Yasser Maatouk proposa AI-SPedia [1]com a ontologia per avaluar bibliomètricament l’impacte de les publicacions en intel·ligència artificial (IA), aprofitant l’informació bibliomètrica que aporten les bases de dades bibliogràfiques i els agregadors de dades altmètriques, així com les possibilitats d’interacció pregunta-resposta que facilita la web semàntica.
Resum de l’article. Traducció de l’abstract
Antecedents.
Compartir coneixements tals com recursos, resultats de les investigacions i documents acadèmics, és d’importància clau per millorar la col·laboració a nivell mundial entre investigadors. Els resultats de la investigació en el camp de la intel·ligència artificial (IA) són vitals per compartir atesa l’àmplia aplicabilitat de la IA a diversos altres camps d’investigació. Això ha conduït a un augment significatiu de les publicacions en AI durant la darrera dècada. Les metadades de les publicacions d’IA, inclosos els indicadors bibliomètrics i altmètrics, poden serà accessibles mitjançant cerques en bases de dades bibliogràfiques conegudes com Web of Science (WoS), la qual permet avaluar l’impacte de la investigació i identificar els investigadores emergents i els temes que són tendència en el camp de la IA.
Descripció del problema.
En general, les bases de dades bibliogràfiques tenen dues limitacions en termes de tipus i forma de les metadades que es pretenen millorar. En primer lloc, les bases de dades més de caire bibliogràfic, com WoS, estan més enfocades cap als indicadors bibliomètrics i no ofereixen una àmplia gama d’indicadors altmètrics per complementar els indicadors bibliomètrics tradicionals. En segon lloc, el format tradicional de descàrrega de les dades de les bases de dades bibliogràfiques limita als usuaris a cerques basades en paraules clau sense poder fer us de la semàntica de les dades.
Solució proposada.
Per superar aquestes limitacions es desenvolupa un repositori anomenat AI-SPedia. Aquest repositori conté coneixement semàntic de publicacions científiques relacionades amb la IA, i té en consideració tant els indicadors bibliomètrics com els altmètrics. A més, fa servir la tecnologia de la web semàntica per a produir i emmagatzemar dades que permetin cerques basades en la semàntica. I també s’ideen preguntes de competència relacionades per a ser respostes plantejant consultes intel·ligents contra els conjunts de dades d’AI-SPedia.
Resultats.
Els resultats van rebel·lar que AI-SPedia pot avaluar l’impacte de la investigació en IA a l’explotar el coneixement que no es menciona explícitament però que s’extreu usant el poder de la semàntica. A més, es va realitzar una anàlisi simple a partir de les preguntes i respostes per ajudar a prendre decisions de política d’investigació en el domini de la IA. El producte final, AI-SPedia, es considera el primer intent d’avaluar els impactes de les publicacions científiques d’IA utilitzant indicadors tant bibliomètrics com altmètrics i el poder de la tecnologia de la web semàntica.
L’autor proposa a la fig 2 de [1] pàg 9/24 una panoràmica del procés d’extracció d’AI-SPedia
A la fig 3 de [1] pàg 11/24 presenta els blocs de l’edifici bàsic conceptual d’AI-SPedia
A la fig 4 de [1] pàg 13/24 mostra una captura de pantalla de l’ontologia AI-SPedia des del software Protégé
Finalment a la fig 5 de [1] pàg 14/24 representa el procés de treball per a la resposta de les preguntes competents
Per acabar veiem algun exemple de preguntes i respostes sobre l’impacte de les publicacions considerades
Q1 Llista de publicacions sobre IA amb el seu nombre de citacions i la seva puntuació altmètrica
(table 2 de [1] pàg 15/24
Q3 Top 15 publicacions sobre IA segons la seva puntuació altmètrica
(table 3 de [1] pàg 16/24)
Q4 Llista de publicacions sobre IA amb més mencions a Twitter
(Taula 7 de [1] pàg 18/24)
Q5 Llista de publicacions sobre IA amb puntuació a Facebbok, Google+, Wikipedia i a Blogs/Taula
(Taula 8 de [1] pàg 19/24
Bibliografia
[1] Maatouk Y. AI-SPedia: a novel ontology to evaluate the impact of research in the field of artificial intelligence. PeerJ Comput Sci. 2022 Sep 22;8:e1099. doi: 10.7717/peerj-cs.1099. PMID: 37346315; PMCID: PMC10280256.