作者：  （1）Hamid Reza Saeidnia，伊朗伊斯兰共和国德黑兰塔比亚特莫达雷斯大学信息科学与知识研究系；  （2）Elaheh Hosseini，伊朗伊斯兰共和国德黑兰阿尔扎赫拉大学心理学与教育科学学院信息科学与知识研究系 （3）Shadi Abdoli，加拿大蒙特利尔大学信息科学系 （4）马塞尔·奥斯洛斯（Marcel Ausloos），英国莱斯特大学商学院及罗马尼亚布加勒斯特经济研究大学教授。 链接表 摘要和引言 材料和方法 结果 RQ 1：人工智能和科学计量学 RQ 2：人工智能和网络计量学 RQ 3：人工智能和文献计量学 讨论 RQ 4：人工智能在科学计量学、网络计量学和文献计量学中的未来 RQ 5：人工智能在科学计量学、网络计量学和文献计量学中的伦理考量 结论、局限性和参考文献 结论 在本报告中，我们通过文献中的大量示例强调了将人工智能算法与科学计量学、网络计量学和文献计量学相结合的重要性和潜力。人工智能算法在这些领域经历的范式转变已被证明为分析、预测和基于模式挖掘的推荐提供了新的可能性。在这篇评论中，本文有助于强调将人工智能融入科学计量学、网络计量学和文献计量学的突出前景和价值，即表明通过这种整合可以实现和促进的协同作用。 简而言之，人工智能通过提供高效、准确的方法来分析科学出版物、引文网络和合作关系并从中得出见解，从而帮助科学计量学。这应该使研究人员能够更深入地了解科学知识、趋势和影响，促进更好的决策和科学研究的进步。此外，人工智能通过提供高效、自动化的方法来分析基于网络的科学数据、了解链接结构和社交互动、评估网络影响并提供个性化建议，增强了网络计量学。这使研究人员能够深入了解基于网络的科学生态系统，促进合作，并提高数字时代的研究可见性和影响力。此外，人工智能通过自动化数据收集、提供准确的作者消歧义、分析引文网络、评估研究影响和提供个性化建议，增强了文献计量学领域的活动。这使研究人员能够深入了解学术交流、评估研究表现并在文献计量分析中做出明智的决策。总体而言，人工智能为科学计量学、网络计量学和文献计量学提供了一种高效且可扩展的方法，使研究人员能够从庞大而多样的科学信息来源中提取有意义的见解。 总之，将人工智能 (AI) 融入科学计量学、网络计量学和文献计量学，对于促进这些领域的研究和理解具有巨大的潜力。人工智能可以增强数据收集、分析、预测和评估过程，为研究人员提供宝贵的见解并改善决策过程。 然而，在这些领域使用人工智能也引发了必须谨慎处理的重要伦理问题。数据隐私和安全、偏见和公平、透明度和可解释性、问责制和责任制、知情同意、对就业和社会的影响以及持续监测和评估是应考虑的关键伦理问题。为了确保负责任和合乎道德地使用人工智能，跨学科合作、利益相关者参与和持续评估至关重要。研究人员、政策制定者、伦理学家和来自各个领域的利益相关者应共同努力，制定指导方针、框架和最佳实践，促进在科学计量学、网络计量学和文献计量学中合乎道德地使用人工智能。通过解决这些伦理问题，我们可以充分利用人工智能的潜力来推进知识、改进研究实践并为改善社会做出贡献，同时确保使用这些技术的公平性、透明度和问责制。 限制 在本研究中，我们没有将灰色文献纳入我们的搜索和审查流程，也没有手动在 Google Scholar 中搜索。相反，我们的目的是专注于在可靠的数据库中进行搜索。虽然 Google Scholar 通常被称为数据库，但它实际上是一个搜索引擎，可能不包含高质量的文章，可能只检索可靠的研究。通过不在 Google Scholar 中搜索，我们旨在最大限度地减少重叠研究的数量。 然而，值得注意的是，这种高度技术性的方法可能会导致我们忽略某些文章，这可能会导致我们的研究遗漏相关信息。我们认为，在撰写和提交本文之前，我们已经避免了太多遗漏。然而，对于未来的研究，进行包括灰色文献在内的全面审查可能会有所帮助，以便为读者提供更广阔的视角。 参考 Darko A、Chan AP、Adabre MA、Edwards DJ、Hosseini MR、Ameyaw EE。AEC 行业中的人工智能：研究活动的科学计量分析和可视化。建筑自动化。2020；112：103081。  Park S, Park HW。危机期间电子口碑 (eWOM) 特征的网络计量网络分析和消费者评论的机器学习方法。Profesional de la Información。2020；29(5)。  Van Raan A. 科学计量学：最新进展。科学计量学。