Yazarlar:  (1) Hamid Reza Saeidnia, Bilgi Bilimi ve Bilgi Çalışmaları Bölümü, Tarbiat Modares Üniversitesi, Tahran, İran İslam Cumhuriyeti;  (2) Elaheh Hosseini, Enformasyon 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 Bibliyometrinin Geleceği   RQ 5: Yapay Zeka ile Scientometrics, Webometrics ve Bibliometrics'in Etik Hususları   Sonuç, Sınırlamalar ve Kaynaklar  Soyut    : Çalışma, Yapay Zekanın (AI) scientometrics, webometrics ve bibliyometri ile sinerjisini analiz etmeyi ve bu alanlardaki AI algoritmalarının uygulamalarının ve faydalarının potansiyelini ortaya çıkarmayı ve vurgulamayı amaçlamaktadır. Amaç    Sistematik bir literatür taraması yaparak amacımız, yapay zekanın bilimsel iletişimi ölçmek ve analiz etmek, ortaya çıkan araştırma eğilimlerini belirlemek ve bilimsel yayınların etkisini değerlendirmek için kullanılan yöntemlerde devrim yaratma potansiyelini keşfetmektir. Bunu başarmak için ProQuest, IEEE Explorer, EBSCO, Web of Science ve Scopus gibi saygın veritabanlarında kapsamlı bir arama stratejisi uyguladık. Aramamız 1 Ocak 2000'den Eylül 2022'ye kadar yayınlanan makaleleri kapsadı ve sonuçta 61 ilgili makalenin kapsamlı bir incelemesi ortaya çıktı. Tasarım/metodoloji/yaklaşım:    :   Bilimometriyle ilgili olarak yapay zekanın uygulanması, yayın analizlerinin, alıntıların, araştırma etkisi tahmininin, işbirliğinin, araştırma trend analizinin ve bilgi haritalamanın daha objektif ve güvenilir bir çerçevede yürütülmesi gibi çeşitli farklı avantajlar sağlar.   Webometri açısından, AI algoritmaları web taramasını ve veri toplamayı, web bağlantı analizini, web içerik analizini, sosyal medya analizini, web etki analizini ve öneri sistemlerini geliştirebilir.   Ayrıca, veri toplamanın otomasyonu, alıntıların analizi, yazarların belirsizliğinin giderilmesi, ortak yazarlık ağlarının analizi, araştırma etkisinin değerlendirilmesi, metin madenciliği ve öneri sistemleri, bibliyometri alanında yapay zeka entegrasyonunun potansiyeli olarak kabul edilir. Bulgular (i) (ii) (iii)    Bu çalışma, yapay zeka yoluyla bu entegrasyonun sinerjisinin önemli umutlarını vurgulamak için yapay zeka ile geliştirilmiş bilim ölçümü, webometri ve bibliyometrinin özellikle yeni faydalarını ve potansiyelini kapsamaktadır. Özgünlük/değer:  giriiş  Yapay Zeka (AI), özellikle bilimometri, webometri ve bibliyometri olmak üzere çeşitli alanlarda devrim yaratmıştır [1, 2]. Scientometrics, bilimsel araştırmanın üretkenlik, etki ve işbirliği modelleri gibi çeşitli yönlerini ölçmek için bilimsel literatürün niceliksel analizini içeren bir alandır [3]. Bilimsel bilgi üretimi ve yayılmasının dinamiklerini anlamak için bibliyografik verileri ve alıntı analizini kullanır [4].  Webometrics ise bireylerin, kuruluşların veya araştırma kurumlarının web üzerindeki etkisini ve görünürlüğünü değerlendirmek için web tabanlı bilgilerin, özellikle web siteleri ve hiper bağlantıların niceliksel analizine odaklanır [5]. Web tabanlı yapıları ve etkileşimleri incelemek için web tarama ve bağlantı analizi tekniklerini kullanır [6].  Bibliyometri, akademik literatürdeki yayın, alıntı ve işbirliği kalıplarını analiz etmek için matematiksel ve istatistiksel yöntemleri uygulayan bir alandır [7]. Alıntı analizine ve diğer bibliyografik verilere dayanarak bilimsel yayınların, yazarların ve kurumların etkisini ve etkisini ölçer [8].  Bu üç alan birbiriyle yakından ilişkilidir, çünkü hepsi bilginin niceliksel analizini içerir ve bilimsel bilginin üretimi, yayılması ve etkisine dair içgörü sağlamayı amaçlar. Veri madenciliği, ağ analizi ve istatistiksel modelleme gibi ortak metodolojileri ve teknikleri paylaşırlar.  Aşağıda önceki uygulamalara dayalı olarak beklentileri gösteriyoruz. Ayrıca, bilişim ölçümü alanında daha fazla araştırma ve ileriye yönelik yenilikler için de zemin sağladığımız ve sonuçta kanıta dayalı karar vermede daha doğru, verimli ve anlayışlı analizlere yol açtığımız sonucuna varıyoruz.  