"Yapay zeka algoritmaları büyük hacimli bilimsel yayınları analiz edebilir ve değerli bilgiler çıkarabilir"

Bağlantı Tablosu

Özet ve Giriş

Malzemeler ve yöntemler

Sonuçlar

RQ 1: Yapay zeka ve bilim ölçümü

RQ 2: Yapay zeka ve webometri

RQ 3: Yapay zeka ve bibliyometri

Tartışma

RQ 4: Yapay Zeka ile Scientometrics, Webometrics ve Bibliometrics'in Geleceği

RQ 5: Yapay Zeka ile Scientometrics, Webometrics ve Bibliometrics'in Etik Hususları

Sonuç, Sınırlamalar ve Referanslar

RQ 1: Yapay zeka ve bilim ölçümü

Bilim ölçümünde yapay zeka, Yayın Analizi, Atıf Analizi, Araştırma Etkisinin Tahmini, İşbirliği Analizi, Araştırma Trend Analizi ve Bilgi Haritalaması dahil olmak üzere çeşitli spesifik faydalar sağlayabilir. Bu altı alt alandaki yapay zeka faydaları (Şekil 2), örneğin [21-31]'de tartışılmıştır.

Bu 12 çalışma, scientometride yapay zeka yeteneklerini kullanmanın potansiyel faydalarını ve stratejilerini göstermektedir. Yapay zekanın scientometrik analizlerde kaliteyi, erişilebilirliği ve veri toplama süreçlerini nasıl iyileştirebileceği Tablo 1'de daha ayrıntılı olarak vurgulanmaktadır.

Ana nokta, yapay zeka algoritmalarının büyük hacimli bilimsel yayınları analiz edebilmesi ve yazar ve ortak yazar adları, bağlantıları, anahtar kelimeler ve alıntılar gibi değerli bilgileri çıkarabilmesidir [21, 22]. Sonuç olarak araştırmacılar, belirli bir bilimsel alandaki yayın kalıpları, araştırma ağları ve işbirlikleri hakkında fikir sahibi olabilirler [32, 33].

Dahası, yapay zeka algoritmaları, bilimsel makalelerin etkisini ve etkisinin yanı sıra farklı araştırma çalışmaları arasındaki ilişkileri belirlemek için alıntı ağlarını analiz edebilir [22, 24, 31]. Araştırmacılar bu yöntemi çok alıntı yapılan ve etkili makaleleri, hatta uyuyan güzelleri [34] belirlemek ve aynı zamanda bilimsel bilginin yayılmasının dinamiklerini anlamak için kullanabilirler.

İlginç bir şekilde, yazar itibarı, dergi kalitesi ve alıntı kalıpları gibi çeşitli faktörlere dayalı olarak bilimsel araştırmanın etkisini tahmin etmek için yapay zeka teknikleri kullanılabilir [27]. Geçmiş verileri analiz etmek, yapay zeka modellerinin araştırmanın potansiyel etkisine dair içgörüler sunmasına olanak tanıyarak araştırmacıların ve kurumların en iyi eylem planını belirlemesine olanak tanır.

Ortak yazarlık ağları, araştırma işbirliklerini tanımlamak ve anlamak için yapay zeka tarafından analiz edilebilir [28, 30]. Yayın geçmişini, yazar ilişkilerini ve ortak yazarlık kalıplarını analiz eden yapay zeka, araştırmacıların potansiyel işbirlikçileri ve araştırma ağlarını belirlemesine yardımcı olarak daha iyi işbirliği ve bilgi alışverişi sağlayabilir.

Yapay zeka, ortaya çıkan araştırma eğilimlerini ve konularını belirlemek için büyük ölçekli bilimsel literatürü analiz edebilir [23, 26, 35] Örneğin, doğal dil işleme tekniklerini kullanarak yapay zeka algoritmaları, bilimsel yayınlardan anahtar kelimeleri, konuları ve eğilimleri otomatik olarak çıkarabilir, Araştırmacıların yeni araştırma yönlerini belirlemelerine ve alanlarındaki en son gelişmelerden haberdar olmalarına yardımcı olmak.

"Son olarak" yapay zeka, farklı bilimsel makaleler, anahtar kelimeler ve kavramlar arasındaki ilişkileri analiz ederek bilimsel bilgi manzarasının haritasını çıkarabilir [25, 29]. Literatür incelemelerini, hipotez oluşturmayı ve araştırma planlamayı kolaylaştırmanın yanı sıra, bu görselleştirme araştırmacıların belirli bir araştırma alanı içindeki bilginin yapısını ve gelişimini görselleştirmesine ve anlamasına olanak tanır.