[论文解读] Conceptual Modeling and Artificial Intelligence: A Systematic Mapping Study

Dominik Bork, Syed Juned Ali+1 more|arXiv (Cornell University)|Mar 12, 2023

Advanced Database Systems and Queries被引用 10

一句话总结

本系统映射研究调查了 CMAI 领域，使用分类学结构化跨学科领域，并概述了相互利益和未来方向，同时得到大量文献与知识库的支持。

ABSTRACT

In conceptual modeling (CM), humans apply abstraction to represent excerpts of reality for means of understanding and communication, and processing by machines. Artificial Intelligence (AI) is applied to vast amounts of data to automatically identify patterns or classify entities. While CM produces comprehensible and explicit knowledge representations, the outcome of AI algorithms often lacks these qualities while being able to extract knowledge from large and unstructured representations. Recently, a trend toward intertwining CM and AI emerged. This systematic mapping study shows how this interdisciplinary research field is structured, which mutual benefits are gained by the intertwining, and future research directions.

研究动机与目标

• 刻画 CMAI 文献特征：识别主要贡献者、发表渠道和总体结构。
• 识别 CMAI 中进行的研究类型及贡献的性质。
• 探索哪些概念建模语言与 AI 结合以及使用了哪些 AI 技术。
• 评估将 CM 与 AI 结合在 CM 的创建与使用方面的互利。
• 识别活跃的 CMAI 社区和协作模式，以指导未来工作。

提出的方法

• 按照 Petersen 等人的协议进行系统映射研究（SMS）。
• 在五个数据库中自动化初步的文献计量数据提取和筛选。
• 使用预定义的分类法（研究类型、贡献类型、建模目的、AI 领域、AI 建模价值）对论文进行人工筛选和分类。
• 为 CMAI 开发并应用多维分类法：建模、AI 分类法，以及 AI 建模价值。
• 提取数据并将论文映射到分类法；综合结果并提供用于复制和探索的网络知识库。
• 生成可视化图并推导对 CMAI 研究方向的启示。

实验结果

研究问题

• RQ1 RQ-1：CMAI 的文献现状如何（贡献者、发表渠道和发表类型）？
• RQ2 RQ-2：CMAI 中开展了哪些类型的研究以及贡献类型？
• RQ3 RQ-3：在 CMAI 中哪些建模语言与 AI 相结合？
• RQ4 RQ-4：在 CMAI 中哪些 AI 技术与 CM 结合？
• RQ5 RQ-5：将 CM 与 AI 结合的互利是什么？
• RQ6 RQ-6：存在哪些 CMAI 协作社区，它们的重点领域是什么？

主要发现

• 在 CMAI 中有 460 篇论文被认为相关并被映射（1988–2021年5月），在过去十年中增长。
• 该领域呈现出锯齿状但上升的趋势，2019 年达到峰值 50 篇论文。
• 发表渠道分散；CMAI 论文（2019–2021）中 60.4% 出现在会议论文中，37.7% 在期刊中。
• 贡献最多的国家是美国、法国、西班牙、德国和加拿大，合计占有相当可观的产出。
• 领先机构包括马德里康普卢顿斯大学（14 篇论文）以及多所加拿大大学（多伦多大学、麦吉尔大学、蒙特利尔大学）。
• CMAI 工作的热门 venues 包括《Expert Systems with Applications》期刊（10 篇论文）以及 MoDELS（12 篇论文）和 ER（10 篇论文）等会议。