1997;38(1):205-18。  Bharvi D, Garg K, Bali A.国际期刊《科学计量学》。《科学计量学》。2003；56（1）：81-93。  Thelwall M, Vaughan L, Björneborn L. Webometrics。信息科学与技术年度评论。2005;39(1):81-135。  Björneborn L、Ingwersen P. 网络计量学视角。科学计量学。 2001；50：65-82。  McBurney MK、Novak PL 编辑。什么是文献计量学？你为什么要关心它？IEEE 国际专业通信会议论文集；2002 年：IEEE。  Cooper ID。文献计量学基础。《医学图书馆协会杂志》：JMLA。2015；103(4)：217。  Xu Y, Liu X, Cao X, Huang C, Liu E, Qian S 等。人工智能：科学研究的强大范式。创新。2021；2(4)。  Melnikova E.大数据技术在现代科学计量学科研方法与手段中的应用。科学技术信息处理。2022；49（2）：102-7。  Tapeh ATG，Naser M. 结构工程中的人工智能、机器学习和深度学习：趋势和最佳实践的科学计量学回顾。工程计算方法档案。2023；30(1)：115-59。  Saeidnia H. 使用 ChatGPT 作为数字/智能参考机器人：ChatGPT 如何影响数字参考服务？信息很重要。2023；2(5)。  Saeidnia H. Open AI，ChatGPT：生存还是毁灭，这是个问题。信息很重要。2023；3(6)。  Yuan S、Shao Z、Wei X、Tang J、Hall W、Wang Y 等人。人工智能背后的科学：趋势、移动性和协作的演变。科学计量学。2020；124：993-1013。  Chaudhuri N、Gupta G、Vamsi V、Bose I。在平台上，但他们会购买吗？使用深度学习预测客户的购买行为。决策支持系统。2021；149：113622。  G. Martín A、Fernández-Isabel A、Martín de Diego I、Beltrán M. 基于机器学习技术的用户行为分析调查：当前模型和应用。应用智能。2021；51(8)：6029-55。  Saeidnia HR。道德人工智能 (AI)：应对图书馆和信息行业的偏见和歧视。图书馆高科技新闻。2023；提前印刷（提前印刷）。doi：10.1108/LHTN-10-2023-0182。  Hain D、Jurowetzki R、Lee S、Zhou Y。机器学习和人工智能在科学、技术、创新测绘和预测中的应用：回顾、综合和应用。科学计量学。2023；128(3)：1465-72。  Tricco AC、Lillie E、Zarin W、O'Brien KK、Colquhoun H、Levac D 等。PRISMA 范围审查扩展 (PRISMA-ScR)：检查表和说明。内科年鉴。2018；169(7)：467-  Epub 2018/09/05。doi：10.7326/m18-0850。PubMed PMID：30178033。  Holzmann GJ、Peled DA、Yannakakis M。关于嵌套深度优先搜索。自旋验证系统。1996；32：81-9。  Donthu N、Kumar S、Mukherjee D、Pandey N、Lim WM。如何进行文献计量分析：概述和指南。商业研究杂志。2021；133：285-96。  Caputo A, Kargina M. 一种在文献计量分析过程中合并 Scopus 和 Web of Science 数据的用户友好型方法。《市场营销分析杂志》。2022；10(1)：82-8。  Chen X, Chen J, Cheng G, Gong T. 人工智能辅助人脑研究的主题和趋势。PLoS One。2020；15(4)：e0231192。  Abrishami A, Aliakbary S. 基于深度神经网络学习技术预测引用计数。《信息计量学杂志》。2019；13(2):485-99。  Corea F, Corea F. AI知识图谱：如何对AI技术进行分类。数据简介：您需要了解的有关AI，大数据和数据科学的一切。2019：25-9。  Jebari C, Herrera-Viedma E, Cobo MJ。