"Na webometria, a IA pode fornecer vários benefícios específicos, incluindo rastreamento da Web, coleta de dados...

Tabela de links

Resumo e introdução

Materiais e métodos

Resultados

RQ 1: IA e cienciometria

RQ 2: IA e webometria

RQ 3: IA e bibliometria

Discussão

RQ 4: Futuro da Cientometria, Webometria e Bibliometria com IA

RQ 5: Considerações Éticas de Cientometria, Webometria e Bibliometria com IA

Conclusão, Limitações e Referências

RQ 2: IA e webometria

Na webometria, a IA pode fornecer vários benefícios específicos, incluindo rastreamento da Web e coleta de dados, análise de links da Web, análise de conteúdo da Web, análise de mídia social, análise de impacto da Web e sistemas de recomendação, conforme esboçado na Figura 3 e, por exemplo, foi demonstrado por meio de artigos como [9, 10, 21, 36-45].

Estas 6 considerações apontam para os benefícios potenciais e sugerem estratégias focadas para a utilização de capacidades de IA em webometria. As conclusões resultantes destacam como a IA pode melhorar a qualidade, a acessibilidade e os processos de recolha de dados nas análises webométricas, conforme descrito na Tabela 2.

Na verdade, algoritmos baseados em inteligência artificial podem rastrear e coletar automaticamente dados de sites, incluindo sites institucionais, portais de pesquisa científica e repositórios online [39, 42]. Isso permite que os pesquisadores reúnam grandes quantidades de informações baseadas na web para análise, incluindo dados de publicação, perfis de autores e padrões de citação.

Para compreender a relação entre publicações, sites e autores, as abordagens de inteligência artificial podem analisar estruturas de hiperlinks e padrões de links da web [9, 43]. Ao analisar a estrutura de links, os algoritmos de IA podem identificar sites e autores influentes, bem como detectar comunidades, colaborações e redes de pesquisa dentro do ecossistema científico baseado na web [17].

Técnicas de IA, como processamento de linguagem natural e aprendizado de máquina, podem ser empregadas para analisar o conteúdo de páginas da web e publicações científicas disponíveis online [40, 41]. Isso permite que os pesquisadores extraiam informações importantes, como palavras-chave, tópicos e sentimentos, de documentos baseados na web, facilitando a análise abrangente e a compreensão dos resultados da pesquisa.

A IA pode analisar plataformas de mídia social, como o Twitter, para compreender as discussões, tendências e interações online relacionadas à pesquisa científica [36, 38, 44]. Ao analisar hashtags, menções e comportamento do usuário, os algoritmos de IA podem identificar tópicos de pesquisa influentes, principais líderes de opinião e colaborações potenciais dentro da comunidade científica online, conforme demonstrado em trabalhos anteriores.

A IA pode avaliar o impacto e a visibilidade da pesquisa científica na web [37, 46]. Na verdade, ao analisar o tráfego web, as visualizações de páginas e as métricas das redes sociais, os algoritmos de IA podem fornecer informações sobre a visibilidade online, a disseminação e o envolvimento de publicações científicas, autores e instituições de investigação.

“Finalmente”, os sistemas de recomendação alimentados por IA podem ajudar os pesquisadores a descobrir sites científicos relevantes, recursos online e colaborações de pesquisa [35, 45]. Esses artigos, baseados nas preferências do usuário, no comportamento de leitura e nos dados de uso da web, mostram que recomendações personalizadas podem ser geradas usando algoritmos de IA, facilitando aos pesquisadores a exploração do cenário científico baseado na web e a descoberta de novas oportunidades para pesquisas futuras.