"Los algoritmos de IA pueden analizar grandes volúmenes de publicaciones científicas y extraer información valiosa"

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 1: IA y cienciometría

En cienciometría, la IA puede proporcionar varios beneficios específicos, incluidos el análisis de publicaciones, el análisis de citas, la predicción del impacto de la investigación, el análisis de colaboración, el análisis de tendencias de investigación y el mapeo del conocimiento. Los beneficios de la IA en estos seis subcampos (Figura 2) se han discutido, por ejemplo, en [21-31].

Estos 12 estudios demuestran los posibles beneficios y estrategias para utilizar las capacidades de la IA en cienciometría. En la Tabla 1 se destaca con más detalle cómo la IA puede mejorar la calidad, la accesibilidad y los procesos de recopilación de datos en los análisis cienciométricos.

El punto principal es que los algoritmos de IA pueden analizar grandes volúmenes de publicaciones científicas y extraer información valiosa, como nombres de autores y coautores, afiliaciones, palabras clave y citas [21, 22]. Como resultado, los investigadores pueden obtener información sobre los patrones de publicación, las redes de investigación y las colaboraciones dentro de un campo científico particular [32, 33].

Además, los algoritmos de IA pueden analizar redes de citas para identificar el impacto y la influencia de artículos científicos, así como las relaciones entre diferentes trabajos de investigación [22, 24, 31]. Los investigadores pueden utilizar este método para identificar artículos muy citados e influyentes, incluso bellas durmientes [34], así como para comprender la dinámica de la difusión del conocimiento científico.

Curiosamente, se pueden emplear técnicas de inteligencia artificial para predecir el impacto de la investigación científica en función de diversos factores, como la reputación del autor, la calidad de la revista y los patrones de citas [27]. El análisis de datos históricos permite que los modelos de IA proporcionen información sobre el impacto potencial de la investigación, lo que permite a los investigadores e instituciones determinar el mejor curso de acción.

La IA puede analizar las redes de coautoría para identificar y comprender las colaboraciones de investigación [28, 30]. Al analizar el historial de publicaciones, las afiliaciones de los autores y los patrones de coautoría, la IA puede ayudar a los investigadores a identificar posibles colaboradores y redes de investigación, lo que permite una mejor colaboración e intercambio de conocimientos.

Para identificar tendencias y temas de investigación emergentes, la IA puede analizar literatura científica a gran escala [23, 26, 35]. Por ejemplo, al utilizar técnicas de procesamiento del lenguaje natural, los algoritmos de IA pueden extraer automáticamente palabras clave, temas y tendencias de publicaciones científicas. ayudar a los investigadores a identificar nuevas direcciones de investigación y mantenerse actualizados con los últimos avances en su campo.

“Finalmente”, la IA puede mapear el panorama del conocimiento científico analizando las relaciones entre diferentes artículos científicos, palabras clave y conceptos [25, 29]. Además de facilitar revisiones de literatura, generación de hipótesis y planificación de investigaciones, esta visualización permite a los investigadores visualizar y comprender la estructura y evolución del conocimiento dentro de un área de investigación específica.