مطالعات کاربردی علم سنجی

هدف: در این مقاله مروری، به بررسی تأثیرات فناوری های نوین نظیر هوش مصنوعی و الگوریتم های یادگیری ماشین بر رفتار اطلاع یابی کاربران در دنیای دیجیتال پرداخته می شود. با پیشرفت های فناوری، نحوه جستجو و استفاده از اطلاعات به طور چشمگیری تغییر کرده و ابزارهای جستجوی هوشمند به کاربران امکان دسترسی سریع تر و دقیق تر به منابع معتبر را فراهم کرده اند. این پژوهش به بررسی مطالعات منتشر شده بین سال های 2020 تا 2024 می پردازد و نقش فناوری های نوین در بهبود غربالگری اطلاعات، کاهش بار اطلاعاتی و افزایش دقت در فرآیند اطلاع یابی را تحلیل می کند. علاوه بر این، چالش هایی مانند امنیت اطلاعات، کاهش تفکر انتقادی و اضطراب اطلاعاتی که همچنان بر این حوزه تأثیرگذارند، مورد بررسی قرار می گیرند. در نهایت، راهکارهایی برای بهبود رفتار اطلاع یابی از طریق تقویت سواد اطلاعاتی و بهبود دسترسی به منابع الکترونیکی ارائه شده است.روش شناسی:این پژوهش به صورت مروری نظام مند بر روی مطالعات و مقالات منتشر شده در زمینه رفتار اطلاع یابی انجام شده است. برای انجام این مطالعه، مراحل زیر طی شده است:جستجوی مقالات علمی از پایگاه های داده های معتبر علمی نظیرگوگل اسکالر، پاپ مد، اسکوپوس و وب اف ساینس انجام شده است. کلیدواژه هایی مانند «رفتار اطلاع یابی»، «سواد اطلاعاتی»، «جستجوی اطلاعات دیجیتال»، «هوش مصنوعی در اطلاع یابی»، و «چالش های اطلاعاتی » به انگلیسی استفاده شده اند. این کلیدواژه ها به نحوی انتخاب شده اند که تمامی جنبه های مرتبط با موضوع پژوهش پوشش داده شود. مقالات بررسی شده در این پژوهش بین سال های 2020 تا 2024 منتشر شده اند تا نتایج پژوهش های به روز و مرتبط با تحولات اخیر در حوزه اطلاع یابی و پیشرفت های فناوری مورد بررسی قرار گیرند.یافته ها: نتایج این پژوهش نشان می دهد که فناوری های نوین نقش مهمی در افزایش سرعت و دقت جستجوی اطلاعات ایفا کرده اند و به ویژه در حوزه های علمی، با استفاده از الگوریتم های هوشمند، توانسته اند کیفیت جستجو را بهبود بخشند. هوش مصنوعی و یادگیری ماشین با ایجاد ابزارهای پیشرفته، کاربران را در مدیریت اطلاعات و کاهش اضطراب اطلاعاتی یاری کرده اند. با این حال، چالش های موجود، به ویژه در زمینه امنیت اطلاعات و تفکر انتقادی، همچنان باید مورد توجه قرار گیرند. پیشنهاد می شود که آموزش سواد اطلاعاتی به عنوان یکی از راهکارهای اصلی برای بهبود رفتار اطلاع یابی در دستور کار قرار گیرد. به علاوه، بهبود دسترسی به منابع الکترونیکی و استفاده از فناوری های هوشمند جستجو نیز می تواند به کاهش بار اطلاعاتی و بهبود کیفیت اطلاعات دسترسی یافته کمک کند.

هدف: این تحقیق با هدف مصورسازی تولیدات علمی کلان داده ها در پایگاه استنادی وب آو ساینس نوشته شده است.روش: این تحقیق از نوع تحقیقات کاربردی بوده و با رویکرد علم سنجی انجام شده است. استخراج داده ها از طریق جستجوی عبارت" Ts=Big Data" در قسمت جست و جوی پیشرفته وب آو ساینس، انجام شد که در مجموع ۱۰۵۳ رکورد اطلاعاتی استخراج شد. جامعه آماری این تحقیق کلیه داده های مرتبط با تولیدات علمی ایران در این پایگاه استنادی در رابطه با کلان داده است. داده ها پس از استخراج، وارد نرم افزارهای علم سنجی شد.از نرم افزارهای علمی مثل ووس ویوور، بایب اکسل و یوسی نت استفاده شد. ووس ویور برای ترسیم نقشه، بایب اکسل برای مشخص شدن همایندی واژگان و یوسی نت برای ارتباط بین کلید واژه ها استفاده شده است.محتوا و یافته ها: یافته ها نشان داد در مجموع ۱۰۵۳ رکورد اطلاعاتی از ایران در رابطه با کلان داده ها در این پایگاه استنادی نمایه شده است. اولین مقاله مربوط به سال 2013بوده است. بیشترین همکاری کشور ایران در نوشتن مقالات با کشورهای آمریکا، استرالیا و انگلستان بوده است. همه تولیدات علمی به زبان انگلیسی بوده و دانشگاه آزاد با تولید ۲۴۰ رکورد اطلاعاتی، بیشترین میزان تولیدات علمی را داشته است. در بین نویسندگان امیر موسوی از Obdu Univ با ۴۸ رکورد اطلاعاتی و با ۱۸۵۱ استناد و با H-Index ۲۶ در رتبه اول قرار دارد.در این پژوهش واژه big data از خوشه ۲ با ۳۷۴ تکرار پربسامدترین کلیدواژه است. یافته های این خوشه نشان داد که بجز این واژه کلماتی مانند machine learning، deep learning، artificial intelligence و internet of thing نیز واژه های پر تکرار بوده اند و مورد توجه قرار گرفته اند. برای یافته های این پژوهش ۱۰۵۳ مدرک بازیابی شده است.به طور کلی داده ها از 4 خوشه تشکیل شده و خوشه دوم با 20 کلیدواژه، بزرگترین خوشه است.نتیجه گیری: تحلیل و مصورسازی تولیدات علمی کلان داده ها در پایگاه استنادی Web of Science می تواند به درک بهتر روندهای پژوهشی، شناسایی مفاهیم کلیدی و روابط میان آن ها کمک کند. با استفاده از روش های علم سنجی و ابزارهای مصورسازی، امکان تحلیل دقیق تر و بصری سازی اطلاعات فراهم می شود. این رویکرد می تواند به ارتقاء کیفیت پژوهش ها و تسهیل تصمیم گیری های استراتژیک علمی کمک شایانی کند.

هدف: هدف از این پژوهش، تحلیل روند پژوهش های حوزه «مدیریت داده های پژوهشی» (RDM) در قلمرو علوم پزشکی است. روش شناسی: این پژوهش از نوع کاربردی بوده و با رویکرد علم سنجی انجام شده است. جامعه آماری شامل کلیه پژوهش های انجام شده در زمینه مدیریت داده های پژوهشی در علوم پزشکی است که طی بازه زمانی ۱۹۹۰ تا ۲۰۲۳ در پایگاه های استنادی کلاریویت آنالیتیکس (وب آو ساینس) و اسکوپوس نمایه شده اند. پس از حذف رکوردهای تکراری بین دو پایگاه، ۱۳,۹۷۸ مطالعه جهت تحلیل انتخاب شدند. ابزار گردآوری داده ها در این مطالعه روش فیش برداری (اسنادی) بوده و تحلیل داده ها با استفاده از نرم افزارهای ساینتوپای (Scientopy)، اکسل و پایتون صورت گرفته است. یافته ها: یافته ها حاکی از رشد چشمگیر تعداد مقالات در پایگاه های کلاریویت آنالیتیکس و اسکوپوس در بازه زمانی مورد مطالعه است. میانگین رشد تولید مقاله در هر دوره نشان دهنده افزایش تقریبی ۶۰ درصدی تولیدات علمی نسبت به دوره پیشین است و در هیچ دوره ای رشد منفی مشاهده نشد. کشورهای ایالات متحده آمریکا، بریتانیا و آلمان رتبه های اول تا سوم تولیدات علمی در زمینه مدیریت داده های پژوهشی در پزشکی را به خود اختصاص داده اند و پس از آن ها کشورهای ایتالیا، فرانسه و کانادا قرار دارند. در این میان، ایران رتبه هفدهم را کسب کرده و جایگاه چین نیز از سال ۲۰۲۰ بهبود قابل توجهی یافته است. همچنین، کلیدواژه «مدیریت داده» همواره پرتکرارترین واژه بوده است؛ با این حال، کلیدواژه های مرتبط با «هوش مصنوعی» در سال های اخیر رشد قابل توجهی داشته اند. افزون بر این، با توسعه فناوری ها، موضوعات جدیدی وارد این حوزه مطالعاتی شده اند؛ به طوری که در سال های اخیر «علم باز» و «بلاک چین» نیز به اصطلاحات پرکاربرد در حوزه مدیریت داده های پژوهشی پزشکی تبدیل شده اند. نتیجه گیری: این پژوهش نشان داد که به دلیل رشد سریع فناوری های دیجیتال و پیچیدگی روزافزون داده های پزشکی، نیاز به سیستم های پیشرفته تر جهت ذخیره سازی، تحلیل و تبادل داده ها بیش از پیش احساس می شود. پژوهش های آتی باید بر توسعه فناوری های مبتنی بر هوش مصنوعی برای تحلیل داده ها و همچنین استانداردسازی جهانی فرآیندهای مدیریت داده تمرکز نمایند.

هدف این مطالعه ارائه مروری جامع بر عملکرد محققان در بیست سال گذشته از انتشار فصلنامه مطالعات خانواده، با استفاده از رویکرد علم سنجی است. فصلنامه مطالعات خانواده به طور منظم با همکاری مرکز علوم خانواده و انجمن علمی روانشناسی بالینی کودک و نوجوان منتشر می شود. این فصلنامه میان رشته ای که به زبان فارسی منتشر می شود، از اردیبهشت ۱۳۸۴ در حال انتشار است. مطالعات خانواده بستری برای ارائه و تحلیل مطالعات، تحقیقات و مشارکت های نظری محققان و متخصصان در حوزه های مختلف دانش است که بر موضوعات مرتبط با خانواده تمرکز دارند. مطالعه حاضر از رویکرد علم سنجی توصیفی و کاربردی استفاده کرد. این مطالعه شامل جمع آوری تمام مقالات منتشر شده در فصلنامه مطالعات خانواده در یک دوره بیست ساله بود. تجزیه و تحلیل بر توزیع فراوانی نویسندگی در هر مقاله، وابستگی سازمانی نویسندگان و ضریب همکاری بین آنها متمرکز بود. داده های اولیه شامل مقالات منتشر شده در فصلنامه مطالعات خانواده از زمان آغاز به کار آن بود. این داده ها از وب سایت مجله و مقالات منتشر شده آن به دست آمد. برای تهیه ماتریس متقارن (ماتریس مجاورت) هم نویسندگی، از نرم افزار صفحه گسترده اکسل استفاده شد. نام هر نویسنده و تعداد همکاری های او با سایر نویسندگان در طول تاریخ انتشار فصلنامه مطالعات خانواده، به صورت دستی در نقاط تقاطع آنها در ماتریس متقارن ثبت شد. متعاقباً، برای تجسم و تحلیل شبکه هم نویسندگی، ماتریس مجاورت به نرم افزار UCI Net وارد شد و NetDraw، بسته مکمل آن، به کار گرفته شد. دلیل: بهبود وضوح، خوانایی و دقت فنی در عین حفظ معنای اصلی. مطالعه حاضر نشان داد که گروه های متشکل از چهار نفر یا بیشتر، بالاترین سطوح الگوهای هم نویسندگی را نشان می دهند.نتایج مطالعه نشان داد که روند انتشار مقالات در این فصلنامه با همکاری گروهی مشخص شده است که نشان دهنده ترجیح محققان برای کار تیمی است. این یافته با تحقیقات هارت (2000) همسو است که نشان می دهد تلاش های مشارکتی مؤثرتر از تلاش های فردی هستند. همکاری علمی را می توان به عنوان فرآیندی تعریف کرد که در آن افراد و گروه ها تلاش های خود را هماهنگ می کنند و به طور متقابل از یکدیگر برای انجام تحقیق و مشارکت در فعالیت های علمی سود می برند. در عصر حاضر که با همگرایی رشته های علمی مختلف مشخص می شود، تلاش های مشترک در تولید آثار علمی به طور فزاینده ای اهمیت یافته است. در طول چند دهه گذشته، همکاری و مشارکت علمی بین متخصصان رشته های مختلف شتاب قابل توجهی یافته است. تمرکز بر دستیابی به مقالات با کیفیت بالا از طریق یک شبکه همکاری گسترده برای انتشار در مجله ضروری است. محققان در یک حوزه علمی معمولاً آثار پیشینیان خود را بررسی می کنند تا مرزهای دانش را در حوزه تخصص خود درک کنند. برای شناسایی مرتبط ترین آثار علمی، محققان از روش های مختلفی برای ارزیابی و سنجش فعالیت های علمی در حوزه های خود استفاده می کنند.

