سال 13، شماره 1 - ( 3-1405 )
دوره 13 شماره 1 صفحات 93-80 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Haddad Araghi S, Ghiasi M, Razavi S A A. Mapping the Conceptual Structure of Artificial Intelligence Applications in Libraries: A Scientometric Study Based on Web of Science Data. CJS 2026; 13 (1) :80-93
URL: http://cjs.mubabol.ac.ir/article-1-412-fa.html
URL: http://cjs.mubabol.ac.ir/article-1-412-fa.html
حداد عراقی سیمین، قیاسی میترا، رضوی سید علی اصغر. ترسیم نقشه مفهومی کاربردهای هوش مصنوعی در کتابخانهها: مطالعهای علمسنجی مبتنی بر دادههای پایگاه Web of Science. مجله علم سنجي كاسپين. 1405; 13 (1) :80-93
گروه علم اطلاعات و دانششناسی، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران ، Mitra.ghiasi@iau.ac.ir
چکیده: (14 مشاهده)
سابقه و هدف: همزمان با گسترش کاربرد هوش مصنوعی، مطالعات متعددی نیز به بررسی کاربردهای این فناوری در کتابخانهها و مراکز اطلاعرسانی پرداختهاند. پژوهش حاضر با هدف شناسایی ساختار مفهومی حوزه کاربردهای هوش مصنوعی در کتابخانهها و تبیین روندهای پژوهشی آن انجام شد.
مواد و روشها: این مطالعه از نوع علمسنجی بوده و با استفاده از تحلیل همواژگانی انجام شده است. جامعه پژوهش شامل ۸۴۰۳ مدرک نمایهشده در پایگاه Web of Science طی سالهای ۲۰۰۰ تا ۲۰۲۴ است. در مجموع ۳۰۸۵۱ کلیدواژه نویسندگان استخراج شد و پس از پاکسازی و استانداردسازی، ۱۵۳۶۰ کلیدواژه یکتا باقی ماند. تحلیل دادهها با استفاده از نرمافزارهای BibExcel و VOSviewer انجام شد؛ BibExcel برای آمادهسازی دادهها و تشکیل ماتریس همرخدادی واژگان و VOSviewer برای ترسیم نقشه همواژگانی، نمایش شبکه روابط میان مفاهیم و شناسایی خوشههای موضوعی بر اساس تکنیک خوشهبندی VOS بهکار رفت. شاخصهای مرکزیت و تراکم نیز برای تحلیل نمودار راهبردی استفاده شدند.
یافتهها: یافتهها نشان داد که از میان کلیدواژههای استخراجشده، مفاهیم «هوش مصنوعی» با بسامد وقوع ۱۱۹۲، «یادگیری ماشین» با بسامد وقوع ۹۶۹ و «پردازش زبان طبیعی» با بسامد وقوع ۶۴۳، پرتکرارترین کلیدواژهها در دادههای پژوهش بودند. قویترین روابط همرخدادی میان کلیدواژههای «هوش مصنوعی–یادگیری ماشین» با فراوانی همرخدادی ۱۴۵ و «یادگیری ماشین–پردازش زبان طبیعی» با فراوانی همرخدادی ۱۳۱ مشاهده شد. تحلیل خوشهای به شناسایی هشت خوشه مفهومی منجر گردید. میانگین مرکزیت خوشهها ۳۵/۱ و میانگین تراکم آنها ۰/۸۶۴ بهدست آمد. خوشههای «خدمات نوین و تعامل کاربر» (۷۸/۱۵؛ ۰/۴۴۴)، «اخلاق و حکمرانی هوش مصنوعی» (۴۲/۱۲؛ ۰/۶۷۹) و «مدلهای یادگیری ماشین و سیستمهای توصیهگر» (۴۵/۱۴؛ ۰/۸۳۶) دارای مرکزیت بالاتر از میانگین بودند، در حالی که خوشههای «مدلهای زبانی بزرگ و بازیابی اطلاعات» (۲۹/۸۱؛ ۱/۵۹) و «تحلیل احساسات و شناسایی اخبار نادرست» (۳۲/۵؛ ۲/۳۲) بیشترین تراکم را نشان دادند. هیچ خوشهای در ناحیه محوری و تثبیتشده نمودار راهبردی قرار نگرفت.
