تحلیل محتوایی مقالات علمی با استفاده از متن‌کاوی

در این تحقیق، از تکنیک متن کاوی به‌منظور آنالیز محتویات مقالات علمی و همچنین ارائه ی مدلی برای دسته بندی مقالات علمی (دسته ی اول، مقالاتی که معیارهای از پیش تعیین‌شده‌ای را رعایت کرده و دسته ی دوم، مقالاتی که آن معیارها را رعایت نکرده اند) استفاده شده است. در همین راستا، در تحقیق پیش رو، از نظر خبرگان به‌منظور استخراج معیارهایی کیفی بهره برده شده که درنهایت 15 معیار نهایی به دست آمده است، در مرحله ی بعد تعداد 18 مقاله ی علمی در زمینه مهندسی صنایع توسط اساتید دانشگاه و دانشجویان مقطع دکتری در این رشته (با توجه به 15 معیار استخراج‌شده) مورد بررسی قرار گرفته و بر اساس نظر این افراد نتایج سودمندی به دست آمده است، در نهایت از مدل های دسته بندی مختلفی برای طبقه بندی مقالات استفاده شده و با استفاده از تکنیک هایی مشخص، سعی شده که در این مدل ها بهبودی حاصل شود. هدف از این پژوهش، به دست آوردن معیارهایی کلی برای تحلیل محتوایی مقالات، ارائه ی مدل های مختلف دسته بندی برای طبقه بندی مقالات علمی بر اساس معیارهای از پیش تعیین‌شده و انتخاب بهترین مدل است. در نهایت، نتیجه ی این پژوهش به دست آوردن 15 معیار کلی برای تحلیل محتوایی مقالات و به دست آوردن مدل های دسته بندی مختلف با دقت قابل قبول است.

Content Analysis of Science Paper’s by Using Text Mining

In this research, text mining technique has been applied to analyze the content of scientific articles, also to represent a model for classifying the articles (the first class is comprised of the articles observing predetermined criteria’s, and the second one consists of those inattentive). To meet these objectives, in the current research, the experts’ ideas have been used to elicit qualitative criteria, and 15 final criteria’s were ultimately picked up. In the next phase, 18 scientific articles in industrial engineering scope were studied by university professors and PHD students (with regard to 15 elicited criteria), and beneficial results were derived. In the end, different classification models were applied to classify the articles and with the aid of some specific techniques, we tried to improve these models. Finally, we compare the models to choose the best one.     The aim of this research is to get some general criteria for analyzing the content of articles, propose different classification models for classifying the scientific articles whit regard to predetermined criteria’s, and choose the best model. Finally, as a result, 15 final criteria’s also different classification models with appropriate accuracy, were ultimately picked up.