Mapeo de la investigación científica mexicana en el Web
of Science
Science Mapping of Mexican Research in the Web of Science
Ibis Anette Lozano Díaz1, José Luis Jiménez-Andrade2, Elio Atenógenes Villaseñor-García3, Humberto Andrés Carrillo-Calvet4Resumen
Science mapping permite modelar y visualizar presentando la evolución de la estructura de la investigación científica. El objetivo principal del estudio es mapear el perfil cienciométrico de los diferentes campos de investigación de la ciencia mexicana en el Web of Science (WoS), durante el período 2007-2016; empleando scatter plots y redes neuronales artificiales. La técnica de análisis y visualización en el estudio permitió identificar el grado de correlación entre los indicadores. Se empleó la metodología ViBlioSOM para identificar automáticamente el perfil cienciométrico en cuanto a impacto, colaboración y excelencia para 22 campos de investigación en la ciencia mexicana. Se identificaron MULTIDISCIPLINARY y SPACE SCIENCE como campos que tuvieron valores atípicos, por tanto, destacan como perfiles peculiares en cuanto al impacto científico, colaboración y excelencia.
Palabras clave: Science mapping; Cienciometría; Redes neuronales, Mapas auto-organizados
Abstract
Science mapping allows modeling and visualization presenting the evolution of the scientific research structure. The main objective of the study is to map the scientometric profile of the different fields of research of Mexican science in the Web of Science (WoS), during the period
1 Universidad Nacional Autónoma de México (UNAM), México, [email protected] 2 Universidad Nacional Autónoma de México (UNAM), México, [email protected] 3 Centro de Investigación e Innovación en Tecnologías de la Información (INFOTEC), México,
2007-2016; using scatter plots and artificial neural networks. The technique of analysis and visualization (scatter plots) in the study allowed to identify the degree of correlation between the indicators. The ViBlioSOM methodology was used to automatically identify the scientometric profile in terms of impact, collaboration and excellence for 22 fields of research in Mexican science. MULTIDISCIPLINARY and SPACE SCIENCE were identified as fields that had atypical values, therefore, they stand out as peculiar profiles regarding the scientist of impact, collaboration and excellence.
Keywords: science mapping; scientometry; neural networks; self-organizing maps
Introducción
El desafío de representar procesos intangibles ha fortalecido la comunidad de investigadores en cienciometría. Los cuales han creado nuevas técnicas y métodos para realizar mapeos de la ciencia, mapeos bibliométricos o science mapping.
Science mapping se ha definido por algunos autores como: “the visualization of the topology of relationships between elements or aspects of science”(Leydesdorff & Milojević, 2015) y se considera como una tecnología útil para construir mapas bibliométricos que describen la estructura científica de un sistema de conocimiento (Börner, Theriault, & Boyack, 2005).
El mapeo de la ciencia intenta encontrar representaciones de las conexiones intelectuales dentro del sistema de conocimiento científico que cambia dinámicamente. Los expertos en science mapping modelan y visualizan la estructura de la evolución en la investigación científica. Para ello, consideran los artículos, sus autores, las palabras utilizadas en estos artículos y las citas que reciben los artículos.
Porter, Youtie, Rafols, & Newman, 2015; Lee, 2007; Mane & Börner, 2004; Martínez, Cobo, Herrera, & Herrera-Viedma, 2015; Ravikumar, Agrahari, & Singh, 2015).
En particular, en el año 2015 se publicó un análisis de la ciencia mexicana empleando algunas técnicas de science mapping para analizar el dominio específico de Computer Science (Uddin, Singh, Pinto, & Olmos, 2015). La más reciente investigación, que emplea técnicas de inteligencia computacional y science mapping, fue publicada en el último número de la revista Scientometrics. Es una investigación que se enfoca solamente al análisis de la producción en Scopus de las más productivas instituciones de educación superior mexicanas (Villaseñor, Carrillo-Calvet, & Arencibia-Jorge, 2016).
El estudio que se propone a continuación tiene el objetivo principal mapear el perfil cienciométrico de los diferentes campos de investigación de la ciencia mexicana en el Web of Science (WoS), durante el período 2007-2016; empleando la metodología ViBlioSOM.
