1. Αρχική σελίδα
  2. Αναζήτηση

Machine learning in Social Sciences and Humanities research: A structured literature review

Το τεκμήριο παρέχεται από τον φορέα :
Πανεπιστήμιο Μακεδονίας   

Αποθετήριο :
International Conference on International Business  | ΕΚΤ eProceedings   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Machine learning in Social Sciences and Humanities research: A structured literature review (EN)
Bitzenis, Aristidis
Koutsoupias, Nikos
Nosios, Marios
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
2025-02-12
This research explores the growing role of machine learning in social sciences and humanities research, aiming to provide a comprehensive bibliometric review of its applications, trends, and impact. A systematic approach was employed, combining bibliometric analysis and visualization techniques to analyze a dataset extracted from the Scopus database, focusing on scholarly works related to machine learning in disciplines such as sociology, philosophy, history, and economics. The analysis highlights the increasing volume of publications and the evolving research landscape, with notable growth in recent years, particularly after 2005. Key findings indicate that machine learning is primarily applied in areas such as decision-making, sustainability, social media analysis, and natural language processing, reflecting its diverse potential in addressing complex societal issues. The study also reveals a strong collaborative nature, with a significant percentage of publications involving international co-authorship. Geographic analysis shows that countries like the United Kingdom, India, and the United States are leading contributors, while emerging nations also make noteworthy contributions. The findings suggest that machine learning is becoming an essential tool for social and cultural research, offering new insights into behavioral patterns, governance, and global challenges. In conclusion, the interdisciplinary nature of this approach is emphasized, along with the need for continued methodological innovation and cross-border collaboration to enhance its impact in these fields. (EN)
scientometrics (EN)
machine learning (EN)
systematic review (EN)
International Conference on International Business
Αγγλική γλώσσα
Πρακτικά του Διεθνούς Συνεδρίου για τη Διεθνή Επιχειρηματικότητα (ICIB) (EL)
Proceedings of the International Conference on International Business (ICIB) 2023–2024 (EN)
2241-5645
Πρακτικά του Διεθνούς Συνεδρίου για τη Διεθνή Επιχειρηματικότητα (ICIB); Τόμ. 1 Αρ. 1 (2025): Διεθνές Συνέδριο για τη Διεθνή Επιχειρηματικότητα (ICIB) - Πρακτικά Συνεδρίων 2023–2024; 17 (EL)
Proceedings of the International Conference on International Business (ICIB) 2023–2024; Vol. 1 No. 1 (2025): International Conference on International Business (ICIB) - 2023–2024 Proceedings; 17 (EN)
https://creativecommons.org/licenses/by/4.0
Πανεπιστήμιο Μακεδονίας
International Conference on International Business
ICIB Maastricht 2024 Proceedings



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.