«В библиометрии ИИ может предоставить несколько конкретных преимуществ, включая автоматический сбор данных…»

Таблица ссылок

Аннотация и введение

Материалы и методы

Полученные результаты

Вопрос 1: ИИ и наукометрия

Вопрос 2: ИИ и вебометрика

Вопрос 3: ИИ и библиометрия

Обсуждение

Вопрос 4: Будущее наукометрики, вебометрики и библиометрики с искусственным интеллектом

Вопрос 5: Этические аспекты наукометрии, вебометрики и библиометрии с использованием ИИ

Заключение, ограничения и ссылки

Вопрос 3: ИИ и библиометрия

В библиометрии ИИ может обеспечить несколько конкретных преимуществ, включая автоматический сбор данных, анализ цитирования, устранение неоднозначности авторов, анализ соавторства, анализ воздействия исследований, интеллектуальный анализ текста и рекомендательные системы (см. Рисунок 4), как анализируется в [28-30, 47- 53].

Эти шесть исследований демонстрируют потенциальные преимущества и стратегии использования возможностей ИИ в библиометрии. Среди основных результатов они подчеркивают, как ИИ может улучшить качество, доступность и процессы сбора данных в библиометрическом анализе (таблица 3).

Было показано, что алгоритмы ИИ могут автоматически собирать библиографические данные из различных источников, таких как онлайн-базы данных, академические библиотеки и цифровые репозитории [21, 49]. Это экономит время и усилия исследователей, занимающихся сбором данных, позволяя им сосредоточиться на других аспектах библиометрического анализа.

Заставляет задуматься: ИИ может анализировать сети цитирования для выявления влиятельных статей, авторов и журналов [28, 31], как уже упоминалось в разделе «ИИ и наукометрия». Изучая закономерности и взаимосвязи цитирования, алгоритмы ИИ могут помочь исследователям понять влияние и наглядность результатов исследований, а также определить ключевые тенденции исследований и сотрудничество.

Интересно, что методы искусственного интеллекта можно использовать для устранения неоднозначности авторов со схожими именами, что является распространенной проблемой в библиометрии [47, 53]. Анализируя принадлежность авторов, историю публикаций и сети соавторства, чтобы обеспечить точность библиометрического анализа, алгоритмы ИИ могут эффективно идентифицировать авторов со схожими именами и отличать их друг от друга.

Как уже упоминалось в разделе «ИИ и наукометрия», с помощью ИИ можно анализировать сети соавторства для выявления коллабораций и исследовательских сетей [28, 30]. Изучая закономерности и отношения соавторства, алгоритмы ИИ могут помочь исследователям понять динамику и структуру сотрудничества, а также выявить влиятельных исследователей и исследовательские группы. Это также может быть преимуществом во время финансирования.

ИИ может легко анализировать библиометрические показатели, такие как количество цитирований и индекс Хирша, чтобы оценить влияние и известность отдельных исследователей, исследовательских групп и учреждений [21, 48, 52]. При этом алгоритмы ИИ могут дать представление о продуктивности исследований, моделях цитирования и влиянии исследований с течением времени, помогая исследователям и учреждениям оценивать известность или результативность исследований.

И последнее, но не менее важное: методы искусственного интеллекта, включая обработку естественного языка, могут использоваться для анализа текстового содержания исследовательских публикаций [50, 51]. Таким образом, ключевые слова, темы и настроения могут быть извлечены из литературы, включая также контроль плагиата [54, 55], тем самым способствуя всестороннему анализу и пониманию результатов исследований [56].