• Tecnologia
  • Equipamento eletrico
  • Outros
  • indústria de materiais
  • Política de Privacidade
  • Sobre nós
  • Entre em contato conosco
Localização: Casa / Tecnologia / AI + Informetria: Modelos robustos para análise em larga escala - Conferência de Processamento e Gerenciamento de Informações - Visualização de Suporte à Pesquisa de Elsevier Cart Cart

AI + Informetria: Modelos robustos para análise em larga escala - Conferência de Processamento e Gerenciamento de Informações - Visualização de Suporte à Pesquisa de Elsevier Cart Cart

serv |
234

Note: This special issue is a Thematic Track at IP&MC2022. For more information about IP&MC2022, please visit https: // www.Elsevier.com/eventos/conferências/informação-processamento e gerenciamento-conferência.

Título da edição especial

AI + Informetria: Modelos robustos para análises em larga escala (VSI: IPMC2022 AI + Info)

Editores convidados

Yi zhang (yi.zhang@uts.Edu.AU) Professor Sênior do Instituto Australiano de Inteligência Artificial, Faculdade de Engenharia e Tecnologia da Informação,vocêniversidade de Tecnologia Sydney, Austrália.

Chengzhi Zhang (zhangcz@nJust.Edu.CN) Professor do Departamento de Gerenciamento de Informações,vocêniversidade de Ciência e Tecnologia de Nanjing, China.

Philipp Mayr (Philipp.mayr@gesis.org) líder de equipe do Departamento de Tecnologias de Conhecimento para as Ciências Sociais, Gesis - Instituto Leibniz para as Ciências Sociais, Alemanha.

Arho Suominen (Arho.Suominen@vtt.fi)Principal Scientists at the VTT Technical Research Centre of Finland, & Industrial Professor at the Tamperevocêniversity, Industrial Engineering, Finland.

Ying Ding (Ying.ding@ischool.utexas.Edu)Bill & Lewis Professor at the School of Information & Dell Medical School,vocêniversity of Texas at Austin,vocêSA

Fundo

Impulsionado pelo boom do big data, a Informetria, conhecida como estudo de aspectos quantitativos da informação, obteve benefícios significativos da inteligência artificial - incluindo uma ampla gama de agentes inteligentes por meio de técnicas como redes neurais, programação genética, visão computacional, pesquisa heurística,Representação e raciocínio do conhecimento, Rede Bayes, Planejamento e Entendimento de Linguagem.Com suas capacidades na análise de dados e fluxos escaláveis não estruturados, compreendendo a semântica incerta e o desenvolvimento de modelos robustos e repetíveis, “Inteligência artificial + Informetria (AI + Informetria)” demonstrou um enorme sucesso na transformação de big data em grande valor e impacto, lidando com diversos desafios diversosCriado de várias disciplinas e áreas de pesquisa.Exemplos de trabalho recente incluem recuperação de informações aprimoradas bibliométricas (Mayr et al., 2014), mapeamento de patentes com abordagens de aprendizagem não supervisionadas (Suominen et al., 2017), Bibliometria inteligente para rastrear mudanças tecnológicas com a análise de dados de streaming (Zhang et al., 2017) e avaliar tecnologias emergentes com análise de rede (Zhang et al., 2021), entity extraction with full-text analytics (Wang & Zhang, 2020), and deep learning-empowered models for metadata analysis (Safder et al., 2020) and classification (Haneczok & Piskorski, 2020).Tais empreendimentos com perspectivas ampliadas da Inteligência de Máquina pressionariam implicações de longo alcance para a ciência (Fortunato et al., 2018).

Como um interesse crescente não apenas da comunidade de gerenciamento de informações, mas também das amplas disciplinas de negócios em gestão de ciências e tecnologia, desenvolvendo e aplicando modelos computacionais robustos para analisar documentos científicos em larga escala (e.g., artigos de pesquisa, patentes, propostas acadêmicas, relatórios técnicos e mídias sociais) com extensos usos de indicadores bibliográficos (e.g., citações, semântica de palavras e autorias) estão atraindo muita atenção.As entregas de acordo com o tópico podem incluir novos métodos e técnicas e insights empíricos para política científica, gestão estratégica, planos de pesquisa e desenvolvimento e empreendedorismo.