使用引文上下文检测研究主题的演变：大规模分析。科学计量学。2021；126(4)：2971-89。 马阿，刘燕，徐晓燕，董婷。基于深度学习的具有论文元数据语义特征的引文计数预测模型。科学计量学。2021；126(8)：6803-23。  Maghsoudi M、Shokouhyar S、Ataei A、Ahmadi S、Shokoohyar S。可持续供应链中人工智能应用的合著网络分析：关键参与者和主题。清洁生产杂志。2023；422：138472。  Pedro F、Subosa M、Rivas A、Valverde P。教育中的人工智能：可持续发展的挑战和机遇。2019 年。  Ullah M、Shahid A、Roman M、Assam M、Fayaz M、Ghadi Y 等人。使用共同作者网络分析跨学科研究。复杂性。2022；2022。  Zhao Q, Feng X. 利用引文网络结构预测论文引用次数：一种深度学习方法。《信息计量学杂志》。2022；16（1）：101235。  Saeidnia HR、Kozak M、Lund B、Mannuru NR、Keshavarz H、Elango B 等。学术图书馆服务移动应用程序的设计、开发、实施和评估：发展中国家的研究。信息技术和图书馆。2023；42(3)。  Soleymani H、Saeidnia HR、Ausloos M、Hassanzadeh M。人工智能 (AI) 时代的选择性信息传播 (SDI)。图书馆高科技新闻。2023；提前印刷 (提前印刷)。doi：10.1108/LHTN-08-2023-0156。  Fazeli-Varzaneh M、Ghorbi A、Ausloos M、Sallinger E、Vahdati S。冠状病毒研究中的睡美人。Ieee Access。2021；9：21192-205。  Ceptureanu S、Cerqueti R、Alexandru A、Popescu D、Dhesi G、Ceptureanu E。区块链采用对技术转让、绩效和供应链集成、灵活性和响应能力的影响。IT&C 中型企业的案例研究。信息学和控制研究。2021；30(3)：61-74。  Amjad S、Younas M、Anwar M、Shaheen Q、Shiraz M、Gani A。数据挖掘技术用于分析社交媒体对高中生学业成绩的影响。无线通信和移动计算。2022；2022：1-11。  Barclay I、Taylor H、Preece A、Taylor I、Verma D、de Mel G。通过提高贡献的可见性来促进共享人工智能模型透明度的框架。并发与计算：实践与经验。2021；33(19)：e6129。  Grover P、Kar AK、Dwivedi YK。了解运营管理中人工智能的采用：从学术文献和社交媒体讨论的回顾中获得的见解。《运筹学年鉴》。2022；308(1-2)：177-213。  Khder MA。Web 抓取或 Web 爬取：最新技术、技术、方法和应用。国际软计算及其应用进展杂志。2021；13(3)。  Maulud DH、Zeebaree SR、Jacksi K、Sadeeq MAM、Sharif KH。自然语言处理语义分析的最新进展。Qubahan 学术期刊。2021；1(2)：21-8。  Serafini F，Reid SF。多模态内容分析：扩展内容分析的分析方法。视觉传达。2019：1470357219864133。  Serrano W. 大数据和网络搜索中的神经网络。数据。2018；4(1):7。 王伟，余琳。UCrawler：一种使用 URL 知识库的基于学习的网络爬虫。《科学与工程计算方法杂志》。2021；21(2)：461-74。  Wu L, Dodoo NA, Wen TJ, Ke L. 基于自然语言处理理解 Twitter 上有关广告中人工智能的对话。国际广告杂志。2022；41(4)：685-702。  Zhang Q, Lu J, Jin Y. 推荐系统中的人工智能。复杂与智能系统。2021；7(1):439-57。doi：10.1007/s40747-020-00212-w。  Xu Y, Liu X, Cao X, Huang C, Liu E, Qian S 等。人工智能：科学研究的强大范例。创新。2021；2(4)：100179。