<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه ولی‌عصر رفسنجان</PublisherName>
				<JournalTitle>مطالعات مدیریت گردشگری عصر هوشمند</JournalTitle>
				<Issn>3092-6793</Issn>
				<Volume>3</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>07</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle>A Bibliometric Analysis of Global Research Trends in Cultural Heritage and Artificial Intelligence</ArticleTitle>
<VernacularTitle>تحلیل کتاب‌سنجی روند جهانی پژوهش در حوزه میراث فرهنگی و هوش مصنوعی</VernacularTitle>
			<FirstPage>95</FirstPage>
			<LastPage>113</LastPage>
			<ELocationID EIdType="pii">741353</ELocationID>
			
<ELocationID EIdType="doi">10.22072/tmsse.2026.2077858.1098</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>پرویز</FirstName>
					<LastName>پورکریمی</LastName>
<Affiliation>استادیار گروه مدیریت جهانگردی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.</Affiliation>
<Identifier Source="ORCID">0000-0003-3611-6382</Identifier>

</Author>
<Author>
					<FirstName>سید جلال الدین</FirstName>
					<LastName>فرجی</LastName>
<Affiliation>استادیار گروه مدیریت دولتی و شهری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.</Affiliation>
<Identifier Source="ORCID">0000-0001-9910-1802</Identifier>

</Author>
<Author>
					<FirstName>اکبر</FirstName>
					<LastName>پورفرج</LastName>
<Affiliation>دانشیار گروه مدیریت جهانگردی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.</Affiliation>
<Identifier Source="ORCID">0000-0003-2470-9690</Identifier>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>11</Month>
					<Day>14</Day>
				</PubDate>
			</History>
		<Abstract>Cultural heritage underpins national identity and historical continuity, yet in the age of digital transformation, its sustainable preservation and dissemination depend increasingly on advanced technologies. Among these, artificial intelligence has become a major catalyst for analyzing complex datasets, simulating realistic reconstructions, and enhancing the conservation of human heritage. This study provides a systematic bibliometric analysis of global research trends at the intersection of cultural heritage and AI. Data were retrieved from the Scopus database and examined through VOSviewer to map scientific collaboration structures and thematic evolution. The bibliometric metrics explored include annual publication growth, leading countries, influential authors, and co-authorship and keyword-co-occurrence networks. The findings reveal a remarkable increase in scholarly output between 2015 and 2025, signaling a paradigmatic shift toward interdisciplinary research. European nations, particularly Italy, Greece, the United Kingdom, and Spain, lead in establishing enduring collaboration networks, while Asian countries such as China, India, South Korea, and Indonesia demonstrate accelerated growth. However, high publication productivity does not necessarily imply extensive international cooperation. Temporal concept analysis highlights a progression from traditional documentation and conservation to a technologically innovative stage characterized by large language models, generative AI, and augmented reality, which are shaping interactive digital heritage ecosystems. Overall, the results emphasize a global transition toward the full integration of AI across the lifecycle of cultural heritage preservation and management. The study offers guidance for policymakers and researchers to identify emerging knowledge domains and foster more effective cross-national collaborations for sustainable digital heritage practices.</Abstract>
			<OtherAbstract Language="FA">میراث فرهنگی زیربنای هویت ملی و تداوم تاریخی است، با این حال در عصر تحول دیجیتال، حفظ و اشاعه پایدار آن به طور فزاینده‌ای به فناوری‌های پیشرفته وابسته است. در میان این فناوری‌ها، هوش مصنوعی به محرک اصلی برای تحلیل داده‌های پیچیده، شبیه‌سازی بازسازی‌های واقع‌گرایانه و بهبود حفاظت از میراث بشری تبدیل شده است. این مطالعه یک تحلیل کتاب‌سنجی (بیبلیومتریک) سیستماتیک از روندهای پژوهشی جهانی در تقاطع میراث فرهنگی و هوش مصنوعی ارائه می‌دهد. داده‌ها از پایگاه داده اسکوپوس (Scopus) استخراج شده و از طریق نرم‌افزار VOSviewer برای ترسیم ساختارهای همکاری علمی و تکامل موضوعی بررسی شده‌اند. معیارهای کتاب‌سنجی بررسی‌شده شامل رشد سالانه انتشارات، کشورهای پیشرو، نویسندگان تأثیرگذار و شبکه‌های هم‌تالیفی و هم‌رخدادی واژگان کلیدی است. یافته‌ها افزایش چشمگیر خروجی‌های پژوهشی را بین سال‌های ۲۰۱۵ تا ۲۰۲۵ نشان می‌دهند که گویای یک تغییر پارادایم به سمت پژوهش‌های بین‌رشته‌ای است. کشورهای اروپایی، به‌ویژه ایتالیا، یونان، بریتانیا و اسپانیا، در ایجاد شبکه‌های همکاری پایدار پیشتازند، در حالی که کشورهای آسیایی مانند چین، هند، کره جنوبی و اندونزی رشد شتابنده‌ای را از خود نشان می‌دهند. با این حال، بهره‌وری بالای انتشارات لزوماً به معنای همکاری گسترده بین‌المللی نیست. تحلیل مفهومی زمانی، گذار از مستندسازی و حفاظت سنتی به یک مرحله نوآورانه از نظر فناوری را برجسته می‌کند که با مدل‌های زبانی بزرگ، هوش مصنوعی مولد و واقعیت افزوده مشخص می‌شود و در حال شکل‌دهی به اکوسیستم‌های تعاملی میراث دیجیتال است. در مجموع، نتایج بر یک گذار جهانی به سمت ادغام کامل هوش مصنوعی در سراسر چرخه عمر حفظ و مدیریت میراث فرهنگی تأکید می‌کنند. این مطالعه راهنمایی‌هایی را برای سیاست‌گذاران و پژوهشگران فراهم می‌کند تا حوزه‌های دانش نوظهور را شناسایی کرده و همکاری‌های بین‌المللی مؤثرتری را برای عملکردهای پایدار میراث دیجیتال پرورش دهند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">میراث فرهنگی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">هوش مصنوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کتاب‌سنجی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">حفاظت دیجیتال</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://tmsse.vru.ac.ir/article_741353_5b0ecae4681ada364e8a69673b62d5fb.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
