تحليل محتوايي مقالات علمي با استفاده از متن‌كاوي

Content Analysis of Science Paper’s by Using Text Mining

در اين تحقيق، از تكنيك متن­ كاوي به منظور آناليز محتويات مقالات علمي و همچنين ارائه­ ي مدلي براي دسته­ بندي مقالات علمي (دسته­ ي اول، مقالاتي كه معيارهاي از پيش تعيين شده اي را رعايت كرده و دسته ­ي دوم، مقالاتي كه آن معيارها را رعايت نكرده­اند) استفاده شده است. در همين راستا، در تحقيق پيش ­رو، از نظر خبرگان به منظور استخراج معيارهايي كيفي بهره برده شده كه درنهايت 15 معيار نهايي به دست آمده است، در مرحله­ي بعد تعداد 18 مقاله­ي علمي در زمينه­ مهندسي صنايع توسط اساتيد دانشگاه و دانشجويان مقطع دكتري در اين رشته (با توجه به 15 معيار استخراج شده) مورد بررسي قرار گرفته و بر اساس نظر اين افراد نتايج سودمندي به دست آمده است، در نهايت از مدل­ هاي دسته­ بندي مختلفي براي طبقه­ بندي مقالات استفاده شده و با استفاده از تكنيك ­هايي مشخص، سعي شده كه در اين مدل­ها بهبودي حاصل شود. هدف از اين پژوهش، به دست آوردن معيارهايي كلي براي تحليل محتوايي مقالات، ارائه­ي مدل ­هاي مختلف دسته­ بندي براي طبقه ­بندي مقالات علمي بر اساس معيارهاي از پيش تعيين شده و انتخاب بهترين مدل است. در نهايت، نتيجه­ ي اين پژوهش به دست آوردن 15 معيار كلي براي تحليل محتوايي مقالات و به دست آوردن مدل­ هاي دسته­ بندي مختلف با دقت قابل قبول است.

In this research, text mining technique has been applied to analyze the content of scientific articles, also to represent a model for classifying the articles (the first class is comprised of the articles observing predetermined criteria's, and the second one consists of those inattentive). To meet these objectives, in the current research, the experts' ideas have been used to elicit qualitative criteria, and 15 final criteria's were ultimately picked up. In the next phase, 18 scientific articles in industrial engineering scope were studied by university professors and PHD students (with regard to 15 elicited criteria), and beneficial results were derived. In the end, different classification models were applied to classify the articles and with the aid of some specific techniques, we tried to improve these models. Finally, we compare the models to choose the best one. The aim of this research is to get some general criteria for analyzing the content of articles, propose different classification models for classifying the scientific articles whit regard to predetermined criteria's, and choose the best model. Finally, as a result, 15 final criteria's also different classification models with appropriate accuracy, were ultimately picked up.