دکتر رویا پورنقی در نشست «کاربرد هوش مصنوعی در ارزیابی علم، فناوری و نوآوری»، که به عنوان بخشی از پیش نشست های هشتمین دوره جایزه ملی فناوری اطلاعات از سوی پژوهشگاه علوم و فناوری اطلاعات ایران و موسسه تحقیقات سیاست علمی کشور برگزار گردید، به بررسی کاربردهای هوش مصنوعی در حوزه علم سنجی پرداخت. او در این نشست اظهار داشت که یکی از عملکردهای هوش مصنوعی در علم سنجی، تحلیل داده های استنادی است، که قادر است مقالاتی را که بالاترین استناد را دریافت کرده اند شناسایی کند، شبکه های استنادی را برای ارزیابی تأثیر پژوهش ها تحلیل نموده و روندهای علمی را با بررسی روابط میان مقالات و نویسندگان مشخص کند.
پورنقی اضافه کرد: بر اساس شاخص های متعدد، الگوریتم های یادگیری ماشینی برای رتبه بندی پژوهشگران، نشریات و دانشگاه ها به کار گرفته می شود. کشف موضوعات نوظهور و شناسایی همکاران پژوهشی بالقوه نیز از دیگر عملکردهای هوش مصنوعی در علم سنجی است که می تواند از تحلیل شبکه های علمی مانند پایگاه ریسرچ گیت و لینکدین به شناسایی پژوهشگران با علایق مشترک و همکاران احتمالی بپردازد.
چرا هوش مصنوعی در علم سنجی کاربردی است؟
وی در پاسخ به این سوال که چرا هوش مصنوعی گزینه ای مناسب برای علم سنجی به شمار می رود، توضیح داد: هوش مصنوعی در بسیاری از زمینه های علمی و صنعتی وارد شده و علم سنجی نیز به دلایل متعددی از آن بهره مند می شود. اولین دلیل، حجم بسیار زیاد داده های موجود در علم سنجی است. تنوع و تعداد دستاوردها، مقالات، نشریات و استنادات به شکل قابل توجهی در حال رشد است و هوش مصنوعی به دلیل توانایی در تحلیل داده های کلان، می تواند بینش های نوینی را ارائه دهد.
پورنقی به نکته ای دیگر اشاره کرد و گفت: هوش مصنوعی نه تنها دقت و سرعت بالایی ارائه می دهد بلکه قادر است الگوها را شناسایی کرده و پیش بینی روندهای آینده را نیز انجام دهد.
این عضو هیئت علمی پژوهشگاه علوم و فناوری اطلاعات ایران بیان داشت که هوش مصنوعی می تواند در پیش بینی آینده با شناسایی روندها و تأثیرات علمی کمک شایانی کند و به مدیران تحقیقاتی در اتخاذ تصمیمات سرمایه گذاری و تخصیص بودجه به پژوهش ها یاری رساند.
پورنقی در خصوص روش تحلیل داده های استنادی با بهره گیری از هوش مصنوعی نیز توضیحات مفصلی ارائه داد: هوش مصنوعی می تواند با شناسایی مقالاتی که بیشترین استناد را دریافت کرده اند و تحلیل شبکه های استنادی با شناسایی مراکز تاثیر و رصد جریان های دانش، همچنین شناسایی استنادهای متقابل و تأثیرات همکاری ها، داده ها را به شکلی جامع تحلیل نماید. این فناوری قادر است تشخیص دهد که کدام پژوهشگران به یکدیگر استناد کرده اند و آیا این استنادها هم راستا در جهت تأیید بوده یا مخرّب و نقض کننده هستند.
هوش مصنوعی توانایی شناسایی روندهای نوظهور پژوهشی را دارد
وی در ارتباط با روش های شناسایی روندهای علمی و کشف موضوعات نوظهور تصریح کرد: یکی از روش های شناسایی روندهای علمی، تحلیل کلان داده ها به شمار می آید. هوش مصنوعی با داشتن داده های وسیع که از منابع مختلف گردآوری می کند، امکان تحلیل کلان داده ها را فراهم می آورد. همچنین با استفاده از مقالات، ثبت اختراعات و دیگر منابع قادر است با اتکا بر کلمات کلیدی و سایر فاکتورها، موضوعات نوظهور را شناسایی کند.
این پژوهشگر به امکان پیش بینی استنادها توسط هوش مصنوعی نیز اشاره کرد و گفت: این قابلیت می تواند نقطه عطفی برای پژوهشگران جوان باشد و به آن ها امکان می دهد که بر اساس یادگیری استنادی از مقالات قبلی، پیش بینی کنند که مقالات جدید تا چه اندازه می توانند تأثیرگذار بوده و استناد بگیرند و لازم است در کدام حوزه ها بیشتر فعالیت داشته باشند تا شانس دیده شدن شان افزایش یابد.
وی همچنین بر اهمیت شناسایی موضوعات نوظهور تأکید کرد و افزود: شناسایی این موضوعات می تواند پژوهش ها را به سمت حوزه های با پتانسیل بالا هدایت کرده و از ورود به رقابت های پرهزینه در زمینه های اشباع شده جلوگیری کرده و هم چنین از بازتولید آثار تکراری پرهیز کند و به این ترتیب می تواند در سیاست گذاری علمی و سرمایه گذاری های هدفمند نقشی مؤثر ایفا کند.
عضو هیئت علمی پژوهشگاه علوم و فناوری اطلاعات ایران در ادامه به بررسی مزایا و چالش های استفاده از هوش مصنوعی در ارزیابی پژوهش ها پرداخت و گفت: از جمله مزایای هوش مصنوعی می توان به سرعت بالا، پیش بینی های دقیق و امکان تحلیل همزمان داده های متعدد اشاره کرد، اما در عین حال چالش هایی نظیر کیفیت داده ها، مسائل اخلاقی و حریم خصوصی، سوگیری و تفسیرپذیری نتایج و فرآیند تحلیل وجود دارد که البته راهکارهایی برای آن ها در سطح جهانی در حال بررسی است.
منابع دیگر: وبسایت خدمات دانلود مقاله فیلینکو