ریز‌داده‌ها و کاربرد آن در حوزه‌های علمی مختلف: مطالعۀ علم‌سنجی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری بازیابی اطلاعات و دانش، دانشگاه خوارزمی

2 دانشجوی دکتری مدیریت اطلاعات و دانش، دانشگاه تهران

چکیده

هدف: هدف از پژوهش، شناسایی ویژگی‌های تولیدات علمی حوزۀ ریزداده‌ نمایه شده در پایگاه وب آو ساینس و تبیین کاربرد آن برمبنای شناسایی واژگان تولیدات علمی مرتبط با این موضوع به تفکیک حوزه‌های علمی است.
پژوهش حاضر از نوع توصیفی با رویکرد علم‌سنجی و روش تحلیل محتوا و بهره‌مندی از فنون تحلیل هم-واژگانی و تحلیل شبکه اجتماعی انجام شده است. تحلیل داده‌ها با نرم‌افزارهای هیست‌سایت، بایب‌اکسل، گفی و اس‌پی‌اس-اس؛ و ترسیم داده‌ها با نرم‌افزار وی‌او‌اس ویوئر انجام شده است.
یافته‌ها: طی دهه‌های گذشته میزان انتشار تولیدات علمی حوزۀ ریزداده روندی افزایشی با میانگین نرخ رشد سالانۀ 15.59% داشته است. بیش از 90% این تولیدات مربوط به حوزه‌های علوم رایانه، مهندسی، ریاضیات، مخابرات و فیزیک است. خوشه‌بندی هم‌واژگانی در این حوزه‌ها به ترتیب منجر به تشکیل 8، 6، 7، 5 و 3 خوشه شد. بیشترین مرکزیت درجه مربوط به یادگیری ماشینی، اینترنت اشیاء و وجود جهانی است؛ کلیدواژه‌های انطباق، نمودار دوقطبی و یادگیری ماشینی بیشترین مرکزیت نزدیکی و یادگیری ماشینی، فناوری تکامل بلندمدت و وجود جهانی دارای بیشترین مرکزیت‌ بینابینی در حوزه‌های علمی فوق‌اند.
نتیجه‌گیری:مباحث نظری ریزداده‌ها بیشتر در علوم ریاضیات و فیزیک تکامل یافته و کاربردهای آن در علوم رایانه و حوزه‌های دیگر در حال گسترش است.

کلیدواژه‌ها


عنوان مقاله [English]

Small-Data and Its Application among various Scientific Areas: A Scientometric Study

نویسندگان [English]

  • razieh farshid 1
  • Yousef Abedi 2
  • somayeh Jafari 2
1 kharazmi univercity
2 University of Tehran
چکیده [English]

Identifying the characteristics of scientific publications of small data in the Web of Science and its application in the main branches of science.
Methodology: This research is a descriptive study based on scientometric approach and content analysis method, which has been done by using the common techniques of co-word analysis and social network analysis.
Results: Publications of small data has had an increasing trend with an average annual growth rate of 15.59%. The main language of these works is English. Although the National Cheng Kung University (Taiwan) ranked the first of organizations, the United States, China and Germany recognized the top countries , overall. More than 90% of these products are in the fields of Computer Science (8 clusters), Engineering (6 clusters), Mathematics (7 clusters), Telecommunications (5 clusters) and Physics (3 clusters). The greatest degree of centrality belongs to Machine Learning, the Internet of Things, and Universal existence; the most closeness centrality belongs to Adaptation, Bipartite Graph and Machine Learning; and the most betweenness centrality belongs to Machine Learning, Long-Term Evolution Technology, and Global Existence.
Conclusion: Theoretical discussions of smalldata have further evolved in the mathematics and physics, and its applications in computer science and other fields are expanding.

کلیدواژه‌ها [English]

  • Small data
  • Big data
  • co-word
  • intellectual structure of knowledge
  • Social Network Analysis