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.  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  Pregunta 2: IA y webmetría  En webmetría, la IA puede proporcionar varios beneficios específicos, incluido 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 de impacto web y los sistemas de recomendación, como se muestra en la Figura 3 y, por ejemplo, se ha demostrado a través de artículos como [9, 10, 21, 36-45].   Estas seis consideraciones apuntan a los beneficios potenciales y sugieren estrategias enfocadas para utilizar las capacidades de IA en webmetría. Los hallazgos resultantes resaltan cómo la IA puede mejorar la calidad, la accesibilidad y los procesos de recopilación de datos en los análisis webmétricos, como se describe en la Tabla 2.  De hecho, los algoritmos basados en inteligencia artificial pueden rastrear y recopilar datos automáticamente de sitios web, incluidos sitios web institucionales, portales de investigación científica y repositorios en línea [39, 42]. Esto permite a los investigadores recopilar grandes cantidades de información basada en la web para su análisis, incluidos datos de publicaciones, perfiles de autores y patrones de citas.  Para comprender la relación entre publicaciones, sitios web y autores, los enfoques de inteligencia artificial pueden analizar estructuras de hipervínculos y patrones de enlaces web [9, 43]. Al analizar la estructura de enlaces, los algoritmos de IA pueden identificar sitios web y autores influyentes, así como detectar comunidades, colaboraciones y redes de investigación dentro del ecosistema científico basado en la web [17].   Se pueden emplear técnicas de inteligencia artificial, como el procesamiento del lenguaje natural y el aprendizaje automático, para analizar el contenido de páginas web y publicaciones científicas disponibles en línea [40, 41]. Esto permite a los investigadores extraer información clave, como palabras clave, temas y opiniones, de documentos basados en la web, lo que facilita un análisis integral y la comprensión de los resultados de la investigación.  La IA puede analizar plataformas de redes sociales, como Twitter, para comprender los debates, las tendencias y las interacciones en línea relacionadas con la investigación científica [36, 38, 44]. Al analizar hashtags, menciones y comportamiento de los usuarios, los algoritmos de IA pueden identificar temas de investigación influyentes, líderes de opinión clave y posibles colaboraciones dentro de la comunidad científica en línea, como se demuestra en trabajos anteriores.  La IA puede evaluar el impacto y la visibilidad de la investigación científica en la web [37, 46]. De hecho, al analizar el tráfico web, las visitas a las páginas y las métricas de las redes sociales, los algoritmos de IA pueden proporcionar información sobre la visibilidad, difusión y participación en línea de publicaciones científicas, autores e instituciones de investigación.  “Finalmente”, los sistemas de recomendación impulsados por IA pueden ayudar a los investigadores a descubrir sitios web científicos relevantes, recursos en línea y colaboraciones de investigación [35, 45]. Estos artículos, basados en las preferencias de los usuarios, el comportamiento de lectura y los datos de uso de la web, muestran que se pueden generar recomendaciones personalizadas utilizando algoritmos de inteligencia artificial, lo que facilita a los investigadores explorar el panorama científico basado en la web y descubrir nuevas oportunidades para futuras investigaciones.  Este documento está   bajo licencia CC BY 4.0 DEED. disponible en arxiv

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

Decentralize AI Technology

decentralizeai

Este audio es producido en el idioma original de la historia!

"En webmetría, la IA puede proporcionar varios beneficios específicos, incluido el rastreo web, la recopilación de datos...

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps