“人工智能可以增强数据收集、分析、预测和评估过程”

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

1. 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。

   
   

2. 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)。

   
   

3. Van Raan A. 科学计量学：最新进展。科学计量学。1997;38(1):205-18。

   
   

4. 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。

   
   

5. Thelwall M, Vaughan L, Björneborn L. Webometrics。信息科学与技术年度评论。2005;39(1):81-135。

   
   

6. Björneborn L、Ingwersen P. 网络计量学视角。科学计量学。 2001；50：65-82。

   
   

7. 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。

8. Cooper ID。文献计量学基础。《医学图书馆协会杂志》：JMLA。2015；103(4)：217。

   
   

9. 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)。

   
   

10. 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。

    
    

11. 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。

    
    

12. 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)。

    
    

13. Saeidnia H. Open AI，ChatGPT：生存还是毁灭，这是个问题。信息很重要。2023；3(6)。

    
    

14. 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。

    
    

15. 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。

    
    

16. 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。

    
    

17. 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。

    
    

18. 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。

    
    

19. 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-

20. Epub 2018/09/05。doi：10.7326/m18-0850。PubMed PMID：30178033。

    
    

21. 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。

    
    

22. 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。

    
    

23. 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。

    
    

24. 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。

    
    

25. 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。

    
    

26. 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。

    
    

27. 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。

    
    

28. 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。

    
    

29. 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。

    
    

30. 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。

    
    

31. 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。

    
    

32. 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。

    
    

33. 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)。

    
    

34. 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。

    
    

35. 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。

    
    

36. 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。

    
    

37. 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。

    
    

38. 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。

    
    

39. 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。

    
    

40. 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)。

    
    

41. 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。

    
    

42. 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。

    
    

43. Serrano W. 大数据和网络搜索中的神经网络。数据。2018；4(1):7。

    
    

44. 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。

    
    

45. 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。

    
    

46. 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。

    
    

47. 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 。

    
    

48. 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。

    
    

49. 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。

    
    

50. 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。

    
    

51. Eisenstein J.自然语言处理简介：麻省理工学院出版社；2019 年。

    
    

52. 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。

    
    

53. 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。

    
    

54. 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。

    
    

55. 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。

    
    

56. 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。

    
    

57. 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。

    
    

58. 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。

    
    

59. 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。

    
    

60. 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。

    
    

61. 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。

    
    

62. 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。

    
    

63. 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。

    
    

64. Dutta AK。使用机器学习技术检测网络钓鱼网站。PloS one。2021；16(10)：e0258361。

    
    

65. 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。

    
    

66. 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。

    
    

67. 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。

    
    

68. Rietz T. 设计基于人工智能的定性数据收集和分析系统。2021 年。

    
    

69. 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。

    
    

70. 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。

    
    

71. 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。

    
    

72. 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。

    
    

73. 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。

    
    

74. 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。

    
    

75. 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。

    
    

76. 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。

    
    

77. 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。

    
    

78. 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。

    
    

79. 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。

    
    

80. 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。

    
    

81. 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。