شناسایی محدوده تحقیق.

همانطور که در بخش مقدمه گفته شد، نیاز است تا دانشگاهیان و متخصصان با بررسی ادبیات هوش مصنوعی که در تکنیک‌های جدید ساختمان‌سازی، به‌ویژه ساختمان‌های سبز و هوشمند به کار می‌رود، استفاده شود. در نتیجه، زمینه مطالعه «ارتباط استفاده از تکنیک‌های هوش مصنوعی در ساختمان‌های سبز/هوشمند» خواهد بود.

1. دانلود: دانلود تصویر با وضوح بالا (538 کیلوبایت)
2. دانلود: دانلود تصویر در اندازه واقعی

عکس. 1 . مراحل اصلی روش شناسی تحلیل کتاب سنجی

توسط نویسندگان گردآوری شده است.

تعیین پایگاه داده مناسب

برای به حداقل رساندن احتمال از دست رفتن اسناد مهم در طول جستجو، این کار از دو پایگاه داده علمی اصلی، یعنی Web of Science (WoS) و Scopus استفاده کرد. درست است که Scopus تقریباً 84٪ از اسنادی را در بر می گیرد که می توان در WoS یافت. با این حال، این داده ها ممکن است با توجه به منطقه مورد مطالعه متفاوت باشد. به همین ترتیب، پایگاه داده Sco شامل مجلات نمایه شده بیشتری نسبت به WoS است [31] ، بنابراین استفاده از هر دو پایگاه داده امکان در نظر گرفتن چارچوب گسترده تری از اسناد را فراهم می کند. علاوه بر این، باید توجه داشت که در حالی که پایگاه‌های اطلاعاتی علمی اضافی زیادی وجود دارد (برای بررسی کامل پایگاه‌های داده موجود رجوع کنید به [32] )، ادبیات اخیر نشان می‌دهد که WoS و Scopus دو پایگاه داده با معتبرترین منابع علمی هستند [33] و گرفتن ادبیات از هر دو، پوشش کافی برای هر حوزه علمی را تضمین می کند. بنابراین، با توجه به ارتباط هر دو پایگاه داده برای انجام تحلیل های کتاب سنجی جامع، اخیراً پیشرفت های قوی در مورد نحوه ادغام هر دو پایگاه داده شده است (نگاه کنید به [33] ، [34] ).

کفایت پارامترهای مطالعه

برای شناسایی نسخه‌های خطی و داده‌های کتاب‌سنجی و کتاب‌شناختی همراه برای انجام تجزیه و تحلیل، ابتدا نویسندگان این تحقیق هم یک طوفان فکری و هم یک مطالعه محدوده‌ای را برای تعیین کلمات کلیدی برای گنجاندن در جستجو ایجاد می‌کنند. از آنجایی که ما علاقه مند به یافتن تمام مقالات مرتبط با تکنیک های هوش مصنوعی در ساختمان های سبز/هوشمند هستیم، و در تلاشیم تا حد امکان محدود نباشیم، فهرست جامعی از کلمات کلیدی را تهیه کرده ایم. هنگامی که کلمات کلیدی مورد استفاده برای جستجو تعریف شدند، از همان رشته جستجو در پایگاه داده های WoS و Scopus استفاده کردیم. در مورد Web of Science، ما صرفاً در مجموعه اصلی Web of Science تمرکز کردیم و تنها سه شاخص اصلی (یعنی نمایه استنادی علوم، نمایه استنادی علوم اجتماعی و نمایه استنادی هنر و علوم انسانی) را انتخاب کردیم و رشته جستجو به شرح زیر بود: «موضوع («تصمیم‌گیری*» یا «یادگیری ماشینی*» یا «یادگیری عمیق*) و ((«محیط زیست*» یا «انرژی* کارآمد*» یا «کم* انرژی*» یا «پایدار*» یا «کم*» کربن» یا «انتشار* کم*» یا «سبز*» یا «هوشمند*» یا «عملکرد*بالا» یا «هوشمند*») و («ساختمان*» یا «ساختمان*»))». در مورد Scopus رشته جستجو به صورت زیر بود: «TITLE-ABSTRACT-KEYWORDS («تصمیم*گیری» یا «یادگیری ماشینی*» یا «یادگیری عمیق*) و ((«eco*» یا «energy* efficien*») یا “کم*انرژی*” یا “sustainab*” یا “کم کربن*” یا “کم* انتشار*” یا “سبز*” یا “هوشمند*” یا “عملکرد*بالا” یا “هوش*”) و (” ساختمان*» یا «ساخت*»))».

