摘要：生成式AI模型，特别是OpenAI的ChatGPT的出现已深刻影响多个领域。为了揭示关键研究领域、关键研究集群、新兴研究课题、成熟和新兴集群内的关键研究贡献以及对不同利益相关者的重要启示，本研究基于网络科学计量方法，分析了Dimensions数据库中索引的与ChatGPT研究相关的早期科学文献（n=1873）（从2022年11月29日至2023年5月20日）。该方法利用与科学文献相关的两个主要网络的网络挖掘进行知识发现。使用研究领域（FoRs）网络进行科学制图分析，揭示了ChatGPT影响的关键研究领域。借助Flow Vergence模型和聚类分析，对科学文献进行了出版物引文网络分析，确定了对网络增长做出贡献并可能继续对网络增长做出重大贡献的主要增长集群，发现这些集群与一般教育、医学教育、医学诊断和临床写作、科学写作以及系统文献综述相关。发现重要的新兴集群主要处理新颖的应用，例如社交媒体中的有害内容检测、注释、评估等。
本研究还在2023年12月31日（六个月后）跟踪了成熟集群和新兴集群的动态，所有集群都发现显著增长。在成熟集群中观察到集群合并，使新的集群成为多主题的，并被增量贡献所淹没。新兴集群的合并有助于形成相对表现更好的集群。通过这项知识发现工作，本文强调了ChatGPT的知识和技术进步及其在众多领域的潜力，并揭示了其使用所引发的紧迫问题和道德困境。分析结果揭示了对各利益相关者（包括教育和研究政策制定者）的若干政策影响。
关键字：ChatGPT， 生成式人工智能， Flow Vergence， FV 指数， 科学地图， 科学文献挖掘
Lathabai, H. H., Prabhakaran, T., & Raman, R. (2024). ChatGPT Research: Insights from Early Studies Using Network Scientometric Approach. Journal of Scientometric Research, 13(3), 688–705. https://doi.org/10.5530/jscires.20041177
