![Search icon](https://hackernoon.imgix.net/search-new.png?w=19&h=19)
Autores:
(1) Hamid Reza Saeidnia, Departamento de Ciencias de la Información y Estudios del Conocimiento, Universidad Tarbiat Modares, Teherán, República Islámica del Irán;
(2) Elaheh Hosseini, Departamento de Ciencias de la Información y Estudios del Conocimiento, Facultad de Psicología y Ciencias de la Educación, Universidad de Alzahra, Teherán, República Islámica del Irán;
(3) Shadi Abdoli, Departamento de Ciencias de la Información, Universidad de Montreal, Montreal, Canadá
(4) Marcel Ausloos, Escuela de Negocios, Universidad de Leicester, Leicester, Reino Unido y Universidad de Estudios Económicos de Bucarest, Bucarest, Rumania.
Pregunta 1: IA y cienciometría
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
Propósito : El estudio tiene como objetivo analizar la sinergia de la Inteligencia Artificial (IA), con la cienciometría, la webometría y la bibliometría para desbloquear y enfatizar el potencial de las aplicaciones y beneficios de los algoritmos de IA en estos campos.
Diseño/metodología/enfoque: Al realizar una revisión sistemática de la literatura, nuestro objetivo es explorar el potencial de la IA para revolucionar los métodos utilizados para medir y analizar la comunicación académica, identificar tendencias de investigación emergentes y evaluar el impacto de las publicaciones científicas. Para lograr esto, implementamos una estrategia de búsqueda integral en bases de datos acreditadas como ProQuest, IEEE Explore, EBSCO, Web of Science y Scopus. Nuestra búsqueda abarcó artículos publicados desde el 1 de enero de 2000 hasta septiembre de 2022, lo que resultó en una revisión exhaustiva de 61 artículos relevantes.
Hallazgos : (i) En cuanto a la cienciometría, la aplicación de la IA ofrece varias ventajas distintas, como la realización de análisis de publicaciones, citas, predicción del impacto de la investigación, colaboración, análisis de tendencias de investigación y mapeo de conocimientos, en un marco más objetivo y confiable. (ii) En términos de webmetría, los algoritmos de IA pueden mejorar el rastreo web y la recopilación de datos, el análisis de enlaces web, el análisis de contenido web, el análisis de redes sociales, el análisis del impacto web y los sistemas de recomendación. (iii) Además, la automatización de la recopilación de datos, el análisis de citas, la desambiguación de los autores, el análisis de las redes de coautoría, la evaluación del impacto de la investigación, la extracción de textos y los sistemas de recomendación se consideran como el potencial de la integración de la IA en el campo de la bibliometría.
Originalidad/valor: este estudio cubre los beneficios y el potencial particularmente nuevos de la cienciometría, la webometría y la bibliometría mejoradas con IA para resaltar las perspectivas significativas de la sinergia de esta integración a través de la IA.
La Inteligencia Artificial (IA) ha revolucionado varios campos, en particular la cienciometría, la webometría y la bibliometría [1, 2]. La cienciometría es un campo que implica el análisis cuantitativo de la literatura científica para medir diversos aspectos de la investigación científica, como la productividad, el impacto y los patrones de colaboración [3]. Utiliza datos bibliográficos y análisis de citas para comprender la dinámica de la producción y difusión del conocimiento científico [4].
La webometría, por otro lado, se centra en el análisis cuantitativo de información basada en la web, particularmente sitios web e hipervínculos, para evaluar el impacto y la visibilidad de individuos, organizaciones o instituciones de investigación en la web [5]. Emplea técnicas de rastreo web y análisis de enlaces para examinar estructuras e interacciones basadas en la web [6].
La bibliometría es un campo que aplica métodos matemáticos y estadísticos para analizar patrones de publicación, citación y colaboración en la literatura académica [7]. Mide el impacto y la influencia de publicaciones académicas, autores e instituciones basándose en análisis de citas y otros datos bibliográficos [8].
Estos tres campos están estrechamente relacionados entre sí, ya que todos implican el análisis cuantitativo de información y tienen como objetivo proporcionar información sobre la producción, difusión e impacto del conocimiento científico. Comparten metodologías y técnicas comunes, como minería de datos, análisis de redes y modelos estadísticos.
A continuación mostramos perspectivas basadas en aplicaciones anteriores. Además, concluimos que también brindamos terreno para futuras investigaciones e innovaciones prospectivas en el campo de la informetría, lo que en última instancia conducirá a análisis más precisos, eficientes y reveladores en la toma de decisiones basada en evidencia.
