Skip navigation
Αρχική
Πλοήγηση
Συλλογές
Όλα τα τεκμήρια
Πλοήγηση με:
Τύπος
Δημιουργός/Συντελεστής
Ημερομηνία
Θεματική κατηγορία
Λέξη-κλειδί
Σχετικά
Επικοινωνία
Ελληνικά
English
Το Αποθετήριό μου
Ενημέρωση μέσω
email
Επεξεργασία προφίλ
Ιδρυματικό Αποθετήριο ΕΚΤ
Εθνικό Κέντρο Τεκμηρίωσης και Ηλεκτρονικού Περιεχομένου (ΕΚΤ)
Επιστημονικές δημοσιεύσεις
Αρχεία στο τεκμήριο
Δείτε/ανοίξτε
Περιγραφή:
Επιστημονικό άρθρο
Έκταση:
19
Μέγεθος:
1.04 MB
Μορφότυπος:
Adobe PDF
Εκδοχή ψηφιακού τεκμηρίου:
Δημοσιευμένη/του Εκδότη
https://hdl.handle.net/20.500.12776/17111
Στυλ βιβλιογραφικής αναφοράς:
Social Media Icons
Τύπος:
[EL]
Άρθρο σε επιστημονικό περιοδικό
[EN]
Scientific journal article
AI for AI: Using AI methods for classifying AI science documents
Συγγραφέας:
[EL]
Σαχίνη, Εύη
[EN]
Sachini, Evi
[EL]
Σιουμάλας-Χριστοδούλου, Κωνσταντίνος
[EN]
Sioumalas-Christodoulou, Konstantinos
Christopoulos, Stefanos
[EL]
Καραμπέκιος, Νικόλαος
[EN]
Karampekios, Nikolaos
Περίληψη:
Subject area classification is an important first phase in the entire process involved in bibliometrics. In this paper, we explore the possibility of using automated algorithms for classifying scientific papers related to Artificial Intelligence at the document level. The current process is semi-manual and journal-based, a realisation that, we argue, opens up the potential for inaccuracies. To counter this, our proposed automated approach makes use of neural networks, specifically BERT. The classification accuracy of our model reaches 96.5%. In addition, the model was used for further classifying documents from 26 different subject areas from the Scopus database. Findings indicate that a significant subset of existing Computer Science, Decision Science and Mathematics publications could potentially be classified as AI-related. The same holds in particular cases in other science fields such as Medicine and Psychology or Arts and Humanities. The above indicate that in subject area classification processes, there is room for automatic approaches to be utilised in a complementary manner with traditional manual procedures.
Ημερομηνία:
15/11/2022
Γλώσσα:
Αγγλικά
DOI:
https://doi.org/10.1162/qss_a_00223
Τίτλος πηγής δημοσίευσης:
Quantitative Science Studies
Σελίδες (στην πηγή):
1–19
Θεματική κατηγορία:
[EL]
Τεχνητή νοημοσύνη
[EN]
Artificial Intelligence
Λέξεις-Κλειδιά:
Artificial intelligence
;
Science
;
Classification
;
Article-level analysis
;
Neural networks
Κάτοχος πνευματικών δικαιωμάτων:
© 2022 Evi Sachini, Konstantinos Sioumalas-Christodoulou, Stefanos Christopoulos, and Nikolaos Karampekios
Όροι και προϋποθέσεις δικαιωμάτων:
Creative Commons Attribution 4.0 International (CC BY 4.0) license.
Ηλεκτρονική διεύθυνση του τεκμηρίου στον εκδότη:
https://direct.mit.edu/qss/article/doi/10.1162/qss_a_00223/113767/AI-for-AI-Using-AI-methods-for-classifying-AI
Ηλεκτρονική διεύθυνση περιοδικού:
https://direct.mit.edu/
Εμφανίζεται στις συλλογές:
Επιστημονικές δημοσιεύσεις