НИР ДПИ22-1 Семеняк ИП

1.

Сравнительный анализ
внедрения цифровых
технологий
ИИ и Big Data в гуманитарных, социальных и
инженерных науках
Проект наукометрического исследования
Группа: ДПИ22-1
Студент: Семеняк Илья

2.

Содержание
Актуальность и контекст
Постановка проблемы
Цель и задачи исследования
Методология и данные
Ожидаемые результаты
Практическая значимость
Заключение

3.

Актуальность и контекст
• Цифровая трансформация стала ключевым трендом
российской науки
Проект «Делаем науку в России» показал, что исследователи активно
осваивают цифровые инструменты, но потенциал развития отечественных
систем ИИ и ПО остаётся высоким.
100
80
60
• Синергия больших данных и ИИ
Большие данные питают обучающие модели, а технологии ИИ позволяют
извлекать ценность из массивов данных; всего 28,6 % организаций,
работающих с ИИ, используют большие данные, и лишь 9,8 % применяют
их непосредственно для ИИ-проектов.
• Неравномерность внедрения по дисциплинам
Исследования показывают быстрый рост публикаций по ИИ, но
гуманитарные и социальные науки пока отстают в цифровизации.
40
20
0
Организации с ИИ
Используют большие данные
Применяют Big Data для ИИ

4.

Постановка проблемы
• Публикационный всплеск после 2016 г.
1000
Библиометрический анализ РИНЦ показал, что
значительный рост публикаций по ИИ начался в
2016 г., а наиболее цитируемыми являются
монографии и статьи. Тематика смещается от
общих рассуждений к прикладным разработкам.
800
Инженерные науки
600
Социальные науки
Гуманитарные науки
400
200
0
2015
2018
2021
2024
• Низкое внедрение и цифровой разрыв
Только около 5 % научных организаций и 10 %
вузов применяли ИИ в 2023 г.; барьеры включают
нехватку кадров, недостаточную
ИКТ-инфраструктуру и дефицит качественных
данных.
• Большие данные доступны, но редко
используются
Большие данные необходимы для обучения
моделей, однако лишь малая доля организаций
использует МБД в ИИ-проектах; основные
барьеры — нехватка специалистов и сложности
интеграции.

5.

Цель и задачи
Цель исследования
Основные задачи
Сформировать ключевые слова и собрать данные из РИНЦ
Провести сравнительный наукометрический анализ
динамики внедрения ИИ и Big Data в гуманитарных,
социальных и инженерных науках России (2015–
2025 гг.), выявив особенности, тенденции и ключевые
факторы.
Классифицировать публикации по группам наук
Рассчитать библиометрические показатели и динамику
Выявить лидеров и сетевые связи
Провести контент-анализ и построить визуализации

6.

Объект, предмет и данные
Объект и предмет
• Объект: публикации российских авторов по ИИ и Big Data в РИНЦ
(2015–2025)
Весь документопоток, включающий статьи, материалы конференций,
монографии и главы книг.
Критерии отбора
• Временной интервал: 2015–2025
Охватить десятилетие активного роста и реализации национальных
программ цифровизации.
• Тематика: ИИ и Big Data
• Предмет: динамика внедрения цифровых технологий
Особенности внедрения ИИ и Big Data в гуманитарных, социальных и
инженерных науках, отражённые в публикационной активности и
цитируемости.
Сформировать списки русских и английских ключевых слов и их
комбинаций.
• Типы документов
Включить статьи, материалы конференций, монографии и главы книг.
• Разделы РИНЦ
Поиск по ключевым словам в названии, аннотации и ключевых словах;
профили авторов и организаций; инструменты анализа цитирования и экспорт
метаданных.
• Классификация по наукам
Отнести публикации к гуманитарным, социальным и инженерным
наукам.

7.

Методы анализа
Библиометрия
Публикационная активность, цитируемость, индекс Хирша, доля
соавторств.
Сетевой анализ
Графы соавторства и цитирования, метрики центральности,
сообщества.
Статистика
Темпы роста, регрессии, сравнение групп по ANOVA или
U-критерию.
Контент-анализ
Co-occurrence, тематические модели (LDA), сравнение тематик по
группам.

8.

Ожидаемые результаты
• Разница в темпах роста
Инженерные науки будут опережать гуманитарные и социальные; гуманитарные
показывают ускорение после 2020 г.
• Специфика документопотока
Ожидается преобладание конференционных статей в инженерных и монографий в
гуманитарных дисциплинах.
Темпы роста
Сравнение динамики публикаций
Сообщества
Карты соавторства
• Лидеры и сети
Будут выявлены ведущие авторы, организации и журналы, а также
междисциплинарные мосты.
Кластеры
Тематический анализ
• Тематические кластеры
Будут найдены кластеры цифровой истории, анализ данных в обществе, алгоритмы и
т.д., с указанием различий между группами.
Рекомендации
Развитие инфраструктуры
• Барьеры и возможности
Ожидается, что дефицит кадров, ИКТ-инфраструктуры и качественных данных
останется ключевыми барьерами, требующими рекомендаций.

9.

Практическая значимость
Руководство вузов
Анализ позиционирования и направление усилий
Исследователи
Понимание трендов и тем для развития
Гос. органы
Разработка мер поддержки и программ
Аналитики
Оценка эффективности программ и инвестиций

10.

Заключение
• Необходим комплексный анализ
На сегодняшний день отсутствует системный взгляд на внедрение ИИ и Big Data в разных группах наук; предлагаемое исследование
заполнит этот пробел.
• Многоуровневый подход
Методология объединяет библиометрические, статистические, сетевые и контент-аналитические методы, что позволит получить
всестороннюю картину.
• Стратегическая значимость
Результаты помогут планировать цифровую трансформацию науки, корректировать политики и поддерживать молодые коллективы.
• Вызовы и барьеры
Дефицит кадров, инфраструктуры и данных остаётся серьёзным препятствием; рекомендации будут направлены на их преодоление.