A continuación se presenta una metodología para abordar un estudio mixto de un corpus, con el objetivo de conocer el estado del arte de un tema de investigación, aplicando en primer término técnicas de análisis bibliométrico y posteriormente se profundiza el análisis del corpus resultante aplicando criterios de la revisión sistemática, con el objetivo de aportar un conjunto de elementos que ayuden a realizar el análisis de la estructura y el desarrollo de un campo científico utilizando métodos cuantitativos y datos bibliográficos.
En esta etapa, los académicos definen las preguntas de investigación y seleccionan los métodos bibliométricos apropiados que pueden responder a esas preguntas. Se mencionan tres tipos generales de preguntas de investigación que se pueden abordar mediante la bibliometría:
identificar la base de conocimientos de un tema o campo de investigación y su estructura intelectual,
examinar el frente de investigación o estructura conceptual de un tema o campo de investigación,
producir una estructura de red social de una comunidad científica específica.
También se menciona la importancia de decidir el marco de tiempo del estudio, ya sea como un momento específico o dividido en períodos de tiempo, para capturar el desarrollo del campo a lo largo del tiempo.
Identificación y definición de las preguntas específicas que se abordarán en el estudio bibliométrico.
Elección de los métodos apropiados para responder a las preguntas de investigación planteadas.
Decisión de utilizar un momento específico o dividir el período de estudio en intervalos de tiempo.
En esta etapa, los académicos seleccionan la base de datos que contiene los datos bibliométricos, filtran el conjunto de documentos principales y exportan los datos de la base de datos seleccionada. Se menciona que esta etapa puede implicar la construcción de una base de datos propia.
Identificación y elección de las bases de datos bibliográficas o repositorios pertinentes para extraer la información necesaria.
Establecimiento de los criterios que se utilizarán para realizar búsquedas y recopilar los datos bibliométricos.
Recopilación y extracción de los datos bibliográficos relevantes según los criterios de búsqueda establecidos.
En esta etapa, se utilizan una o más herramientas de software bibliométrico o estadístico para analizar los datos recopilados. También se menciona que los académicos pueden escribir su propio código informático para satisfacer sus requisitos de análisis.
Procesamiento de los datos recopilados, eliminando cualquier información no relevante o duplicada, y preparándolos para su análisis.
Aplicación de fórmulas y métodos para calcular métricas bibliométricas como citas, índices de impacto, cocitaciones, entre otros.
Utilización de técnicas de análisis de redes para identificar y visualizar las relaciones entre los documentos, autores o instituciones.
Identificación de la frecuencia y patrones de coocurrencia de términos clave en los documentos analizados.
En esta etapa, los académicos deben decidir qué método de visualización se utilizará para presentar los resultados del análisis de datos. También se menciona la necesidad de utilizar el software de mapeo adecuado para la visualización.
Elección de las técnicas y herramientas de visualización adecuadas para representar los resultados del análisis bibliométrico.
Generación de gráficos, mapas y otros elementos visuales para mostrar patrones, tendencias y relaciones identificadas en los datos bibliométricos.
En esta última etapa, se interpreta y describen los hallazgos. Se destaca que, aunque los métodos bibliométricos pueden revelar la estructura de un campo de manera diferente a las revisiones tradicionales de literatura, no reemplazan la lectura exhaustiva en el campo. Se reconoce que los académicos con un conocimiento profundo del campo tienen una ventaja distintiva en esta etapa.
Análisis y comprensión de los resultados obtenidos a través de los métodos bibliométricos utilizados.
Documentación y presentación de los resultados y conclusiones del estudio bibliométrico, resaltando los aspectos más relevantes.
A continuación se presentan los dos niveles de estudio, a través de los cuales se analizará el estudio del tema de interés, abordado de lo general a lo particular.
Realizar un estudio general del estado del arte del tema de investigación mediante el análisis bibliométrico de un corpus bibliográfico relevante y priorizado.
Entrada: Bases de datos académicas relevantes y criterios de búsqueda (palabras clave, rango de fechas, filtros de búsqueda).
Salida: Corpus bibliográfico relevante según los criterios establecidos.
Identificar las bases de datos académicas relevantes y definir los criterios de búsqueda para la construcción del corpus.
Herramientas recomendadas: Por ejemplo, Web of Science, Scopus, PubMed.
Referencia: Van Eck, N. J., & Waltman, L. (2011). Text mining and visualization using VOSviewer. Scientometrics, 87(3), 467-476.
Seleccionar las bases de datos bibliográficas que contengan artículos académicos relevantes para el tema de investigación.
Establecer los criterios de búsqueda, incluyendo palabras clave, rango de fechas de publicación y restricciones de búsqueda en el título, resumen y texto completo de los artículos.
Extraer los datos bibliográficos necesarios y eliminar duplicados y datos irrelevantes del corpus.