هر دو پایگاه داده در 28 ژانویه 2021 جستجو شدند. گنجاندن یا حذف دستنوشته‌ها تحت برخی شرایط اصلی قرار داشت. از نظر دوره جستجو، یک بار دیگر، برای جلوگیری از محدود کردن و به روز نگه داشتن داده ها تا حد امکان، تصمیم گرفتیم اسناد منتشر شده تا دسامبر 2020 را نیز اضافه کنیم. بنابراین دوره انتخابی از 2002 تا 2020 بود. ما همچنین به جستجو به زبان انگلیسی و نوع سند (یعنی مقالات اصلی، فصل‌های کتاب، کتاب‌ها، مقالات مروری و مقالات کامل مقالات منتشر شده در مجلات بررسی دوسوکور) محدود شدیم. دلیل اصلی گنجاندن مجموعه مقالات کنفرانس این است که ما می‌خواستیم از حذف مشارکت‌های بالقوه ارزشمند خودداری کنیم. علاوه بر این، از این طریق به دستورالعمل‌های اخیری که از بررسی‌های ادبیات فراگیرتر حمایت می‌کنند، پاسخ داده‌ایم که شامل برخی از به اصطلاح ادبیات خاکستری [35] است . در درک ما، مجموعه مقالات کنفرانس کامل نشان دهنده لبه برش تحقیق است، زیرا آنها روندهای نوظهور و ایده های جدید را قبل از اینکه در مجلات ظاهر شوند، آشکار می کنند. این بدان معناست که با حفظ خط مشی خود مبنی بر اینکه خیلی محدودکننده نباشیم، فقط رسیدگی انتزاعی را کنار گذاشته ایم.

در این مرحله، فرآیند ادغام هر دو پایگاه داده به منظور حذف کلیه اسناد تکراری انجام شد. 134 سند در پایگاه داده WoS و 140 سند در Scopus قرار داشتند. پس از حذف اسناد تکراری، نمونه نهایی شامل 174 نسخه خطی بود. ضمیمه A فهرستی از 174 نسخه خطی موجود در تجزیه و تحلیل کتاب سنجی را نشان می دهد .

کدگذاری داده های جمع آوری شده

داده ها از هر دو پایگاه داده WoS و Sco (فرمت csv) دانلود و با استفاده از برگه های محاسباتی کدگذاری شدند (Excel 2013). ترکیب این دو ابزار امکان کدگذاری داده‌ها را برای محاسبه شاخص‌های عملکرد (به عنوان مثال، h-index)، شناسایی شاخص‌های بهره‌وری، تهیه جداول، نمایش نمودارهای توصیفی و تجزیه و تحلیل داده‌ها قبل از کاربرد فراهم می‌کند. برنامه انفورماتیک برای به دست آوردن شبکه های همکاری.

تحلیل داده ها.

مطالعه اطلاعات (مثلاً محاسبه شاخص های عملکرد یا بهره وری) با استفاده از صفحات گسترده مایکروسافت آفیس (به عنوان مثال، اکسل) انجام شد. با این حال، با توجه به تمرکز و هدف اصلی این تحقیق، تصمیم به استفاده از یکی از قدرتمندترین نرم افزارهای کتاب سنجی (VOSviewer, v1.6.9) برای تصویرسازی، تجسم و کشف نقشه های علمی گرفته شد [36] , [37] . . VOSviewer یک ابزار کتاب‌سنجی پرکاربرد برای ایجاد بازنمایی‌های فضایی است که درک و تفسیر شبکه‌های پیوند بین کلمات کلیدی، محققان، سازمان‌ها، دولت‌های ملی را تسهیل می‌کند [38] .