Metodología
Figura 1. Metodología ViBlioSOM: etapas del proceso de descubrimiento, análisis y mapeo de información bibliométrica.
1. En primera instancia se extrajeron los datos desde el InCites de Web of Science.
2. Se conformó una tabla con los indicadores como columnas y las temáticas como renglones. Con el propósito de que los indicadores tengan el mismo peso durante la identificación de cúmulos que hace el SOM, es necesario ponderarlos, es decir, equilibrar sus rangos de variabilidad. Este preprocesamiento consiste en dividir cada indicador (toda la columna) por el mayor de los indicadores en dicha columna. Después de esta operación, todos los indicadores tienen un rango de variación entre cero y uno (considerando que todos los indicadores son positivos o igual a cero).
3. Una vez que se tiene la matriz, se utiliza la herramienta de software para correr el algoritmo SOM. Los parámetros que se configuran son el tamaño del mapa (lado x ancho) y el número de iteraciones, el resto de los parámetros del algoritmo se conservan en su valor por defecto.
Fuentes de información
InCites es una de las herramientas bibliométricas de Web of Science, base de datos multidisciplinaria de Clarivate Analytics. Utiliza los registros bibliográficos y las citas generadas a partir de Web of Science y Journal Citation Reports. Esta herramienta se actualiza mensualmente, antes del lanzamiento de los datos del Core Collection de WoS. Por ejemplo, la actualización del conjunto de datos InCites del 12 de agosto de 2017 se incluye el contenido de la colección principal de WoS indexado hasta el 30 de junio de 2017. InCites es una herramienta bibliométrica basada en la producción, colaboración e impacto que permite analizar la productividad a diferentes niveles de agregación y comparar su producción con sus pares a nivel internacional.
Para el análisis de los campos de investigación de la ciencia mexicana en el WoS durante el período 2007-2016, se utilizó el esquema de clasificación temática del Essential Science Indicators (ESI). Este esquema asigna la revista a solo una de las 22 categorías o campos de investigación, y en el caso de revistas multidisciplinares como Science y Nature, las categorías se asignan por artículo, de esta manera utiliza una clasificación temática más general, y la ventaja principal es que no permite solapamientos; aspecto que sí ocurre en la clasificación de la colección principal del Web of Science, donde algunas revistas pertenecen a varias categorías.
Indicadores
Ndoc: Total de documentos publicados en Web of Science
CIT: Total de citas recibidas
Citas/Doc: Relación de citas por documento
CNCI Category Normalized Citation Impact: Impacto normalizado por tema, año y tipo de
documentos que pertenecen al mismo tipo documental, en el mismo año de publicación y de la misma área temática.
% Highly Cited Papers: Porcentaje de publicaciones como altamente citadas en ESI (número de artículos que recibieron un total de citas superior al 1% cuando se compara con todos los artículos publicados en el mismo año y en la misma disciplina).
% Colaboración Internacional: Porcentaje de publicaciones que tienen coautores internacionales.
Resultados y discusión
Análisis uniparamétrico
Durante el período 2007-2016, el volumen de producción científica mexicana en el WoS fue de un total 130,499 documentos. En la figura 2, se observa como este volumen se distribuye a través de 22 campos de investigación. La mayor producción de documentos mexicanos en el WoS para el período, corresponde a CLINICAL MEDICINE (17,586), PLANT & ANIMAL SCIENCE con 15,231 documentos publicados sobre este campo de investigación, le sigue
Fig. 2. Distribución del número de documentos mexicanos en el WoS, durante 2007-2016, entre los 22 campos de investigación del Essential Science Indicators (ESI).
Fig. 3. Distribución del número de citas recibidas en el WoS, durante 2007-2016, entre los 22 campos de investigación del Essential Science Indicators (ESI).
Análisis Multiparamétrico
Fig. 4. Producción e impacto de la ciencia mexicana en los 22 campos de investigación según el esquema de clasificación del Essential Science Indicators, 2007-2016. Tamaño de la burbuja: Category Normalized Citation
Impact (CNCI)
La figura 5 muestra el comportamiento de los indicadores de impacto y de excelencia de la ciencia mexicana en cada uno de los 22 campos de investigación del ESI. En el eje horizontal el número de citas por documento, y en el eje vertical el Category Normalized Citation Index (CNCI), indicador que calcula el InCites del WoS y mide el impacto de la cita normalizado por tema, año y tipo de documento. El tamaño de la burbuja está dado por el % Highly Cited Papers.
