"Na bibliometria, a IA pode fornecer vários benefícios específicos, incluindo a coleta automatizada de dados..."

Tabela de links

Resumo e introdução

Materiais e métodos

Resultados

RQ 1: IA e cienciometria

RQ 2: IA e webometria

RQ 3: IA e bibliometria

Discussão

RQ 4: Futuro da Cientometria, Webometria e Bibliometria com IA

RQ 5: Considerações Éticas de Cientometria, Webometria e Bibliometria com IA

Conclusão, Limitações e Referências

RQ 3: IA e bibliometria

Na bibliometria, a IA pode fornecer vários benefícios específicos, incluindo coleta automatizada de dados, análise de citações, desambiguação de autores, análise de coautoria, análise de impacto de pesquisa, mineração de texto e sistemas de recomendação (ver Figura 4), conforme analisado em [28-30, 47- 53].

Esses 6 estudos demonstram os benefícios e estratégias potenciais para a utilização dos recursos de IA em bibliometria. Eles destacam como a IA pode melhorar a qualidade, a acessibilidade e os processos de coleta de dados nas análises bibliométricas (Tabela 3), entre os principais resultados.

Foi demonstrado que algoritmos de IA podem coletar automaticamente dados bibliográficos de várias fontes, como bancos de dados online, bibliotecas acadêmicas e repositórios digitais [21, 49]. Isto poupa tempo e esforço aos investigadores envolvidos na recolha de dados, permitindo-lhes concentrar-se noutros aspectos da análise bibliométrica.

De forma instigante, a IA pode analisar redes de citações para identificar artigos, autores e periódicos influentes [28, 31], - como já mencionado na seção “IA e Cientometria”. Ao examinar padrões e relacionamentos de citações, os algoritmos de IA podem ajudar os pesquisadores a compreender o impacto e a visibilidade dos resultados da pesquisa, bem como a identificar as principais tendências e colaborações de pesquisa.

Curiosamente, técnicas de IA podem ser empregadas para desambiguar autores com nomes semelhantes, um problema comum em bibliometria [47, 53]. Ao analisar as afiliações dos autores, o histórico de publicações e as redes de coautoria, a fim de garantir a precisão das análises bibliométricas, os algoritmos de IA podem identificar efetivamente autores com nomes semelhantes e distingui-los uns dos outros.

Como também já mencionado na seção “IA e Cientometria”, através da IA pode-se analisar redes de coautoria para identificar colaborações e redes de pesquisa [28, 30]. Ao examinar padrões e relacionamentos de coautoria, os algoritmos de IA podem ajudar os pesquisadores a compreender a dinâmica e a estrutura das colaborações, bem como a identificar pesquisadores e equipes de pesquisa influentes. Isso também pode ser uma vantagem na hora do financiamento.

Facilmente, a IA pode analisar indicadores bibliométricos, como contagens de citações e índice h, para avaliar o impacto e a visibilidade de pesquisadores individuais, grupos de pesquisa e instituições [21, 48, 52]. Ao fazê-lo, os algoritmos de IA podem fornecer informações sobre a produtividade da investigação, padrões de citação e impacto da investigação ao longo do tempo, ajudando investigadores e instituições a avaliar a fama ou o desempenho da investigação.

Por último, mas não menos importante, as técnicas de IA, incluindo o processamento de linguagem natural, podem ser utilizadas para analisar o conteúdo textual de publicações de pesquisa [50, 51]. Desta forma, palavras-chave, tópicos e sentimentos podem ser extraídos da literatura, - mencionando também o controle de plágio [54, 55], facilitando assim a análise abrangente e a compreensão dos resultados da pesquisa [56].