Auteurs:  (1) Hamid Reza Saeidnia, Département des sciences de l'information et des études du savoir, Université Tarbiat Modares, Téhéran, République islamique d'Iran ;  (2) Elaheh Hosseini, Département des sciences de l'information et des études du savoir, Faculté de psychologie et des sciences de l'éducation, Université Alzahra, Téhéran, République islamique d'Iran ;  (3) Shadi Abdoli, Département des sciences de l'information, Université de Montréal, Montréal, Canada  (4) Marcel Ausloos, School of Business, Université de Leicester, Leicester, Royaume-Uni et Université d'études économiques de Bucarest, Bucarest, Roumanie.  Tableau des liens   Résumé et introduction   Matériels et méthodes   Résultats   QR 1 : IA et scientométrie   QR 2 : IA et webométrie   QR 3 : IA et bibliométrie   Discussion   QR 4 : L'avenir de la scientométrie, de la webométrie et de la bibliométrie avec l'IA   QR 5 : Considérations éthiques de la scientométrie, de la webométrie et de la bibliométrie avec l'IA   Conclusion, limites et références  QR 5 : Considérations éthiques de la scientométrie, de la webométrie et de la bibliométrie avec l'IA  Outre les aspects positifs ainsi soulignés, l’utilisation de l’intelligence artificielle (IA) en scientométrie, webométrie et bibliométrie soulève d’importantes considérations éthiques qui doivent être soigneusement prises en compte.  Les algorithmes d’IA nécessitent souvent l’accès à de grandes quantités de données, y compris des informations personnelles et sensibles [73]. Il est crucial de garantir que des mesures appropriées de protection des données sont en place pour protéger la vie privée et empêcher tout accès non autorisé [74]. Des techniques d’anonymisation et de cryptage des données doivent être utilisées, et le respect des réglementations pertinentes en matière de protection des données doit être respecté [75].  Les algorithmes d’IA peuvent être sujets, volontairement ou par inadvertance, à des biais, ce qui peut entraîner des résultats injustes ou discriminatoires [17, 76]. Il est important de garantir que les modèles d’IA sont formés sur des ensembles de données diversifiés et représentatifs pour éviter de perpétuer les biais existants [77]. Une surveillance et un audit réguliers des systèmes d'IA devraient être effectués pour identifier et corriger tout biais qui pourrait survenir [78].  Parfois, les algorithmes d’IA peuvent être complexes et opaques, ce qui rend difficile la compréhension de la manière dont ils prennent leurs décisions [79]. Il est donc important de promouvoir la transparence et l’explicabilité des modèles d’IA utilisés en scientométrie, webométrie et bibliométrie. Les chercheurs et les utilisateurs devraient avoir accès aux informations sur les données utilisées, les algorithmes utilisés et les processus décisionnels des systèmes d'IA [76, 79].  À mesure que les systèmes d’IA deviennent plus autonomes, il est essentiel d’établir des lignes claires de responsabilisation et de responsabilité [80]. Les développeurs, les chercheurs et les utilisateurs doivent être conscients de leurs rôles et responsabilités pour garantir une utilisation responsable et éthique de l’IA dans ces domaines. Cela implique de s’attaquer aux biais, erreurs ou conséquences imprévues potentiels pouvant découler de l’utilisation de l’IA.  Dans les cas où des données personnelles sont impliquées, l’obtention du consentement éclairé des individus est cruciale [78]. Les chercheurs et les organisations doivent mettre en place des processus robustes de gestion du consentement pour garantir que les individus comprennent comment leurs données seront utilisées et ont la possibilité de donner ou de retirer leur consentement.  En outre, l’utilisation de l’IA en scientométrie, webométrie et bibliométrie peut avoir des implications sur l’emploi et la société dans son ensemble. Il est important de considérer l’impact potentiel sur l’emploi, la répartition des ressources et les implications sociétales plus larges. Des mesures doivent être prises pour atténuer tout effet négatif et assurer une transition juste et équitable. Un suivi et une évaluation réguliers des systèmes d’IA doivent être effectués pour évaluer leurs performances, identifier tout parti pris ou problème éthique et apporter les améliorations nécessaires. Ce processus continu de suivi et d’évaluation devrait impliquer une collaboration interdisciplinaire et un engagement avec les parties prenantes.  Aborder ces considérations éthiques nécessite une approche multidisciplinaire impliquant des chercheurs, des décideurs politiques, des éthiciens et des parties prenantes de divers domaines. Un dialogue ouvert, la transparence et une évaluation continue sont essentiels pour garantir que l’IA est utilisée de manière responsable et éthique en scientométrie, webométrie et bibliométrie.  Cet article est   sous licence CC BY 4.0 DEED. disponible sur arxiv

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

Decentralize AI Technology

decentralizeai

Cet audio est produit dans la langue originale de l'histoire !

QR 5 : Considérations éthiques de la scientométrie, de la webométrie et de la bibliométrie avec l'IA

About Author

COMMENTAIRES

ÉTIQUETTES

CET ARTICLE A ÉTÉ PARU DANS

Related Stories

Boostez votre productivité avec ces 18 outils de développement 🚀🔥

Nomades numériques, écoutez : ce que vous devez savoir sur le nouveau visa DTV de la Thaïlande

La fuite de l'invite du système Claude Sonnet 3.5 : une analyse médico-légale

Croissance des crypto-monnaies : créer des profils d'utilisateurs efficaces

Boostez votre productivité avec ces 18 outils de développement 🚀🔥

Nomades numériques, écoutez : ce que vous devez savoir sur le nouveau visa DTV de la Thaïlande

La fuite de l'invite du système Claude Sonnet 3.5 : une analyse médico-légale

Croissance des crypto-monnaies : créer des profils d'utilisateurs efficaces

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps