هوش مصنوعی از انجام پژوهش های تکراری جلوگیری می کند
به گزارش پی اچ پی و جی کوئری، عضو هیأت علمی پژوهشگاه علوم و فناوری اطلاعات ایران با بیان اینکه هوش مصنوعی می تواند روندهای پژوهشی نوظهور را شناسایی کند، اظهار داشت: شناسایی موضوعات نوظهور از پژوهش های تکراری جلوگیری می کند.
به گزارش پی اچ پی و جی کوئری به نقل از مهر، دکتر رویا پورنقی امروز در نشست «کاربست هوش مصنوعی در ارزیابی علم، فناوری و نوآوری» از سری پیش نشست های هشتمین دوره جایزه ملی فناوری اطلاعات که توسط پژوهشگاه علوم و فناوری اطلاعات ایران و موسسه تحقیقات سیاست علمی کشور برگزار شد، در مورد کاربرد هوش مصنوعی در علم سنجی اظهار داشت: یکی از کاربردهای هوش مصنوعی در علم سنجی تحلیل داده های استنادی است که می تواند مقالات پر استناد را شناسایی کند، شبکه های استنادی را برای ارزیابی تأثیر پژوهشها تحلیل کند و روندهای علمی را از راه بررسی روابط میان مقالات و نویسندگان شناسایی کند.
وی افزود: همینطور بر مبنای معیارهای چندگانه از الگوریتم های یادگیری ماشینی برای رتبه بندی محققان، مجلات و دانشگاه ها استفاده نمود. کشف موضوعات نوظهور و شناسایی همکاران پژوهشی بالقوه هم دیگر کاربردهای هوش مصنوعی در علم سنجی است که می تواند با تحلیل شبکه های علمی همچون ریسرچ گیت و لینکدین، محققان با علایق مشترک و همکاران احتمالی را شناسایی کند.
چرا هوش مصنوعی برای علم سنجی مناسب است؟
وی در پاسخ به این سؤال که چرا هوش مصنوعی برای علم سنجی مناسب می باشد، توضیح داد: هوش مصنوعی در خیلی از حوزه های علمی و صنعتی وارد شده در علم سنجی هم به چند دلیل مناسب می باشد. دلیل اول؛ حجم عظیم داده های علم سنجی است. دستاوردها، مقالات، مجلات و استنادات بسیاری وجود دارد و این داده ها امروزه به شکل نمایی افزایش پیدا کرده است. هوش مصنوعی به خاطر اینکه توانایی تحلیل بیگ دیتا دارد بینش های جدیدی عرضه می کند.
پورنقی تصریح کرد: هوش مصنوعی همینطور دقت و سرعت بالایی دارد؛ بعلاوه می تواند الگوها را شناسایی کند و روندهای آینده را پیش بینی نماید.
به گفته عضو هیأت علمی پژوهشگاه علوم و فناوری اطلاعات ایران؛ هوش مصنوعی می تواند به پیشبینی آینده از راه شناسایی روندها و تاثیرات علمی آینده کمک نماید و یک مدیر تحقیقاتی از این طریق می تواند در سرمایه گذاری و تخصیص بودجه بر پژوهشها تصمیم گیری کند.
پورنقی در مورد چگونگی تحلیل داده های استنادی توسط هوش مصنوعی توضیح داد: هوش مصنوعی می تواند با شناسایی مقالات پر استناد و تحلیل شبکه های استنادی از راه شناسایی مراکز اصلی تأثیر و رصد جریان دانش و همینطور تشخیص استنادهای متقابل و تأثیر همکاری ها داده ها را تحلیل کند. می تواند تحلیل کند که کدام محققان به یکدیگر استناد کرده اند و آیا این استناد هم راستا و در جهت تایید بوده و یا یکدیگر را نقض کرده اند.
هوش مصنوعی می تواند روندهای پژوهشی نوظهور را شناسایی کند
وی در مورد نحوه شناسایی روندهای علمی و کشف موضوعات نوظهور اظهار داشت: یکی از شیوه های شناسایی روندهای علمی، تحلیل کلان داده هاست. هوش مصنوعی با در اختیار داشتن داده های زیادی که از منابع مختلف گردآوری می کند امکان تحلیل کلان داده دارد. همینطور می تواند از مقالات، ثبت اختراعات و منابع مختلف کمک بگیرند و از راه کلمات کلیدی و... موضوعات نوظهور را شناسایی کنند.
این پژوهشگر در مورد امکان پیشبینی استنادها توسط هوش مصنوعی توضیح داد: این امکان می تواند برای محققان جوان مفید باشد و می تواند پیش بینی نماید مقالات اخیر بر مبنای یادگیری استنادی مقالات قبلی چقدر می تواند اثر گذار باشند و چقدر می توانند استناد بگیرند و محققان جوان باید در کدام موضوعات بیشتر کار کنند تا دیده شوند؟
وی ضمن اشاره به اهمیت شناسایی موضوعات نوظهور اظهار داشت: موضوعات نوظهور می تواند پژوهشها را بسمت حوزه های پر پتانسیل هدایت کند، از رقابت پر هزینه در حوزه های پر اشباع پیشگیری می کند و از پژوهش های تکراری جلوگیری می کند و می تواند از این طریق به سیاستگذاری علمی و سرمایه گذاری هدفمند کمک نماید.
عضو هیأت علمی پژوهشگاه علوم و فناوری اطلاعات ایران در مورد مزایا و چالش های استفاده از هوش مصنوعی در ارزیابی پژوهشها اظهار نمود: سرعت بالا، پیشبینی دقیق و تحلیل همزمان داده های چندمنبعی همچون مزایای هوش مصنوعی است ولی در عین حال چالش هایی همچون در کیفیت داده ها، مسائل اخلاقی و حریم خصوصی و سوگیری و همینطور تفسیرپذیری نتایج و فرایند تفسیر و تحلل وجود دارد که البته این چالش ها راهکارهایی دارد که در دنیا درحال بررسی است.
منبع: پی اچ پی و جی كوئری
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب