K-core: Uma ferramenta para detectar a estrutura conceitual de campos de pesquisa. O caso prático da Altmetrics
Resumo
Na Análise de Redes Sociais (SNA), a decomposição K-kernel é usada para detectar camadas hierárquicas em redes. Aplicar a medida K-core a uma rede de palavras-chave nos permite representar a estrutura conceitual de um campo de pesquisa. O objetivo deste trabalho foi propor a aplicação da decomposição K-kernel para mostrar a evolução da estrutura conceitual do campo de pesquisa Altmetrics. A metodologia foi desenvolvida em seis fases: coleta de dados, seleção de palavras-chave, desenvolvimento de uma matriz de coocorrência de palavras-chave, geração de uma rede de palavras-chave, decomposição K-core e visualização da estrutura hierárquica. O resultado foi a detecção de cinco camadas distintas. Uma camada central com conceitos básicos e densamente interconectados, que formavam a base de conhecimento do campo. Uma camada intermediária com conceitos mediadores, que mostravam a evolução do conhecimento na área. Uma camada lateral com conceitos que indicavam a especialização do campo de pesquisa. Uma camada de fronteira com conceitos periféricos e isolados, que representavam as frentes conceituais em desenvolvimento. A conclusão foi que a decomposição hierárquica da rede de palavras-chave permitiu uma compreensão mais profunda da estrutura conceitual e da evolução do campo de pesquisa.
Palavras-chave
Análisis de Redes Sociales, Red de palabras-clave, Detección de comunidades, Descomposición K-core, AltmetríasReferências
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
Downloads
Copyright (c) 2024 Carmen Gálvez
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
