پیش‌بینی روند موضوعی پژوهش‌های علم اطلاعات و دانش‌شناسی در ایران با استفاده از شبکه‌های عصبی عمیق

نویسندگان

1 دانشگاه شهید چمران اهواز، اهواز، ایران

2 گروه پژوهشی ارزیابی و توسعه منابع مرکز منطقه‌ای اطلاع‌رسانی علوم و فناوری؛ شیراز، ایران؛

چکیده

تداوم پیشرفت‌‌های همه‌‌جانبه در آینده و تأثیرگذاری آن‌‌ها بر حوزه‌‌های علمی مختلف، لزوم انجام مطالعاتی نظام‌‌مند در خصوص شناخت آینده را آشکار می‌‌سازد. یکی از مهم‌‌ترین ابعاد تأثیرپذیر رشته‌‌ی علم اطلاعات و دانش‌‌شناسی از تحولات آینده که ضرورت آینده‌‌پژوهی در این زمینه را روشن می‌کند، مطالعه در خصوص موضوعات پژوهش‌‌هاست. در این راستا، پژوهش حاضر در صدد پیش‌‌بینی روند موضوعی پژوهش‌‌های آینده در این رشته در ایران تا سال ۱۴۰۹ است. این پژوهش از نوع کاربردی بوده و با رویکرد یادگیری عمیق انجام گرفته است. پس از پیش‌پردازش و طبقه‌‌بندی موضوعی پژوهش‌‌ها، از الگوریتم‌‌های شبکه‌‌های عصبی عمیق برای مدل‌‌سازی پژوهش‌‌های گذشته و پیش‌‌بینی موضوعات آینده استفاده شده است. جامعه‌‌ی مورد مطالعه شامل مقالات مستخرج از وبگاه نشریات ایرانی نمایه شده در پایگاه آی. اس. سی. در فاصله‌‌ی سال‌‌های ۱۳۹۸-۱۳۵۱ و مقالات انجام شده در ایران که از سال ۲۰۱۹-۱۹۴۵ در پایگاه وب آو ساینس نمایه شده‌اند، هستند. کلیه‌‌ی فرآیندهای پژوهش به زبان برنامه‌‌نویسی پایتون پیاده‌‌سازی و اجرا شده‌‌اند. یافته‌های پژوهش نشان داد که در آینده بیش‌‌ترین تعداد پژوهش‌ها به ترتیب به حوزه‌‌های اینترنت و مطالعات وب؛ مدیریت دانش؛ فناوری اطلاعات و ارتباطات؛ و علم‌‌سنجی و اطلاع‌‌سنجی اختصاص خواهند یافت. به علاوه، در دهه‌ی آینده، روند رشد پژوهش‌‌ها در محورهای اینترنت و مطالعات وب؛ ارتباطات علمی و اطلاعاتی؛ کتابداران و متخصصان اطلاعات؛ داده‌کاوی و کشف دانش؛ هوش مصنوعی و مطالعات آینده سریع‌تر خواهد بود. هم‌چنین حوزه‌‌هایی مانند مدیریت سازمانی، مبانی نظری، مدیریت منابع اطلاعاتی، و پردازش و مدیریت اطلاعات طرفداران کم‌‌تری در میان پژوهشگران آینده خواهند داشت و به علاوه، در آینده، محورهای مدیریت سازمانی؛ کتابخانه‌‌ها و مراکز اطلاعاتی و آرشیو؛ مدیریت منابع اطلاعاتی؛ سواد اطلاعاتی و دیجیتالی؛ و سازماندهی اطلاعات و دانش روند رشد آهسته‌‌تری را تجربه خواهند کرد. نتایج بیانگر آن است که موضوعاتی که طی سال‌‌های گذشته در این رشته مطرح بوده علی‌رغم تحولاتی که داشته‌اند، در آینده نیز به همان منوال به حیات خود ادامه خواهند داد و تنها بستر، قالب، روش‌‌شناسی و شیوه‌‌ی اجرای آن‌‌ها متحول خواهد شد. به عبارتی، به دلیل انتقال کارکردهای سنتی این رشته به دنیای دیجیتالی و مجازی و افزایش نقش فناوری‌‌های اطلاعاتی، ابزارهای ارتباطی، توسعه‌‌ی اینترنت و وب، ابزاهای معنایی و فناوری‌‌های هوشمند در ارائه‌‌ی خدمات و ابعاد مختلف این رشته، موضوعات پژوهش‌‌های آینده بیش از پیش تحت تأثیر این تحولات قرار گرفته و به سوی موضوعات وب‌‌محور و مبتنی بر فناوری‌‌های نوین سوق پیدا خواهند کرد.

کلیدواژه‌ها

عنوان مقاله [English]

Forecasting the Subject Trend of Knowledge and Information Science Research in Iran Using Deep neural networks

نویسندگان [English]

  • Farzaneh Ghanadinezhad 1
  • Farideh Osareh 1
  • Mohammadreza Ghane 2
چکیده [English]

The continuation of comprehensive developments in the future and their impact on various scientific fields, reveals the need for systematic studies on future knowledge. One of the most important aspects of the field of knowledge and information science from future developments that clarifies the need for future research in this field is the study of research topics. In this regard, the present study seeks to forecast the thematic trend of future research in this field in Iran by 1409. This research is of applied type and has been done with text analysis and deep learning approach. After pre-processing and thematic classification of research, deep neural network algorithms have been used to model past research and Forecast future topics. The study population includes articles extracted from the website of Iranian publications indexed in the ISC database during the years 1972-2019 and articles conducted in Iran that have been indexed in the Web of Science website from 1945-2019. All research processes are implemented in the Python programming language. The research findings showed that in the future, the highest number of researches will be in the fields of Internet and web studies, respectively; knowledge management; Information and Communications Technology; And scientometrics and informatics will be allocated. In addition, in the next decade, the growth trend of research in the field of Internet and web studies; Scientific and information communications; Librarians and information specialists; Data mining and knowledge discovery; Artificial intelligence and future studies will be faster. Areas such as organizational management, theoretical foundations, information resource management, and information processing and management will also have fewer fans among future researchers, and in addition, in the future, the axes of organizational management; Libraries and information centers and archives; Information resource management; Information and digital literacy; And the organization of information and knowledge will experience a slower growth process. The results show that the issues that have been raised in this field in the past years, despite the changes they have had, will continue to live in the same way in the future and only the context, format, methodology and method of their implementation will change. In other words, due to the transfer of traditional functions of this field to the digital and virtual world and increasing the role of information technologies, communication tools, Internet and web development, semantic tools and intelligent technologies in providing services and different dimensions of this field, future research topics They will be affected by these developments and will move towards web-based topics based on new technologies.

کلیدواژه‌ها [English]

  • Forecasting topics
  • subject trend of research
  • Future Topics
  • Knowledge and Information Science
  • Deep Learning

مراجع

احسانی، وحید، موسی اعظمی، محمدباقر نجفی، و فرامرز سهیلی. 1396. قابلیت اثرگذاری پژوهش‌های علمی ایران بر اساس کیفیت بروندادهای آن‌ها. پژوهشنامه پردازش و مدیریت اطلاعات ۳۲ (۳): ۶۳۱-۶۶۰.
احمدیان دیوکتی، محمدمهدی، نادر رازقی، و حسنعلی آقاجانی. زودآیند. آینده‌‌پژوهی تولیدات علمی ایران تا سال 2030 با استفاده از مدل ARIMA. مطالعات کتابداری و علم اطلاعات.
امیری، سحر. 1397. پیش‌‌بینی روند کارکردهای مدیریت منابع انسانی (با استفاده از تحلیل سری‌‌های زمانی). پایان‌‌نامة کارشناسی ارشد. دانشگاه مازندران.
بابایی، شهلا. 1392. آینده‌‌پژوهی علم اطلاعات و دانش‌‌شناسی در ایران. پایان‌‌نامة کارشناسی ارشد. دانشگاه شاهد. تهران.
باغ محمد، مریم، علی منصوری، و مهرداد چشمه‌سهرابی. 1399. بررسی توسعه و روند موضوعی حوزه علم اطلاعات و دانش‌شناسی بر اساس مدل موضوعی LDA. پژوهشنامه پردازش و مدیریت اطلاعات ۳۶ (۲): ۲۹۷-۳۲۸.
بامیر، موسی، و محمدرضا چشم یزدان. 1399. آینده‌پژوهی جهش برون‌دادهای پژوهشی ایران و آمریکا بر اساس یک مطالعه علم‌سنجی. دانش‌شناسی 13 (51): 52-59.
خطیر، اشکان. 1397. تحلیل روند علمی کشور و پیش‌‌بینی فناوری با استفاده از روش‌‌های یادگیری ماشین مورد مطالعه: سامانه گنج. پایان‌‌نامة دکتری. پژوهشگاه علوم و فناوری اطلاعات ایران. تهران.
داوری اردکانی، رضا. ۱۳۹۰. درباره‌‌ی علم. تهران: هرمس.
دیانی، محمدحسین. 1387. رواج مسئله‌‌سازی و افول مسئله‌‌یابی در تحقیقات کتابداری. کتابداری و اطلاع‌‌رسانی 41 (1): 1-3.
_____. 1389. شیوه بیان و تشریح بیان مسئله در پژوهش. مشهد: کتابخانه رایانه‌‌ای.
سهیلی، فرامرز، علی‌اکبر خاصه، و پریوش کرانیان. 1397. روند موضوعی مفاهیم حوزه علم اطلاعات و دانش‌شناسی ایران بر اساس تحلیل هم‌رخدادی واژگان. فصلنامه مطالعات ملی کتابداری و سازماندهی اطلاعات 29 (2): 171-190.
عبداله‌زاده، پروین. 1397. ترسیم نقشه موضوعی رشته کتابداری و اطلاع‌رسانی با روش هم‌رخدادی واژگان. پایان‌‌نامة کارشناسی ارشد. دانشگاه علوم پزشکی و خدمات درمانی. تبریز.
عدالت، محمدحسن، رضا عزمی، و جعفر باقری‌نژاد. 1399. بهبود دقت پیش‌بینی فرایندها در مدیریت فرایندهای کسب‌وکار با به‌کارگیری معماری LSTM. چشم‌انداز مدیریت صنعتی 10 (3): 71-97.
فتاحی، رحمت‌‌الله. 1388. خلاقیت در پژوهش: تحلیل عناصر و عوامل نوآوری در پژوهش در چارچوب نظریه‌‌های خلاقیت. در: همایش پژوهش در کتابداری و اطلاع‌رسانی: رویکردها، رویه‌‌ها و کاربردها. 9-29. 12 اسفندماه. تهران. دانشگاه تربیت معلم.
_____ 1389. جای خالی نوآوری: چالش جدی در پژوهش‌های ما. فصلنامة علوم و فناوری اطلاعات 25 (4): 569-571.
_____. 1390‌. حکایت استفاده‌‌ی کاربردی از پژوهش‌‌ها در ایران. فصلنامة علوم و فناوری اطلاعات 46 (4): 777-779.
_____، رجبعلی بگلو، و سمیه سادات آخشیک. 1393. گذری و نظری بر گذشته، حال و آیندة کتابداری و اطلاع‌رسانی در ایران: نگاهی به شکل‌‌گیری، دستاوردها و چالش‏های توسعة علم اطلاعات و دانش‏شناسی. شیراز: نامة پارسی.
قنادی‌نژاد، فرزانه، و غلامرضا حیدری. 1397. شناسایی و تحلیل اولویت‌‌های پژوهشی در هر یک از محورهای پژوهشی علم اطلاعات و دانش‌‌شناسی از دیدگاه استادان و دانشجویان دکتری این رشته. پژوهشنامه پردازش و مدیریت اطلاعات ۳۴ (۱): ۵۷-۸۸.
گل‌پاش، حلیمه. 1394. تحلیل محتوای عنوان و نوع روش پژوهش پایان‌نامه‌های تحصیلات تکمیلی علم اطلاعات و دانش‌شناسی دانشگاه‌های وابسته به وزارت علوم، تحقیقات و فناوری ایران در سال‌های 1388- 1393. پایان‌نامة کارشناسی ارشد. دانشگاه بیرجند.
مختارپور، رضا. 1397. ترسیم و تحلیل ساختار فکری و روند تکامل علم اطلاعات و دانش‌شناسی. پایان‌‌نامة دکتری. دانشگاه شهید چمران اهواز.
مصطفوی، اسماعیل، فریده عصاره، محمد توکلی‌زاده راوری. 1396. تحلیل ساختار واژگان و مفاهیم مقالات علم اطلاعات و دانش‌شناسی بر اساس تحلیل شبکه اجتماعی در پایگاه وبگاه علم در دو دورة قبل و بعد از پیدایش وب (۱۹۹۳-۱۹۹۷ و ۲۰۰۹-۲۰۱۳). تحقیقات اطلاع‌رسانی و کتابخانه‌های عمومی ۲۳ (۲): ۲۳۷-۲۶۴.
منصورکیائی، ربابه، فهیمه باب‌الحوائجی، فاطمه نوشین‌فرد، و فرامرز سهیلی. 1398. مطالعة وضعیت آیندة اشاعة تولیدات علمی پژوهشگران علم اطلاعات و دانش‌شناسی در شبکه‌‌های اجتماعی از دیدگاه متخصصان ایرانی. فصلنامه کتابداری و اطلاع‌رسانی 22 (3): 136-163.
منصوریان، یزدان. 1392. تسلیم ناخواسته: آسیب‌‌شناسی پژوهش‌‌های دانشگاهی. کتاب ماه کلیات 16 (5): 3-7.
میرعابدینی، شیرین. 1397. مروری بر یادگیری عمیق، سومین کنفرانس ملی فناوری در مهندسی برق و کامپیوتر. سمنان. دسترسی از طریق نشانی https://civilica.com/doc/790084. (دسترسی در 31/02/1399)
Aggarwal, C. 2018. Neural Networks and Deep Learning. Switzerland: Springer.
Bengio, Y., I. Goodfellow, & A. Courville. 2016. Deep Learning. United States: MIT Press.
Bengio, Y., P. Simard, & P. Frasconi. 1994. Learning Long-Term Dependencies with Gradient Descent is Difficult. IEEE Transactions on Neural Networks 5 (2): 157-166.
Budi, A., F. A. Rizal, & A. Widodo. 2013. Prediction of Research Topics on Science & Technology (S&T) using Ensemble Forecasting. International Journal of Software Engineering and Its Applications 7 (5): 253-268.
Cassidy, R. S., L. Daifeng, G. R. Terrell, F. Craig, & D. Ying. 2011. The shifting sands of disciplinary development: lyzing North American library and information science dissertations using latend Dirichlet allocation. Journal of the American Society for Information Science and Technology 6 (1): 185-204.
Chandola, D., H. Gupta, V. A. Tikkiwal, & M. K. Bohra. 2020. Multi-step ahead forecasting of global solar radiation for arid zones using deep learning. Procedia Computer Science 167: 626-635.
Chen, C., Z. Wang, W. Li, & X. Sun. 2018. Modeling Scientific Influence for Research Trending Topic Prediction. Thirty-Second AAAI Conference on Artificial Intelligence. Vancouver, Canada
Chollet, F. 2018. Deep Learning with Python. America: Manning.
Figuerola, C. G., F. J. G. Marco, & M. Pinto. 2017. Mapping the evolution of library and information science (1978–2014) using topic modeling on LISA. Scientometrics 112 (3): 1507-1535.
Galvez, C. 2018. Co-word analysis applied to highly cited papers in Library and Information Science (2007-2017). Transinformacao 30 (3): 277-286.
Greff, K., R. K. Srivastava, J. Koutník, B. R. Steunebrink, & J. Schmidhuber. 2017. LSTM: A Search Space Odyssey. Ieee Transactions on Neural Networks and Learning Systems 28 (10): 2222-2232.
Han, X. 2020. Evolution of research topics in LIS between 1996 and 2019: an analysis based on latent Dirichlet allocation topic model. Scientometrics 125: 2561–2595.
Hochreiter, J. 1991. Investigations on dynamic neural networks. Diploma thesis. Technical University of Munich, Germany.
Hochreiter, S., & J. Schmidhuber. 1997. Long short-term memory. Neural computation 9 (8): 1735-1780.
Kim, P. 2017. MATLAB Deep Learning with Machine Learning. Neural Networks and Artificial Intelligence. Seoul: Apress.
Kumar Sinha, M. 2016. Scenario of Changing Trends in Library and Information Science Education and Research An Analytical Study of Brochures of Seminars, Conferences and Workshops Organized during January 2012- July 2014. Journal of Humanities and Social Science 21 (7): 20-43.
Larivière, V., C. R. Sugimoto, & B. Cronin. 2012. A bibliometric chronicling of library and information science's first hundred years. Journal of the American Society for Information Science and Technology 63 (5): 997-1016.
Li, X., Q. Xiea, T. Daimb, & L. Huanga. 2019. Forecasting technology trends using text mining of the gaps between science and technology: The case of perovskite solar cell technology. Technological Forecasting & Social Change 146: 432-449.
Liu, G., & L. Yang. 2019. Popular research topics in the recent journal publications of library and information science. The Journal of Academic Librarianship 45 (3): 278-287.
Luo, L., & M. McKinney. 2015. JAL in the past decade: A comprehensive analysis of academic library research. The Journal of Academic Librarianship 41 (2): 123-129.
Masuda, Y. 1983. The role of the library in the information society. The Electronic Library 1 (2): 143-147.
Olah, C. 2015. Understanding LSTM Networks.: http://colah.github.io/posts/2015-08-Understanding-LSTMs/. (accessed Oct. 3, 20200)
Park, J. H., & M. Song. 2013. A Study on the Research Trends in Library & Information Science in Korea using Topic Modeling. Journal of the Korean Society for Information 30 (1): 16-32.
Ratten, V. 2019. Sport entrepreneurship and public policy: future trends and research developments. Journal of Entrepreneurship and Public Policy 8 (1): 207-216.
Salatino, A. 2015. Early Detection and Forecasting of Research Trends. In: 14th International Semantic Web Conference, 11-15 Oct 2015, Bethlehem (PA), USA.
Singh, S. 2018. Cousins of Artificial Intelligenc. https://towardsdatascience.com/cousins-of-artificial-intelligence-dda4edc27b55. (Accessed October 6, 2020)
Summers, R., C. H. Oppenheim, J. Meadows, C. McKnight, & M. Kinnell. 1999. Information Science in 2010: A Loughborough University View. Journal of the American Society for Information Science 50 (12): 1153-1162.
Taşkın, Z. 2021. Forecasting the future of library and information science and its sub-fields. Scientometrics 126: 1527–1551.
Wang, Q. 2017. A Bibliometric Model for Identifying Emerging Research Topics. Journal of the Association for Information Science and Technology 69 (2): 1-15.
Yann LeCun, Y. B., Y. Bengio, & G. Hinton. 2015. Deep learning. NATURE 521 (7553): 436-444.
Zhang, Y., G. Zhang, H. Chen, A. L. Porter, D. Zhu, & J. Lua. 2016. Topic analysis and forecasting for science, technology and innovation: Methodology with a case study focusing on big data research. Technological Forecasting & Social Change 105: 179-191.

فایل ها

سابقه مقاله

  • تاریخ دریافت: 19 آذر 1401
  • تاریخ بازنگری: 10 اسفند 1401
  • تاریخ پذیرش: 19 آذر 1401

هم رسانی

ارجاع به این مقاله

آمار