K-núcleo: Una herramienta para detectar la estructura conceptual de los campos de investigación. El caso práctico de las Altmetrías
Resumen
En el Análisis de Redes Sociales (ARS), la descomposición K-núcleo se utiliza para la detección de capas jerárquicas en las redes. La aplicación de la medida K-núcleo a una red de palabras-clave permite representar la estructura conceptual de un campo de investigación. El objetivo de este trabajo fue proponer la aplicación de la descomposición K-núcleo para mostrar la evolución de la estructura conceptual del campo de investigación de las Altmetrías. La metodología se desarrolló en seis fases: recopilación de datos, selección de palabras-clave, elaboración de una matriz de co-ocurrencia de palabras-clave, generación de una red de palabras-clave, descomposición K-núcleo y visualización de la estructura jerárquica. El resultado fue la detección de cinco capas diferenciadas. Una capa central con conceptos básicos y densamente interconectados, que formaron la base de conocimiento del campo. Una capa intermedia con conceptos mediadores, que mostraron la evolución del conocimiento en el campo. Una capa lateral con conceptos que indicaron la especialización del campo de investigación. Una capa borde con conceptos periféricos y aislados, que representaron los frentes conceptuales en vías de desarrollo. La conclusión fue que la descomposición jerárquica de la red de palabras-clave logró una comprensión más profunda de la estructura conceptual, y la evolución, del campo de investigación.
Palabras clave
Análisis de Redes Sociales, Red de palabras-clave, Detección de comunidades, Descomposición K-core, AltmetríasCitas
Alvarez-Hamelin, J. I., Dall’Asta, L., Barrat, A., & Vespignani, A. (2005). K-core decomposition: A tool for the visualization of large scale networks. ArXiv preprint cs/0504107. doi: https://doi.org/10.48550/arXiv.cs/0504107
Alvarez-Hamelin, J. I., Dall'Asta, L., Barrat, A., & Vespignani, A. (2008). K-core decomposition of Internet graphs: hierarchies, self-similarity and measurement biases. Networks and Heterogeneous Media, 3 (2), 371-393. doi: https://doi.org/10.3934/nhm.2008.3.371
Barabási, A.-L, & Albert, R. (1999). Emergence of Scaling in Random Networks. Science, 286 (5439), 509-512. doi: https://doi.org/10.1126/science.286.5439.509
Borgatti, S. P. (2002). NetDraw: Software de visualización de gráficos [Software informático]. Harvard, MA: Analytic Technologies.
Callon, M., Courtial, J. P., & Laville, F. (1991). Co-word analysis as a tool for describing the network of interactions between basic and technological research: The case of polymer chemsitry. Scientometrics, 22, 155-205. doi: https://doi.org/10.1007/BF02019280
Callon, M., Rip, A., & Law, J. (1986). Mapping the Dynamics of Science and Technology. London: The Macmillan Press Ltd.
Carrington, P. J., Scott, J., & Wasserman, S. (2005). Models and Methods in Social Network Analysis, Structural Analysis in the Social Studies. Cambridge: Cambridge University Press. doi: https://doi.org/10.1017/CBO9780511811395
Clauset, A., Moore, C., & Newman, M. E. J. (2008). Hierarchical structure and the prediction of missing links in networks. Nature, 453, 98-101. doi: https://doi.org/10.1038/nature06830
Dehdarirad, T., Villarroya, A., & Barrios, M. (2014). Research trends in gender differences in higher education and science: a co-word analysis. Scientometrics, 101, 273-290. doi: https://doi.org/10.1007/s11192-014-1327-2
Dorogovtsev, S. N., Alexander V. Goltsev A. V., & Mendes, J. F. F. (2006). K-core organization of complex networks. Physical Review Letters, 96 (4), 040601. doi: https://doi.org/10.1103/PhysRevLett.96.040601
Du, N., Wu, B., Pei, X., Wang, B., & Xu, L. (2007). Community detection in large-scale social networks. En Proceedings of the 9th WebKDD Workshop, 16-25. San Jose, California, USA: ACM. doi: https://doi.org/10.1145/1348549.1348552
Fortunato, S. (2010). Community detection in graphs. Physics Reports, 486 (3-5), 75-174. doi: https://doi.org/10.1016/j.physrep.2009.11.002
Hanneman, R. (2000). Introducción a los métodos de análisis de redes sociales. Riverside, USA: Departamento de Sociología de la Universidad de California Riverside.