سابقه و هدف: هوش مصنوعی توضیح پذیر به عنوان یکی از حوزه های نوظهور و راهبردی در پژوهش های مرتبط با هوش مصنوعی مطرح است که هدف آن افزایش شفافیت، اعتماد و توضیح پذیری سامانه های هوشمند است. در همین راستا، گراف دانش با فراهم سازی چارچوبی ساختاریافته برای نمایش و سازماندهی روابط پیچیده میان موجودیت های داده ای، نقش مهمی در ارتقای درک مفهومی از داده ها ایفا می کند. همگرایی دو حوزه هوش مصنوعی و گراف دانش می تواند موجب بهبود عملکرد کیفی و افزایش قابلیت توضیح پذیری سامانه های مبتنی بر هوش مصنوعی شود؛ به ویژه در کاربردهای حیاتی نظیر سامانه های هوافضا، فناوری هسته ای و پزشکی که نیازمند دقت عملیاتی و اعتماد بالا هستند. با وجود ظرفیت های چشمگیر این رویکرد تلفیقی، تاکنون مطالعات اندکی به بررسی نظام مند و جامع آن پرداخته اند. هدف این پژوهش، تحلیل روندها و ساختار علمی موجود در حوزه های هوش مصنوعی توضیح پذیر و گراف دانش با بهره گیری از روش های علم سنجی است.مواد و روش: پژوهش حاضر از نوع کاربردی و با استفاده از ابزارهای علم سنجی از جمله ووس-ویور و یوسینت انجام شده است. پژوهش شامل کلیه رکوردهای اطلاعاتی نمایه شده مرتبط با گراف دانش و هوش مصنوعی توضیح پذیر طی سال های 2020-2024 با تعداد 13818 رکورد اطلاعاتی شامل مقاله، کتاب، چکیده و... تجزیه و تحلیل می کند تا روندهای پژوهشی جهانی، نویسندگان برجسته، مؤسسات و خوشه های پژوهشی را شناسایی کند.یافته ها: تحلیل داده های علمی نشان می دهد کشور چین با ثبت ۶۰۲۷ مدرک پژوهشی، پیشتاز تحقیقات در این حوزه بوده و سهمی چشمگیر از تولیدات علمی را به خود اختصاص داده است. ایالات متحده آمریکا و آلمان به ترتیب در رده های بعدی قرار دارند که نشان دهنده تمرکز اصلی پژوهش های جهانی در این سه کشور است. از منظر موضوعی، کلیدواژه های گراف دانش، هوش مصنوعی توضیح پذیر و یادگیری ماشین بیشترین تکرار را در مقالات داشته اند که حاکی از اهمیت این مفاهیم در تحقیقات اخیر است. نتایج تحلیل خوشه ای نشان می دهد که پژوهش های این حوزه عمدتاً در چهار جهت اصلی توسعه یافته اند: (1) مدل سازی مبتنی بر گراف که به بررسی روابط ساختاری داده ها می پردازد، (2) کاربردهای معنایی که بر جنبه های کاربردی تأکید دارد، (3) قابلیت توضیح در یادگیری ماشین که به شفاف سازی مدل ها مربوط می شود و نهایتاً (4) استخراج ویژگی و مدل سازی پیش بینی که بر بهبود عملکرد سیستم ها متمرکز است. این یافته ها نشان می دهد که جامعه علمی به صورت نظام مند به جنبه های نظری و عملی این حوزه پرداخته است.نتیجه گیری: تحلیل داده ها نشان می دهد که حوزه های گراف دانش و هوش مصنوعی توضیح پذیر درکشورهای پیشگام عرصه هوش مصنوعی مورد توجه بالاتری بوده و منجر به افزایش تعداد تولیدات علمی این حوزه ها در این کشورها شده است. پژوهش حاضر می تواند یک نمای کلی جامع از چشم انداز پژوهش ارائه دهد و بینش های ارزشمندی را برای محققان و سیاست گذاران به منظور پیشبرد توسعه هوش مصنوعی توضیح پذیر و گراف دانش و در نتیجه رفع شکاف های موجود در شفافیت و توضیح پذیری در سیستم های هوش مصنوعی ارائه می کند.

