"Trong webometrics, AI có thể mang lại một số lợi ích cụ thể bao gồm Thu thập thông tin trên web, Thu thập dữ liệu...

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

RQ 2: AI và webometrics

Trong webometrics, AI có thể cung cấp một số lợi ích cụ thể bao gồm Thu thập thông tin web và Thu thập dữ liệu, 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 như được phác thảo trong Hình 3, và ví dụ: nó đã được chứng minh qua các bài báo như [9, 10, 21, 36-45].

6 điểm cân nhắc này chỉ ra những lợi ích tiềm năng và đề xuất các chiến lược tập trung để sử dụng khả năng AI trong webometrics. Những phát hiện thu được nêu bật cách AI có thể cải thiện chất lượng, khả năng tiếp cận và quy trình thu thập dữ liệu trong phân tích webometrics, như được nêu trong Bảng 2.

Thật vậy, các thuật toán dựa trên trí tuệ nhân tạo có thể tự động thu thập dữ liệu và thu thập dữ liệu từ các trang web, bao gồm trang web của tổ chức, cổng nghiên cứu khoa học và kho lưu trữ trực tuyến [39, 42]. Điều này cho phép các nhà nghiên cứu thu thập lượng lớn thông tin dựa trên web để phân tích, bao gồm dữ liệu xuất bản, hồ sơ tác giả và mẫu trích dẫn.

Để hiểu được mối quan hệ giữa các ấn phẩm, trang web và tác giả, các phương pháp trí tuệ nhân tạo có thể phân tích cấu trúc siêu liên kết và mẫu liên kết web [9, 43]. Bằng cách phân tích cấu trúc liên kết, thuật toán AI có thể xác định các trang web và tác giả có ảnh hưởng, cũng như phát hiện các cộng đồng, cộng tác và mạng lưới nghiên cứu trong hệ sinh thái khoa học dựa trên web [17].

Các kỹ thuật AI, chẳng hạn như xử lý ngôn ngữ tự nhiên và học máy, có thể được sử dụng để phân tích nội dung của các trang web và ấn phẩm khoa học có sẵn trực tuyến [40, 41]. Điều này cho phép các nhà nghiên cứu trích xuất thông tin chính, chẳng hạn như từ khóa, chủ đề và cảm xúc, từ các tài liệu dựa trên web, tạo điều kiện cho việc phân tích và hiểu biết toàn diện về kết quả nghiên cứu.

AI có thể phân tích các nền tảng truyền thông xã hội, chẳng hạn như Twitter, để hiểu các cuộc thảo luận, xu hướng và tương tác trực tuyến liên quan đến nghiên cứu khoa học [36, 38, 44]. Bằng cách phân tích thẻ bắt đầu bằng #, lượt đề cập và hành vi của người dùng, thuật toán AI có thể xác định các chủ đề nghiên cứu có ảnh hưởng, những người có quan điểm chính và sự hợp tác tiềm năng trong cộng đồng khoa học trực tuyến, như đã được chứng minh trong các công trình trước đó.

AI có thể đánh giá tác động và khả năng hiển thị của nghiên cứu khoa học trên web [37, 46]. Thật vậy, bằng cách phân tích lưu lượng truy cập web, lượt xem trang và số liệu truyền thông xã hội, thuật toán AI có thể cung cấp thông tin chi tiết về khả năng hiển thị, phổ biến và tương tác trực tuyến của các ấn phẩm khoa học, tác giả và tổ chức nghiên cứu.

“Cuối cùng”, hệ thống đề xuất được hỗ trợ bởi AI có thể hỗ trợ các nhà nghiên cứu khám phá các trang web khoa học có liên quan, tài nguyên trực tuyến và hợp tác nghiên cứu [35, 45]. Các bài viết này, dựa trên sở thích của người dùng, hành vi đọc và dữ liệu sử dụng web, cho thấy các đề xuất được cá nhân hóa có thể được tạo bằng thuật toán AI, giúp các nhà nghiên cứu khám phá bối cảnh khoa học dựa trên web dễ dàng hơn và khám phá những cơ hội mới để nghiên cứu sâu hơn.