ارزیابی کیفیت پایگاه های داده علمی با استفاده از الگوریتم های هوش مصنوعی: مطالعه موردی پایگاه های فارسی و بین المللی

هدف: هدف اصلی این پژوهش توسعه چارچوبی نوین و علمی مبتنی بر الگوریتم های هوش مصنوعی برای ارزیابی کیفیت پایگاه های داده علمی است. پژوهش با شناسایی و تحلیل نقاط قوت و ضعف پایگاه های داده فارسی در مقایسه با پایگاه های بین المللی معتبر، ضمن ارائه تصویری روشن از وضعیت موجود، راهکارهایی علمی برای ارتقای کیفیت خدمات اطلاعاتی و فراهم کردن چارچوبی قابل استناد برای پژوهشگران، مدیران پایگاه ها، و سیاست گذاران حیطه علم سنجی است.  روش شناسی: پژوهش حاضر از نظر هدف کاربردی و از نظر ماهیت و روش توصیفی – تحلیلی است.  جامعه پژوهش شامل پایگاه های داده علمی فارسی و بین المللی فعال در حوزه نمایه سازی و اشاعه تولیدات علمی است. در این پژوهش پایگاه های داده فارسی شامل پایگاه اطلاعات علمی جهاد دانشگاهی ، مگ ایران، و نورمگز و پایگاه های بین المللی شامل وب آوساینس و اسکوپوس برای نمونه انتخاب شدند. داده ها از طریق استخراج رکوردهای کتاب شناختی و فراداده های مرتبط با مقالات علمی  گردآوری شد. برای ارزیابی کیفیت پایگاه ها  شاخص هایی شامل شامل دقت داده ها، جامعیت اطلاعات ، انسجام، و استانداردسازی فراداده، به روزبودن داده ها، قابلیت بازیابی اطلاعات، و نرخ داده های تکراری تعیین شد. برای ارزیابی عینی شاخص ها از الگوریتم های هوش مصنوعی و یادگیری ماشین برای تحلیل خطاهای فراداده، شناسایی رکوردهای تکراری، ارزیابی هم سانی اطلاعات توصیفی، و سنجش کارایی بازیابی اطلاعات استفاده شد.یافته ها: یافته ها نشان داد پایگاه های بین المللی در بیشتر شاخص های کیفیت عملکرد مطلوب تری دارند. میانگین دقت داده ها در اسکوپوس  ۹۶ درصد و در و ب آوساینس حدود ۹۵ درصد برآورد شد، درحالی که این شاخص ها در پایگاه های فارسی به طور میانگین ۸۵ درصد بود. از نظر انسجام فراداده، پایگاه های بین المللی امتیاز ۹۴ درصد و پایگاه های فارسی ۸۰ درصد  را کسب کردند. نرخ داده های تکراری در پایگاه های فارسی به طور متوسط ۵ درصد و در پایگاه های بین المللی  کمتر از سه ماه و در پایگاههای فارسی حدود پنج ماه گزارش شد.نتیجه گیری: نتایج نشان می دهد استفاده از الگوریتم های هوش مصنوعی می تواند ابزار موثری برای ارزیابی عینی و مقیاس پذیر کیفیت پایگاه های داده علمی باشد. اگرچه پایگاه های فارسی نقش مهمی در دسترسی به تولیدات علمی بومی دارند، برای دستیابی به استانداردهای بین المللی نیازمند بهبود ساختار فراداده، کاهش خطاها و داده های تکراری، تسریع فرایند به روزرسانی، و توسعه فناوریهای هوشمند هستند. چارچوب پیشنهادی می تواند مبنایی علمی برای انتخاب پایگاه های مناسب ، بهبود سیاست گذاری های اطلاعات علمی وارتقای کیفیت وکارآمدی پایگاه های داده علمی، به ویژه پایگاه های فارسی فراهم کند.

کلیدواژه ها:

ارزیابی کیفیت ، پایگاه های داده علمی ، هوش مصنوعی ، یادگیری ماشین ، پایگاه های داده فارسی ، پایگاه های بین المللی ، علم سنجی