| Titre | Une intelligence artificielle pour contextualiser les citations des publications scientifiques | |
|---|---|---|
| Auteur | Maha Amami, Yann Mahé | |
 |
Revue |
I2D - Information, données & documents (anciennement : Documentaliste - Sciences de l'information) Titre à cette date : i2D : information, données et documents : pratiques & recherche |
| Numéro | no 1, juillet 2022 Dossier. L'intelligence artificielle | |
| Page | 77-81 | |
| Résumé |
Dépasser le biais du simple critère quantitatif : tel est l'enjeu pour l'évaluation de la recherche aujourd'hui. En effet, l'impact du travail d'un chercheur se mesure encore trop souvent au nombre d'articles dans lesquels ses propres articles ont été cités. Or dans sa tâche d'écriture, un auteur pose un œil critique sur chacun des articles qu'il cite ; il peut ne citer un article que pour le situer chronologiquement par rapport à l'état de l'art, et exprimer un avis neutre à son propos ; il peut aussi présenter les limites des méthodes énoncées dans l'article cité ou critiquer son processus d'expérimentation ; il peut enfin apprécier le travail de l'article cité, et l'utiliser pour la construction de son approche. C'est pour tenir compte de ces nuances et de ce contexte des citations (qui en soi constitue déjà une forme d'évaluation…) que l'équipe de data scientists de MyScienceWork a entraîné un algorithme Open Source et développé trois modèles d'analyse. Les informations extraites des publications via cet outil ouvrent de nouvelles perspectives d'analyse contextuelle des citations, en les assortissant d'étiquettes d'avis, de type et de sentiment. Source : Éditeur (via Cairn.info) |
|
| Article en ligne | http://www.cairn.info/article.php?ID_ARTICLE=I2D_221_0077 (accès réservé) |
