| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شماره‌ها | 3,260 |
| تعداد مقالات | 36,033 |
| تعداد مشاهده مقاله | 55,071,353 |
| تعداد دریافت فایل اصل مقاله | 94,090,229 |
واکاوی علم‌سنجی تولیدات علمی حوزه موضوعی هوش مصنوعی در کشاورزی: تحلیل روندها، شبکه‌های همکاری و ساختار مفهومی (۲۰۲۵-۲۰۲۱) | ||
| علوم و فناوری اطلاعات و هوشمندسازی کشاورزی | ||
| دوره 9، شماره 2 - شماره پیاپی 18، شهریور 1405، صفحه 45-56 اصل مقاله (743.7 K) | ||
| نوع مقاله: مقاله ترویجی | ||
| شناسه دیجیتال (DOI): 10.22092/jaist.2026.372452.1160 | ||
| نویسندگان | ||
| یگانه داستار1؛ محمدرضا خرم آبادی آرانی1؛ اسماعیل مصطفوی* 2 | ||
| 1گروه علم اطلاعات و دانش‌شناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه اصفهان، اصفهان، ایران | ||
| 2گروه علم اطلاعات و دانش‌شناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه یزد، یزد، ایران | ||
| چکیده | ||
| هدف: پژوهش حاضر با هدف واکاوی علم‌سنجی در حوزه هوش مصنوعی در کشاورزی طی سال‌های ۲۰۲۱ تا ۲۰۲۵ انجام شد. روش‌شناسی: این پژوهش از نظر هدف، کاربردی و از نظر ماهیت، توصیفی - علم‌سنجی است. جامعه آماری شامل ۱۲۲۳۰ مقاله نمایه شده در پایگاه استنادی وب.آو.ساینس است. داده‌ها با استفاده از نرم‌افزارهای اکسل، و وس ویوور، آر استودیو تحلیل شدند. یافته‌ها: مجلات «فناوری کشاورزی هوشمند»، «کشاورزی - بازل» و «زراعت - بازل» پرتولیدترین منابع بودند. پراستنادترین مقالات بر مضامین «سازگاری با تغییرات اقلیمی»، «بلاکچین در زنجیره تأمین» و «کاربردهای هوش مصنوعی» متمرکز بودند. تحلیل کلیدواژه‌ها، «یادگیری ماشین»، «یادگیری عمیق» و «کشاورزی دقیق» را به‌عنوان مفاهیم محوری شناسایی کرد. پنج خوشه موضوعی اصلی شامل: مدل‌سازی و پیش‌بینی عملکرد، سنجش‌ازدور و پایش پوشش گیاهی، تغییرات اقلیمی و مدیریت ریسک، آبزی‌پروری هوشمند، و آلودگی‌های زیست‌محیطی استخراج شد. نتایج: حوزه هوش مصنوعی در کشاورزی در مرحله «رشد سریع» چرخه حیات علمی قرار دارد و تمرکز دانش بر همگرایی فناوری‌های یادگیری ماشین با چالش‌های عملیاتی نظیر تغییرات اقلیمی و مدیریت منابع است. خوشه‌های مرتبط با «تغییر اقلیم» و «عملکرد محصول» در موقعیت‌محوری و بالغ شبکه دانش قرار دارند، درحالی‌که مباحث مرتبط با «الگوریتم‌های طبقه‌بندی» ماهیت نوظهور داشته و توانایی بالایی برای پژوهش‌های آینده دارند. | ||
| کلیدواژه‌ها | ||
| علم‌سنجی؛ هوش مصنوعی؛ کشاورزی هوشمند؛ یادگیری ماشین؛ تحلیل شبکه‌های علمی؛ نگاشت دانش | ||
| عنوان مقاله [English] | ||
| Scientometric Analysis of Scientific Outputs of Artificial Intelligence in Agriculture Subject Area: Analysis of Trends, Collaboration Networks, and Conceptual Structure(2021-2025) | ||
| نویسندگان [English] | ||
| Yeganeh Dastar1؛ Mohammadreza Khorramabadi arani1؛ Ismael Mostafavi2 | ||
| 1Department of Knowledge and Information Science, Faculty of Psychology and Educational Sciences, University of Isfahan, Isfahan, Iran | ||
| 2Department of Knowledge and Information Science, Faculty of Psychology and Educational Sciences, Yazd University, Yazd, Iran | ||
| چکیده [English] | ||
| Objective: This study was conducted in the field of artificial intelligence in agriculture during the years 2021 to 2025. Methodology: This research is applied in terms of purpose and descriptive-scientometric. The statistical population includes 12,230 articles indexed in the Web.AV.Science citation database. Data were analyzed using Excel, VOSViewer, RStudio. Findings: The journals Smart Agricultural Technology, Agriculture-Basel, and Agronomy-Basel were the most productive sources. The most cited articles focused on the themes of “climate change adaptation,” “blockchain in supply chains,” and “applications of artificial intelligence.” Keyword analysis identified “machine learning”, “deep learning”, and “precision agriculture” as central concepts. Five main thematic clusters were extracted: yield modeling and prediction, remote sensing and vegetation monitoring, climate change and risk management, smart aquaculture, and environmental pollution. Results: The field of AI in agriculture is in the “rapid growth” stage of the scientific life cycle, and the focus of knowledge is on the convergence of machine learning technologies with operational challenges such as climate change and resource management. Clusters related to “climate change” and “crop performance” are in a central and mature position in the knowledge network, while topics related to “classification algorithms” are of an emerging nature and have high potential for future research. | ||
| کلیدواژه‌ها [English] | ||
| Scientometrics, Artificial Intelligence, Smart Agriculture, Machine Learning, Scientific Network Analysis, Knowledge Mapping | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 148 تعداد دریافت فایل اصل مقاله: 64 |
||