هدف: یکی از محورهای کلیدی پژوهش در علم و دانش و دانشگاه و به طور خاص در حوزه ی علم سنجی و مطالعات علم، ارزیابی و سنجش واحدهای مختلف علم و دانش در دانشگاه است. این پژوهش به بررسی مطالعات مربوط به ارتقاء اعضای هیئت علمی در دانشگاه های ایران و جهان می پردازد.اهداف: در این نوشتار متون مربوط به ارتقاء اعضای هیئت علمی دانشگاه در ایران و جهان مورد بحث و بررسی قرار گرفته است. تأکید این متن بیش از هرچیز بر مقالات مربوط به این حوزه بوده است.روش پژوهش: روش پژوهش سندی- تحلیلی بوده است. هرچند سعی بر آن بوده تا جستجو به صورت روش مند و نظام مند انجام شود، اما با توجه به حجم بالای نوشتجات و فرصت محدود پژوهش، هیچ گونه ادعایی نسبت به جامعیت و بسنده بودن متون مورد بررسی وجود ندارد. تنها تلاش شده است تا کلیت مسأله در قالب دسته های مختلف موضوعی در چارچوب کلی این حوزه نمایان و قابل احصاء شود.دستاوردهای مقاله:در این راستا، پیشینه های مربوط به ارتقاء در قالب نه محور عمده دسته بندی و بررسی شده اند. محورهای عمده عبارتند از:1. مطالعات مربوط به بیان موانع و چالش های موجود درآیین نامه ی ارتقاء و ارائه ی راهکارها؛2. مطالعات مربوط به یک یا تعدادی از وجوه چهارگانه ارتقاء؛3. مطالعات مربوط به بیان مسائل حاشیه نشین ها اعم از علوم انسانی، زنان، سیاه پوستان و مانند آن؛4. مطالعات تطبیقی و مقایسه ی وضعیت ارتقاء مرتبه در کشورهای مختلف؛5. مطالعات مربوط به بررسی فرآیند ارتقاء اعضای هیئت علمی در یک رشته ی خاص؛6. مطالعات مربوط به تجربیات و دیدگاه های خود اعضای هیئت علمی در مورد فرآیند ارتقاء؛7. مطالعات مربوط به سیر تطور مفهومی و گفتمانی ارتقاء در دوره های مختلف زمانی؛8. مطالعات مربوط به خودکارسازی و هوشمندسازی ارتقاء؛9. مطالعات مربوط به بومی سازی و نظریه پردازی درباره ی ارتقاء و نیز آینده نگری.نتایج بیانگر تفاوت وضعیت در ایران نسبت به جهان و به طور خاص کشورهای توسعه یافته و دانشگاه های نسل چهارم و آینده است. بنابراین پیشنهاد می شود که موضوعات کلیدی و مسائل اساسی همچون توجه به دانش و تجربیات بین المللی و به طور خاص خودکارسازی و هوشمندسازی فعالیت ها و فرآیند ارتقاءدر پژوهش های آینده بیشتر مورد توجه قرار گیرند. همچنین از دیگر مواردی که نیازمند پژوهش های بیشتر و عمیق تر است می توان به مباحث بومی سازی، نظریه پردازی و آینده نگری اشاره کرد.