Contribution de l'intelligence artificielle à la performance des projets de recherche scientifique
Abstract
L’avancement des connaissances et les progrès dans divers domaines dépendent de la recherche scientifique. L'évolution rapide de l’intelligence artificielle (IA) offre de nouvelles perspectives pour améliorer l’efficacité et les résultats de ces efforts scientifiques. L'IA, notamment l’apprentissage automatique et la manipulation du langage naturel, à le pouvoir de transformer le processus de recherche scientifique. Elle permet d'analyser efficacement de vastes ensembles de données, révélant des modèles complexes difficiles à détecter manuellement. L'IA stimule également les avancées scientifiques en formulant des hypothèses de recherche. De plus, elle libère les chercheurs en automatisant les tâches répétitives, leur permettant de se concentrer sur les aspects créatifs de leur travail. Cependant, l'intégration de l'IA dans la recherche scientifique soulève des questions et des obstacles importants. La crédibilité des résultats obtenus grâce à l'IA peut être remise en question, et comprendre les choix effectués par les systèmes d'IA peut être complexe pour les chercheurs. Il est donc essentiel de comprendre l'impact de l'IA sur la performance des projets de recherche scientifique, afin de maximiser les avantages tout en atténuant les risques. Notre étude vise à étudier l’impact de l'IA sur la recherche scientifique en utilisant une approche qualitative. Nous mènerons des entretiens approfondis avec des doctorants chercheurs. En suivant une méthodologie rigoureuse et systématique, nous chercherons à obtenir un aperçu complet des perspectives des chercheurs et à générer des connaissances sur le rôle de l’intégration de l'IA dans la recherche scientifique.
The advancement of knowledge and progress in various fields depends on scientific research. The rapid evolution of artificial intelligence (AI) offers new opportunities to improve the efficiency and outcomes of these scientific efforts. AI, including machine learning and natural language manipulation, has the power to transform the scientific research process. It allows for efficient analysis of large datasets, revealing complex patterns that are difficult to detect manually. AI also stimulates scientific advances by formulating research hypotheses. In addition, it frees researchers by automating repetitive tasks, allowing them to focus on the creative aspects of their work. However, the integration of AI into scientific research raises important questions and hurdles. The credibility of the results achieved through AI can be questioned, and understanding the choices made by AI systems can be complex for researchers. It is therefore essential to understand the impact of AI on the performance of scientific research projects, in order to maximize benefits while mitigating risks. Our study aims to investigate the impact of AI on scientific research using a qualitative approach. We will conduct in-depth interviews with research doctoral students. Following a rigorous and systematic methodology, we will seek to gain a comprehensive overview of researchers' perspectives and generate knowledge on the role of AI integration in scientific research.
Downloads
Metrics
References
2. AFD. (2023). IA-Biodiv Challenge: Research in Artificial Intelligence in the Field of Diversity”, webpage.
3. ARISA. (2023). AI Skills needs analysis.
4. Aurélie.J. (2020). Une brève introduction à l’intelligence artificielle.
5. B.M., G., & Su.A.I. (2013). Crowdsourcing for bioinformatics”, Bioinformatics, vol. 29,no 16-15, p. 1925-1933.
6. Bachet.D. (1998). « Quelle performance pour les entreprises et pour l'emploi ? ».
7. Bartholomeeusen.H, & al. (2019). les enjeux éthiques liés au développement de l’Intelligence Artificielle.
8. Baruffaldi.S., & al. (2020). Identifying and measuring developments in artificial .
9. BAUMARD.Ph. (2019). Quand l’intelligence artificielle théorisera les organisations.
10. Bourguignon.A. (1998). Représentations de la performance : le contrôle de gestion ne suffit pas, in Congrès Performance et Comptabilité, XIXè siècle, Association Française de Comptabilité, 1998, Nantes. p. 537-553.
11. Boushaba, I., & Chakor, A. (2023). L'impact de l'intelligence artificielle sur le management de projet :opportunités et defis . INTERNATIONAL JOURNAL OF ECONOMICS AND MANAGEMENT RESEARCH Vol. 4 No. 6, 97-109.
12. Bunge, M. (2006). Chasing Reality: Strife over Realism. University of Toronto Press.
13. Conseil Supérieur de l’Éducation, d. l. (2022). La recherche scientifique et technologique au Maroc, analyse évaluative", Rapport sectoriel, .
14. Corbin.J, & Strauss.A. (2008). Qualitative research. Techniques and procedures for developing grounded theory 3.
15. Davidson.E. (2019). “Big data, qualitative style: a breadth-and-depth method for working with large amounts of secondary qualitative data”Quality & Quantity, vol. 53, no 1, p. 363-376.
16. Dionne, .. (1994). Méthodologie de la recherche en sciences humaines. 552–555.
17. Dr.Colloc.Joël. (2022). De l’IA décisionnelle à l’IA quelles capacités réalisables des futurs systèmes interrogent l’éthique ?
18. E., K. ( 2020). Combining Blockchain and Artificial Intelligence – Literature Review and State of the Art. ICIS 2020 Research Papers.
19. Feigenbaum, E. A., & McCorduck, P. (1983). The Fifth Generation: Artificial Intelligence and Japan's Computer Challenge to the World.
20. Ferouali.S, E., & al. (2023). Digital and Artificial Intelligence: What effects on organizational management? a literrature review. International Journal of Computer Engineering and Data Science.
21. Ganascia.J.G. (2017). Le mythe de la singularité, Éditions Seuil, Paris.
22. Ghosh.A, & Aishik. (2023). How can artificial intelligence help scientists? A (non-exhaustive) overview”, in OECD, Artificial Intelligence in Science: Challenges, Opportunities and the Future of Research. OECD Publishing, Paris.
23. Guba.EG, & Lincoln.YS. ((1994)). Paradigmes concurrents dans la recherche qualitative. Manuel de recherche qualitative.
24. Han, S., & al. (2020). Reflections on Artificial Intelligence Alignment with Human Values: A Phenomenological Perspective. ECIS .
25. Hiétart.R. ( 2014). Méthodes de recherche en management. France: Dunod.
26. Inria. (2016). Intelligence Artificielle LIVRE BLANC N°01 Les défis actuels et l’action d’Inria. Institut national de recherche en informatique et en automatique.
27. Jones, K. S. (1972). A statistical interpretation of term specificity and its application in retrieval.
28. Julia.L. (2019). L’intelligence artificielle n’existe pas, Éditions First, Paris.
29. KADDIOUI, E., & JABRAOUI.S. (2021). Les effets de l’intelligence artificielle : une revue de littérature.
30. Labouret.H. (2024). La Recherche Scientifique en Afrique au Sud du Sahara.
31. Le grain, M. (1994). Méthodologie de la recherche en sciences humaines. Revue d'histoire de l'Amérique française, 945.
32. Lebzar.B, & al. (2020). Artificial Intelligence and Moroccan Companies: What Challenges? International Journal of Digital Economy.
33. Leduc.M. (2017). Impact de l’intelligence artificielle sur le secteur des services financiers.
34. Lorino.P. (1997). Méthodes et pratiques de la performance. Les Editions d’organisation.
35. Mantouzi.S, & Said.Y. (2023). Intelligence artificielle et performance du secteur de l'enseignement supérieur marocain : Enjeux et interactions. Revue Française d 'Economie et de Gestion Volume 4 .
36. McCarthy, J. (1958). Programs with Common Sense.
37. McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, &. (1955). A proposal for the Dartmouth summer research project on artificial intelligence. AI magazine, 27(4), 12-14.
38. McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity.
39. Mehdiyev.N., & Fettke.P. (2020). Prescriptive Process Analytics with Deep .
40. Ménissier.T. (2019). Quelle éthique pour l’IA ?. Communication présentée au colloque .
41. Ménissier.T. (2020). Un « moment Machiavélien » pour l’Intelligence Artificielle .
42. Mitchell, T. M. (1997). Machine learning. McGraw-Hill Education.
43. Morse.JM. (1995). L'importance de la saturation. Recherche qualitative en santé , 5 (2), 147-149.
44. Ngongo, D., & Paul, R. (1999). La recherche scientifique en éducation. Louvain-la-Neuve : Academia Bruylant, p. 207-211.