Bilgiyi elde etmek, veri analizini geliştirmek ve bilinçli kararlar vermek zorlaştığından, araştırmacılar çok miktarda bilimsel yayının bulunabilirliğiyle uğraşırken zorluklarla karşı karşıya kalıyor. Yapay zeka ile geliştirilmiş algoritmalar ve teknikler, bilimsel literatürün tanımlanması, sınıflandırılması ve analizinin otomatikleştirilmesinde çok önemli bir rol oynamıştır [9]. Dahası, yapay zeka algoritmalarının uygulanması, verimli veri işlemeyi, örüntü tanımayı ve bilgi çıkarmayı mümkün kılan yeni olanaklar açmıştır [10, 11]. Böylece araştırmacılar artık yapay zekanın gücünden yararlanarak büyük ölçekli yayın ölçümlerini inceleyebilir, araştırma eğilimlerini belirleyebilir ve bilimsel üretimlerin etkisini ve etkisini izleyebilir [10, 12, 13].  Birincisi, yapay zeka, doğal dil işleme (NLP) algoritmalarından, makine öğrenme tekniklerinden ve derin öğrenme yaklaşımlarından yararlanarak, belirli alanlardaki araştırma eğilimleri, işbirlikleri ve etkileri hakkında kapsamlı bir anlayış elde etmek için bilimsel makalelerden önemli bilgileri scientometrik bir perspektiften çıkarabilir. 14].  Daha sonra, webometri açısından yapay zeka algoritmaları, web sayfaları, bloglar, forumlar ve sosyal medya gönderileri dahil olmak üzere web kazıma yoluyla çeşitli çevrimiçi kaynaklardan veri toplayabilir. Makine öğrenimi, veri madenciliği algoritmaları ve derin öğrenme (DL) teknikleri, araştırmacıların çevrimiçi kullanıcıların davranışlarını ve dijital etkiyi anlamasına ve tahmin etmesine yardımcı olacak verileri ve kalıpları çıkarabilir [15, 16].  “Sonunda”, yapay zeka destekli algoritmalar aracılığıyla bibliyometristler, bilimsel üretimler arasındaki kalıpları, eğilimleri ve ilişkileri ortaya çıkarmak için Web of Science veya Scopus gibi büyük ölçekli bibliyografik ve alıntı veritabanlarını analiz edebilirler [17].  Bu algoritmalar ve yaklaşımlar, politika yapıcılar ve akademisyenler için araştırmacıların, kurumların veya bilimsel alanların etkisini değerlendirmede, kanıta dayalı kararları kolaylaştırmada, politika oluşturmada, yenilik haritalandırmada ve geleceğe yönelik gelişmeleri tahmin etmede faydalıdır [18].  Yapay zeka, scientometrik, webometrik ve bibliyometrik analizlerin verimliliğini ve doğruluğunu artırma konusunda büyük umut vaat ediyor olsa da, hızla gelişen bu alandaki en ileri teknikler ve ilerlemeler konusunda kapsamlı bir anlayış eksikliği var. Araştırmacılar, bilimsel iletişim kalıpları, alıntı ağları ve araştırmanın etkisi hakkında daha derin içgörüler elde etmek için yapay zekanın gücünden yararlanmaya çalışırken, en son gelişmeleri ve metodolojileri birleştiren ve sentezleyen sistematik bir inceleme yürütmek çok önemlidir.  Bu nedenle, eldeki sorun, scientometrics, webometrics ve bibliyometriklerdeki mevcut en son teknolojiye sahip yapay zeka destekli tekniklerin kapsamlı bir genel bakışının ve analizinin bulunmamasıdır. Bu bilgi açığı, araştırmacıları ve uygulayıcıları, yapay zekanın bu alanlarda sunduğu potansiyel faydalardan ve ilerlemelerden tam olarak yararlanmalarını engellemektedir. Sistematik bir inceleme yaparak bu boşluğu doldurmayı ve en son teknolojiye sahip yapay zeka tekniklerini, uygulamalarını ve bilişim alanındaki etkilerini kapsamlı bir şekilde anlamayı amaçlıyoruz.  Çalışmamızda bu üç spesifik alana (scientometrics, webometrics ve bibliyometri) odaklanıyoruz çünkü bunlar yapay zeka (AI) uygulamasının önemli bir etkiye sahip olduğu kilit alanları temsil ediyor. Makine öğrenimi ve doğal dil işleme gibi yapay zeka teknikleri, büyük ölçekli bibliyografik ve web tabanlı verilerin analizini büyük ölçüde geliştirerek bilimsel etkinin, bilgi yayılımının ve web görünürlüğünün daha doğru ve verimli bir şekilde ölçülmesini mümkün kıldı.  Bu sistematik inceleme aracılığıyla, yapay zekanın bilimsel iletişimi ölçme ve analiz etme, ortaya çıkan araştırma eğilimlerini belirleme ve bilimsel yayınların etkisini değerlendirme şeklimizi dönüştürme potansiyeline ışık tutmaya çalışıyoruz. Bunu yaparak, bilişim ölçümü alanında daha fazla araştırma ve yeniliğe ilham vermeyi ve sonuçta bilimsel ilerlemeyi ve bilgiye dayalı kanıta dayalı karar vermeyi yönlendirebilecek daha doğru, verimli ve anlayışlı analizlere yol açmayı umuyoruz.  Bu makale   . arxiv'de CC BY 4.0 DEED lisansı altında mevcuttur

