«Алгоритмы искусственного интеллекта могут анализировать большие объемы научных публикаций и извлекать ценную информацию»

Таблица ссылок

Аннотация и введение

Материалы и методы

Полученные результаты

Вопрос 1: ИИ и наукометрия

Вопрос 2: ИИ и вебометрика

Вопрос 3: ИИ и библиометрия

Обсуждение

Вопрос 4: Будущее наукометрики, вебометрики и библиометрики с искусственным интеллектом

Вопрос 5: Этические аспекты наукометрии, вебометрики и библиометрии с использованием ИИ

Заключение, ограничения и ссылки

Вопрос 1: ИИ и наукометрия

В наукометрии ИИ может предоставить несколько конкретных преимуществ, включая анализ публикаций, анализ цитирования, прогнозирование воздействия исследований, анализ сотрудничества, анализ тенденций исследований и картирование знаний. Преимущества ИИ в таких шести подполях (рис. 2) обсуждались, например, в [21-31].

Эти 12 исследований демонстрируют потенциальные преимущества и стратегии использования возможностей ИИ в наукометрии. Как ИИ может улучшить качество, доступность и процессы сбора данных в наукометрическом анализе, подробно показано в Таблице 1.

Суть в том, что алгоритмы ИИ могут анализировать большие объемы научных публикаций и извлекать ценную информацию, такую как имена авторов и соавторов, места работы, ключевые слова и цитаты [21, 22]. В результате исследователи могут получить представление о моделях публикаций, исследовательских сетях и сотрудничестве в конкретной научной области [32, 33].

Более того, алгоритмы ИИ могут анализировать сети цитирования для выявления воздействия и влияния научных работ, а также взаимосвязей между различными исследовательскими работами [22, 24, 31]. Исследователи могут использовать этот метод для выявления высокоцитируемых и влиятельных статей, даже «спящих красавиц» [34], а также для понимания динамики распространения научных знаний.

Интересно, что методы искусственного интеллекта можно использовать для прогнозирования влияния научных исследований на основе различных факторов, таких как репутация автора, качество журнала и структура цитирования [27]. Анализ исторических данных позволяет моделям ИИ дать представление о потенциальном влиянии исследований, позволяя исследователям и учреждениям определить наилучший курс действий.

Сети соавторства могут анализироваться с помощью ИИ для выявления и понимания исследовательского сотрудничества [28, 30]. Анализируя историю публикаций, принадлежность авторов и модели соавторства, ИИ может помочь исследователям выявить потенциальных сотрудников и исследовательские сети, что позволит улучшить сотрудничество и обмен знаниями.

Чтобы определить новые тенденции и темы исследований, ИИ может анализировать крупномасштабную научную литературу [23, 26, 35]. Например, используя методы обработки естественного языка, алгоритмы ИИ могут автоматически извлекать ключевые слова, темы и тенденции из научных публикаций. помогая исследователям определять новые направления исследований и быть в курсе последних достижений в своей области.

«Наконец», ИИ может составить карту ландшафта научных знаний, анализируя взаимосвязи между различными научными статьями, ключевыми словами и концепциями [25, 29]. Помимо облегчения обзора литературы, генерации гипотез и планирования исследований, эта визуализация позволяет исследователям визуализировать и понимать структуру и эволюцию знаний в конкретной области исследований.