45. Nilsson, N. J. (2014). Artificial intelligence: a new synthesis. Morgan Kaufmann.
46. Olibert.A, & Jourdan.P.J . (2011). Marketing research: méthodes de recherche et d'études en marketing. France: Dunod.
47. Onwuegbuzie.A.J., & Leech.N. (2005). On Becoming a Pragmatic Researcher: The Importance of Combining Quantitative and Qualitative Research Methodologies. International Journal of Social Research Methodology.
48. Patton.MQ. (2002). .Deux décennies de développements en matière d'enquête qualitative : une perspective personnelle et expérientielle. Travail social qualitatif , 1 (3), 261-283.
49. Pearl.J., & Mackenzie.D., t. (2018). The Book of Why: The New Science of Cause and Effect, Basic Books, New York.
50. Peres.R., & al. (2023). On ChatGPT and beyond: How generative artificial intelligence may affect research, teaching, and practice. International Journal of Research in Marketing, 269-27.
51. Pesqueux.Y. (2004). La notion de performance 5° Forum international ETHICS.
52. Pitrat.J. (1993). L'intelligence artificielle : au-delà de l'intelligence humaine. L'Harmattan Paris.
53. Pohl.K. (2019). The Impact of Artificial Intelligence on Project Management.
54. Rich, E. &., & Knight, K. (1991). Artificial intelligence. McGraw-Hill Education.
55. Russell, S. J., & Norvig, P. (1995). Artificial intelligence: a modern approach. Pearson Education.
56. Russell, S. J., & Norvig, P. (2020). Artificial intelligence a modern approach. Pearson Education.
57. Russell.S., & Norvig.P. (2010). Artificial Intelligence A Modern Approach. New Jersey: Pearson.
58. Salkind, N. J. (2017). Exploring Research.
59. Salvagno, & al. (2023). Can artifcial intelligence help for scientifc.
60. Samuel, A. (1959). Some Studies in Machine Learning Using the Game of Checkers.
61. Sekaran, U., & Bougie, R. (2016). Research Methods for Business: A Skill-Building Approach.
62. Sturm, T., & Peters, F. (2020). The Impact of Artificial Intelligence on Individual Performance: Exploring the Fit between Task, Data, and Technology. ECIS 2020.
63. The adoption of artificial intelligence by Moroccan companies: Opportunities and . (s.d.). challenges par Youssef Jabri et Abdelkader Baaziz, publié dans la revue Journal of , Innovation Economics.
64. Thrun, S., Norvig, P., & al., &. (2016). Artificial intelligence: a modern approach. Pearson Education.
65. Véry.Ph, & Ludovic.C. (2019). Intelligence artificielle et recherche en gestion (Vol. N° 285, ). (R. f. gestion, Éd.)
66. Wacheux.F. ( 1996). Méthodes qualitatives et recherche en gestion. France: Economica.
67. Wang.W. (2015). big data use cases in financial services, EBook, Datameer, 2015.
68. Wilfrid.A. (2007). Développement chez F. Perroux et performance par le changement organisationnel. . Revue Française de gestion - .
69. William, M., & al. (2018). The Research Methods Knowledge Base.
70. Yang.j, & al. (2021). Artificial intelligence: A powerful paradigm for scientific research.
71. Yannick.M. (2017). Intelligence artificielle, sécurité et sûreté. pages 75 à 84.
72. Zacklad.M. (2018). Intelligence Artificielle : représentations et impacts sociétaux.
73. Zaraté. (2021). L'intelligence artificielle d'hier à aujourd'hui.
Copyright (c) 2024 Abdallah Boukind, Habiba Abou-Hafs
This work is licensed under a Creative Commons Attribution 4.0 International License.