[论文解读] pyBibX -- A Python Library for Bibliometric and Scientometric Analysis Powered with Artificial Intelligence Tools

Valdecy Pereira, Márcio Pereira Basílio+1 more|arXiv (Cornell University)|Apr 27, 2023

Bioinformatics and Genomic Networks被引用 17

一句话总结

pyBibX 是一个 Python 库，可对来自 Scopus、Web of Science 和 PubMed 的数据进行文献计量学与科学计量分析，结合用于 EDA、网络分析与 NLP 的 AI 工具。

ABSTRACT

Bibliometric and Scientometric analyses offer invaluable perspectives on the complex research terrain and collaborative dynamics spanning diverse academic disciplines. This paper presents pyBibX, a python library devised to conduct comprehensive bibliometric and scientometric analyses on raw data files sourced from Scopus, Web of Science, and PubMed, seamlessly integrating state of the art AI capabilities into its core functionality. The library executes a comprehensive EDA, presenting outcomes via visually appealing graphical illustrations. Network capabilities have been deftly integrated, encompassing Citation, Collaboration, and Similarity Analysis. Furthermore, the library incorporates AI capabilities, including Embedding vectors, Topic Modeling, Text Summarization, and other general Natural Language Processing tasks, employing models such as Sentence-BERT, BerTopic, BERT, chatGPT, and PEGASUS. As a demonstration, we have analyzed 184 documents associated with multiple-criteria decision analysis published between 1984 and 2023. The EDA emphasized a growing fascination with decision-making and fuzzy logic methodologies. Next, Network Analysis further accentuated the significance of central authors and intra-continental collaboration, identifying Canada and China as crucial collaboration hubs. Finally, AI Analysis distinguished two primary topics and chatGPT preeminence in Text Summarization. It also proved to be an indispensable instrument for interpreting results, as our library enables researchers to pose inquiries to chatGPT regarding bibliometric outcomes. Even so, data homogeneity remains a daunting challenge due to database inconsistencies. PyBibX is the first application integrating cutting-edge AI capabilities for analyzing scientific publications, enabling researchers to examine and interpret these outcomes more effectively.

研究动机与目标

• 实现来自跨大数据库原始数据源的全面文献计量学与科学计量分析。
• 将最先进的 AI 能力（嵌入向量、主题建模、文本摘要）集成到文献计量工作流程中。
• 提供带有图形可视化的探索性数据分析，以及（Citation 引用、Collaboration 协作、Similarity 相似性）等网络分析。
• 在真实数据集上演示该库以说明洞见及实际用法。

提出的方法

• 从 Scopus、Web of Science 和 PubMed 导入数据。
• 进行带有图形输出的探索性数据分析。
• 整合用于 Citation、Collaboration 和 Similarity 分析的网络分析模块。
• 应用包含嵌入向量、Sentence-BERT、BerTopic、BERT、chatGPT 与 PEGASUS 的 AI/NLP 工具用于文本任务。
• 通过 chatGPT 查询实现对结果的交互式解读。

实验结果

研究问题

• RQ1 AI 工具如何增强对文献计量学和科学计量结果的解读？
• RQ2 分析数据集中的核心作者和协作模式是什么？
• RQ3 通过 AI 辅助的文本分析，出现了哪些主题？
• RQ4 数据异质性和数据库不一致性对跨数据库的分析有何影响？

主要发现

• 探索性数据分析表明人们越来越关注决策与模糊逻辑方法。
• 网络分析识别出核心作者和显著的大洲内协作，加拿大和中国为协作枢纽。
• AI 分析揭示两个主要主题，并且 chatGPT 在文本摘要中占主导地位。
• 该库使研究人员能够向 chatGPT 提出关于文献计量结果的问题。
• 由于数据库之间的不一致性，数据同质性仍然具有挑战性。