Ein automatisierter Ansatz zur Unterstützung von Forschungsmethoden für Literaturübersichten.

Literaturübersichten im Allgemeinen sind Forschungsmethoden, die darauf abzielen, verfügbare Belege zu einem bestimmten Forschungsthema zu sammeln und zu bewerten. Eine gängige wissenschaftliche Methode zur Durchführung solcher Literaturübersichten ist die systematische Literaturübersicht (SLR). Eine andere Methode ist die systematische Mapping-Studie (SMS). Wird dieser Prozess manuell durchgeführt, kann er sehr zeit- und arbeitsaufwändig sein. Daher wurden mehrere Tools und Ansätze vorgeschlagen, um verschiedene Phasen dieses Prozesses zu erleichtern. In dieser Doktorarbeit geht es darum, die Qualität dieser Literaturübersichten anhand kombinierter Aspekte zu bewerten. Wir messen die Qualität der in die Studie einbezogenen primären ausgewählten Arbeiten, indem wir sozialen und akademischen Einfluss auf rekursive Weise kombinieren. Zusätzlich werden wir ein maschinelles Lern-Ranking-Modell anwenden, das auf einer Ähnlichkeitsfunktion basiert, die auf bibliometrischen und Altmetrics-Qualitätskriterien und der Volltextrelevanz aufbaut. Um den vorgeschlagenen Ansatz zu verwirklichen, untersuchen wir zunächst den aktuellen Stand der Technik in verschiedenen Richtungen, vor allem die effektivsten und am häufigsten verwendeten Qualitätsmaße von Publikationen, Altmetrics, Bibliometrics und textbezogene Techniken des maschinellen Lernens. Eine Methode zur Bewertung der Qualität dieser Forschungsmethoden für Literaturübersichten wäre für die wissenschaftliche Forschungsgemeinschaft im Allgemeinen sehr nützlich, da sie wertvolle Zeit sparen und den enormen Aufwand reduzieren würde.

A ranking-based automated approach for supporting Literature Review research methodologies.

Literature reviews in general are methodologies of research which aim to gather and evaluate available evidence regarding a specific research topic. A common scientific method for performing this literature reviews is Systematic Literature Review (SLR). Another method is called Systematic mapping study (SMS). Their process if conducted manually can be very time and effort consuming. Therefore, multiple tools and approaches were proposed in order to facilitate several stages of this process. In this PhD thesis, we aim to evaluate the quality of these literature reviews studies using combined aspects. We measure the quality of the study`s included primary selected papers by combining social and academic Influence in a recursive way. Additionally, we will apply a machine learning ranking model based on a similarity function that is built upon bibliometrics and Altmetrics quality criteria and full text relevancy. In order to achieve the proposed approach, we begin with investigating the current state of the art in different directions, mainly the most effective and commonly used quality measures of publications, Altmetrics, Bibliometrics and machine learning text related techniques. A method for assessing the quality of these literature reviews research methods, would definitely be useful for the scientific research community in general, as It would save valuable time and reduce tremendous required effort.