Bibiliometric Analysis of the Scientific Production of Deep Learning and Big Data

• Autores: Vicente Ramos Wagner Enoc, Durán Carhuamaca, Amanda
• Formato: artículo
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de Cañete
• Repositorio: UNDC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.undc.edu.pe:20.500.14559/156
• Enlace del recurso: https://hdl.handle.net/20.500.14559/156
• Nivel de acceso: acceso abierto
• Materia: Artificial intelligence; Bibliometric análisis; Big data; Deep learning; https://purl.org/pe-repo/ocde/ford#2.00.00

Este artículo presenta un análisis bibliométrico de la producción científica sobre aprendizaje profundo y big data a nivel mundial. Usando la R paquete y la biblioshiny asociada, el estudio analizó 456 artículos de investigación publicados en Scopus entre 2003 y 2023. El estudio análisis de rendimiento aplicado, análisis de palabras clave y análisis temático. China es el país con mayor producción (536 publicaciones) seguido de India (260 publicaciones), asimismo, la mayoría de estas colaboraciones se dan desde China hasta Estados Unidos, Hong Kong, Suecia, Australia, Pakistán, Arabia Saudita y otros países. El rápido crecimiento de las palabras clave Aprendizaje profundo, big data, sistemas de aprendizaje y datos analítica; Demostró el interés de investigadores, profesionales de la industria, gobiernos, inversores y todos los demás actores clave en la necesidad. para optimizar el procesamiento de información con funciones de inteligencia artificial. Finalmente, el análisis temático muestra que el predictivo Las mejoras mediante Big Data se aplicarán a la gestión del tráfico, la atención médica y la previsión de tendencias económicas. como futuro En el trabajo se debe considerar el Data Masking como medida de seguridad, incorporación de arquitectura multi-nube, Data Fabric y Data Mesh, para gestionar y mejorar el intercambio de datos de diferentes fuentes