Mapeando la comunicación del conocimiento agrícola, una aplicación del análisis de redes sociales
Resumen
La comunicación del conocimiento científico es parte fundamental del progreso de la ciencia y vital para la sociedad moderna. Así, las conferencias y congresos científicos son espacios cruciales para estos procesos de comunicación. Esta investigación tiene como objetivo analizar la comunicación de trabajos científicos en un congreso agrícola; de tal forma que se añade conocimiento a la literatura en tres vertientes: uso de datos, aplicación metodológica y evidencia empírica. Para hacer esto, analizamos 316 títulos de ponencias presentadas a lo largo de cinco años. Usamos dos enfoques metodológicos: data-mining y análisis de redes sociales (ARS). Los resultados muestran que en los 316 títulos se han utilizado 1,093 términos diferentes, siguiendo una distribución power-law. A través de una red de bi-gramas, se encontró que estos términos están unidos por 1,847 relaciones dirigidas. Además, con el ARS se identificaron las palabras más importantes según distintos indicadores. Se concluye que la información existente en los archivos de congresos científicos es rica en contenido y puede ser útil para encontrar brechas de conocimiento. Además, los enfoques utilizados se complementan entre sí. Este artículo proporciona evidencia técnica y empírica sobre el campo del network mining.
Palabras clave
Comunicación científica, Conocimiento agrícola, Minería de textos, Análisis de texto, Minería en red, Red de bi-gramasCitas
#science communication. (2009). Nature Chemical Biology, 5(9), 601–601. doi:10.1038/nchembio0909-601
Adhikari, A., Das, P., & Mukherjee, A. (2019). Generating a representative keyword subset pertaining to an academic conference series. Scientometrics, 119(2), 749–770. doi:10.1007/s11192-019-03068-1
Aguilar-Gallegos, N., Martínez-González, E. G., & Aguilar-Ávila, J. (2017). Análisis de redes sociales: Conceptos clave y cálculo de indicadores. Chapingo, México: Universidad Autónoma Chapingo (UACh), Centro de Investigaciones Económicas, Sociales y Tecnológicas de la Agroindustria y la Agricultura Mundial (CIESTAAM). Serie: Metodologías y herramientas para la investigación, Volumen 5.
Amato, F., Cozzolino, G., Moscato, F., & Xhafa, F. (2019). Semantic analysis of social data streams. In F. Xhafa, L. Barolli, & M. Greguš (Eds.), Advances in Intelligent Networking and Collaborative Systems (pp. 59–70). Cham: Springer International Publishing. doi:10.1007/978-3-319-98557-2_6
Arellano-Rojas, P., Calisto-Breiding, C., & Peña-Pallauta, P. (2022). Evaluación de la investigación científica: mejorando las políticas científicas en Latinoamérica. Revista Española de Documentación Científica, 45(3), e336. doi:10.3989/redc.2022.3.1879
Barabási, A. L., Jeong, H., Néda, Z., Ravasz, E., Schubert, A., & Vicsek, T. (2002). Evolution of the social network of scientific collaborations. Physica A: Statistical Mechanics and Its Applications, 311(3–4), 590–614. doi:10.1016/S0378-4371(02)00736-7
Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 92(5), 1170–1182. Retrieved from http://www.jstor.org/stable/2780000
Borgatti, S. P., Everett, M. G., & Freeman, L. C. (2002). Ucinet for Windows: software for social network analysis. Harvard, MA: Analytic Technologies.
Borgatti, S. P., Everett, M. G., & Johnson, J. C. (2013). Analyzing social networks. London: SAGE Publications Limited.
Burns, T. W., O’Connor, D. J., & Stocklmayer, S. M. (2003). Science communication: A contemporary definition. Public Understanding of Science, 12(2), 183–202. doi:10.1177/09636625030122004
Cruz-Ramírez, M., Díaz-Ferrer, Y., Rúa-Vásquez, J. A., & Rojas-Velázquez, O. J. (2020). Estudio cienciométrico de una red de coautoría en educación matemática. Un análisis de sus campos de investigación basado en el método Delphi. Revista Española de Documentación Científica, 43(4), e281. doi:10.3989/redc.2020.4.1727
Csárdi, G., & Nepusz, T. (2006). The igraph software package for complex network research. InterJournal, Complex Systems, 1695(5), 1–9.
