Exploring the Impact of Machine Learning and AI on Inflation Prediction: A Bibliometric Approach

• Gonzalez, Daniela Agostina ^[1]
  1. [1] Universidad Nacional de Córdoba

     Universidad Nacional de Córdoba

     Argentina

     
• Localización: Estudios de economía aplicada, ISSN 1133-3197, ISSN-e 1697-5731, Vol. 43, Nº 1, 2025 (Ejemplar dedicado a: Economic Cycles and Their Impact on Credit and Employement in Emerging Markets)
• Idioma: inglés
• Títulos paralelos:
  • Explorando el Impacto del Aprendizaje Automático e Inteligencia Artificial en la Predicción de la Inflación: un Enfoque Bibliométrico
• Enlaces
  • Texto completo
• Resumen
  • español

    Este estudio realiza un análisis bibliométrico de la predicción de la inflación, con enfoque en la evaluación del impacto de las técnicas de Machine Learning (ML). Se emplea un conjunto de datos que comprende 1,651 publicaciones obtenidas de Dimensions abarcando el período de 1975 a 2023. La investigación emplea un enfoque cientométrico integral que abarca publicaciones, autores, citas, referencias y distribución geográfica. Se incluye una red de co-citación bibliográfica, y se realiza un análisis de palabras clave a través del modelo Bidirectional Encoder Representations from Transformers (BERT), lo que permite la clasificación de los documentos en función de su utilización de métodos de ML. Los resultados indican un aumento notable en la producción anual a partir de 2020. La red muestra visualmente las publicaciones más destacadas y la extracción de palabras clave ayuda en la identificación de temas relevantes. Si bien los enfoques de ML son evidentes en la literatura empírica, la prevalencia de métodos económetricos teóricos avanzados subraya los desafíos restantes en la plena integración de los paradigmas de Inteligencia Artificial (AI) en el campo del conocimiento.

  • English

    This study conducts a bibliometric analysis of inflation prediction, with a focus on assessing the impact of machine learning (ML) techniques. Utilizing a dataset comprising 1,651 publications sourced from Dimensions spanning the period 1975 to 2023, the research employs a comprehensive scientometric approach encompassing publications, authors, citations, references, and geographical distribution. A bibliographic co-citation network is included, and keyword analysis is performed through the Bidirectional Encoder Representations from Transformers (BERT) model, enabling the classification of papers based on their utilization of ML methods. Results indicate a notable increase in annual production from 2020 onwards. The network visually shows the most outstanding publications and keyword extraction aiding in the identification of relevant topics. While ML approaches are evident in the empirical literature, the prevalence of theoretical and enhanced econometric methods underscores the remaining challenges in fully integrating Artificial Intelligence (AI) paradigms into the field of knowledge.