"Bibliyometride yapay zeka, Otomatik Veri Toplama da dahil olmak üzere çeşitli spesifik faydalar sağlayabilir..."

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 3: Yapay zeka ve bibliyometri

Bibliyometride yapay zeka, Otomatik Veri Toplama, Alıntı Analizi, Yazar Belirsizliğinin Giderilmesi, Ortak Yazarlık Analizi, Araştırma Etki Analizi, Metin Madenciliği ve Öneri Sistemleri (bkz. Şekil 4) dahil olmak üzere [28-30, 47-'de analiz edildiği gibi çeşitli spesifik faydalar sağlayabilir. 53].

Bu 6 çalışma, bibliyometride yapay zeka yeteneklerini kullanmanın potansiyel faydalarını ve stratejilerini göstermektedir. Ana sonuç noktaları arasında yapay zekanın bibliyometrik analizlerde kaliteyi, erişilebilirliği ve veri toplama süreçlerini nasıl iyileştirebileceğini vurguluyorlar (Tablo 3).

Yapay zeka algoritmalarının çevrimiçi veritabanları, akademik kütüphaneler ve dijital depolar gibi çeşitli kaynaklardan bibliyografik verileri otomatik olarak toplayabildiği gösterilmiştir [21, 49]. Bu, veri toplamaya katılan araştırmacıların zamandan ve emekten tasarruf etmesini sağlayarak bibliyometrik analizin diğer yönlerine odaklanmalarına olanak tanır.

Düşündürücü bir şekilde yapay zeka, etkili makaleleri, yazarları ve dergileri belirlemek için alıntı ağlarını analiz edebilir [28, 31], - daha önce "Yapay Zeka ve Scientometrics" bölümünde bahsedildiği gibi. Yapay zeka algoritmaları, alıntı modellerini ve ilişkilerini inceleyerek araştırmacıların araştırma çıktılarının etkisini ve görünürlüğünü anlamalarına, ayrıca önemli araştırma eğilimlerini ve işbirliklerini belirlemelerine yardımcı olabilir.

İlginç bir şekilde, bibliyometride yaygın bir sorun olan benzer adlara sahip yazarların belirsizliğini ortadan kaldırmak için yapay zeka teknikleri kullanılabilir [47, 53]. Yapay zeka algoritmaları, bibliyometrik analizlerin doğruluğunu sağlamak amacıyla yazar bağlantılarını, yayın geçmişini ve ortak yazarlık ağlarını analiz ederek, benzer adlara sahip yazarları etkili bir şekilde tanımlayabilir ve bunları birbirlerinden ayırt edebilir.

"Yapay Zeka ve Scientometrics" bölümünde de belirtildiği gibi, işbirliklerini ve araştırma ağlarını belirlemek için yapay zeka yoluyla ortak yazarlık ağları analiz edilebilir [28, 30]. Yapay zeka algoritmaları, ortak yazarlık modellerini ve ilişkilerini inceleyerek araştırmacıların işbirliklerinin dinamiklerini ve yapısını anlamalarına ve etkili araştırmacıları ve araştırma ekiplerini belirlemelerine yardımcı olabilir. Bu aynı zamanda finansman zamanında da bir avantaj olabilir.

Yapay zeka, bireysel araştırmacıların, araştırma gruplarının ve kurumların etkisini ve görünürlüğünü değerlendirmek için alıntı sayıları ve h-indeksi gibi bibliyometrik göstergeleri kolayca analiz edebilir [21, 48, 52]. Bunu yaparken yapay zeka algoritmaları, araştırma üretkenliği, alıntı kalıpları ve araştırmanın zaman içindeki etkisi hakkında bilgiler sunarak araştırmacılara ve kurumlara araştırmanın şöhretini veya performansını değerlendirmede yardımcı olabilir.

Son olarak, doğal dil işlemeyi de içeren yapay zeka teknikleri, araştırma yayınlarının metin içeriğini analiz etmek için kullanılabilir [50, 51]. Bu şekilde, intihal kontrolünden de bahsederek [54, 55] anahtar kelimeler, konular ve görüşler literatürden çıkarılabilir, böylece araştırma bulgularının kapsamlı analizi ve anlaşılması kolaylaşır [56].