Freeman, L. C. (1979). Centrality in social networks: conceptual clarification. Social Networks, 1(3), 215–239. doi:10.1016/0378-8733(78)90021-7
Freeman, L. C., Borgatti, S. P., & White, D. R. (1991). Centrality in valued graphs: A measure of betweenness based on network flow. Social Networks, 13(2), 141–154. doi:10.1016/0378-8733(91)90017-N
Hanneman, R. A., & Riddle, M. (2011). Concepts and measures for basic network analysis. In J. Scott & P. J. Carrington (Eds.), The SAGE Handbook of Social Network Analysis (pp. 340–369). London, UK: SAGE Publications Ltd.
Huang, Y., Liu, H., & Pan, J. (2021). Identification of data mining research frontier based on conference papers. International Journal of Crowd Science, 5(2), 143–153. doi:10.1108/IJCS-01-2021-0001
Klerkx, L., Jakku, E., & Labarthe, P. (2019). A review of social science on digital agriculture, smart farming and agriculture 4.0: New contributions and a future research agenda. NJAS - Wageningen Journal of Life Sciences, 90–91, 100315. doi:10.1016/j.njas.2019.100315
Klerkx, L., Landini, F., & Santoyo-Cortés, H. (2016). Agricultural extension in Latin America: current dynamics of pluralistic advisory systems in heterogeneous contexts. The Journal of Agricultural Education and Extension, 22(5), 389–397. doi:10.1080/1389224X.2016.1227044
Laborde, D., Martin, W., Swinnen, J., & Vos, R. (2020). COVID-19 risks to global food security. Science, 369(6503), 500–502. doi:10.1126/science.abc4765
Laender, A. H. F., de Lucena, C. J. P., Maldonado, J. C., de Souza e Silva, E., & Ziviani, N. (2008). Assessing the research and education quality of the top Brazilian Computer Science graduate programs. ACM SIGCSE Bulletin, 40(2), 135–145. doi:10.1145/1383602.1383654
Lang, D., & Chien, G.-T. (2018). wordcloud2: Create word cloud by htmlwidget. Retrieved from https://cran.r-project.org/package=wordcloud2
Lopez-Ridaura, S., Sanders, A., Barba-Escoto, L., Wiegel, J., Mayorga-Cortes, M., Gonzalez-Esquivel, C., … García-Barcena, T. S. (2021). Immediate impact of COVID-19 pandemic on farming systems in Central America and Mexico. Agricultural Systems, 192, 103178. doi:10.1016/j.agsy.2021.103178
Lortie, C. J. (2020). Online conferences for better learning. Ecology and Evolution, 10(22), 12442–12449. doi:10.1002/ece3.6923
Martins, W. S., Gonçalves, M. A., Laender, A. H. F., & Pappa, G. L. (2009). Learning to assess the quality of scientific conferences. Proceedings of the 9th ACM/IEEE-CS Joint Conference on Digital Libraries (JCDL ’09), 193–202. doi:10.1145/1555400.1555431
Memon, N., Xu, J. J., Hicks, D. L., & Chen, H. (2010). Social network data mining: Research questions, techniques, and applications. In N. Memon, J. J. Xu, D. L. Hicks, & H. Chen (Eds.), Data Mining for Social Network Data. Annals of Information Systems, vol 12. (pp. 1–7). Boston, MA: Springer US. doi:10.1007/978-1-4419-6287-4_1
Nuñez Espinoza, J. F., Tisselli Vélez, E., Palma Tenango, M. de los Á., Ortega Ortega, T., Hernández, A. M., Salinas Martínez, J. A., … Cárdenas-Bejarano, E. (2017). Mapeo reticular del discurso de la sociología y el desarrollo rural en América Latina. Caso de estudio: Asociación Latinoamericana de Sociología Rural (ALASRU). REDES. Revista Hispana Para El Análisis de Redes Sociales, 28(2), 81–96. doi:10.5565/rev/redes.682
Núñez-Ríos, J. E., Aguilar-Gallegos, N., Sánchez-García, J. Y., & Cardoso-Castro, P. P. (2020). Systemic design for food self-sufficiency in urban areas. Sustainability, 12(18), 7558. doi:10.3390/su12187558
Opsahl, T., Agneessens, F., & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245–251. doi:10.1016/j.socnet.2010.03.006
Pacheco-Almaraz, V., Palacios-Rangel, M. I., Martínez-González, E. G., Vargas-Canales, J. M., & Ocampo-Ledesma, J. G. (2021). La especialización productiva y agrícola desde su análisis bibliométrico (1915-2019). Revista Española de Documentación Científica, 44(3), e304. doi:10.3989/redc.2021.3.1764
