A Bibliometric analysis for AI-Powered Chatbots
Notice bibliographique
Résumé
This study reports on the bibliometric analysis of AI chatbots from 2004 to 2024 (20 years) from the Elsevier Scopus database. Through bibliographical analysis of 915 Scopus-indexed documents, the review found that this is very recent literature, with over 98.46% of the relevant documents published since 2016. The contributions of institutional publications by affiliation showed that University of Toronto had the highest number of publications. In this bibliometric analysis, we examine the application of AI-powered chatbots across various domains, focusing on their potential for service enhancement and the challenges associated with their implementation in universities and higher education environment. By reviewing selected research articles, we identify trends, patterns, and key contributors in this expanding field. Notably, AI chatbots offer numerous advantages, such as efficiently handling user inquiries, which are relevant across multiple sectors. We ensure the scientific validity of the study and provide a concise analysis of the existing literature. This bibliometric analysis aims to contribute to the knowledge base and facilitate discussions and planning for the effective deployment of AI chatbots in different sectors and also in university environment in future. In conclusion, this research offers practical recommendations to policymakers, industry leaders, and technology developers on the utilization of AI chatbots to maximize their positive impact and foster supportive environments across different industries in future.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,018 | 0,055 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».