Цифровая трансформация библиотечной отрасли предполагает активное внедрение искусственного интеллекта (Artificial Intelligence, AI), и особая роль здесь отводится нейронному поиску информации (или нейропоиску), основанному на искусственных нейронных сетях (ИНС). Нейронный поиск (НП) открывает новые возможности для повышения эффективности библиотечно-информационного обслуживания (БИО), обеспечивая более точный, быстрый и персонализированный доступ к знаниям в цифровой библиотеке (ЦБ). Применение НП преобразует парадигму БИО, меняя взаимодействие читателей с контентом. В статье рассматривается, как НП решает проблемы низкой релевантности результатов, ограниченной семантической обработки запросов и недостаточной персонализации. Методы исследования включают теоретический анализ научной литературы, нормативных документов и обобщение опыта внедрения ИНС. Результаты исследования показывают, что НП значительно улучшает качество сервиса за счет обработки сложных запросов, адаптации к индивидуальным потребностям пользователей и поддержки инклюзивного доступа к библиотечному фонду. Несмотря на высокий технологический потенциал, НП не заменяет, а дополняет традиционные методы, автоматизируя рутинные процессы и позволяя библиотекарям сосредоточиться на сложных и творческих задачах. Внедрение НП соответствует стратегиям цифровой трансформации библиотечного дела.
Уровень научного журнала - ключевой показатель в современной национальной системе оценки результативности исследований. Категорирование научных журналов - одна из основных задач библиометрии, постоянный рост объёма данных об изданиях и публикациях требует эффективного анализа соответствия между декларируемыми и наблюдаемыми паттернами категорирования. Цель статьи заключается в апробации исследовательского анализа данных (Exploratory Data Analysis, EDA) для изучения распределения научных журналов по уровням в «Белом списке» и выявления статистических закономерностей, связывающих уровень издания с его индексацией в наукометрических базах данных (БД). Объект исследования - открытые данные о научных журналах из «Белого списка». В работе применён статистический подход к анализу данных об изданиях, реализованный в цифровой среде Google Colaboratory с использованием библиотек для EDA (Pandas, Matplotlib, Seaborn) на языке программирования Python. Результаты позволили провести количественный анализ соответствия эмпирических данных правилам категорирования изданий «Белого списка» и выявить различия в паттернах индексации журналов разных уровней. Практическая значимость заключается в интеграции цифровых технологий EDA в библиометрический инструментарий, что открывает возможности для верификации систем категорирования и развития методов библиометрии в условиях цифровизации науки.