 💚

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

HackerNoon Decoded 2024: Celebrating Our Cybersecurity Community!

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps