Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://ds.knu.edu.ua/jspui/handle/123456789/5488
Назва: Bibliometric analysis of chatbot training research: key concepts and trends
Інші назви: Бібліометричний аналіз досліджень з навчання чат-ботів: ключові поняття та тенденції
Автори: Liashenko, Roman
Semerikov, Serhiy
Ключові слова: chatbot training
natural language processing
machine learning
bibliometric analysis
systematic literature review
large language models
навчання чат-ботів
опрацювання природної мови
машинне навчання
бібліометричний аналіз
систематичний огляд літератури
великі мовні моделі
Дата публікації: 28-чер-2024
Видавництво: Institute for Digitalisation of Education of NAES of Ukraine
Бібліографічний опис: Liashenko R. Bibliometric analysis of chatbot training research: key concepts and trends / Roman Liashenko, Serhiy Semerikov // Information Technologies and Learning Tools. – 2024. – Vol. 101. – Iss. 3. – P. 181–199. – DOI : https://doi.org/10.33407/itlt.v101i3.5622
Короткий огляд (реферат): This bibliometric analysis aims to identify current research directions and priorities in the field of chatbot training – software agents capable of natural language dialogue. The study is based on the analysis of 549 scientific sources from the Scopus database on this topic. The analysis revealed a steady increase in relevant publications starting from 2018, indicating a growing relevance of this subject area in recent years. Based on a cluster analysis of keywords, four main research areas were identified: natural language processing, application of relevant technologies in various spheres of society, use of machine learning methods for natural language processing, and application of chatbots in education and services. In the field of natural language processing, the focus of current research is on computational linguistics, language modeling and machine comprehension, particularly speech recognition tasks. Leading research on artificial intelligence applications in this area concerns the responsible and ethical use of modern large language models and conversational agents, such as ChatGPT, in education and healthcare. Machine learning methods are actively being developed for creating virtual intelligent assistants, natural language user interfaces, and other natural language processing systems, including for diagnostic tasks in medicine. Key applications of chatbots are identified in adaptive learning systems, knowledge management, and customer service. Based on the analysis, the most significant concepts in each of the studied areas are defined to outline priorities for further research in the field of chatbot training. Future work involves conducting a systematic literature review with the automation of certain stages using large language models. In particular, these models will be employed to automatically classify study abstracts according to inclusion/exclusion criteria during the screening phase. Automating systematic review stages using artificial intelligence opens up significant prospects for accelerating scientific research, particularly in the education field based on an evidence-based approach. Бібліометричний аналіз проведено з метою визначення актуальних напрямків і пріоритетів досліджень у галузі навчання чат-ботів – програмних агентів, здатних вести природний діалог. Дослідження виконане на основі опрацювання 549 наукових джерел з бази даних Scopus, присвячених зазначеній проблематиці. Аналіз виявив стійке зростання кількості відповідних публікацій, починаючи з 2018 року, що свідчить про підвищення актуальності цієї тематики в останні роки. За результатами кластерного аналізу ключових слів виокремлено чотири основні напрямки досліджень: опрацювання природної мови, застосування відповідних технологій у різних сферах життя суспільства, використання методів машинного навчання для опрацювання природної мови, а також застосування чат-ботів у навчанні та сфері послуг. У сфері опрацювання природної мови фокус сучасних досліджень робиться на проблемах обчислювальної лінгвістики, моделюванні та машинному розумінні природної мови, зокрема на задачах розпізнавання мовлення. Провідні дослідження застосувань штучного інтелекту в цій галузі стосуються відповідального та етичного використання сучасних великих мовних моделей та розмовних агентів, як-от ChatGPT, Gemini, Claude, у галузях освіти та охорони здоров’я. Активно розробляються методи машинного навчання для створення віртуальних інтелектуальних помічників, природномовних інтерфейсів користувача та інших систем опрацювання природної мови, зокрема для задач діагностики в медицині. Ключові застосування чат-ботів виявлено в системах адаптивного навчання, управління знаннями та обслуговування клієнтів. За результатами аналізу визначено найбільш значущі поняття в кожній з досліджуваних сфер для окреслення пріоритетів подальших досліджень у галузі навчання чат-ботів. У перспективі планується провести систематичний літературний огляд з автоматизацією окремих етапів за допомогою великих мовних моделей. Зокрема, передбачається використати такі моделі для автоматичної класифікації анотацій досліджень за критеріями включення/виключення на етапі скринінгу. Автоматизація етапів систематичного огляду за допомогою штучного інтелекту відкриває значні перспективи для прискорення наукових досліджень, зокрема в освітній галузі на засадах доказового підходу.
Опис: K. Peyton and S. Unnikrishnan, “A comparison of chatbot platforms with the state-of-the-art sentence BERT for answering online student FAQs,” Results in Engineering, vol. 17, 2023. doi: https://doi.org/10.1016/j.rineng.2022.100856. V. Gadiraju, S. Kane, S. Dev, A. Taylor, D. Wang, E. Denton, and R. Brewer, ““I wouldn’t say offensive but...”: Disability-Centered Perspectives on Large Language Models,” in Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency, ser. FAccT ‘23. New York, NY, USA: Association for Computing Machinery, 2023, p. 205–216. doi: https://doi.org/10.1145/3593013.3593989. N. S. Patil, R. S. Huang, C. B. van der Pol, and N. Larocque, “Comparative Performance of ChatGPT and Bard in a Text-Based Radiology Knowledge Assessment,” Canadian Association of Radiologists Journal, 2023. doi: https://doi.org/10.1177/08465371231193716. B. Kim, J. Seo, and M.-W. Koo, “Randomly Wired Network Based on RoBERTa and Dialog History Attention for Response Selection,” IEEE/ACM Transactions on Audio Speech and Language Processing, vol. 29, pp. 2437–2442, 2021. doi: https://doi.org/10.1109/TASLP.2021.3077119. J. Zhang, J. Zhang, S. Ma, J. Yang, and G. Gui, “Chatbot design method using hybrid word vector expression model based on real telemarketing data,” KSII Transactions on Internet and Information Systems, vol. 14, no. 4, pp. 1400–1418, 2020. doi: https://doi.org/10.3837/TIIS.2020.04.001. S. S. Abdullahi, S. Yiming, A. Abdullahi, and U. Aliyu, “Open Domain Chatbot Based on Attentive End-to-End Seq2Seq Mechanism,” in Proceedings of the 2019 2nd International Conference on Algorithms, Computing and Artificial Intelligence, ser. ACAI ‘19. New York, NY, USA: Association for Computing Machinery, 2020, p. 339–344. doi: https://doi.org/10.1145/3377713.3377773. A. G. Usigan, M. I. Salomeo, G. J. L. J. Zafe, C. J. Centeno, A. A. R. C. Sison, and A. G. Bitancor, “Implementation of an Undergraduate Admission Chatbot Using Microsoft Azure’s Question Answering and Bot Framework,” in Proceedings of the 2022 5th Artificial Intelligence and Cloud Computing Conference, ser. AICCC ‘22. New York, NY, USA: Association for Computing Machinery, 2023, p. 240–245. doi: https://doi.org/10.1145/3582099.3582135. E. Ruane, R. Young, and A. Ventresque, “Training a Chatbot with Microsoft LUIS: Effect of Intent Imbalance on Prediction Accuracy,” in Companion Proceedings of the 25th International Conference on Intelligent User Interfaces, ser. IUI ‘20 Companion. New York, NY, USA: Association for Computing Machinery, 2020, p. 63–64. doi: https://doi.org/10.1145/3379336.3381494. N. Bhartiya, N. Jangid, S. Jannu, P. Shukla, and R. Chapaneri, “Artificial Neural Network Based University Chatbot System,” in 2019 IEEE Bombay Section Signature Conference, IBSSC 2019, vol. 2019January. Institute of Electrical and Electronics Engineers Inc., 2019, Conference paper. doi: https://doi.org/10.1109/IBSSC47189.2019.8973095. B. Hancock, A. Bordes, P.-E. Mazaré, and J. Weston, “Learning from dialogue after deployment: Feed yourself, Chatbot!” in ACL 2019 - 57th Annual Meeting of the Association for Computational Linguistics, Proceedings of the Conference. Association for Computational Linguistics (ACL), 2020, Conference paper, pp. 3667–3684. M. N. Sreedhar, K. Ni, and S. Reddy, “Learning improvised chatbots from adversarial modifications of natural language feedback,” in Findings of the Association for Computational Linguistics Findings of ACL: EMNLP 2020, 2020, pp. 2445–2453. S.-W. Lee and W.