AI + Informetrics: Robust Models for Large-scale Analytics - Information Processing and Management Conference - Elsevier Search Support View Cart

Aiming to further gather researchers and practical users to open a collaborative platform for exchanging ideas, sharing pilot studies, and scoping future directions on this cutting-edge venue, the topic of AI + Informetrics will be a special track associated with the Information Processing and Management Conference (IP&MC) 2022.Esta faixa especial é concorrer com o núcleo da comunidade científica da informação, mas com uma visão interdisciplinar que hospeda pesquisadores de ciência da computação, ciência da biblioteca, comunicação e amplas disciplinas em ciências da gestão (e.g., Inovação e Gerenciamento de Tecnologia, Administração Pública e Sistemas de Informação).Esta faixa especial é direcionar particularmente certos problemas não resolvidos na IA + Informetria e em uma ampla gama de seus cenários práticos, especificamente:

Possíveis tópicos de envios

Os interesses dessa faixa especial incluem, mas não estão limitados aos seguintes tópicos:

Datas importantes

Online submission system is openJanuary 5, 2022
Thematic track manuscript submission due date; authors are welcome to submit early as reviews will be rollingJune 15, 2022
Author notificationJuly 31, 2022
IP&MC conference presentation and feedbackOctober 20-23, 2022
Post conference revision due date, but authors welcome to submit earlierJanuary 1, 2023

Diretrizes de submissão

Submit your manuscript to the Special Issue category (VSI: IPMC2022 AI+INFO) through the online submission system of Information Processing & Management:

https: // www.EditorialManager.com/ipm/

Authors will prepare the submission following the Guide for Authors on IP&M journal at (https: // www.Elsevier.com/periódicos/informação-processamento e gerenciamento/0306-4573/guia-para-autores). All papers will be peer-reviewed following the IP&MC2022 reviewing procEdures.

The authors of accepted papers will be obligated to participate in IP&MC 2022 and present the paper to the community to receive feedback. The accepted papers will be invited for revision after receiving feedback on the IP&MC 2022 conference. The submissions will be given premium handling at IP&M following its peer-review procEdure and, (if accepted), published in IP&M as full journal articles, with also an option for a short conference version at IP&MC2022.

Please see this infographic for the manuscript flow:https: // www.Elsevier.com/__ Dados/Assets/PDF_FILE/0003/1211934/IPMC2022TIMELINE10OCT2022.pdf

For more information about IP&MC2022, please visit:

https: // www.Elsevier.com/eventos/conferências/informação-processamento e gerenciamento-conferência

Comitê de Programa para a Trilha Especial

Referências

Fortunato, s., ..., et al., 2018.Ciência da Ciência.Science, 359 (6379).

Haneczok, J.., & Piskorski, J.(2020).Aprendizagem superficial e profunda para a classificação do relacionamento com eventos.Information Processing & Management,57(6), 102371.

Mayr, p., ..., et al., 2014, abril.Recuperação de informações aprimoradas bibliométricas.Na Conferência Europeia sobre Recuperação de Informações (PP.798-801).Springer, Cham.

Seguro, i., Hassan, S.você., Visvizi, um., Noraset, t., Nawaz, r., & Tuarob, S.(2020).Extração profunda baseada em aprendizado de metadados algorítmicos em documentos acadêmicos de texto completo.Information Processing & Management,57(6), 102269.

Suominen, a., Toivanen, H., & Seppänen, M.(2017).Perfis de conhecimento das empresas: mapeando dados de patentes com aprendizado não supervisionado.Previsão tecnológica e mudança social, 115, 131-142.

Wang, y., & Zhang, C.(2020).vocêsing the full-text content of academic articles to identify and evaluate algorithm entities in the domain of natural language processing.Journal of Informetrics, 14 (4), 101091.

Zhang, y., ..., et al., 2017.Caminhos evolutivos científicos: identificando e visualizando relacionamentos para tópicos científicos.Journal of the Association for Information Science and Technology, 68 (8), pp.1925-1939.

Zhang, y., ..., et al., 2021.Análise de Rede Bi-Camada: Uma Metodologia para Caracterização de Tecnologias Emergentes de Uso Geral.Journal of Informetics, 15 (4), 101202.