Herramientas recomendadas: Por ejemplo, Zotero, EndNote.
Referencia: Zhang, J., & Li, X. (2019). Comparative study of reference management software: EndNote, Zotero, and Mendeley. Journal of Library Administration, 59(3), 319-332.
Recopilar los metadatos de los artículos académicos que cumplen con los criterios de búsqueda.
Limpiar el corpus eliminando duplicados y aquellos artículos que no sean relevantes para el estudio.
Realizar análisis de coautoría, colaboración y citas para obtener información sobre la estructura y las relaciones en el corpus. ### Herramientas recomendadas Por ejemplo, VOSviewer, CiteSpace. ### Referencia Chen, C. (2017). Science mapping: A systematic review of the literature. Journal of Data and Information Science, 2(2), 1-40.
Identificar patrones de coautoría y colaboración entre autores e instituciones.
Calcular métricas de citas para evaluar la influencia y relevancia de los artículos seleccionados.
En esta etapa, los académicos deben decidir qué método de visualización se utilizará para presentar los resultados del análisis de datos. También se menciona la necesidad de utilizar el software de mapeo adecuado para la visualización.
Elección de las técnicas y herramientas de visualización adecuadas para representar los resultados del análisis bibliométrico.
Generación de gráficos, mapas y otros elementos visuales para mostrar patrones, tendencias y relaciones identificadas en los datos bibliométricos.
En esta etapa, se interpetan y describen los hallazgos.
Análisis y comprensión de los resultados obtenidos a través de los métodos bibliométricos utilizados.
Documentación y presentación de los resultados y conclusiones del estudio bibliométrico, resaltando los aspectos más relevantes.
Analizar el corpus obtenido y aplicar criterios para priorizar los artículos más cercanos y relevantes al tema de investigación.
Identificar los artículos más relevantes y cercanos al tema de investigación.
Herramientas recomendadas : Por ejemplo, Topic Modeling (con LDA o LSA), análisis de palabras clave y coocurrencias.
Referencia : Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3(Jan), 993-1022.
Ordenar los artículos según su relevancia y cercanía al tema de investigación.
Herramientas recomendadas : Por ejemplo, algoritmos de clasificación o puntuación basados en criterios definidos.
Referencia : Yang, Y., & Pedersen, J. O. (1997). A comparative study on feature selection in text categorization. In ICML (Vol. 97, pp. 412-420).
Complementar los resultados de la revisión bibliométrica realizando una revisión detallada del corpus priorizado obtenido, dado que si bien los métodos bibliométricos pueden revelar la estructura de un campo de manera diferente a las revisiones tradicionales de literatura, no reemplazan el estudio en profundidad de cada elemento recuperado.
Entrada: Corpus priorizado a partir de las técnicas bibliométricas.
Salida: Corpus priorizado según la cercanía con el tema de interés.
Diseñar el protocolo de revisión y aplicarlo al corpus priorizado.
Herramientas recomendadas: Por ejemplo, Rayyan, Covidence.
Referencia: Moher, D., Liberati, A., Tetzlaff, J., & Altman, D. G. (2009). Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. PLoS Medicine, 6(7), e1000097.
Title
Abstract
1.Introduction
2.lMethods Eligibility criteria Information sources Search strategy Selection process Data collection process Data items Study risk of bias assessment Effect measures Synthesis methods Reporting bias assessment Certainty assessment
3.Results Study selection Study characteristics Risk of bias in studies Results of individual studies Results of syntheses Reporting biases Certainty of evidence
4.Discussion
5.Other information Registration and protocol Support Competing interests Availability of data, code and other materials
Establecer los criterios de inclusión y exclusión, así como los procedimientos de priorización a aplicar al corpus.
Realizar una búsqueda exhaustiva en el corpus seleccionado según el protocolo definido.
A continuación se rescatan las secciones de los artículos donde se abordan el análisis bibliométrico, revisión sistemática, a fin de comparar y definir la estructura del artículo.
Documento: Lineamientos para Análisis Bibliométrico. v01
Link: https://docs.google.com/document/d/19yulnW4cTmdKYsfy2gJ01ZsRj_VzESZcDzET2_pOtnU/edit
Fuente: https://drive.google.com/drive/u/0/folders/1nFDrGLxQaTimxLZX-psFsX1XaxvXyh0e
Comentario:
Secciones:
Title
Abstract
Keywords
1. Introduction
2. Related literature
3. Data and results
3.1. Corresponding author’s geographical distribution
3.2. Top publication sources
3.3. Main keywords.
3.4. Highly cited papers
3.5. Degree of concentration of selected variables
3.6. Citation, sources and authors graphs
4. Potential research lines
5. Conclusions
Acknowledgments
References
Fuente: https://drive.google.com/drive/u/0/folders/1nFDrGLxQaTimxLZX-psFsX1XaxvXyh0e
Comentario: En la propuesta de enfoque híbrido, se aborda un primer filtro vía Bibliometría (lectura distante, para identificar clusters, determinar autores, áreas de interés), y luego se realiza una lectura detallada (close reading). La estrategia anterior permite identificar los artículos de interés a analizar en detalle, para poder comentarlos.
Secciones:
Title
Abstract
Keywords
1. Introduction
2. Methodological Design
2.1 First Step: Distant Reading by Means of Bibliometric Analysis
2.2 Second Step: Close Reading of Cryptocurrency Literature
3. Close Reading Findings
3.1 Data Sources
3.2 Data Frequency
3.3 Main Research Topics
3.3.1 Monetary Economics and Overview of Bitcoin Ecosystem
3.3.2 Informational Efficiency
3.3.3 Price Discovery
3.3.4 Price Volatility
3.3.5 Assets Correlation and Portfolio Optimization
3.3.6 Safe-Haven Characteristics
3.3.7 Bubble Formation
3.3.8 Initial Coin Offering (ICO)
4. Literature Gaps and Open Research Paths
5. Conclusions
Acknowledgments
Data Availability
Statement
Notes References
Comentario:
Secciones:
Title
Abstract
Categories and Subject Descriptors
General Terms
Keywords
1. Introduction
2. Related Work
3. Snowballing Procedure
3.1 Start Set
3.2 Iterations
3.2.1 Backward Snowballing
3.2.2 Forward Snowballing
3.2.3 Inclusion and Exclusion
Figure 1. Snowballing procedure
3.3 Authors
3.4 Data Extraction
4. Replication
4.1 Introduction
4.2 Start Set
4.3 Iteration 1
4.3.1 Backward Snowballing
4.3.2 Forward Snowballing
4.3.3 Summary of Status
4.4 Iteration 2
4.4.1 Backward Snowballing
4.4.2 Forward Snowballing
4.5 Iteration 3
4.6 Efficiency
4.7 Authors
4.8 Citation Matrix and Timeline
4.9 Reflections
4.9.1 Ten Lessons Learned from Snowballing
4.9.2 Validity Threats
4.10 Comparison
5. Discussion Snowballing
6. Summary
7. Acknowledgments
8. References
Fuente: https://www.diva-portal.org/smash/get/diva2:1663616/FULLTEXT01.pdf
Comentario:
Secciones:
Title
Abstract (Context, Objective, Method, Results, Conclusion, Keywords)
1. Introduction
2. Related work
2.1. Search guidelines for systematic secondary studies
2.2. Comparison of databases for keyword-based search in SE (software engineering)
2.3. Studies comparing citation databases outside SE (software engineering)
3. Research method
3.1. Criteria for assessing the effectiveness and usefulness
3.2. Overview of the relevant aspects of the case SLR
4. Results
4.1. Effectiveness of GS and Scopus
4.2. Usefulness of GS and Scopus
5. Discussion of GS in light of the related work
5.1. Lack of transparency in what is indexed
5.2. Quality of metadata
5.3. The quality of literature in GS
6. Recommendations when using snowball sampling
7. Validity threats
8. Conclusion
Acknowledgements
References
Fuente: https://drive.google.com/drive/u/0/folders/1nFDrGLxQaTimxLZX-psFsX1XaxvXyh0e
Comentario:
Secciones:
Title
Abstract
Keywords
Introduction (Objectives/Research Questions)
Material and methods (Matching between the Dimensions and Scopus databases)
Results (The Results of Matching)
Discussion
Data availability
Statment
Author contributions
Acknowledgments
Supplementary material
References
Conflict of Interest
Comentario:
Secciones:
Title
Abstract
Keywords
1. Introduction
2. Recommended workflow for science mapping
2.0. Study design
2.1. Data collection
2.2. Data analysis
2.3. Data visualization
2.4. Interpretation.
3. Related bibliometric software tools
3.1. Software tools for science mapping
3.2. R-packages for bibliometric analysis
Fig. 1. bibliometrix and the recommended science mapping workflow
4. Bibliometrix and the recommended science mapping workflow
1. Data collection. bibliometrix supports the following sub-stage:
2. Data Analysis, articulated in three sub-stages:
3. Data visualization:
Network creation for bibliographic coupling, co-citation, collaboration, and co-occurrence analyses (Section 4.3).
Conceptual structure mapping:
4. Normalization
5. Network mapping
5. Conclusions
Author contributions
Acknowledgements
References
A continuación presentamos un documento donde recogimos argumetos a favor de lel uso de la herramienta de análisis bibliométrico Bibliometrix y la elección de la base de datos bibliométrica OpenAlex:
Documento: Lineamientos para Análisis Bibliométrico. v01
Link: https://docs.google.com/document/d/19yulnW4cTmdKYsfy2gJ01ZsRj_VzESZcDzET2_pOtnU/edit