paint-brush
Giải phóng sức mạnh của AI. Đánh giá có hệ thống về các kỹ thuật tiên tiến: Tóm tắt & Giới thiệutừ tác giả@decentralizeai
117 lượt đọc

Giải phóng sức mạnh của AI. Đánh giá có hệ thống về các kỹ thuật tiên tiến: Tóm tắt & Giới thiệu

từ tác giả Decentralize AI, or Else 5m2024/06/25
Read on Terminal Reader
Read this story w/o Javascript

dài quá đọc không nổi

Mục đích: Nghiên cứu nhằm mục đích phân tích sức mạnh tổng hợp của Trí tuệ nhân tạo (AI), với khoa học trắc lượng, trắc lượng web và trắc lượng thư mục để mở khóa và nhấn mạnh
featured image - Giải phóng sức mạnh của AI. Đánh giá có hệ thống về các kỹ thuật tiên tiến: Tóm tắt & Giới thiệu
Decentralize AI, or Else  HackerNoon profile picture

tác giả:

(1) Hamid Reza Saeidnia, Khoa Nghiên cứu Tri thức và Khoa học Thông tin, Đại học Tarbiat Modares, Tehran, Cộng hòa Hồi giáo Iran;

(2) Elaheh Hosseini, Khoa Nghiên cứu Tri thức và Khoa học Thông tin, Khoa Tâm lý và Khoa học Giáo dục, Đại học Alzahra, Tehran, Cộng hòa Hồi giáo Iran;

(3) Shadi Abdoli, Khoa Khoa học Thông tin, Đại học Montréal, Montréal, Canada

(4) Marcel Ausloos, Trường Kinh doanh, Đại học Leicester, Leicester, Vương quốc Anh và Đại học Nghiên cứu Kinh tế Bucharest, Bucharest, Romania.

Bảng liên kết

Tóm tắt và giới thiệu

Nguyên liệu và phương pháp

Kết quả

RQ 1: AI và khoa học đo lường

RQ 2: AI và webometrics

RQ 3: AI và trắc lượng thư mục

Cuộc thảo luận

RQ 4: Tương lai của Khoa học lượng học, Webometrics và Thư mục học với AI

RQ 5: Những cân nhắc về mặt đạo đức của Đo lường khoa học, Đo lường web và Đo lường thư mục với AI

Kết luận, hạn chế và tài liệu tham khảo

trừu tượng

Mục đích : Nghiên cứu nhằm mục đích phân tích sức mạnh tổng hợp của Trí tuệ nhân tạo (AI), với khoa học trắc lượng, trắc lượng web và trắc lượng thư mục để mở khóa và nhấn mạnh tiềm năng của các ứng dụng cũng như lợi ích của thuật toán AI trong các lĩnh vực này.


Thiết kế/phương pháp/phương pháp tiếp cận: Bằng cách tiến hành đánh giá tài liệu có hệ thống, mục tiêu của chúng tôi là khám phá tiềm năng của AI trong việc cách mạng hóa các phương pháp được sử dụng để đo lường và phân tích giao tiếp học thuật, xác định các xu hướng nghiên cứu mới nổi và đánh giá tác động của các ấn phẩm khoa học. Để đạt được điều này, chúng tôi đã triển khai chiến lược tìm kiếm toàn diện trên các cơ sở dữ liệu có uy tín như ProQuest, IEEE Explore, EBSCO, Web of Science và Scopus. Tìm kiếm của chúng tôi bao gồm các bài viết được xuất bản từ ngày 1 tháng 1 năm 2000 đến tháng 9 năm 2022, dẫn đến việc xem xét kỹ lưỡng 61 bài báo có liên quan.


Kết quả : (i) Về khoa học lượng học, việc ứng dụng AI mang lại nhiều lợi ích khác biệt, chẳng hạn như tiến hành phân tích các ấn phẩm, trích dẫn, dự đoán tác động nghiên cứu, cộng tác, phân tích xu hướng nghiên cứu và lập bản đồ kiến thức, trong khuôn khổ khách quan và đáng tin cậy hơn. (ii) Về mặt đo lường web, thuật toán AI có thể tăng cường thu thập dữ liệu và thu thập dữ liệu trên web, phân tích liên kết web, phân tích nội dung web, phân tích phương tiện truyền thông xã hội, phân tích tác động web và hệ thống đề xuất. (iii) Hơn nữa, tự động hóa thu thập dữ liệu, phân tích trích dẫn, định hướng tác giả, phân tích mạng lưới đồng tác giả, đánh giá tác động nghiên cứu, khai thác văn bản và hệ thống gợi ý được coi là tiềm năng tích hợp AI trong lĩnh vực trắc lượng thư mục.