doi：https:   。 //doi.org/10.1016/j.xinn.2021.100179  Abramo G, D'Angelo CA。无监督作者消歧算法在研究组织绩效评估中的可靠性如何？定量科学研究。2023：1-26。  Al-Jamimi HA、BinMakhashen GM、Bornmann L. 使用文献计量学对新兴市场经济体的研究进行评估：对文献计量指标的回顾与讨论。科学计量学。2022；127(10)：5879-930。  Cox AM、Mazumdar S。为图书馆员定义人工智能。《图书馆学与情报科学杂志》。0(0):09610006221142029。doi: 10.1177/09610006221142029。  Eisenstein J.自然语言处理简介：麻省理工学院出版社；2019 年。  Kang Y, Cai Z, Tan CW, Huang Q, Liu H. 管理研究中的自然语言处理（NLP）：文献综述。《管理分析杂志》。2020；7（2）：139-72。  Loan FA、Nasreen N、Bashir B. 作者是公平竞争还是操纵 Google Scholar h-index？Library Hi Tech。2022；40(3)：676-84。  Rehs A. 一种用于消除 Web of Science 中作者歧义的监督机器学习方法。《信息计量学杂志》。2021；15(3)：101166。  Mohammadzadeh Z、Ausloos M、Saeidnia HR。ChatGPT：高科技抄袭等待学术出版绿灯。非同质化代币 (NFT) 可以成为一种出路。图书馆高科技新闻。2023 年。  Saeidnia HR，Lund BD。非同质化代币 (NFT)：一种安全有效的防止科学出版抄袭的方法。图书馆高科技新闻。2023；40(2)：18-9。  Mrowinski MJ、Fronczak P、Fronczak A、Ausloos M 和 Nedic O。同行评审中的人工智能：进化计算如何支持期刊编辑？PloS one。2017；12（9）：e0184711。  Piva F、Tartari F、Giulietti M、Aiello MM、Cheng L、Lopez-Beltran A 等。通过人工神经网络预测美国未来的癌症负担。未来肿瘤学。2020；17(2):159-68。  Brewer R、Westlake B、Hart T、Arauza O。网络犯罪研究中网络爬取和网络抓取的伦理问题：解决与自动数据收集相关的同意、隐私和其他潜在危害问题。收录于：Lavorgna A、Holt TJ 编辑。研究网络犯罪：方法论、伦理和批判性方法。Cham：Springer International Publishing；2021 年。第 435-56 页。  Alaidi AHM、Roa'a M、ALRikabi H、Aljazaery IA、Abbood SH。使用数据挖掘技术对暗网非法活动进行抓取和分类。iJIM。2022；16(10)：123。  Thomas DM、Mathur S 编辑。使用 Python 进行网页抓取数据分析。2019 年第三届电子、通信和航空航天技术国际会议 (ICECA)；2019 年：IEEE。  Korkmaz M、Sahingoz OK、Diri B 编辑。使用基于机器学习的 URL 分析检测网络钓鱼网站。2020 年第 11 届计算、通信和网络技术国际会议 (ICCCNT)；2020 年：IEEE。 袁华，陈晓，李燕，杨哲，刘伟，编辑。根据 URL 和网页链接检测钓鱼网站和目标。2018 年第 24 届国际模式识别会议 (ICPR)；2018 年：IEEE。  Dutta AK。使用机器学习技术检测网络钓鱼网站。PloS one。2021；16(10)：e0258361。  Jalil S, Usman M, Fong A.基于机器学习的高精度网络钓鱼 URL 检测。《环境智能与人性化计算杂志》。2023；14(7)：9233-51。  Kiesel J、Meyer L、Kneist F、Stein B、Potthast M 编辑。网页分割算法的实证比较。欧洲信息检索会议；2021 年：Springer。  Balaji T、Annavarapu CSR、Bablani A。社交媒体分析的机器学习算法：一项调查。计算机科学评论。