«В вебометрике искусственный интеллект может предоставить несколько конкретных преимуществ, включая веб-сканирование, 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 2: ИИ и вебометрика

В вебометрике ИИ может предоставить несколько конкретных преимуществ, включая веб-сканирование и сбор данных, анализ веб-ссылок, анализ веб-контента, анализ социальных сетей, анализ веб-влияния и системы рекомендаций, как показано на рисунке 3, и, например, это было продемонстрировано в таких документах, как [9, 10, 21, 36-45].

Эти шесть соображений указывают на потенциальные преимущества и предлагают целенаправленные стратегии использования возможностей ИИ в вебометрике. Полученные результаты показывают, как ИИ может улучшить качество, доступность и процессы сбора данных при вебометрическом анализе, как показано в таблице 2.

Действительно, алгоритмы, основанные на искусственном интеллекте, могут автоматически сканировать и собирать данные с веб-сайтов, включая институциональные веб-сайты, порталы научных исследований и онлайн-хранилища [39, 42]. Это позволяет исследователям собирать большие объемы веб-информации для анализа, включая данные публикаций, профили авторов и шаблоны цитирования.

Чтобы понять взаимосвязь между публикациями, веб-сайтами и авторами, подходы искусственного интеллекта могут анализировать структуры гиперссылок и шаблоны веб-ссылок [9, 43]. Анализируя структуру ссылок, алгоритмы ИИ могут идентифицировать влиятельные веб-сайты и авторов, а также обнаруживать сообщества, коллаборации и исследовательские сети в рамках научной сетевой экосистемы [17].

Методы искусственного интеллекта, такие как обработка естественного языка и машинное обучение, могут использоваться для анализа содержимого веб-страниц и научных публикаций, доступных в Интернете [40, 41]. Это позволяет исследователям извлекать ключевую информацию, такую как ключевые слова, темы и настроения, из веб-документов, способствуя всестороннему анализу и пониманию результатов исследований.

ИИ может анализировать платформы социальных сетей, такие как Twitter, чтобы понимать онлайн-дискуссии, тенденции и взаимодействия, связанные с научными исследованиями [36, 38, 44]. Анализируя хэштеги, упоминания и поведение пользователей, алгоритмы ИИ могут определять влиятельные темы исследований, ключевых лидеров мнений и потенциальное сотрудничество внутри научного онлайн-сообщества, как было продемонстрировано в таких предыдущих работах.

ИИ может оценить влияние и видимость научных исследований в сети [37, 46]. Действительно, анализируя веб-трафик, просмотры страниц и показатели социальных сетей, алгоритмы ИИ могут предоставить информацию о видимости, распространении и вовлеченности в Интернете научных публикаций, авторов и исследовательских учреждений.

«Наконец», рекомендательные системы на базе искусственного интеллекта могут помочь исследователям в поиске соответствующих научных веб-сайтов, онлайн-ресурсов и исследовательского сотрудничества [35, 45]. Эти документы, основанные на предпочтениях пользователей, поведении при чтении и данных об использовании Интернета, показывают, что персонализированные рекомендации могут быть созданы с использованием алгоритмов искусственного интеллекта, что облегчает исследователям изучение научного ландшафта в Интернете и открывает новые возможности для дальнейших исследований.