به گزارش تبریزمن به نقل از خبرگزاری مهر، دکتر رویا پورنقی امروز در نشست «کاربست هوش مصنوعی در ارزیابی علم، فناوری و نوآوری» از سری پیش‌نشست‌های 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 علم‌سنجی گفت: یکی از کاربردهای هوش مصنوعی در علم‌سنجی تحلیل داده‌های استنادی است که می‌تواند مقالات پر استناد را شناسایی کند، شبکه‌های استنادی را برای ارزیابی تاثیر پژوهش‌ها تحلیل کند و روندهای علمی را از طریق بررسی روابط میان مقالات و نویسندگان شناسایی کند.
وی ادامه داد: همچنین بر اساس معیارهای چندگانه از الگوریتم‌های یادگیری ماشینی برای رتبه‌بندی پژوهشگران، مجلات و دانشگاه‌ها استفاده کرد. کشف موضوعات نوظهور و شناسایی همکاران پژوهشی بالقوه نیز دیگر کاربردهای هوش مصنوعی در علم‌سنجی است که می تواند با تحلیل شبکه‌های علمی از جمله ریسرچ گیت و لینکدین، پژوهشگران با علایق مشترک و همکاران احتمالی را شناسایی کند.
چرا هوش مصنوعی برای علم سنجی مناسب است؟
وی در پاسخ به این سوال که چرا هوش مصنوعی برای علم‌سنجی مناسب است، توضیح داد: هوش مصنوعی در بسیاری از حوزه‌های علمی و صنعتی وارد شده در علم‌سنجی نیز به چند دلیل مناسب است. دلیل اول؛ حجم عظیم داده‌های علم‌سنجی است. دستاوردها، مقالات، مجلات و استنادات بسیاری وجود دارد و این داده‌ها امروزه به شکل نمایی افزایش یافته است. هوش مصنوعی به خاطر این‌که توانایی تحلیل بیگ‌دیتا دارد بینش‌های جدیدی ارائه می‌کند.
پورنقی خاطر نشان کرد: هوش مصنوعی همچنین دقت و سرعت بالایی دارد؛ به علاوه می‌تواند الگوها را شناسایی کند و روندهای آینده را پیش‌بینی کند.
به گفته عضو هیئت‌علمی پژوهشگاه علوم و فناوری اطلاعات ایران؛ هوش مصنوعی می‌تواند به پیش‌بینی آینده از طریق شناسایی روندها و تاثیرات علمی آینده کمک کند و یک مدیر تحقیقاتی از این طریق می‌تواند در سرمایه‌گذاری و تخصیص بودجه بر پژوهش‌ها تصمیم‌گیری کند.
پورنقی در مورد چگونگی تحلیل داده‌های استنادی توسط هوش مصنوعی توضیح داد: هوش مصنوعی می‌تواند با شناسایی مقالات پر استناد و تحلیل شبکه‌های استنادی از طریق شناسایی مراکز اصلی تاثیر و رصد جریان دانش و همچنین تشخیص استنادهای متقابل و تاثیر همکاری‌ها داده‌ها را تحلیل کند. می‌تواند تحلیل کند که کدام پژوهشگران به یکدیگر استناد کرده‌اند و آیا این استناد هم‌راستا و در جهت تایید بوده و یا یکدیگر را نقض کرده‌اند.
هوش مصنوعی می‌تواند روندهای پژوهشی نوظهور را شناسایی کند
وی در مورد نحوه شناسایی روندهای علمی و کشف موضوعات نوظهور گفت: یکی از شیوه‌های شناسایی روندهای علمی، تحلیل کلان داده‌هاست. هوش مصنوعی با در اختیار داشتن داده‌های زیادی که از منابع مختلف گردآوری می‌کند امکان تحلیل کلان‌داده دارد. همچنین می‌تواند از مقالات، ثبت اختراعات و منابع مختلف کمک بگیرند و از طریق کلمات کلیدی و … موضوعات نوظهور را شناسایی کنند.
این پژوهشگر در مورد امکان پیش‌بینی استنادها توسط هوش مصنوعی توضیح داد: این امکان می‌تواند برای پژوهشگران جوان مفید باشد و می‌تواند پیش‌بینی کند مقالات اخیر بر اساس یادگیری استنادی مقالات قبلی چقدر می‌تواند اثر گذار باشند و چقدر می‌توانند استناد بگیرند و پژوهشگران جوان باید در کدام موضوعات بیشتر کار کنند تا دیده شوند؟
وی با اشاره به اهمیت شناسایی موضوعات نوظهور گفت: موضوعات نوظهور می‌تواند پژوهش‌ها را به سمت حوزه‌های پر پتانسیل هدایت کند، از رقابت پر هزینه در حوزه‌های پر اشباع پیشگیری می‌کند و از پژوهش‌های تکراری جلوگیری می‌کند و می‌تواند از این طریق به سیاست‌گذاری علمی و سرمایه‌گذاری هدفمند کمک کند.
عضو هیئت‌علمی پژوهشگاه علوم و فناوری اطلاعات ایران در مورد مزایا و چالش‌های استفاده از هوش مصنوعی در ارزیابی پژوهش‌ها اظهار کرد: سرعت بالا، پیش‌بینی دقیق و تحلیل همزمان داده‌های چندمنبعی از جمله مزایای هوش مصنوعی است ولی در عین حال چالش‌هایی از جمله در کیفیت داده‌ها، مسائل اخلاقی و حریم خصوصی و سوگیری و همچنین تفسیرپذیری نتایج و فرآیند تفسیر و تحلل وجود دارد که البته این چالش‌ها راهکارهایی دارد که در دنیا در حال بررسی است.