Patterson, D. A. (2004). The health of research conferences and the dearth of big idea papers. Communications of the ACM, 47(12), 23–24. doi:10.1145/1035134.1035153
Pertuz, V., Pérez, A., Vega, A., & Aguilar-Ávila, J. (2020). Análisis de las redes de colaboración entre las Instituciones de Educación Superior en Colombia de acuerdo con ResearchGate. Revista Española de Documentación Científica, 43(2), e265. doi:10.3989/redc.2020.2.1686
Pretty, J., Sutherland, W. J., Ashby, J., Auburn, J., Baulcombe, D., Bell, M., … Pilgrim, S. (2010). The top 100 questions of importance to the future of global agriculture. International Journal of Agricultural Sustainability, 8(4), 219–236. doi:10.3763/ijas.2010.0534
Rodríguez, H., Ramírez-Gómez, C. J., Aguilar-Gallegos, N., & Aguilar-Ávila, J. (2016). Network analysis of knowledge building on rural extension in Colombia. Agronomía Colombiana, 34(3), 393–402. doi:10.15446/agron.colomb.v34n3.58500
Romero Goyeneche, O. Y., Velez Cuartas, G., Ramírez, M., Robledo Velásquez, J., & Balanzó, A. (2018). Colegios invisibles y patrones de colaboración en el Sistema de Investigación Agropecuaria en Colombia. REDES. Revista Hispana Para El Análisis de Redes Sociales, 30(1), 1–24. doi:10.5565/rev/redes.818
Ruiz León, A. A., & Russell Barnard, J. M. (2016). La estructura del sistema científico de México a finales del siglo XX: una visión a nivel de instituciones. REDES. Revista Hispana Para El Análisis de Redes Sociales, 27(2), 11–32. doi:10.5565/rev/redes.626
Russell, J. M., Madera Jaramillo, M. J., & Ainsworth, S. (2009). El análisis de redes en el estudio de la colaboración científica. REDES. Revista Hispana Para El Análisis de Redes Sociales, 17(2), 39–47. doi:10.5565/rev/redes.374
Silberberg, S. D., Crawford, D. C., Finkelstein, R., Koroshetz, W. J., Blank, R. D., Freeze, H. H., … Seger, Y. R. (2017). Shake up conferences. Nature, 548(7666), 153–154. doi:10.1038/548153a
Silge, J., & Robinson, D. (2017). Text mining with R. A tidy approach. O’Reilly Media, Inc.
Silge, J., & Robinson, D. (2016). tidytext: Text mining and analysis using tidy data principles in R. The Journal of Open Source Software, 1(3), 37. doi:10.21105/joss.00037
Sohn, E. (2018). The future of the scientific conference. Nature, 564(7736), S80–S82. doi:10.1038/d41586-018-07779-y
Stephens, E. C., Martin, G., van Wijk, M., Timsina, J., & Snow, V. (2020). Impacts of COVID-19 on agricultural and food systems worldwide and on progress to the sustainable development goals. Agricultural Systems, 183, 102873. doi:10.1016/j.agsy.2020.102873
Su, H. N., & Lee, P. C. (2010). Mapping knowledge structure by keyword co-occurrence: A first look at journal papers in Technology Foresight. Scientometrics, 85(1), 65–79. doi:10.1007/s11192-010-0259-8
Vélez Cuartas, G., Suárez Tamayo, M., Jaramillo Guevara, L., & Gutiérrez, G. (2021). Nuevo modelo de métricas responsables para medir el desempeño de revistas científicas en la construcción de comunidad: el caso de Redes. REDES. Revista Hispana Para El Análisis de Redes Sociales, 32(2), 110–152. doi:10.5565/rev/redes.919
Viglione, G. (2020). A year without conferences? How the coronavirus pandemic could change research. Nature, 579(7799), 327–328. doi:10.1038/d41586-020-00786-y
Wasserman, S., & Faust, K. (1994). Social Network Analysis: methods and applications. Cambridge, UK: Cambridge University Press.
Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. On Use R! Springer International Publishing. doi:10.1007/978-3-319-24277-4
Wickham, H., Averick, M., Bryan, J., Chang, W., McGowan, L., François, R., … Yutani, H. (2019). Welcome to the tidyverse. Journal of Open Source Software, 4(43), 1686. doi:10.21105/joss.01686
Zhuang, Z., Elmacioglu, E., Lee, D., & Giles, C. L. (2007). Measuring conference quality by mining program committee characteristics. Proceedings of the 2007 Conference on Digital Libraries - JCDL ’07, 225–234. doi:10.1145/1255175.1255220
Publicado
Descargas
Derechos de autor 2023 Norman Aguilar-Gallegos, Leticia Elizabeth Romero-García
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