Fig.5. Impacto y excelencia científica de la ciencia mexicana en los 22 campos de investigación según el esquema de clasificación del Essential Science Indicators, 2007-2016. Tamaño de la burbuja: % Highly Cited Papers La figura 6 exhibe el comportamiento del impacto, la colaboración y la excelencia científica de los artículos mexicanos en cada uno de los 22 campos de investigación según el ESI. En el eje horizontal aparece el porcentaje de colaboración internacional, en el eje vertical el Category Normalized Citation Index (CNCI) y el tamaño de la burbuja está dado por el % Highly Cited Papers. En el caso de SPACE SCIENCE, el 81.34% de los documentos son publicados con autores de otros países por ello es el área con mayor colaboración internacional en sus trabajos, el impacto de los artículos mexicanos en este campo de investigación se encuentra muy cerca del promedio a nivel mundial en esta área (0.98) y el 1.1% de los trabajos en SPACE SCIENCE son Highly Cited Papers.
Fig.6. Impacto, colaboración y excelencia científica de la ciencia mexicana en los 22 campos de investigación según el esquema de clasificación del Essential Science Indicators, 2007-2016. Tamaño de la burbuja: % Highly Cited
Papers
En la figura 7 se muestran 5 mapas para exponer la comparación y clasificación realizada por la Red neuronal. Estos mapas se dibujan sobre una retícula hexagonal, en la que cada hexágono representa una neurona. En este caso se utilizó una rejilla de 20x20 neuronas y se realizaron 5000 iteraciones para entrenar la red neuronal.
El mapa de clustering (superior) integra los cuatro indicadores calculados para los 22 campos de investigación de la ciencia mexicana. Este mapa muestra 5 regiones que se distinguen por colores. Los campos de investigación dentro de una misma región poseen patrones de rendimiento bibliométricos similares, de acuerdo con los cuatro indicadores seleccionados.
mayor desempeño de acuerdo al impacto, colaboración y excelencia científica, por eso ocupa un solo cluster. Señalar que, SPACE SCIENCE destaca por tener un alto número de citas por documento (17.39), pero el impacto de esta área con respecto al mundo es por debajo del promedio mundial.
Clinical Medicine, Agricultural Science y Psychiatry/Psychology ocuparon el cluster de color rosa, porque tienen similar perfil cienciométrico. En estas áreas los artículos mexicanos tienen un impacto casi igual al promedio a nivel mundial según el Category Normalized Citation Impact. En promedio los artículos en estos campos de investigación tienen más de 8 citas por documento. Del total de artículos en cada campo hay más de 2 artículos que se consideran de excelencia (Highly Cited Papers), y más del 36% de los artículos son escritos en colaboración internacional.
Conclusiones
Las técnicas de visualización empleadas en esta investigación permitieron el análisis y visualización del comportamiento cienciométrico de 22 campos de investigación de la ciencia mexicana en el Web of Science, durante el período 2007-2016. Particularmente, los análisis realizados con scatter plots permitieron conocer el grado de correlación entre los indicadores de impacto, colaboración y excelencia para la muestra, así como, identificar aquellos campos que tienen un mejor desempeño. Por otra parte, ViBlioSOM nos permitió automáticamente mapear el perfil científico en cuanto al impacto, colaboración y excelencia para los 22 campos; así como, determinar los valores atípicos. Además, mostrar cómo la elección de varios indicadores independientes de tamaño produce una caracterización multidimensional del perfil científico en los 22 campos de la ciencia mexicana, con la cual se identificaron aquellos campos que su desempeño cienciométrico, aspecto que es muy difícil de identificar con un scatter plots.
Agradecimientos
La autora Ibis A. Lozano Díaz (No. CVU 637915) agradece al Consejo Nacional de Ciencia y Tecnología de México (CONACYT) y el posgrado de Bibliotecología y Estudios de la Información de la UNAM por el apoyo para lograr el presente estudio, el cual es parte de la investigación de tesis para obtener el grado de Doctor.
Bibliografía
Aria, M., & Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959–975. https://doi.org/10.1016/j.joi.2017.08.007
Borner, K., Chen, C. M., & Boyack, K. W. (2003). Visualizing knowledge domains. Annual Review Of Information Science And Technology, 37, 179–255. https://doi.org/10.1002/aris.1440370106
Boyack, K. W., Börner, K., & Klavans, R. (2009). Mapping the structure and evolution of chemistry research. Scientometrics, 79(1), 45–60. https://doi.org/10.1007/s11192-009-0403-5
Boyack, K. W., Klavans, R., & Börner, K. (2005). Mapping the backbone of science. Scientometrics, 64(3), 351–374. https://doi.org/10.1007/s11192-005-0255-6
Chen, C. (2006). Information visualization: Beyond the horizon. Information Visualization: Beyond the Horizon. https://doi.org/10.1007/1-84628-579-8
Chen, C. (2017). Science Mapping : A Systematic Review of the Literature. Journal of Data and Information Science, 2(2), 1–40. https://doi.org/10.1515/jdis-2017-0006
Chen, Y., Fang, S., & Börner, K. (2011). Mapping the development of scientometrics: 2002– 2008. Journal of Library Science in …, (2003). Retrieved from http://ivl.slis.indiana.edu/km/pub/2011-chen-fang-borner-scienceometrics-china.pdf
Egghe, L., & Rousseau, R. (2002). Co-citation, bibliographic coupling and a characterization of lattice citation networks. Scientometrics, 55(3), 349–361. https://doi.org/10.1023/A:1020458612014
Gurzki, H., & Woisetschläger, D. M. (2017). Mapping the luxury research landscape: A bibliometric citation analysis. Journal of Business Research, 77, 147–166. https://doi.org/10.1016/j.jbusres.2016.11.009
Kay, L., Porter, A. L., Youtie, J., Rafols, I., & Newman, N. (2015). Mapping graphene science and development: Focused research with multiple application areas. Bulletin of the Association for Information Science and Technology, 41(2), 22–25. https://doi.org/10.1002/bult.2015.1720410207
Laclette, J. P., & Zúñiga-Bello, P. (2012). Ranking Nacional de Ciencia, Tecnología e Innovación. México, Distrito Federal: Foro Consultivo Científico y Tecnológico, AC. Lee, J. (2007). Making a science map of Korea. Journal of the Korean Society for Information.
Retrieved from
Leydesdorff, L., & Milojević, S. (2015). Scientometrics. International Encyclopedia of the Social
& Behavioral Sciences (Second Edition), 322–327.
https://doi.org/http://dx.doi.org/10.1016/B978-0-08-097086-8.85030-8
Mane, K. K., & Börner, K. (2004). Mapping topics and topic bursts in PNAS. Proceedings of the National Academy of Sciences of the United States of America, 101 Suppl(Suppl 1), 5287–5290. https://doi.org/10.1073/pnas.0307626100
Martínez, M. A., Cobo, M. J., Herrera, M., & Herrera-Viedma, E. (2015). Analyzing the Scientific Evolution of Social Work Using Science Mapping. Research on Social Work Practice, 25(2), 257–277. https://doi.org/10.1177/1049731514522101
Ravikumar, S., Agrahari, A., & Singh, S. N. (2015). Mapping the intellectual structure of scientometrics: A co-word analysis of the journal scientometrics (2005–2010). Scientometrics, 102(1), 929–955. https://doi.org/10.1007/s11192-014-1402-8
Small, H. (1997). Update on science mapping: Creating large document spaces. Scientometrics, 38(2), 275–293. https://doi.org/10.1007/BF02457414
Sotolongo Aguilar, G., Guzmán Sánchez, M. M. V., & Carrillo, H. (2002). ViblioSom: Visualización de información bibliométrica mediante el mapeo autoorganizado. ViBLlOSOM:self-Organizing Maps to Visualiza Bibliometric Information, 25(4), 477–484.
Retrieved from
http://redc.revistas.csic.es/index.php/redc/article/view/281/337dDoc.csic.es:8080stas.csic.es/ index.php/red c/article/view/281/337
Uddin, A., Singh, V. K., Pinto, D., & Olmos, I. (2015). Scientometric mapping of computer science research in Mexico. Scientometrics, 105(1), 97–114. https://doi.org/10.1007/s11192-015-1654-y
