Treffer: Diagnosing Core Topics in Digital Transformation Studies via Topic Model Approach.

The field of digital transformation continues to develop and expand rapidly due to technological advances. This study uses text mining techniques to analyze 5280 articles published between 2014 and 2024 using the LDA model and the Gibbs sampling method, the study identifies the most prominent topics on digital transformation research. Traditional methods, which rely on predefined categories and subjective judgment, are inadequate for identifying underlying themes in large datasets. The study identifies the most prominent topics in digital transformation research and tracks trends by tracking changes in topic rankings across different periods. It also explores sub- specialization areas across 1065 digital transformation journals and assesses how shifts in these areas impact the broader topic landscape. The findings provide valuable insights for practitioners, researchers, journal editors, and policymakers involved in digital transformation. [ABSTRACT FROM AUTHOR]

Dijital dönüşüm alanı, teknolojik ilerlemelere bağlı olarak hızla gelişmeye ve genişlemeye devam etmektedir. Bu çalışma, LDA modeli ve Gibbs örnekleme yöntemini kullanarak 2014-2024 yılları arasında yayınlanan 5280 makaleyi analiz etmek için metin madenciliği tekniklerini kullanmakta ve dijital dönüşüm araştırmalarında en öne çıkan konuları belirlemektedir. Önceden tanımlanmış kategorilere ve öznel yargılara dayanan geleneksel yöntemler, büyük veri kümelerinde altta yatan temaları belirlemek için yetersiz kalmaktadır. Çalışma, dijital dönüşüm araştırmalarında en öne çıkan konuları belirlemekte ve farklı dönemlerdeki konu sıralamalarındaki değişiklikleri takip ederek eğilimleri izlemektedir. Ayrıca 1065 dijital dönüşüm dergisindeki alt uzmanlık alanlarını araştırıyor ve bu alanlardaki değişimlerin daha geniş konu manzarasını nasıl etkilediğini değerlendiriyor. Bulgular, dijital dönüşümle ilgilenen uygulayıcılar, araştırmacılar, dergi editörleri ve politika yapıcılar için değerli içgörüler sağlamaktadır. [ABSTRACT FROM AUTHOR]

Copyright of Journal of Selcuk University Social Sciences Institute / Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi is the property of Journal of Selcuk University Social Sciences Institute and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)