"Thuật toán AI có thể phân tích khối lượng lớn các ấn phẩm khoa học và trích xuất thông tin có giá trị"

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 1: AI và khoa học đo lường

Trong khoa học đo lường, AI có thể mang lại một số lợi ích cụ thể bao gồm Phân tích xuất bản, Phân tích trích dẫn, Dự đoán tác động của nghiên cứu, Phân tích cộng tác, Phân tích xu hướng nghiên cứu và Lập bản đồ tri thức. Lợi ích của AI trong sáu trường con như vậy (Hình 2) đã được thảo luận, ví dụ: trong [21-31].

12 nghiên cứu này chứng minh những lợi ích và chiến lược tiềm năng trong việc sử dụng khả năng AI trong khoa học lượng học. Cách AI có thể cải thiện chất lượng, khả năng tiếp cận và quy trình thu thập dữ liệu trong các phân tích khoa học được nêu rõ hơn trong Bảng 1.

Điểm chính là thuật toán AI có thể phân tích khối lượng lớn các ấn phẩm khoa học và trích xuất thông tin có giá trị, chẳng hạn như tên tác giả và đồng tác giả, liên kết, từ khóa và trích dẫn [21, 22]. Kết quả là, các nhà nghiên cứu có thể hiểu rõ hơn về các mô hình xuất bản, mạng lưới nghiên cứu và sự hợp tác trong một lĩnh vực khoa học cụ thể [32, 33].

Hơn nữa, thuật toán AI có thể phân tích mạng trích dẫn để xác định tác động và tầm ảnh hưởng của các bài báo khoa học, cũng như mối quan hệ giữa các công trình nghiên cứu khác nhau [22, 24, 31]. Các nhà nghiên cứu có thể sử dụng phương pháp này để xác định các bài báo có giá trị và được trích dẫn nhiều, - thậm chí cả những người đẹp đang ngủ trong rừng [34] cũng như để hiểu được động lực của việc phổ biến kiến thức khoa học.

Điều thú vị là các kỹ thuật AI có thể được sử dụng để dự đoán tác động của nghiên cứu khoa học dựa trên nhiều yếu tố khác nhau, chẳng hạn như danh tiếng của tác giả, chất lượng tạp chí và mô hình trích dẫn [27]. Phân tích dữ liệu lịch sử cho phép các mô hình AI cung cấp cái nhìn sâu sắc về tác động tiềm tàng của nghiên cứu, cho phép các nhà nghiên cứu và tổ chức xác định hướng hành động tốt nhất.

Mạng lưới đồng tác giả có thể được phân tích bằng AI để xác định và hiểu rõ sự hợp tác nghiên cứu [28, 30]. Bằng cách phân tích lịch sử xuất bản, liên kết của tác giả và mô hình đồng tác giả, AI có thể giúp các nhà nghiên cứu xác định các cộng tác viên và mạng lưới nghiên cứu tiềm năng, cho phép trao đổi kiến thức và cộng tác tốt hơn.

Để xác định các xu hướng và chủ đề nghiên cứu mới nổi, AI có thể phân tích tài liệu khoa học quy mô lớn [23, 26, 35] Ví dụ: bằng cách sử dụng các kỹ thuật xử lý ngôn ngữ tự nhiên, thuật toán AI có thể tự động trích xuất từ khóa, chủ đề và xu hướng từ các ấn phẩm khoa học, giúp các nhà nghiên cứu xác định các hướng nghiên cứu mới và cập nhật những tiến bộ mới nhất trong lĩnh vực của họ.

“Cuối cùng”, AI có thể lập bản đồ bối cảnh kiến thức khoa học bằng cách phân tích mối quan hệ giữa các bài báo, từ khóa và khái niệm khoa học khác nhau [25, 29]. Ngoài việc tạo điều kiện thuận lợi cho việc đánh giá tài liệu, tạo giả thuyết và lập kế hoạch nghiên cứu, hình ảnh trực quan này còn cho phép các nhà nghiên cứu hình dung và hiểu cấu trúc cũng như sự phát triển của kiến thức trong một lĩnh vực nghiên cứu cụ thể.