"एआई उच्च गुणवत्ता वाले शोध का प्रकाशन सुनिश्चित कर सकता है, पूर्वाग्रहों को कम कर सकता है और तेजी से प्रतिक्रिया प्रदान कर सकता है"

लेखक: (1) हामिद रजा सईदनिया, सूचना विज्ञान और ज्ञान अध्ययन विभाग, तरबियत मोदारेस विश्वविद्यालय, तेहरान, इस्लामी गणराज्य ईरान; (2) इलाहेह होसैनी, सूचना विज्ञान और ज्ञान अध्ययन विभाग, मनोविज्ञान और शैक्षिक विज्ञान संकाय, अलज़हरा विश्वविद्यालय, तेहरान, इस्लामी गणराज्य ईरान; (3) शदी अब्दोली, सूचना विज्ञान विभाग, यूनिवर्सिटी डी मॉन्ट्रियल, मॉन्ट्रियल, कनाडा (4) मार्सेल औस्लोस, स्कूल ऑफ बिजनेस, यूनिवर्सिटी ऑफ लीसेस्टर, लीसेस्टर, यूके और बुखारेस्ट यूनिवर्सिटी ऑफ इकोनॉमिक स्टडीज, बुखारेस्ट, रोमानिया। लिंक की तालिका सार और परिचय सामग्री और तरीके परिणाम RQ 1: एआई और साइंटोमेट्रिक्स प्रश्न 2: एआई और वेबमेट्रिक्स RQ 3: AI और ग्रंथसूचीमिति बहस RQ 4: AI के साथ साइंटोमेट्रिक्स, वेबमेट्रिक्स और बिब्लियोमेट्रिक्स का भविष्य RQ 5: AI के साथ साइंटोमेट्रिक्स, वेबमेट्रिक्स और बिब्लियोमेट्रिक्स के नैतिक विचार निष्कर्ष, सीमाएँ और संदर्भ बहस उपरोक्त आशा है कि पूर्ण, कम से कम व्यापक, साहित्य सर्वेक्षण सूचना विज्ञान में एआई की स्थिति का आलोचनात्मक मूल्यांकन करने की अनुमति देता है। सबसे पहले, तालिका 1 में दिए गए निष्कर्षों का साइंटोमेट्रिक्स के लिए महत्वपूर्ण निहितार्थ हैं। वे साइंटोमेट्रिक्स विश्लेषणों में कृत्रिम बुद्धिमत्ता (एआई) क्षमताओं के उपयोग के संभावित लाभों और रणनीतियों पर प्रकाश डालते हैं। उल्लिखित अध्ययन स्पष्ट रूप से प्रदर्शित करते हैं कि एआई साइंटोमेट्रिक्स में डेटा संग्रह और विश्लेषण की सटीकता और दक्षता को बढ़ा सकता है [21, 22, 32, 33]। विभिन्न कार्यों को स्वचालित करके, एआई एल्गोरिदम मानवीय त्रुटियों और पूर्वाग्रहों को कम कर सकते हैं, जिससे अधिक विश्वसनीय और सुसंगत परिणाम सुनिश्चित होते हैं। यह बढ़ी हुई सटीकता और दक्षता समय और संसाधनों को बचाती है, जिससे शोधकर्ता उच्च-स्तरीय विश्लेषण और व्याख्याओं पर ध्यान केंद्रित कर सकते हैं। उल्लिखित अध्ययनों में प्रदर्शित एआई-आधारित उद्धरण विश्लेषण विधियाँ, लेखक की अस्पष्टता तकनीकें और पूर्वानुमान मॉडल शोधकर्ताओं को साइंटोमेट्रिक्स में डेटा संग्रह और विश्लेषण में सुधार के लिए शक्तिशाली उपकरण प्रदान करते हैं [22, 24, 31, 34]। एआई एल्गोरिदम प्रभावी रूप से उद्धरण पैटर्न की पहचान कर सकते हैं, वैज्ञानिक प्रकाशनों के प्रभाव का विश्लेषण कर सकते हैं और शोध रुझानों की भविष्यवाणी कर सकते हैं। ये क्षमताएँ शोधकर्ताओं को वैज्ञानिक परिदृश्य में गहरी अंतर्दृष्टि प्राप्त करने और सूचित निर्णय