نتیجهگیری: با توجه به مرکزیت بالای خوشههای مرتبط با خدمات نوین، اخلاق و حکمرانی هوش مصنوعی و مدلهای یادگیری ماشین، و نیز تراکم بالای خوشههای مدلهای زبانی بزرگ و تحلیل احساسات، تقویت زیرساختهای فناورانه، آموزش سواد الگوریتمی کتابداران و تدوین سیاستهای اخلاقی و اجرایی برای استفاده مسئولانه از هوش مصنوعی، از الزامات کلیدی توسعه این حوزه در کتابخانهها بهشمار میرود.
مواد و روشها: این مطالعه از نوع علمسنجی بوده و با استفاده از تحلیل همواژگانی انجام شده است. جامعه پژوهش شامل ۸۴۰۳ مدرک نمایهشده در پایگاه Web of Science طی سالهای ۲۰۰۰ تا ۲۰۲۴ است. در مجموع ۳۰۸۵۱ کلیدواژه نویسندگان استخراج شد و پس از پاکسازی و استانداردسازی، ۱۵۳۶۰ کلیدواژه یکتا باقی ماند. تحلیل دادهها با استفاده از نرمافزارهای BibExcel و VOSviewer انجام شد؛ BibExcel برای آمادهسازی دادهها و تشکیل ماتریس همرخدادی واژگان و VOSviewer برای ترسیم نقشه همواژگانی، نمایش شبکه روابط میان مفاهیم و شناسایی خوشههای موضوعی بر اساس تکنیک خوشهبندی VOS بهکار رفت. شاخصهای مرکزیت و تراکم نیز برای تحلیل نمودار راهبردی استفاده شدند.
یافتهها: یافتهها نشان داد که از میان کلیدواژههای استخراجشده، مفاهیم «هوش مصنوعی» با بسامد وقوع ۱۱۹۲، «یادگیری ماشین» با بسامد وقوع ۹۶۹ و «پردازش زبان طبیعی» با بسامد وقوع ۶۴۳، پرتکرارترین کلیدواژهها در دادههای پژوهش بودند. قویترین روابط همرخدادی میان کلیدواژههای «هوش مصنوعی–یادگیری ماشین» با فراوانی همرخدادی ۱۴۵ و «یادگیری ماشین–پردازش زبان طبیعی» با فراوانی همرخدادی ۱۳۱ مشاهده شد. تحلیل خوشهای به شناسایی هشت خوشه مفهومی منجر گردید. میانگین مرکزیت خوشهها ۳۵/۱ و میانگین تراکم آنها ۰/۸۶۴ بهدست آمد. خوشههای «خدمات نوین و تعامل کاربر» (۷۸/۱۵؛ ۰/۴۴۴)، «اخلاق و حکمرانی هوش مصنوعی» (۴۲/۱۲؛ ۰/۶۷۹) و «مدلهای یادگیری ماشین و سیستمهای توصیهگر» (۴۵/۱۴؛ ۰/۸۳۶) دارای مرکزیت بالاتر از میانگین بودند، در حالی که خوشههای «مدلهای زبانی بزرگ و بازیابی اطلاعات» (۲۹/۸۱؛ ۱/۵۹) و «تحلیل احساسات و شناسایی اخبار نادرست» (۳۲/۵؛ ۲/۳۲) بیشترین تراکم را نشان دادند. هیچ خوشهای در ناحیه محوری و تثبیتشده نمودار راهبردی قرار نگرفت.
نتیجهگیری: با توجه به مرکزیت بالای خوشههای مرتبط با خدمات نوین، اخلاق و حکمرانی هوش مصنوعی و مدلهای یادگیری ماشین، و نیز تراکم بالای خوشههای مدلهای زبانی بزرگ و تحلیل احساسات، تقویت زیرساختهای فناورانه، آموزش سواد الگوریتمی کتابداران و تدوین سیاستهای اخلاقی و اجرایی برای استفاده مسئولانه از هوش مصنوعی، از الزامات کلیدی توسعه این حوزه در کتابخانهها بهشمار میرود.
نوع مطالعه: اصیل |
موضوع مقاله:
علم سنجی
دریافت: 1404/9/3 | ویرایش نهایی: 1405/3/13 | پذیرش: 1405/3/18 | انتشار الکترونیک: 1405/4/1
دریافت: 1404/9/3 | ویرایش نهایی: 1405/3/13 | پذیرش: 1405/3/18 | انتشار الکترونیک: 1405/4/1
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
