طبق بررسی های هیئت تحریریه آکادمی فوق تخصصی رادمان در دهههای اخیر، رشد روزافزون تولید علم و دادههای پژوهشی در ایران، نیاز به زیرساختهای هوشمند برای مدیریت دانش را افزایش داده است. سیویلیکا، بهعنوان بزرگترین پایگاه علمی فارسیزبان، با تلفیق فناوریهای هوش مصنوعی، توانسته نقش کلیدی در سازماندهی، تحلیل و انتشار مقالات علمی ایفا کند.
این مقاله با استفاده از رویکرد پژوهش کیفی، به بررسی کاربردهای هوش مصنوعی در پلتفرمهای علمی ایران و تأثیر آن بر کیفیت و سرعت فرآیندهای پژوهشی میپردازد. یافتهها نشان میدهد که بهکارگیری الگوریتمهای یادگیری ماشینی، پردازش زبان طبیعی و سیستمهای توصیهگر، به شکل چشمگیری عملکرد علمی پژوهشگران و مدیران پلتفرم را بهبود بخشیده است.
کلمات کلیدی: هوش مصنوعی، سیویلیکا، پلتفرم علمی، مدیریت دانش، یادگیری ماشینی، تحلیل دادههای پژوهشی
تحولات فناورانه و دیجیتال در دههی گذشته، نظامهای علمی را با چالشهای جدیدی مواجه کرده است. افزایش حجم مقالات، پایاننامهها و پژوهشهای علمی، لزوم استفاده از سامانههای هوشمند برای مدیریت و تحلیل دادهها را آشکار ساخته است.
در ایران، پلتفرمهای علمی مانند سیویلیکا، ISC و SID، با هدف جمعآوری، دستهبندی و ارائه دادههای پژوهشی، نقش مهمی در چرخهی علمی ایفا میکنند. اما با رشد دادهها و پیچیدگی موضوعات، ضرورت ورود هوش مصنوعی و ایجاد سیستمهای تحلیلگر و توصیهگر پژوهشی بیش از پیش احساس میشود.
هدف این مقاله، تحلیل نقش هوش مصنوعی در پلتفرمهای علمی ایران و ارائه دیدگاهی جامع دربارهی مزایا، چالشها و فرصتهای توسعه این فناوری در سیویلیکا است.
هوش مصنوعی به عنوان شاخهای از علوم رایانه، توانایی تحلیل دادههای بزرگ، یادگیری الگوهای پیچیده و پیشبینی روندهای آینده را دارد. در حوزه مدیریت دانش علمی، AI میتواند:
تحلیل و دستهبندی خودکار دادهها
پیشنهاد مقالات مرتبط و شبکهسازی پژوهشگران
ارزیابی کیفیت مقالات و شناسایی روندهای نوظهور
مطالعات جهانی نشان دادهاند که ادغام AI در پلتفرمهای علمی منجر به افزایش سرعت داوری، کاهش سوگیری انسانی و ارتقای دقت پژوهشی میشود (Zhang et al., 2023). در ایران نیز پروژههایی برای توسعه مدلهای زبان فارسی و تحلیل دادههای پژوهشی در پلتفرمهای علمی آغاز شده است، که سیویلیکا پیشتاز این مسیر است.
هوش مصنوعی در پلتفرمهای علمی ایران کاربردهای متنوعی دارد:
پردازش زبان طبیعی (NLP): استخراج کلیدواژهها، تحلیل معنایی متن، خلاصهسازی خودکار مقالات.
سیستمهای توصیهگر پژوهشی: پیشنهاد مقالات مرتبط و همکاران بالقوه.
تحلیل شبکههای استنادی: شناسایی ارتباطات میان مقالات و محققان.
مدیریت کیفیت و داوری: تشخیص الگوهای تکراری، سرقت علمی و ارتقای استانداردهای ارزیابی.
این کاربردها موجب افزایش دقت و سرعت جستوجو، تحلیل و ارزیابی پژوهشها شده و تجربه کاربری پژوهشگران را بهبود بخشیده است.

سیویلیکا، با بیش از یک دهه فعالیت در جمعآوری مقالات فارسی و کنفرانسی، در سالهای اخیر از فناوریهای هوش مصنوعی برای بهبود خدمات خود بهره گرفته است.
استفاده از مدلهای BERT فارسی: برای درک بهتر مفاهیم مقالات و طبقهبندی موضوعی.
سیستم توصیهگر هوشمند: ارائه مقالات و منابع مرتبط به پژوهشگران بر اساس سابقه و علایق علمی.
تحلیل دادههای پژوهشی: پیشبینی موضوعات نوظهور و شاخصهای رشد علمی در حوزههای مختلف.
این قابلیتها سیویلیکا را از یک بانک دادهای سنتی به یک سامانه هوشمند پژوهشی تبدیل کرده است.
بر اساس مصاحبه با ۱۰ پژوهشگر و ۵ مدیر پلتفرم علمی:
پژوهشگران بهبود قابل توجهی در سرعت و دقت جستوجو را تجربه کردهاند.
مدیران پلتفرم به ارزش دادهکاوی و تحلیل پیشبینانه برای تصمیمگیریهای علمی پی بردهاند.
نگرانیهایی درباره امنیت دادهها و سوگیری الگوریتمی وجود دارد که باید با سیاستهای دقیق رفع شود.
کمبود دادههای آموزشی فارسی با کیفیت برای مدلهای AI
عدم استاندارد ملی برای تبادل دادههای پژوهشی
مسائل امنیت و حریم خصوصی پژوهشگران
نیاز به نیروی متخصص در توسعه و نگهداری سیستمهای هوشمند
توسعه مدلهای زبان فارسی برای تحلیل بهتر مقالات علمی
ایجاد بانک دادههای باز پژوهشی برای افزایش همکاری و شفافیت
بهکارگیری یادگیری ماشینی و هوش مصنوعی برای پیشبینی روندهای علمی
افزایش تعامل میان دانشگاهها، پژوهشگران و پلتفرمهای علمی
تلفیق هوش مصنوعی در پلتفرمهای علمی ایران، به ویژه سیویلیکا، نشاندهنده تحول بنیادین در مدیریت دانش پژوهشی است.
استفاده از AI موجب افزایش دقت، سرعت و شفافیت فرآیندهای علمی شده و مسیر ایران را به سمت یک اکوسیستم پژوهش هوشمند و دادهمحور هدایت میکند.
پیشنهاد میشود سیاستگذاران علمی با توسعه زیرساختهای دادهای، آموزش نیروی انسانی متخصص و تدوین چارچوبهای اخلاقی، زمینه بهرهبرداری کامل از ظرفیت هوش مصنوعی را فراهم کنند.