Kong, Y., Shi, G. Y., Wu, R. J., Zhangk, Y. C. (2019). K-core: Theories and applications. Physics Reports, 832 (11), 1-32. doi: https://doi.org/10.1016/j.physrep.2019.10.004
Leung, X. Y., Sun J., & Bai, B. (2017). Bibliometrics of social media research: A co-citation and co-word analysis. International Journal of Hospitality Management, 66, 35-45. doi: https://doi.org/10.1016/j.ijhm.2017.06.012
Leydesdorff, L., & Welbers, K. (2011). The semantic mapping of words and co-words in contexts. Journal of Informetrics, 5, 469-475. doi: https://doi.org/10.1016/j.joi.2011.01.008
Liu, G. Y., Hu, J. M., & Wang, H. L. (2012). A co-word analysis of digital library field in China. Scientometrics, 91 (1), 203-17. doi: https://doi.org/10.1007/s11192-011-0586-4
Malvestio, I., Cardillo, A., & Masuda, N. (2020). Interplay between k-core and community structure in complex networks. Scientific Reports, 10, 14702. doi: https://doi.org/10.1038/s41598-020-71426-8
Milgram, S. (1967). The Small World problem. Psychology Today, 2, 60-67.
Newman, M. E. J. (2003). The Structure and Function of Complex Networks. SIAM Review, 45, 167-256. doi: https://doi.org/10.1137/S00361445034248
Newman, M. E. J., Barabási, A.-L. & Watts, D. J. (2003). The structure and Dynamics of Networks. Princeton: Princeton University Press.
Papadopoulos, S., Kompatsiaris, Vakali, A., & Spyridonos, P. (2012). Community detection in Social Media - Performance and application considerations. Data Mining and Knowledge Discovery, 24 (3), 515-554. doi: https://doi.org/10.1007/s10618-011-0224-z
Priem J., Taraborelli D., Groth P., & Neylon C. (2011). Altmetrics: A Manifesto. [acceso 01/05/2024]. Disponible en: https://altmetrics.org/manifesto/
Ravasz, E., Somera, A. L., Mongru, D. A., Oltvai, Z. N., & Barabasi, A. L. (2002). Hierarchical organization of modularity in metabolic networks. Science, 297 (5586), 1551-1555. doi: https://doi.org/10.1126/science.1073374
Sales-Pardo, M., Guimera, R., Moreira, A. A., & Amaral, L. A. N. (2007). Extracting the hierarchical organization of complex systems. Proceedings of the National Academy of Sciences (PNAS), 104, 15224–15229. doi: https://doi.org/10.1073/pnas.0703740104
Seidman, S. S. (1983). Network Structure and Minimum Degree. Social Networks, 5 (3), 269-287. doi: https://doi.org/0.1016/0378-8733(83)90028-X
Thelwall, M. (2017). Web indicators for research evaluation. A practical guide. Willinston: Morgan and Claypool. doi: https://doi.org/10.2200/S00733ED1V01Y201609ICR052
Van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics 84 (2), 523-538. doi: https://doi.org/10.1007/s11192-009-0146-3
Van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84, 523-538. doi: https://doi.org/10.1007/s11192-009-0146-3
Van Raan, A. F. J. (2005). Measurement of Central Aspects of Scientific Research: Performance, Interdisciplinarity, Structure. Measurement Interdisciplinary Research and Perspectives, 3, 1-19. doi: https://doi.org/10.1207/s15366359mea0301_1
Wasserman, S., & Faust, K. (1994). Social network analysis: Methods and applications. Cambridge University Press. doi: https://doi.org/10.1017/CBO9780511815478
Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of ‘small world’ networks. Nature, 393, 440-442. doi: 10.1038/30918
Wuchty, S., & Almaas, E. (2005). Evolutionary cores of domain co-occurrence networks. BMC Evolutionary Biology, 5 (1):24. doi:https://doi.org/10.1186/1471-2148-5-24
Yang, W. S., & Dia, J. B. (2008). Discovering cohesive subgroups from social networks for targeted advertising. Expert System with applications, 34 (3), 2029-2038. doi: https://doi.org/10.1016/j.eswa.2007.02.028
Zitt, M., & Bassecoulard, E. (2008). Challenges for scientometric indicators: data demining, knowledge-flow measurements and diversity issues. Ethics in Science and Environmental Politics, 8, 49-60. doi: https://doi.org/10.3354/esep00092
Publicado
Descargas
Derechos de autor 2024 Carmen Gálvez

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.