Decentralize AI Technology

decentralizeai

Bu ses hikayenin orijinal dilinde üretilmiştir!

Yapay Zekanın Gücünü Ortaya Çıkarıyoruz. En Son Tekniklerin Sistematik Bir İncelemesi: Özet ve Giriş

About Author

YORUMLAR

ETİKETLERİ ASIN

BU YAZI

Related Stories

Kazanmak için Dokun: Telegram, Solana'dan Önce Sonraki 10 Milyar Kripto Kullanıcısına Katılabilir

İş Akışınızı 10 Kat Nasıl İyileştirirsiniz: 17 Temel Uygulama

Kripto Büyümesi: Etkili Kullanıcı Kişilikleri Oluşturma

HackerNoon Yazma Yarışmasını mı Kazanmak İstiyorsunuz? İşte #crypto-api Yarışması Kazananlarının Önerileri

Kazanmak için Dokun: Telegram, Solana'dan Önce Sonraki 10 Milyar Kripto Kullanıcısına Katılabilir

İş Akışınızı 10 Kat Nasıl İyileştirirsiniz: 17 Temel Uygulama

Kripto Büyümesi: Etkili Kullanıcı Kişilikleri Oluşturma

HackerNoon Yazma Yarışmasını mı Kazanmak İstiyorsunuz? İşte #crypto-api Yarışması Kazananlarının Önerileri

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps