[论文解读] Characterising Research Areas in the field of AI

Alessandra Belfiore, Angelo A. Salatino+1 more|arXiv (Cornell University)|May 26, 2022

Big Data and Business Intelligence被引用 6

一句话总结

本研究基于 OpenAlex 的 257,000 篇人工智能相关论文，开展了大规模的书目计量分析，以识别并追踪人工智能关键研究主题的演变。通过在主题上应用共现网络聚类，研究揭示了深度学习、机器学习以及物联网领域学术关注度的持续增长，提供了人工智能研究版图随时间动态演变的可视化地图。

ABSTRACT

Interest in Artificial Intelligence (AI) continues to grow rapidly, hence it is crucial to support researchers and organisations in understanding where AI research is heading. In this study, we conducted a bibliometric analysis on 257K articles in AI, retrieved from OpenAlex. We identified the main conceptual themes by performing clustering analysis on the co-occurrence network of topics. Finally, we observed how such themes evolved over time. The results highlight the growing academic interest in research themes like deep learning, machine learning, and internet of things.

研究动机与目标

• 利用大规模书目计量数据，绘制人工智能研究版图的动态演变。
• 通过主题建模与聚类，识别人工智能研究中的主导概念主题。
• 追踪人工智能研究兴趣随时间的演变，特别是新兴子领域的变化。
• 为研究人员和机构提供理解人工智能研究趋势与未来方向的支持。
• 利用开放获取的学术数据，实现对人工智能研究领域的数据驱动型特征刻画。

提出的方法

• 本研究分析了从 OpenAlex（一个全面的开放学术数据库）中检索到的 257,000 篇人工智能相关论文。
• 通过分析论文标题和摘要中的词频及共现关系，构建了主题的共现网络。
• 对共现网络应用聚类技术，以识别出不同的概念性研究主题。
• 进行了时间序列分析，以追踪 2000 年至 2022 年间这些主题的增长与演变。
• 该方法依赖无监督主题建模与网络分析，以提取并可视化研究趋势。
• 通过主题聚类的定性检查及与已知人工智能子领域的对齐，对结果进行了验证。

实验结果

研究问题

• RQ1 在学术出版物中反映出的人工智能领域主导研究主题是什么？
• RQ2 这些研究主题在流行度与相互关联性方面，随时间如何演变？
• RQ3 在 2000 年至 2002 年间，哪些人工智能子领域经历了学术关注度的显著增长？
• RQ4 人工智能研究中的主题聚类如何反映新兴技术与应用趋势？
• RQ5 所识别的主题在多大程度上与深度学习、机器学习等既定人工智能子领域相吻合？

主要发现

• 深度学习成为人工智能领域最突出且增长最快的科研主题，其论文数量呈现持续上升趋势。
• 机器学习作为核心且稳定的科研领域，始终位居分析结果的前列。
• 物联网（IoT）的研究关注度显著上升，尤其自 2015 年起，表明其与人工智能的整合日益增强。
• 主题聚类揭示了若干独立的主题群组，包括自然语言处理、计算机视觉和强化学习，各具独特的发展轨迹。
• 时间序列分析表明，人工智能在医疗健康与机器人领域应用的研究自 2015 年后明显加速，与现实世界中的部署趋势一致。
• 本研究证实，基于开放获取学术数据的书目计量分析，能够有效映射并追踪人工智能研究领域的动态演变。