-J. Choi, “Utilizing ChatGPT in clinical research related to anesthesiology: a comprehensive review of opportunities and limitations,” Anesthesia and Pain Medicine, vol. 18, no. 3, pp. 244–251, 2023. doi: https://doi.org/10.17085/apm.23056. C. K. Lo, “What Is the Impact of ChatGPT on Education? A Rapid Review of the Literature,” Education Sciences, vol. 13, no. 4, p. 410, 2023. doi: https://doi.org/10.3390/educsci13040410. A. Pack and J. Maloney, “Using Generative Artificial Intelligence for Language Education Research: Insights from Using OpenAI’s ChatGPT,” TESOL Quarterly, vol. 57, no. 4, pp. 1571–1582, 2023. doi: https://doi.org/10.1002/tesq.3253. J. Chervenak, H. Lieman, M. Blanco-Breindel, and S. Jindal, “The promise and peril of using a large language model to obtain clinical information: ChatGPT performs strongly as a fertility counseling tool with limitations,” Fertility and Sterility, vol. 120, no. 3, pp. 575–583, 2023. doi:: https://doi.org/10.1016/j.fertnstert.2023.05.151. A. V. Riabko and T. A. Vakaliuk, “Physics on autopilot: exploring the use of an AI assistant for independent problem-solving practice,” Educational Technology Quarterly, vol. 2024, no. 1, p. 56–75, Mar. 2024 doi: https://doi.org/10.55056/etq.671. OpenAI, “Introducing ChatGPT,” Nov. 2022. [Електронний ресурс]. Доступно: https://openai.com/blog/chatgpt DeepLearning.AI, “Search | The Batch | AI News & Insights,” Dec. 2023. [Електронний ресурс]. Доступно: https://www.deeplearning.ai/search/ “Big Bot Makes Small Talk: A research summary of Facebook’s Generative BST chatbot,” May 2020. [Електронний ресурс]. Доступно: https://www.deeplearning.ai/the-batch/big-bot-makes-small-talk/ “Bot Comic: How Google’s Meena chatbot developed a sense of humor,” Feb. 2020. [Електронний ресурс]. Доступно: https://www.deeplearning.ai/the-batch/bot-comic/ “Chatbots for Productivity,” Sep. 2023. [Електронний ресурс]. Доступно: https://www.deeplearning.ai/the-batch/microsoft-extends-copilot-365-windows/ “China Chases Chatbots,” Mar. 2023. [Електронний ресурс]. Доступно: https://www.deeplearning.ai/the-batch/chinese-tech-companies-race-to-cash-in-on-chatgpt-fever/ “Search War!” Feb. 2023. [Електронний ресурс]. Доступно: https://www.deeplearning.ai/the-batch/google-and-microsoft-both-announce-ai-powered-search/ “Chatbots Disagree on Covid-19: Medical chatbots offered conflicting Covid advice,” Apr. 2020. [Електронний ресурс]. Доступно: https://www.deeplearning.ai/the-batch/chatbots-disagree-on-covid-19/ “Language Models, Extended: Large language models grew more reliable and less biased in 2022,” Dec. 2022. [Електронний ресурс]. Доступно: https://www.deeplearning.ai/the-batch/language-models-grew-more-reliable-and-less-biased-in-2022/ “Cost Containment for Generative AI: Microsoft’s quest to reduce the size and cost of language models,” Oct. 2023. [Електронний ресурс]. Доступно: https://www.deeplearning.ai/the-batch/microsofts-quest-to-reduce-the-size-and-cost-of-language-models/ “What We Know — and Don’t Know — About Foundation Models: A new Stanford index to assess the transparency of leading AI models,” Nov. 2023. [Електронний ресурс]. Доступно: https://www.deeplearning.ai/the-batch/a-new-stanford-index-to-assess-the-transparency-of-leading-ai-models/ Elsevier B.V., “Scopus - Document search | Signed in,” 2023. [Електронний ресурс]. Доступно: https://www.scopus.com/search/form.uri?display=basic#basic N. J. Van Eck and L. Waltman, VOSviewer Manual. Universiteit Leiden, 2023. [Електронний ресурс]. Доступно: https://www.vosviewer.com/documentation/Manual_VOSviewer_1.6.20.pdf Centre for Science and Technology Studies, Leiden University, The Netherlands, “VOSviewer - Visualizing scientific landscapes,” 2023. [Електронний ресурс]. Доступно: https://www.vosviewer.com/
URI (Уніфікований ідентифікатор ресурсу): https://journal.iitta.gov.ua/index.php/itlt/article/view/5622
http://ds.knu.edu.ua/jspui/handle/123456789/5488
ISSN: 2076-8184
Розташовується у зібраннях:Кафедра професійної та соціально-гуманітарної освіти

Файли цього матеріалу:
Файл Опис РозмірФормат 
5622.pdf1.02 MBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.