"En webmetría, la IA puede proporcionar varios beneficios específicos, incluido el rastreo web, la recopilación de datos...

Tabla de enlaces

Resumen e introducción

Materiales y métodos

Resultados

Pregunta 1: IA y cienciometría

Pregunta 2: IA y webmetría

RQ 3: IA y bibliometría

Discusión

Pregunta 4: El futuro de la cienciometría, la webometría y la bibliometría con IA

Pregunta 5: Consideraciones éticas de la cienciometría, la webometría y la bibliometría con IA

Conclusión, limitaciones y referencias

Pregunta 2: IA y webmetría

En webmetría, la IA puede proporcionar varios beneficios específicos, incluido el rastreo web y la recopilación de datos, el análisis de enlaces web, el análisis de contenido web, el análisis de redes sociales, el análisis de impacto web y los sistemas de recomendación, como se muestra en la Figura 3 y, por ejemplo, se ha demostrado a través de artículos como [9, 10, 21, 36-45].

Estas seis consideraciones apuntan a los beneficios potenciales y sugieren estrategias enfocadas para utilizar las capacidades de IA en webmetría. Los hallazgos resultantes resaltan cómo la IA puede mejorar la calidad, la accesibilidad y los procesos de recopilación de datos en los análisis webmétricos, como se describe en la Tabla 2.

De hecho, los algoritmos basados en inteligencia artificial pueden rastrear y recopilar datos automáticamente de sitios web, incluidos sitios web institucionales, portales de investigación científica y repositorios en línea [39, 42]. Esto permite a los investigadores recopilar grandes cantidades de información basada en la web para su análisis, incluidos datos de publicaciones, perfiles de autores y patrones de citas.

Para comprender la relación entre publicaciones, sitios web y autores, los enfoques de inteligencia artificial pueden analizar estructuras de hipervínculos y patrones de enlaces web [9, 43]. Al analizar la estructura de enlaces, los algoritmos de IA pueden identificar sitios web y autores influyentes, así como detectar comunidades, colaboraciones y redes de investigación dentro del ecosistema científico basado en la web [17].

Se pueden emplear técnicas de inteligencia artificial, como el procesamiento del lenguaje natural y el aprendizaje automático, para analizar el contenido de páginas web y publicaciones científicas disponibles en línea [40, 41]. Esto permite a los investigadores extraer información clave, como palabras clave, temas y opiniones, de documentos basados en la web, lo que facilita un análisis integral y la comprensión de los resultados de la investigación.

La IA puede analizar plataformas de redes sociales, como Twitter, para comprender los debates, las tendencias y las interacciones en línea relacionadas con la investigación científica [36, 38, 44]. Al analizar hashtags, menciones y comportamiento de los usuarios, los algoritmos de IA pueden identificar temas de investigación influyentes, líderes de opinión clave y posibles colaboraciones dentro de la comunidad científica en línea, como se demuestra en trabajos anteriores.

La IA puede evaluar el impacto y la visibilidad de la investigación científica en la web [37, 46]. De hecho, al analizar el tráfico web, las visitas a las páginas y las métricas de las redes sociales, los algoritmos de IA pueden proporcionar información sobre la visibilidad, difusión y participación en línea de publicaciones científicas, autores e instituciones de investigación.

“Finalmente”, los sistemas de recomendación impulsados por IA pueden ayudar a los investigadores a descubrir sitios web científicos relevantes, recursos en línea y colaboraciones de investigación [35, 45]. Estos artículos, basados en las preferencias de los usuarios, el comportamiento de lectura y los datos de uso de la web, muestran que se pueden generar recomendaciones personalizadas utilizando algoritmos de inteligencia artificial, lo que facilita a los investigadores explorar el panorama científico basado en la web y descubrir nuevas oportunidades para futuras investigaciones.