लेने में सक्षम बनाती हैं। शोध प्रभाव को मापने में पारंपरिक उद्धरण गणना की सीमाएँ हैं। हालाँकि, अध्ययनों से पता चलता है कि AI-आधारित मीट्रिक शोध प्रभाव के अधिक व्यापक और सटीक माप प्रदान कर सकते हैं [25, 29]। उद्धरणों से परे विभिन्न कारकों, जैसे कि सोशल मीडिया उल्लेख, डाउनलोड और सहयोग पर विचार करके, AI एल्गोरिदम वैज्ञानिक प्रकाशनों के प्रभाव का अधिक समग्र दृष्टिकोण प्रदान कर सकते हैं। अध्ययनों में प्रदर्शित एआई तकनीकें उभरते शोध क्षेत्रों और वैज्ञानिक सहयोग के पैटर्न की पहचान करने के लिए वैज्ञानिक साहित्य का विश्लेषण कर सकती हैं [28, 30]। यह शोधकर्ताओं को नवीनतम रुझानों के साथ अपडेट रहने, नए ज्ञान डोमेन की खोज करने और प्रासंगिक हितधारकों के साथ सहयोग को बढ़ावा देने में सक्षम बनाता है। जैसा कि एक अध्ययन में बताया गया है, AI-आधारित सहकर्मी समीक्षा प्रणाली सहकर्मी समीक्षा प्रक्रिया की दक्षता और निष्पक्षता को बढ़ा सकती है [27, 57]। समीक्षा प्रक्रिया के कुछ हिस्सों को स्वचालित करके, AI उच्च-गुणवत्ता वाले शोध के प्रकाशन को सुनिश्चित कर सकता है, पूर्वाग्रहों को कम कर सकता है और लेखकों को तेज़ प्रतिक्रिया प्रदान कर सकता है। यह साइंटोमेट्रिक्स विश्लेषण की समग्र गुणवत्ता में सुधार करता है और वैज्ञानिक ज्ञान के प्रसार को गति देता है। एक अन्य अध्ययन से पता चलता है कि एआई साहित्यिक चोरी और डेटा निर्माण जैसे वैज्ञानिक कदाचार के मामलों का पता लगाने में सहायता कर सकता है [55]। बड़ी मात्रा में डेटा का विश्लेषण करके और स्थापित मानकों के साथ इसकी तुलना करके, एआई एल्गोरिदम कदाचार के संभावित मामलों की पहचान कर सकते हैं, जिससे साइंटोमेट्रिक्स विश्लेषण की अखंडता सुनिश्चित होती है [17, 54, 55]। संक्षेप में, तालिका 1 में दिए गए निष्कर्ष दर्शाते हैं कि एआई में साइंटोमेट्रिक्स की तकनीकों और दृष्टिकोणों में क्रांति लाने की क्षमता है। एआई क्षमताएं डेटा संग्रह, विश्लेषण और शोध प्रभाव के आकलन की सटीकता, दक्षता और विश्वसनीयता में सुधार करती हैं। वे उभरते शोध क्षेत्रों, सहयोग नेटवर्क और वैज्ञानिक कदाचार के उदाहरणों की पहचान करने में सक्षम बनाती हैं। अंततः, ये निष्कर्ष साइंटोमेट्रिक्स अनुसंधान की उन्नति में योगदान करते हैं, जिससे वैज्ञानिक परिदृश्य की गुणवत्ता, पहुंच और समग्र समझ में सुधार होता है। तालिका 2 में वे अध्ययन प्रस्तुत किए गए हैं जो वेबमेट्रिक्स में कृत्रिम बुद्धिमत्ता (एआई) क्षमताओं के उपयोग के संभावित लाभों और रणनीतियों को प्रदर्शित करते हैं [9, 36-44, 46, 58-66]। इस तालिका में दिए गए निष्कर्षों का वेबमेट्रिक्स के लिए महत्वपूर्ण निहितार्थ हैं, क्योंकि