The Impact of Artificial Intelligence on Economic Development: A Bibliometric Analysis Based on CiteSpace
Notice bibliographique
Résumé
The article is based on CiteSpace software for bibliometric analysis of the impact of artificial intelligence on economic development.Literature information comes from CNKI Knowledge Network database, identifying the hotspots and characteristics of the research related to artificial intelligence and economic development from the perspective of the number of articles issued, core authors, keywords, etc., and comprehensively analyzing 3,340 pieces of literature during the period from 2013 to 2023.The study shows that the number of published articles on the research on the impact of artificial intelligence on economic development increases year by year, and by 2021, the number of published articles is more than 600.Most authors publish related articles in the range of 3-7 articles, and there are fewer collaborations between authors.There are 16 keywords that appear more than 30 times in the field of the impact of AI on the economy between 2013~2023, which is statistically accounted for the total of 15.41%.The keyword clustering is divided into 7 cluster classes, and the clustering module Q=0.781, S=0.877, which has a high feasibility degree.The keyword with the highest intensity of emergence (3.91) in the field of research on the impact of artificial intelligence on economic development after 2018 is "research and development applications".
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,019 | 0,026 |
| 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 ».