論文の概要: Application of Artificial Intelligence and Machine Learning in
Libraries: A Systematic Review
- arxiv url: http://arxiv.org/abs/2112.04573v1
- Date: Mon, 6 Dec 2021 07:33:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-10 14:14:02.405368
- Title: Application of Artificial Intelligence and Machine Learning in
Libraries: A Systematic Review
- Title（参考訳）: 図書館における人工知能と機械学習の応用:システムレビュー
- Authors: Rajesh Kumar Das and Mohammad Sharif Ul Islam
- Abstract要約: 本研究の目的は,図書館における人工知能と機械学習の適用を探求する実証研究の合成を提供することである。
データはWeb of Science, Scopus, LISA, LISTAデータベースから収集された。
LIS領域に関連するAIとML研究の現在の状況は、主に理論的な研究に焦点が当てられていることを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: As the concept and implementation of cutting-edge technologies like
artificial intelligence and machine learning has become relevant, academics,
researchers and information professionals involve research in this area. The
objective of this systematic literature review is to provide a synthesis of
empirical studies exploring application of artificial intelligence and machine
learning in libraries. To achieve the objectives of the study, a systematic
literature review was conducted based on the original guidelines proposed by
Kitchenham et al. (2009). Data was collected from Web of Science, Scopus, LISA
and LISTA databases. Following the rigorous/ established selection process, a
total of thirty-two articles were finally selected, reviewed and analyzed to
summarize on the application of AI and ML domain and techniques which are most
often used in libraries. Findings show that the current state of the AI and ML
research that is relevant with the LIS domain mainly focuses on theoretical
works. However, some researchers also emphasized on implementation projects or
case studies. This study will provide a panoramic view of AI and ML in
libraries for researchers, practitioners and educators for furthering the more
technology-oriented approaches, and anticipating future innovation pathways.
- Abstract（参考訳）: 人工知能や機械学習といった最先端技術の概念と実装が重要になってきており、学術、研究者、情報専門家がこの分野の研究に関与している。
この体系的な文献レビューの目的は、図書館における人工知能と機械学習の応用を探求する実証研究の合成を提供することである。
本研究の目的を達成するため,Kitchenham et al. (2009) が提案したガイドラインに基づいて,系統的な文献レビューを行った。
データはWeb of Science, Scopus, LISA, LISTAデータベースから収集された。
厳密で確立された選択プロセスに従って、最終的に32の論文が選択され、レビューされ、aiとmlドメインの応用と、ライブラリでよく使われるテクニックを要約した。
LIS領域に関連するAIとML研究の現在の状況は、主に理論的な研究に焦点が当てられていることを示している。
しかし、一部の研究者は実装プロジェクトやケーススタディも重視している。
この研究は、研究者、実践家、教育者のための図書館におけるAIとMLのパノラマなビューを提供し、より技術指向のアプローチをさらに進め、将来のイノベーションの道筋を予想する。
関連論文リスト
- Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。
これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
論文 参考訳（メタデータ） (2025-02-07T18:26:45Z) - Survey on Vision-Language-Action Models [0.2636873872510828]
この研究は、オリジナルの研究を表現していないが、AIが文学レビューの自動化にどのように役立つかを強調している。
今後の研究は、AI支援文学レビューのための構造化されたフレームワークの開発に焦点を当てる。
論文 参考訳（メタデータ） (2025-02-07T11:56:46Z) - Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる
この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。
本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
論文 参考訳（メタデータ） (2024-07-17T20:01:21Z) - A Systematic Literature Review on the Use of Machine Learning in Software Engineering [0.0]
本研究は,ソフトウェア工学プロセスに機械学習技術を適用する際の技術の現状を探るため,その目的と研究課題に従って実施された。
レビューでは、ソフトウェア品質保証、ソフトウェア保守、ソフトウェア理解、ソフトウェアドキュメントなど、MLが適用されたソフトウェアエンジニアリングにおける重要な領域を特定している。
論文 参考訳（メタデータ） (2024-06-19T23:04:27Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オンロジはドメインの知識とメタデータを表現するために広く使われている。
直接支援できる論理的推論は、学習、近似、予測において非常に限られています。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。
ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳（メタデータ） (2024-04-11T13:36:29Z) - Artificial intelligence to automate the systematic review of scientific
literature [0.0]
我々は過去15年間に提案されたAI技術について,研究者が科学的文献の体系的な分析を行うのを助けるために調査を行った。
現在サポートされているタスク、適用されるアルゴリズムの種類、34の初等研究で提案されているツールについて説明する。
論文 参考訳（メタデータ） (2024-01-13T19:12:49Z) - Resilience of Deep Learning applications: a systematic literature review of analysis and hardening techniques [3.265458968159693]
このレビューは、2019年1月から2024年3月までに発行された220の科学論文に基づいている。
著者らは、研究の類似点と特異点を解釈し、強調するために分類フレームワークを採用している。
論文 参考訳（メタデータ） (2023-09-27T19:22:19Z) - Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。
まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。
キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文 参考訳（メタデータ） (2022-09-17T18:24:56Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - A Systematic Literature Review on the Use of Deep Learning in Software
Engineering Research [22.21817722054742]
ソフトウェア開発タスクを自動化するために、ソフトウェア工学(SE)研究者が採用するテクニックのセットが、ディープラーニング(DL)の概念に根ざしている。
本稿では,SE & DLの交差点における研究の体系的な文献レビューを行う。
我々は、機械学習技術の特定の問題領域への適用を規定する一連の原則である学習の構成要素を中心に分析を行う。
論文 参考訳（メタデータ） (2020-09-14T15:28:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。