2021；40：100395。  Rietz T. 设计基于人工智能的定性数据收集和分析系统。2021 年。  Nicholson JM、Mordaunt M、Lopez P、Uppala A、Rosati D、Rodrigues NP 等人。Scite：一种智能引文索引，可显示引文上下文并使用深度学习对其意图进行分类。定量科学研究。2021；2(3)：882-98。  Mihaljević H, Santamaría L. 使用监督学习和图论方法消除 ADS 中作者实体的歧义。科学计量学。2021；126(5)：3893-917。doi：10.1007/s11192-021-03951-w。  Tekles A, Bornmann L. 文献计量数据的作者姓名消歧义：几种无监督方法的比较1。定量科学研究。2020；1(4)：1510-28。doi：10.1162/qss_a_00081。  Grodzinski N、Grodzinski B、Davies BM。共同作者网络是否可用于预测作者研究影响力？退行性颈椎病研究领域的基于机器学习的分析。Plos one。2021；16(9)：e0256997。  Fonseca Bde P、Sampaio RB、Fonseca MV、Zicker F。健康研究中的合著者网络分析：方法和潜在用途。健康研究政策和系统。2016；14(1)：34。电子版 2016/05/04。doi：10.1186/s12961-016-0104-5。PubMed PMID：27138279；PubMed Central PMCID：PMCPMC4852432。  Hancock JT、Naaman M、Levy K。人工智能介导的沟通：定义、研究议程和伦理考量。《计算机介导传播杂志》。2020；25(1)：89-100。  Safdar NM、Banja JD、Meltzer CC。人工智能中的伦理考量。《欧洲放射学杂志》。2020；122：108768。  Pratomo AB、Mokodenseho S、Aziz AM。《增强信息系统安全性和隐私性的数据加密和匿名化技术》。《西部科学信息系统与技术》。2023；1(01)：1-9。  Ferrer X、van Nuenen T、Such JM、Coté M、Criado N。人工智能中的偏见和歧视：跨学科视角。IEEE 技术与社会杂志。2021；40(2)：72-80。  Ferrara E. 人工智能中的公平性与偏见：来源、影响和缓解策略的简要调查。arXiv 预印本 arXiv:230407683。2023 年。  Gichoya JW、Thomas K、Celi LA、Safdar N、Banerjee I、Banja JD 等。《人工智能的陷阱和禁忌：减轻人工智能中的偏见》。《英国放射学杂志》。2023：20230023。  von Eschenbach WJ。透明度和黑箱问题：为什么我们不信任人工智能。哲学与技术。2021；34(4)：1607-22。  Yazdanpanah V、Gerding EH、Stein S、Dastani M、Jonker CM、Norman TJ 等。关于自主系统责任的推理：挑战与机遇。人工智能与社会。2023；38(4)：1453-64。 该论文可 。 在 arxiv 上根据 CC BY 4.0 DEED 许可获取

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Decentralize AI Technology

decentralizeai

該音頻是用故事的原始語言製作的！

“人工智能可以增强数据收集、分析、预测和评估过程”

About Author

註釋

標籤

这篇文章刊登在

Related Stories

比特币 UTXO 模型，为独特的生态系统提供动力

看不见的层面：为什么用户访谈是不可替代的资产

使用这 18 种开发工具来提高你的工作效率 🚀🔥

Telegram：加密岛通往大陆的桥梁

比特币 UTXO 模型，为独特的生态系统提供动力

看不见的层面：为什么用户访谈是不可替代的资产

使用这 18 种开发工具来提高你的工作效率 🚀🔥

Telegram：加密岛通往大陆的桥梁

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps