Ir al contenido principal

Bibliometrix

Bibliometrix es una herramienta desarrollada en R para realizar análisis bibliométricos y cienciométricos completos. Creada por Massimo Aria y Corrado Cuccurullo, esta herramienta permite a los investigadores realizar análisis cuantitativos de publicacion

Estructura conceptual

La estructura conceptual se refiere a la representación de los conceptos y temas dentro de un campo de estudio. En Biblioshiny, esto se puede analizar mediante dos enfoques principales: el enfoque de red y el enfoque factorial.

Fuente: Gregorio-Chaviano, Orlando. Guía de trabajo con Bibliohiny v.1

Enfoque de red

Este enfoque se centra en la construcción y análisis de redes de co-ocurrencia de palabras clave y temas.

  • Co-ocurrence Network (Red de Co-ocurrencia)

    • Descripción: Analiza la co-ocurrencia de palabras clave en los documentos para identificar relaciones entre conceptos.
    • Cómo usarlo: En Biblioshiny, selecciona la opción de “Network Analysis” y luego “Co-occurrence Network”. Ajusta los parámetros según tus necesidades y genera la red.

Visualización de Densidad, Tabla y Diagrama de Grados.

  • Thematic Map (Mapa Temático)

    • Descripción: Visualiza los temas principales y su relación en un mapa bidimensional.
    • Cómo usarlo: En la sección de “Network Analysis”, selecciona “Thematic Map”. Configura los parámetros y genera el mapa para ver la distribución temática.

Visualización de Redes, Tablas, Clusters y Documentos.

  • Thematic Evolution (Evolución Temática)

    • Descripción: Muestra cómo los temas han evolucionado a lo largo del tiempo.
    • Cómo usarlo: En “Network Analysis”, selecciona “Thematic Evolution”. Define los periodos de tiempo y genera el gráfico para observar la evolución de los temas.
    • Para funcionar correctamente necesita un gran número de documentos y sobre todo un número significativo de años. Analiza períodos de tiempo.

Enfoque factorial

El Enfoque Factorial (Factorial Approach) utiliza técnicas de reducción de dimensionalidad para identificar estructuras subyacentes en los datos.
Utiliza técnicas como el Análisis de Correspondencias (CA) o el Análisis de Componentes Principales (PCA) para identificar factores subyacentes.

El Mapa de Palabras es una representación visual de las palabras más frecuentes en el corpus de documentos. Utiliza técnicas de reducción de dimensionalidad para mostrar las relaciones entre las palabras en un espacio bidimensional.


El Dendrograma de Tópicos es un gráfico jerárquico que muestra la agrupación de palabras o documentos en tópicos. Utiliza técnicas de clustering jerárquico para identificar y visualizar las relaciones entre los tópicos.

La herramienta Words by Cluster (Palabras por Cluster) muestra las palabras más representativas dentro de cada cluster identificado en el análisis factorial. Ayuda a entender los temas principales de cada grupo de documentos.

 

La herramienta Articles by Cluster (Artículos por Cluster) es similar a Words by Cluster, y agrupa los artículos en clusters basados en sus características textuales. Permite identificar qué artículos pertenecen a cada cluster y explorar sus contenidos.