EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Machine learning: a bibliometric analysis

Emerson Martins, Napoleao Verardi Galegale

International Journal of Innovation · 06.10.2023 · 11 (3) · 1-37

DOI: 10.5585/2023.24056 ↗

Kurz gefasst

Fachartikel in der Zeitschrift International Journal of Innovation, online erschienen am 06.10.2023. Verfasst von Emerson Martins und 1 weiteren Autor:innen. Die Arbeit wurde bisher 9-mal zitiert (Crossref) und nennt 60 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Objetivo: Apresentar uma visão dos artigos científicos publicados nos últimos dez anos sobre o tema aprendizado de máquina, do inglês machine learning (ML), com ênfase nos algoritmos preditivos. Método/abordagem: Análise bibliométrica, com apoio do protocolo PRISMA, para avaliar autores, universidades e países, quanto a produtividade, citações bibliográficas e focos sobre o tema, com amostra de 773 artigos das bases de dados Scopus e Web of Science, no período de 2013 a maio/2023. Originalidade/valor: Há ausência de estudos na literatura que consolidem artigos relacionados a ML e Big Data. A pesquisa contribui para cobrir tal lacuna, favorecendo o delineamento de ações e pesquisas futuras. Principais resultados: Foram identificados no corpus bibliométrico de ML: autores mais citados e com maior número de publicações, países e universidades mais produtivas, periódicos com maior número de publicações e citações, áreas de conhecimento com maior número de publicações e artigos de maior prestígio. Nos temas e domínios de ML, foram identificados: principais coocorrências de palavras-chaves, temas emergentes (agrupados em cinco clusters) e nuvem de palavras por título e por resumo. Os estudos sobre impacto da aquisição de dados e análise preditiva representam oportunidades para pesquisas futuras. Contribuições teóricas/metodológicas: O protocolo PRISMA possibilitou a identificação e análises quantitativa e qualitativa relevantes dos artigos, consolidando o conhecimento científico sobre o tema. Contribuições sociais/gerenciais: Facilidade de compreender a maturidade das pesquisas sobre ML e Big Data por parte de gestores de empresas e pesquisadores, quanto à viabilidade de investimentos para se obter vantagens competitivas com tais tecnologias.

Zitieren

APA

Martins, E., & Galegale, N. V. (2023). Machine learning: a bibliometric analysis. International Journal of Innovation, 11(3), 1-37. https://doi.org/10.5585/2023.24056

Vancouver

Martins E, Galegale NV. Machine learning: a bibliometric analysis. International Journal of Innovation. 2023;11(3):1-37. doi:10.5585/2023.24056

BibTeX
@article{Martins2023,
  author = {Martins, Emerson and Galegale, Napoleao Verardi},
  title = {Machine learning: a bibliometric analysis},
  journal = {International Journal of Innovation},
  year = {2023},
  volume = {11},
  number = {3},
  pages = {1--37},
  doi = {10.5585/2023.24056}
}
Kostenlos starten →