paint-brush
RQ 5: Yapay Zeka ile Scientometrics, Webometrics ve Bibliometrics'in Etik Hususlarıile@decentralizeai

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

Çok uzun; Okumak

Bu şekilde özetlenen olumlu yönlerin yanı sıra, yapay zekanın (AI) scientometrics, webometrics ve bibliyometride kullanımı önemli et
featured image - RQ 5: Yapay Zeka ile Scientometrics, Webometrics ve Bibliometrics'in Etik Hususları
Decentralize AI, or Else  HackerNoon profile picture
0-item

Yazarlar:

(1) Hamid Reza Saeidnia, Bilgi Bilimi ve Bilgi Çalışmaları Bölümü, Tarbiat Modares Üniversitesi, Tahran, İran İslam Cumhuriyeti;

(2) Elaheh Hosseini, Bilgi Bilimi ve Bilgi Çalışmaları Bölümü, Psikoloji ve Eğitim Bilimleri Fakültesi, Alzahra Üniversitesi, Tahran, İran İslam Cumhuriyeti;

(3) Shadi Abdoli, Bilgi Bilimi Bölümü, Montreal Üniversitesi, Montreal, Kanada

(4) Marcel Ausloos, İşletme Fakültesi, Leicester Üniversitesi, Leicester, Birleşik Krallık ve Bükreş Ekonomik Araştırmalar Üniversitesi, Bükreş, Romanya.

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 Kaynaklar

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

Bu şekilde özetlenen olumlu yönlerin yanı sıra yapay zekanın (AI) scientometrics, webometrics ve bibliyometride kullanımı dikkatle ele alınması gereken önemli etik hususları gündeme getirmektedir.


Yapay zeka algoritmaları genellikle kişisel ve hassas bilgiler de dahil olmak üzere büyük miktarda veriye erişim gerektirir [73]. Gizliliği korumak ve yetkisiz erişimi önlemek için uygun veri koruma önlemlerinin alınmasını sağlamak çok önemlidir [74]. Veri anonimleştirme ve şifreleme teknikleri kullanılmalı ve ilgili veri koruma düzenlemelerine uyulmalıdır [75].


Yapay zeka algoritmaları isteyerek veya istemeden önyargıya yatkın olabilir ve bu da adaletsiz veya ayrımcı sonuçlara yol açabilir [17, 76]. Mevcut önyargıların sürdürülmesini önlemek için yapay zeka modellerinin çeşitli ve temsili veri kümeleri üzerinde eğitilmesini sağlamak önemlidir [77]. Ortaya çıkabilecek önyargıları belirlemek ve ele almak için yapay zeka sistemlerinin düzenli olarak izlenmesi ve denetlenmesi yapılmalıdır [78].


Bazen yapay zeka algoritmaları karmaşık ve opak olabilir, bu da kararlarına nasıl ulaştıklarını anlamayı zorlaştırır [79]. Bu nedenle, bilimimetri, webometri ve bibliyometride kullanılan yapay zeka modellerinde şeffaflığı ve açıklanabilirliği teşvik etmek önemlidir. Araştırmacılar ve kullanıcılar, kullanılan veriler, kullanılan algoritmalar ve yapay zeka sistemlerinin karar verme süreçleri hakkındaki bilgilere erişebilmelidir [76, 79].


Yapay zeka sistemleri daha özerk hale geldikçe, hesap verebilirlik ve sorumluluk konusunda net çizgiler oluşturmak önemlidir [80]. Geliştiriciler, araştırmacılar ve kullanıcılar, yapay zekanın bu alanlarda sorumlu ve etik kullanımını sağlama konusundaki rol ve sorumluluklarının bilincinde olmalıdır. Bu, yapay zeka kullanımından kaynaklanabilecek olası önyargıların, hataların veya istenmeyen sonuçların ele alınmasını da içerir.


Kişisel verilerin söz konusu olduğu durumlarda, bireylerden bilgilendirilmiş onam alınması çok önemlidir [78]. Araştırmacılar ve kuruluşlar, bireylerin verilerinin nasıl kullanılacağını anlamalarını ve onay verme veya geri çekme olanağına sahip olmalarını sağlamak için sağlam onay yönetimi süreçlerine sahip olmalıdır.


Dahası, yapay zekanın scientometrics, webometrics ve bibliyometride kullanımının istihdam ve bir bütün olarak toplum üzerinde etkileri olabilir. İşler üzerindeki potansiyel etkiyi, kaynak dağılımını ve daha geniş toplumsal etkileri dikkate almak önemlidir. Olumsuz etkileri azaltacak, adil ve hakkaniyetli bir geçiş sağlayacak önlemler alınmalıdır. Performanslarını değerlendirmek, önyargıları veya etik kaygıları belirlemek ve gerekli iyileştirmeleri yapmak için yapay zeka sistemlerinin düzenli olarak izlenmesi ve değerlendirilmesi yapılmalıdır. Devam eden bu izleme ve değerlendirme süreci, disiplinler arası işbirliğini ve paydaşlarla katılımı içermelidir.


Bu etik hususları ele almak, çeşitli alanlardan araştırmacıları, politika yapıcıları, etik uzmanlarını ve paydaşları içeren çok disiplinli bir yaklaşımı gerektirir. Açık diyalog, şeffaflık ve sürekli değerlendirme, yapay zekanın bilimometri, webometri ve bibliyometride sorumlu ve etik bir şekilde kullanılmasını sağlamak için gereklidir.