شناسايي مؤلفه هاي هوش مصنوعي در پايگاه هاي اطلاعاتي ايراني

Identify the Components of Artificial Intelligence in Iranian Databases

هدف: هدف از انجام اين پژوهش، شناسايي مؤلفههاي هوش مصنوعي در پايگاههاي اطلاعاتي ايراني و ميزان استفاده از آنها در اين پايگاهها است. روش پژوهش: اين پژوهش از نوع كاربردي و با روش اسنادي و پيمايشي انجام شده است. جامعهي آماري اين پژوهش شامل 7 پايگاه اطلاعاتي ايراني(نورمگز، نورليب، مگايران، سيويليكا، ايرانداك، آي اس سي و اس آي دي) است. ابزار گردآوري دادهها، يادداشتبرداري و سياهه ي وارسي محقق ساخته و مصاحبه با خبرگان است. تجزيه و تحليل دادهها با استفاده از نرمافزارSPSS انجام شده است. يافته ها:يافته ها نشان داد كه پايگاه اطلاعاتي ايرانداك بيشترين و پايگاههاي سيويليكا و مگايران كمترين استفاده را از مولفه­هاي هوش مصنوعي داشتند. همچنين مولفه­ هاي "تشابهيابي معنايي" و" منابع مرتبط و عبارات پيشنهادي" بيشترين استفاده را در پايگاههاي اطلاعاتي ايراني داشته و مولفه­هاي "ابهامزدايي كلمات در متن"، "تشخيص و طبقهبندي اسامي"، "مترجم هاي تصويري"، "شرح تصوير"، "تبديل گفتار به نوشتار"، "تبديل نوشتار به گفتار"، "مترجمهاي صوتي" كمترين استفاده را در آنها داشته ­اند. نتيجه گيري: نتايج نشان داد كه استفاده از مؤلفه ­هاي هوش مصنوعي در پايگاه­ هاي اطلاعاتي ايراني ميتواند زمينه تسريع و تسهيل فرايندهاي پردازش، ذخيره و بازيابي منابع را در پايگاه­ هاي اطلاعاتي ايراني فراهم كند.

Objective: The purpose of this study was to identify the components of artificial intelligence in Iranian databases and the rate of its use in these databases. Methodology: This research is an applied and has done by documentary and survey method. The statistical population of this research includes 7 internal databases (Normags, Norlib, Magiran, Civilica, Irandoc, ISC and SID). Data collection tools were researcher-made notes and checklists and interviews with experts. Data analysis was performed using SPSS software. Results: The results showed that Irandoc database had the most and Civilica and Magiran databases had the least use of artificial intelligence components. It also has the most used components in databases and components. Components of "word Disambiguation in text", "name recognition and classification", "image translators", "description" "Image", "Speech to text conversion", "Text to speech conversion", "Audio translators" have had the least use in databases. Conclusion: The results showed that the use of artificial intelligence components in Iranian databases can accelerate and facilitate the processes of processing, storing and retrieving resources in Iranian databases.