Los investigadores enfrentan un desafío cuando se enfrentan a la disponibilidad de grandes cantidades de publicaciones académicas, ya que resulta difícil extraer conocimientos, mejorar el análisis de datos y tomar decisiones bien informadas. Los algoritmos y técnicas mejorados por IA han desempeñado un papel crucial en la automatización de la identificación, clasificación y análisis de la literatura científica [9]. Además, la aplicación de algoritmos de IA ha abierto nuevas posibilidades, permitiendo un procesamiento de datos eficiente, reconocimiento de patrones y extracción de conocimientos [10, 11]. Por lo tanto, al aprovechar el poder de la IA, los investigadores ahora pueden profundizar en métricas de publicaciones a gran escala, identificar tendencias de investigación y rastrear la influencia y el impacto de las producciones científicas [10, 12, 13].
En primer lugar, al aprovechar los algoritmos de procesamiento del lenguaje natural (PNL), las técnicas de aprendizaje automático y los enfoques de aprendizaje profundo, la IA puede extraer información clave de artículos científicos desde una perspectiva cienciométrica para obtener una comprensión integral de las tendencias de investigación, las colaboraciones y el impacto dentro de dominios específicos. 14].
A continuación, en términos de webmetría, los algoritmos de IA pueden recopilar datos de diversas fuentes en línea mediante web scraping, incluidas páginas web, blogs, foros y publicaciones en redes sociales. El aprendizaje automático, los algoritmos de minería de datos y las técnicas de aprendizaje profundo (DL) pueden extraer datos y patrones para ayudar a los investigadores a comprender y predecir los comportamientos de los usuarios en línea y el impacto digital [15, 16].
“Finalmente”, a través de algoritmos impulsados por IA, los bibliometristas pueden analizar bases de datos bibliográficas y de citas a gran escala, como Web of Science o Scopus, para descubrir patrones, tendencias y relaciones entre las producciones científicas [17].
Estos algoritmos y enfoques son útiles para que los formuladores de políticas y académicos evalúen el impacto de los investigadores, las instituciones o los campos científicos, facilitando decisiones basadas en evidencia, formulación de políticas, mapeo de innovación y pronóstico de desarrollos orientados al futuro [18].
Si bien la IA se ha mostrado muy prometedora a la hora de mejorar la eficiencia y precisión de los análisis cienciométricos, webmétricos y bibliométricos, sigue existiendo una falta de comprensión integral de las técnicas y avances de vanguardia en este campo en rápida evolución. Mientras los investigadores se esfuerzan por aprovechar el poder de la IA para obtener conocimientos más profundos sobre los patrones de comunicación académica, las redes de citas y el impacto de la investigación, es crucial realizar una revisión sistemática que consolide y sintetice los últimos desarrollos y metodologías.
Por lo tanto, el problema que nos ocupa es la ausencia de una visión general y un análisis exhaustivos de las técnicas actuales mejoradas por la IA en cienciometría, webometría y bibliometría. Esta brecha de conocimiento impide que los investigadores y profesionales aprovechen plenamente los beneficios y avances potenciales que ofrece la IA en estos dominios. Al realizar una revisión sistemática, nuestro objetivo es abordar esta brecha y proporcionar una comprensión integral de las técnicas de inteligencia artificial de última generación, sus aplicaciones y su impacto en el campo de la informetría.
En nuestro estudio, nos centramos en estos tres campos específicos (cienciometría, webometría y bibliometría) porque representan áreas clave donde la aplicación de la inteligencia artificial (IA) ha tenido un impacto significativo. Las técnicas de inteligencia artificial, como el aprendizaje automático y el procesamiento del lenguaje natural, han mejorado enormemente el análisis de datos bibliográficos y basados en la web a gran escala, lo que permite una medición más precisa y eficiente del impacto científico, la difusión del conocimiento y la visibilidad web.
A través de esta revisión sistemática, buscamos arrojar luz sobre el potencial de la IA para transformar la forma en que medimos y analizamos la comunicación académica, identificamos tendencias de investigación emergentes y evaluamos el impacto de las publicaciones científicas. Al hacerlo, esperamos inspirar más investigación e innovación en el campo de la informetría, lo que en última instancia conducirá a análisis más precisos, eficientes y reveladores que puedan impulsar el progreso científico y la toma de decisiones informadas basadas en evidencia.
Este documento está disponible en arxiv bajo licencia CC BY 4.0 DEED.