شناسایی حوزه‌های نوین تحقیقاتی هوش مصنوعی در سیستم‌های رصد فناوری شرکت‌های با فناوری پیشرفته

در عصر تحول دیجیتال و پیچیدگی فزاینده فناوری‌ها، رصد فناوری به ابزاری حیاتی برای حفظ رقابت سازمان‌ها، به‌ویژه در صنایع دانش‌بنیان، تبدیل شده است. این پژوهش با هدف شناسایی حوزه‌های نوین تحقیقاتی هوش مصنوعی در سیستم‌های رصد فناوری شرکت‌های با فناوری پیشرفته، با روش‌های متن‌کاوی انجام شد و 70 مقاله علمی معتبر بین سال‌های 2014 تا 2024 مورد تحلیل قرار گرفت. فرآیند تحلیل شامل پاکسازی داده‌ها، شناسایی مفاهیم کلیدی، مدل‌سازی موضوعی، و خوشه‌بندی مفاهیم با یادگیری ماشین بود. یافته‌ها نشان می‌دهد که هوش مصنوعی نقشی کلیدی در ارتقای کارایی و دقت سیستم‌های رصد فناوری دارد. تحلیل فراوانی و خوشه‌بندی مفاهیم نشان داد که الگوریتم‌های یادگیری عمیق با فراوانی 450، تحلیل احساسات پیشرفته با فراوانی 380 و سیستم‌های توصیه‌گر هوشمند با فراوانی 320 از مهمترین مفاهیم شناسایی شده هستند. تحلیل احساسات متون نشان داد که 65% دیدگاه‌ها نسبت به کاربرد هوش مصنوعی در رصد فناوری مثبت است. همچنین پنج حوزه استراتژیک شامل فناوری‌های نوین، روش‌های رصد جدید، کاربردهای گسترده هوش مصنوعی، چالش‌های اخلاقی و فنی، و حوزه‌های صنعتی کلیدی شناسایی شدند. این پژوهش بر اهمیت ترکیب قابلیت‌های هوش مصنوعی با تخصص انسانی برای رصد موثرتر که شامل بهبود دقت پیش‌بینی، افزایش سرعت تحلیل و پوشش جامع‌تر منابع است، تاکید دارد.

identifying new research areas of artificial intelligence in technology scouting systems of high-tech companies

in the digital transformation era and increasing technological complexity, technology scouting has become vital for maintaining organizational competitiveness. this study, aiming to identify new research areas of artificial intelligence in technology scouting systems of high-tech companies, employed text mining methods to analyze 70 reputable scientific articles published between 2014 and 2024. the analysis process included data cleansing, key concept identification, topic modeling, and machine learning-based concept clustering. the findings indicate that artificial intelligence plays a crucial role in enhancing the efficiency and accuracy of technology scouting systems. frequency analysis and concept clustering showed that deep learning algorithms with a frequency of 450, advanced sentiment analysis with a frequency of 380, and intelligent recommender systems with a frequency of 320 are among the most important identified concepts. sentiment analysis of the texts showed that 65% of perspectives on the application of ai in technology scouting are positive. additionally, five strategic areas were identified: emerging technologies, new scouting methods, extensive applications of artificial intelligence, ethical and technical challenges, and key industrial domains. this research emphasizes the importance of combining artificial intelligence capabilities with human expertise for more effective scouting, encompassing improved predictive accuracy, increased analysis speed, and broader coverage of resources.