Tính độc đáo/giá trị: Nghiên cứu này đề cập đến những lợi ích và tiềm năng đặc biệt mới của khoa học đo lường, trắc lượng web và trắc lượng thư mục được tăng cường AI để nêu bật những triển vọng đáng kể về sức mạnh tổng hợp của sự tích hợp này thông qua AI

Giới thiệu

Trí tuệ nhân tạo (AI) đã cách mạng hóa nhiều lĩnh vực khác nhau, đặc biệt là khoa học trắc lượng, trắc lượng web và trắc lượng thư mục [1, 2]. Khoa học lượng là một lĩnh vực liên quan đến phân tích định lượng tài liệu khoa học để đo lường các khía cạnh khác nhau của nghiên cứu khoa học, chẳng hạn như năng suất, tác động và mô hình hợp tác [3]. Nó sử dụng dữ liệu thư mục và phân tích trích dẫn để hiểu động lực của việc sản xuất và phổ biến kiến thức khoa học [4].


Mặt khác, Webometrics tập trung vào phân tích định lượng thông tin dựa trên web, đặc biệt là các trang web và siêu liên kết, để đánh giá tác động và khả năng hiển thị của các cá nhân, tổ chức hoặc tổ chức nghiên cứu trên web [5]. Nó sử dụng các kỹ thuật phân tích liên kết và thu thập dữ liệu web để kiểm tra các cấu trúc và tương tác dựa trên web [6].


Bibliometrics là một lĩnh vực áp dụng các phương pháp toán học và thống kê để phân tích các mô hình xuất bản, trích dẫn và cộng tác trong tài liệu học thuật [7]. Nó đo lường tác động và ảnh hưởng của các ấn phẩm học thuật, tác giả và tổ chức dựa trên phân tích trích dẫn và dữ liệu thư mục khác [8].


Ba lĩnh vực này có liên quan chặt chẽ với nhau vì chúng đều liên quan đến việc phân tích định lượng thông tin và nhằm mục đích cung cấp những hiểu biết sâu sắc về việc sản xuất, phổ biến và tác động của kiến thức khoa học. Họ chia sẻ các phương pháp và kỹ thuật chung, chẳng hạn như khai thác dữ liệu, phân tích mạng và mô hình thống kê.


Sau đây, chúng tôi chứng minh triển vọng dựa trên các ứng dụng trước đó. Hơn nữa, chúng tôi kết luận rằng chúng tôi cũng cung cấp nền tảng cho nghiên cứu sâu hơn và đổi mới tiềm năng trong lĩnh vực tin học, cuối cùng dẫn đến các phân tích chính xác, hiệu quả và sâu sắc hơn trong việc ra quyết định dựa trên bằng chứng.


Các nhà nghiên cứu phải đối mặt với thách thức khi xử lý số lượng lớn các ấn phẩm học thuật, vì việc rút ra kiến thức, cải thiện khả năng phân tích dữ liệu và đưa ra quyết định sáng suốt trở nên khó khăn. Các thuật toán và kỹ thuật được tăng cường AI đã đóng một vai trò quan trọng trong việc tự động hóa việc nhận dạng, phân loại và phân tích tài liệu khoa học [9]. Hơn nữa, việc áp dụng thuật toán AI đã mở ra những khả năng mới, cho phép xử lý dữ liệu, nhận dạng mẫu và trích xuất kiến thức hiệu quả [10, 11]. Do đó, bằng cách khai thác sức mạnh của AI, các nhà nghiên cứu giờ đây có thể đi sâu vào các số liệu xuất bản quy mô lớn, xác định xu hướng nghiên cứu và theo dõi ảnh hưởng cũng như tác động của các sản phẩm khoa học [10, 12, 13].


Đầu tiên, bằng cách tận dụng thuật toán xử lý ngôn ngữ tự nhiên (NLP), kỹ thuật học máy và phương pháp học sâu, AI có thể trích xuất thông tin chính từ các bài báo khoa học từ góc độ khoa học để hiểu biết toàn diện về xu hướng nghiên cứu, hợp tác và tác động trong các lĩnh vực cụ thể [ 14].


Tiếp theo, về mặt đo lường web, thuật toán AI có thể thu thập dữ liệu từ nhiều nguồn trực tuyến khác nhau thông qua việc quét web, bao gồm các trang web, blog, diễn đàn và bài đăng trên mạng xã hội. Học máy, thuật toán khai thác dữ liệu và kỹ thuật học sâu (DL) có thể trích xuất dữ liệu và mẫu để giúp các nhà nghiên cứu hiểu và dự đoán hành vi của người dùng trực tuyến cũng như tác động kỹ thuật số [15, 16].


“Cuối cùng”, thông qua các thuật toán được hỗ trợ bởi AI, các nhà đo lường thư mục có thể phân tích cơ sở dữ liệu thư mục và trích dẫn quy mô lớn, chẳng hạn như Web of Science hoặc Scopus, để khám phá các mô hình, xu hướng và mối quan hệ giữa các sản phẩm khoa học [17].


Các thuật toán và cách tiếp cận này rất hữu ích cho các nhà hoạch định chính sách và học giả trong việc đánh giá tác động của các nhà nghiên cứu, tổ chức hoặc lĩnh vực khoa học, tạo điều kiện thuận lợi cho các quyết định dựa trên bằng chứng, hoạch định chính sách, lập bản đồ đổi mới và dự báo sự phát triển theo định hướng tương lai [18].


Mặc dù AI đã cho thấy nhiều hứa hẹn trong việc cải thiện hiệu quả và độ chính xác của các phân tích khoa học, trắc lượng web và đo thư mục, nhưng vẫn còn thiếu hiểu biết toàn diện về các kỹ thuật tiên tiến và những tiến bộ trong lĩnh vực đang phát triển nhanh chóng này. Khi các nhà nghiên cứu cố gắng khai thác sức mạnh của AI để hiểu sâu hơn về các mô hình truyền thông học thuật, mạng lưới trích dẫn và tác động của nghiên cứu, điều quan trọng là phải tiến hành đánh giá có hệ thống nhằm củng cố và tổng hợp những phát triển và phương pháp mới nhất.


Do đó, vấn đề hiện tại là thiếu một cái nhìn tổng quan và phân tích toàn diện về các kỹ thuật nâng cao AI tiên tiến hiện nay trong khoa học trắc lượng, trắc lượng web và trắc lượng thư mục. Khoảng cách kiến thức này cản trở các nhà nghiên cứu và người thực hành tận dụng tối đa những lợi ích và tiến bộ tiềm năng mà AI mang lại trong các lĩnh vực này. Bằng cách tiến hành đánh giá có hệ thống, chúng tôi mong muốn giải quyết khoảng cách này và cung cấp sự hiểu biết toàn diện về các kỹ thuật AI tiên tiến, ứng dụng và tác động của chúng đối với lĩnh vực tin học.


Trong nghiên cứu của chúng tôi, chúng tôi tập trung vào ba lĩnh vực cụ thể này (khoa học, trắc lượng web và trắc lượng thư mục) vì chúng đại diện cho các lĩnh vực chính mà ứng dụng trí tuệ nhân tạo (AI) đã có tác động đáng kể. Các kỹ thuật AI, chẳng hạn như học máy và xử lý ngôn ngữ tự nhiên, đã tăng cường đáng kể việc phân tích dữ liệu thư mục và dữ liệu dựa trên web trên quy mô lớn, cho phép đo lường chính xác và hiệu quả hơn về tác động khoa học, phổ biến kiến thức và khả năng hiển thị web.


Thông qua đánh giá có hệ thống này, chúng tôi tìm cách làm sáng tỏ tiềm năng của AI trong việc thay đổi cách chúng ta đo lường và phân tích giao tiếp học thuật, xác định các xu hướng nghiên cứu mới nổi và đánh giá tác động của các ấn phẩm khoa học. Bằng cách đó, chúng tôi hy vọng sẽ truyền cảm hứng cho nghiên cứu và đổi mới sâu hơn trong lĩnh vực tin học, cuối cùng dẫn đến những phân tích chính xác, hiệu quả và sâu sắc hơn có thể thúc đẩy tiến bộ khoa học và đưa ra quyết định dựa trên bằng chứng sáng suốt.


Bài viết này có sẵn trên arxiv theo giấy phép CC BY 4.0 DEED.