वे इस बात पर प्रकाश डालते हैं कि एआई इस क्षेत्र के विभिन्न पहलुओं को कैसे बढ़ा सकता है। वास्तव में, तालिका 2 में उल्लिखित अध्ययन दर्शाते हैं कि AI वेबमेट्रिक्स में डेटा संग्रह और विश्लेषण को बेहतर बना सकता है, और कैसे। विशेष रूप से, AI एल्गोरिदम वेब डेटा, जैसे वेब लिंक, पृष्ठ सामग्री और उपयोगकर्ता व्यवहार को इकट्ठा करने की प्रक्रिया को स्वचालित कर सकते हैं। यह स्वचालन न केवल समय और प्रयास बचाता है बल्कि बड़े और अधिक विविध डेटासेट के संग्रह को भी सुनिश्चित करता है, जिससे अधिक व्यापक वेबमेट्रिक विश्लेषण होता है। वेबमेट्रिक्स में वेब लिंक विश्लेषण को बेहतर बनाने के लिए अध्ययनों में मशीन लर्निंग और नेटवर्क विश्लेषण जैसी एआई तकनीकों का उपयोग किया जाता है [9, 43]। ये तकनीक शोधकर्ताओं को प्रभावशाली वेबसाइटों, वेब पेजों और ऑनलाइन समुदायों की पहचान करने में सक्षम बनाती हैं [42, 59]। एआई एल्गोरिदम वेब लिंक की संरचना और गतिशीलता का विश्लेषण कर सकते हैं, जिससे वेब संसाधनों की कनेक्टिविटी और प्रभाव के बारे में जानकारी मिलती है [39, 42, 58, 59]। एआई एल्गोरिदम प्रासंगिक जानकारी निकालने और वेबमेट्रिक्स में रुझानों की पहचान करने के लिए वेब सामग्री का विश्लेषण कर सकते हैं [41, 62, 64, 65]। प्राकृतिक भाषा प्रसंस्करण (एनएलपी) तकनीकों का उपयोग वेब पेजों से कीवर्ड, विषय और भावनाओं को स्वचालित रूप से निकालने के लिए किया जा सकता है [40, 41, 62-65]। यह स्वचालित विश्लेषण वेबमेट्रिक अध्ययनों की दक्षता और सटीकता को बढ़ाता है, जिससे शोधकर्ताओं को वेब-आधारित सूचना प्रसार और रुझानों में अंतर्दृष्टि प्राप्त करने में मदद मिलती है [40, 41]। एआई-आधारित मेट्रिक्स और एल्गोरिदम वेबमेट्रिक्स में उन्नत वेब प्रभाव मूल्यांकन प्रदान कर सकते हैं [46, 60]। पारंपरिक लिंक गणनाओं से परे, एआई एल्गोरिदम वेब संसाधनों के प्रभाव को मापने के लिए उपयोगकर्ता व्यवहार, सोशल मीडिया उल्लेख और सामग्री जुड़ाव जैसे कारकों पर विचार कर सकते हैं [37, 46, 60]। यह व्यापक मूल्यांकन शोधकर्ताओं और संगठनों को वेब सामग्री की पहुंच और प्रभाव को समझने में मदद करता है [37, 46]। वेब यूसेज माइनिंग का मतलब वेब पर उपयोगकर्ता के व्यवहार का विश्लेषण करना है। मशीन लर्निंग और डेटा माइनिंग जैसी AI तकनीकों का इस्तेमाल वेबसाइट पर उपयोगकर्ता की बातचीत, नेविगेशन पथ और प्राथमिकताओं का विश्लेषण करने के लिए किया जा सकता है। यह विश्लेषण शोधकर्ताओं को उपयोगकर्ता व्यवहार पैटर्न को समझने, वेब डिज़ाइन को बेहतर बनाने और उपयोगकर्ता अनुभव को बढ़ाने में मदद करता है। एआई एल्गोरिदम वेबमेट्रिक्स में वेब क्रॉलिंग और डेटा निष्कर्षण की दक्षता और प्रभावशीलता में सुधार कर सकते हैं। ये एल्गोरिदम स्वचालित रूप से वेब पेजों के माध्यम से नेविगेट कर सकते हैं, प्रासंगिक डेटा निकाल सकते हैं, और अप्रासंगिक या डुप्लिकेट जानकारी को फ़िल्टर कर सकते हैं। यह स्वचालन डेटा संग्रह प्रक्रिया को सुव्यवस्थित करता है, जिससे शोधकर्ता बड़ी मात्रा में वेब डेटा का विश्लेषण कर सकते हैं। संक्षेप में, यह उल्लेख किया जाना चाहिए कि तालिका 2 में दिए गए निष्कर्ष दर्शाते हैं कि AI में वेबमेट्रिक्स को महत्वपूर्ण रूप से बढ़ाने की क्षमता है। डेटा संग्रह, वेब लिंक विश्लेषण, सामग्री विश्लेषण, प्रभाव मूल्यांकन, वेब उपयोग खनन और डेटा निष्कर्षण में सुधार करके, AI एल्गोरिदम शोधकर्ताओं को अधिक व्यापक और सटीक वेबमेट्रिक विश्लेषण करने में सक्षम बनाता है। ये प्रगति वेब-आधारित सूचना प्रसार, उपयोगकर्ता व्यवहार और वेब संसाधनों के प्रभाव की गहरी समझ में योगदान करती है। तीसरा, तालिका 3 में ऐसे अध्ययन प्रस्तुत किए गए हैं जो बिब्लियोमेट्रिक्स में कृत्रिम बुद्धिमत्ता (एआई) क्षमताओं के उपयोग के संभावित लाभों और रणनीतियों को प्रदर्शित करते हैं [21, 22, 24, 28, 30-34, 47-51, 53- 56, 67-72]। इस तालिका में दिए गए निष्कर्षों का बिब्लियोमेट्रिक्स के लिए महत्वपूर्ण निहितार्थ हैं, क्योंकि वे इस बात पर प्रकाश डालते हैं कि एआई इस क्षेत्र के विभिन्न पहलुओं को कैसे बढ़ा सकता है। एआई एल्गोरिदम ग्रंथ सूची में प्रकाशन विश्लेषण को बेहतर बना सकते हैं [21, 22, 32, 33, 67]। वैज्ञानिक प्रकाशनों से मेटाडेटा को स्वचालित रूप से निकालकर, जैसे कि लेखक के नाम, संबद्धता, उद्धरण और कीवर्ड, एआई तकनीक डेटा संग्रह प्रक्रिया को सुव्यवस्थित कर सकती है और सटीकता में सुधार कर सकती है [21, 22, 32, 33, 49, 67]। यह स्वचालन शोधकर्ताओं को प्रकाशनों की बड़ी मात्रा का विश्लेषण करने की अनुमति देता है, जिससे व्यापक ग्रंथ सूची विश्लेषण की सुविधा मिलती है [21, 22, 32, 33, 67]। एआई तकनीक ग्रंथ सूची में उद्धरण विश्लेषण को बढ़ा सकती है। एआई एल्गोरिदम स्वचालित रूप से उद्धरण पैटर्न की पहचान और विश्लेषण कर सकते हैं, जैसे कि सह-उद्धरण और ग्रंथ सूची युग्मन [22, 24, 28, 31, 34, 68]। ये एल्गोरिदम उद्धरण नेटवर्क और क्लस्टर की पहचान भी कर सकते हैं, जो वैज्ञानिक प्रकाशनों के बीच संबंधों में अंतर्दृष्टि प्रदान करते हैं [22, 24, 28, 31, 34, 68]। यह विश्लेषण शोधकर्ताओं को विद्वानों के काम के प्रभाव और प्रभाव को समझने में मदद करता है [24, 31, 34]। एआई एल्गोरिदम लेखक की अस्पष्टता को दूर करने में सहायता कर सकते हैं, जो ग्रंथ सूची में एक महत्वपूर्ण कार्य है [28, 30, 70- 72]। लेखक के नाम, संबद्धता और प्रकाशन इतिहास जैसे विभिन्न कारकों का विश्लेषण करके, एआई तकनीक समान नाम वाले लेखकों की सटीक पहचान कर सकती है और उन्हें स्पष्ट कर सकती है [30, 72]। यह अस्पष्टता विद्वानों के काम का सटीक श्रेय सुनिश्चित करती है और ग्रंथ सूची विश्लेषण की विश्वसनीयता में सुधार करती है [28, 30, 71, 72]। मशीन लर्निंग और डेटा माइनिंग जैसी एआई तकनीकों का उपयोग बिब्लियोमेट्रिक्स में पूर्वानुमान मॉडल विकसित करने के लिए किया जा सकता है [50, 51, 55, 56]। ये मॉडल भविष्य के प्रकाशन रुझानों का पूर्वानुमान लगा सकते हैं, उभरते शोध क्षेत्रों की पहचान कर सकते हैं और शोध प्रभाव की भविष्यवाणी कर सकते हैं [50, 51, 54, 55]। बड़े ग्रंथसूची डेटासेट में पैटर्न और संबंधों का विश्लेषण करके, एआई एल्गोरिदम वैज्ञानिक अनुसंधान की भविष्य की दिशा में मूल्यवान अंतर्दृष्टि प्रदान कर सकते हैं [54-56]। एआई एल्गोरिदम बिब्लियोमेट्रिक्स में शोधकर्ताओं के बीच सहयोग नेटवर्क का विश्लेषण कर सकते हैं। सह-लेखक पैटर्न, संबद्धता और शोध सहयोग का विश्लेषण करके, एआई तकनीक प्रभावशाली शोधकर्ताओं, शोध समूहों और संस्थानों की पहचान कर सकती है। यह विश्लेषण न केवल शोधकर्ताओं को सहयोग की गतिशीलता को समझने में मदद करता है, बल्कि अधिक सामान्य लिंक के अलावा अंतःविषय अनुसंधान को बढ़ावा देने की उम्मीद की जानी चाहिए। एआई तकनीकें ग्रंथमापी में शोध मूल्यांकन को बेहतर बना सकती हैं। पारंपरिक उद्धरण गणनाओं से परे विभिन्न कारकों पर विचार करके, जैसे कि सोशल मीडिया उल्लेख, डाउनलोड और मीडिया कवरेज, एआई एल्गोरिदम शोध प्रभाव के मूल्यांकन के लिए अधिक व्यापक मीट्रिक प्रदान कर सकते हैं। यह व्यापक मूल्यांकन शोधकर्ताओं, संस्थानों और वित्त पोषण एजेंसियों को सूचित निर्णय लेने और संसाधनों को प्रभावी ढंग से आवंटित करने में मदद करता है। इसके अलावा, उन्नत या विशेष रूप से लिखित एआई एल्गोरिदम वैज्ञानिक कदाचार के मामलों का पता लगाने में सहायता कर सकते हैं, तथा साहित्यिक चोरी और डेटा निर्माण को साबित कर सकते हैं। संक्षेप में, तालिका 3 में दिए गए निष्कर्ष दर्शाते हैं कि AI में ग्रंथ सूची को महत्वपूर्ण रूप से बेहतर बनाने की क्षमता है। प्रकाशन विश्लेषण, उद्धरण विश्लेषण, लेखक की अस्पष्टता, पूर्वानुमान मॉडल, सहयोग विश्लेषण और शोध मूल्यांकन में सुधार करके, AI एल्गोरिदम शोधकर्ताओं को अधिक व्यापक और सटीक ग्रंथ सूची विश्लेषण करने में सक्षम बनाता है। ये प्रगति वैज्ञानिक समुदाय में विद्वानों के संचार, शोध प्रभाव और सहयोग की गतिशीलता की गहरी समझ में योगदान करती है। यह पेपर है। arxiv पर CC BY 4.0 DEED लाइसेंस के अंतर्गत उपलब्ध