نوع مقاله : مقاله پژوهشی
نویسندگان
دانشگاه تبریز
چکیده
هدف: پژوهش حاضر با هدف تحلیل علمسنجی و ترسیم نقشه علمی پژوهشهای مرتبط با کاربرد هوش مصنوعی در اختلالات تحولی کودکان انجام شد تا روندهای موضوعی، شبکههای همکاری و خلأهای پژوهشی این حوزه تبیین شود.
روششناسی: این پژوهش از نظر هدف، کاربردی و از نظر روش، توصیفی بود که با رویکرد علمسنجی انجام شد. جامعه پژوهش شامل ۱۳۴۹ مدرک علمی نمایه شده در پایگاه وب آو ساینس در بازه زمانی ۱۹۹۴ تا نوامبر ۲۰۲۴ در حوزه هوش مصنوعی و اختلالات تحولی بود که با راهبرد جستجوی پیشرفته استخراج گردید. تحلیل دادهها و ترسیم نقشههای علمی با استفاده نرمافزارهای Excel، HistCite و VOSviewerصورت گرفت.
یافتهها: روند انتشار مقالات از سال ۲۰۱۹ رشد چشمگیری یافت و در سال ۲۰۲۴ با انتشار ۴۱۳ مدرک (۳۰٫۶ درصد) به اوج رسید. کشور آمریکا با ۳۸۲ مدرک مولدترین و بریتانیا از نظر استنادهای محلی تأثیرگذارترین کشور بود. عربستان سعودی (۰٫۶۵) و یونان (۰٫۵۵) بالاترین شاخص تخصص نسبی را به خود اختصاص دادند. تحلیل همرخدادی هشت خوشه موضوعی را شناسایی کرد که در آنها هوش مصنوعی و اختلال طیف اوتیسم، موضوعات غالب پژوهشی بودند. همچنین، تصویربرداری عصبی و هوش مصنوعی تبیینپذیر بهعنوان مهمترین موضوعات نوظهور این حوزه شناسایی شدند.
نتایج: یافتهها نشان میدهد که این حوزه به سوی روانپزشکی دقیق، پایش دیجیتال چندوجهی و هوش مصنوعی تبیینپذیر در حال تحول است.
اصالت و ارزش: پژوهش حاضر ساختار فکری، تحول موضوعی و مرزهای نوظهور کاربردهای هوش مصنوعی در اختلالات تحولی را تبیین کرد و شواهد ارزشمندی برای پژوهشهای آینده و سیاستگذاری علمی ارائه میدهد.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Applications of Artificial Intelligence in Developmental Disorders: A Scientometric Analysis of Publication Output, Research Trends, and Collaboration Patterns
نویسندگان [English]
- Afshin Hamdipour
- Shahrooz Nemati
- Elaheh Mahmoudi
- Ali Abolhasani Jooband
University of Tabriz
چکیده [English]
Purpose: This study mapped the global scientific landscape of artificial intelligence applications in children with developmental disorders through a bibliometric analysis, identifying publication trends, influential contributors, collaboration networks, thematic evolution, and emerging research directions.
Methodology: This applied descriptive study employed scientometric methods to analyze 1,349 publications indexed in the Web of Science between 1994 and November 2024. Data were retrieved using an advanced search strategy and analyzed using the Relative Specialization Index (RSI), Microsoft Excel, HistCite, and VOSviewer to examine publication growth, collaboration patterns, and knowledge structures.
Findings: Scientific output increased substantially after 2019, peaking in 2024 with 413 publications (30.6%). The USA was the most productive country (382 publications), whereas the UK achieved the highest local citation impact. Saudi Arabia (RSI = 0.65) and Greece (RSI = 0.55) exhibited the highest levels of research specialization. Dennis Wall (Stanford University) was the most influential author, and Frontiers in Psychiatry emerged as the leading publication outlet. Co-occurrence analysis identified eight thematic clusters, with AI and autism spectrum disorder representing the dominant research themes. Overlay analysis further highlighted neuroimaging and explainable AI as emerging research topics.
Conclusion: The findings indicate a clear evolution of the field toward precision psychiatry, multimodal digital monitoring, and explainable AI, reflecting growing interest in interpretable and clinically applicable AI approaches.
Value: This study provides a comprehensive overview of the intellectual structure, thematic evolution, and emerging research frontiers of AI applications in developmental disorders, offering valuable evidence to support future research, interdisciplinary collaboration, and informed research policy.
.
کلیدواژهها [English]
- Developmental Disorders
- Artificial Intelligence
- Machine Learning
- Bibliometrics
- Scientific Mapping
)