"En bibliometría, la IA puede proporcionar varios beneficios específicos, incluida la recopilación automatizada de datos..."

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

RQ 3: IA y bibliometría

En bibliometría, la IA puede proporcionar varios beneficios específicos, incluida la recopilación automatizada de datos, el análisis de citas, la desambiguación de autores, el análisis de coautoría, el análisis de impacto de la investigación, la minería de textos y los sistemas de recomendación (consulte la Figura 4), como se analiza en [28-30, 47- 53].

Estos seis estudios demuestran los beneficios y estrategias potenciales para utilizar las capacidades de IA en bibliometría. Destacan cómo la IA puede mejorar la calidad, la accesibilidad y los procesos de recopilación de datos en los análisis bibliométricos (Tabla 3), entre los principales puntos de resultados.

Se ha demostrado que los algoritmos de IA pueden recopilar automáticamente datos bibliográficos de diversas fuentes, como bases de datos en línea, bibliotecas académicas y repositorios digitales [21, 49]. Esto ahorra tiempo y esfuerzo a los investigadores involucrados en la recopilación de datos, permitiéndoles centrarse en otros aspectos del análisis bibliométrico.

Lo que invita a la reflexión es que la IA puede analizar redes de citas para identificar artículos, autores y revistas influyentes [28, 31], como ya se mencionó en la sección "IA y cienciometría". Al examinar los patrones y las relaciones de las citas, los algoritmos de IA pueden ayudar a los investigadores a comprender el impacto y la visibilidad de los resultados de la investigación, así como a identificar tendencias y colaboraciones de investigación clave.

Curiosamente, se pueden emplear técnicas de inteligencia artificial para eliminar la ambigüedad de autores con nombres similares, un problema común en bibliometría [47, 53]. Al analizar las afiliaciones de los autores, el historial de publicaciones y las redes de coautoría, para garantizar la precisión de los análisis bibliométricos, los algoritmos de IA pueden identificar eficazmente a los autores con nombres similares y distinguirlos entre sí.

Como también ya se mencionó en la sección “IA y Cienciometría”, a través de la IA se pueden analizar redes de coautoría para identificar colaboraciones y redes de investigación [28, 30]. Al examinar los patrones y las relaciones de coautoría, los algoritmos de IA pueden ayudar a los investigadores a comprender la dinámica y la estructura de las colaboraciones, así como a identificar investigadores y equipos de investigación influyentes. Esto también puede ser una ventaja a la hora de financiar.

La IA puede analizar fácilmente indicadores bibliométricos, como el recuento de citas y el índice h, para evaluar el impacto y la visibilidad de investigadores individuales, grupos de investigación e instituciones [21, 48, 52]. Al hacerlo, los algoritmos de IA pueden proporcionar información sobre la productividad de la investigación, los patrones de citación y el impacto de la investigación a lo largo del tiempo, ayudando a los investigadores e instituciones a evaluar la fama o el desempeño de la investigación.

Por último, pero no menos importante, las técnicas de inteligencia artificial, incluido el procesamiento del lenguaje natural, pueden utilizarse para analizar el contenido textual de publicaciones de investigación [50, 51]. De esta manera, se pueden extraer palabras clave, temas y sentimientos de la literatura, mencionando también el control del plagio [54, 55], facilitando así un análisis integral y la comprensión de los resultados de la investigación [56].