گروه کامپیوتر، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران ، aminmohamadi.info@gmail.com
چکیده: (9 مشاهده)
سابقه و هدف: رباتیک جمعی و محاسبات الهامگرفته از طبیعت بهعنوان حوزههایی میانرشتهای، با تلفیق هوش مصنوعی، زیستشناسی محاسباتی، الگوریتمهای بهینهسازی و سامانههای رباتیک خودمختار، در سالهای اخیر رشد چشمگیری داشتهاند. با وجود افزایش سریع تولیدات علمی، تاکنون تصویری جامع از سیر تکامل فکری، ساختار دانشی و روندهای نوظهور این حوزه ارائه نشده است. ازاینرو، پژوهش حاضر با هدف انجام یک تحلیل علمسنجی بهمنظور شناسایی روندهای پژوهشی، ساختار دانش، شبکههای علمی اثرگذار و شکافهای پژوهشی نوظهور در حوزه رباتیک جمعی و محاسبات الهامگرفته از طبیعت انجام شد.
مواد و روشها: این پژوهش از نوع کاربردی با رویکرد توصیفی-تحلیلی و مبتنی بر روش علمسنجی است. جامعه پژوهش شامل تمامی مدارک نمایهشده در Scopus در حوزه رباتیک جمعی و محاسبات الهامگرفته از طبیعت طی سالهای ۲۰۰۰ تا ۲۰۲۵ بود. دادههای کتابشناختی استخراج و با استفاده از نرمافزار VOSviewer تحلیل شدند. بهمنظور ترسیم ساختار علمی این حوزه، شبکههای همرخدادی واژگان کلیدی، همتألیفی، هماستنادی و همپیوندی کتابشناختی مورد بررسی قرار گرفتند. همچنین، علاوه بر تحلیل عملکرد علمی، شاخصهای تأثیر استنادی از جمله میانگین تعداد استناد به ازای هر مقاله برای ارزیابی روند تحول کیفیت پژوهشها در طول زمان تحلیل شدند.
یافتهها: تولیدات علمی این حوزه در بازه زمانی ۲۰۰۰ تا ۲۰۲۵ روندی صعودی داشته و از سال ۲۰۲۰ به بعد شتاب بیشتری گرفته است. نتایج آزمون همبستگی پیرسون تأیید کرد که بین تعداد مقالات منتشرشده با میانگین استناد به ازای هر مقاله و همچنین شاخص اچایندکس سالانه رابطه مثبت، قوی و از نظر آماری معناداری برقرار است که نشاندهنده ارتقای همزمان کمّیت و کیفیت تولیدات است. از میان مجلات علمی، نشریه «Swarm Intelligence» با ۲۹۸۳ استناد از ۵۵ مدرک در صدر مرجعیت علمی قرار دارد. در سطح جغرافیایی، چین با ۲۲۵ مدرک بالاترین سهم کمّی و بلژیک با ۴۱۶۴ استناد بالاترین میزان نفوذ علمی را به ثبت رساندند؛ در حالی که ایران با ۵۴۰ استناد از ۱۷ مدرک در میان ۲۰ کشور پیشرو جهان قرار گرفت. همچنین، تحلیل همرخدادی نشان داد واژه «هوش جمعی» با ۷۱۶ تکرار و قدرت پیوند کل ۴۱۷۶ محوریترین مفهوم شبکه است و از سال ۲۰۲۲، گرایش پژوهشها از مدلهای شبیهسازی سنتی به سمت «یادگیری تقویتی» و «عوامل خودمختار» چرخش داشته است.
نتیجهگیری: رشد علمی رباتیک جمعی شتابان بوده و اثربخشی آن (میزان استناد) همبستگی مستقیمی با همکاریهای بینالمللی و ماهیت بینرشتهای دارد. با این حال، نبود همبستگی معنادار میان توسعه الگوریتمهای نظری و پیادهسازیهای عملی، به عنوان شکاف ساختاری اصلی این حوزه شناسایی شد. بر این اساس، جهتگیری آینده پژوهشها باید از مدلهای انتزاعی تکعاملی به سمت ادغام هوش مصنوعی تجسمیافته و یادگیری تقویتی در رباتهای واقعی معطوف شود تا امکان گذار از نظریه به عمل فراهم آید.
نوع مطالعه:
اصیل |
موضوع مقاله:
علم سنجی دریافت: 1405/2/31 | ویرایش نهایی: 1405/5/3 | پذیرش: 1405/5/14 | انتشار الکترونیک: 1405/5/27