Está en la página 1de 12

Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.

Revistas, autores y palabras clave: Un anlisis


cibermtrico

Elwin Luis Huaman Quispe
elwin@usal.es
Resumen
El presente trabajo realiza un anlisis cibermetrico de una red de investigadores, una red de revistas y una red de palabras
claves, este anlisis se realiza con carcter prctico y exploratorio. La metodologa empleada en la cual se apoya este trabajo
es la cibermetria el cual permite la obtencin de medidas de densidad, grados de centralidad, grados de intermediacin,
grados de cercana de los actores en general de los cuales se deducen el anlisis de comunidades. Los resultados obtenidos
de las redes analizadas se representan grficamente para una mejor comprensin.
Palabras Clave: Cibermetria, anlisis de redes, pajek, gephi
Crditos: Para realizar este trabajo, se ha revisado literatura cientfica de: F Snchez-Pita, JL Alonso-Berrocal (2013): Los
sitios Web de centros de investigacin biosanitaria de Castilla y Len. Un anlisis cibermtrico, en Revista Latina de
Comunicacin Social, 68. La Laguna (Tenerife): Universidad de La Laguna, pginas 383 a 419, Retrieved April, 24 from
http://www.revistalatinacs.org/068/paper/982_Salamanca/16_Sanchez.html
1. Introduccin
Desde siempre hay una preocupacin por saber cul
es el comportamiento de las redes sociales, no solo
en el mbito del ciberespacio sino tambin en el
mbito de la sociedad, hoy en da y cada vez ms
existe un importante avance por comprender y
analizar estas relaciones, para ello muchos
investigadores emplean la Cibermetra para intentar
comprender y desvelar este comportamiento,
tambin cabe mencionar que este anlisis parte del
concepto de redes y este se aplica a todo los mbitos
de la humanidad en el que existan ms de 1
participante. En este informe se pretende en concreto
comprender y analizar desde una perspectiva
practica el grado de relaciones que se tiene dentro de
la red Author.net ms que en las otras redes.
Teniendo en cuanta la investigacin como punto de
partida, podemos decir que existe una estrecha
relacin dentro de los investigadores, es decir uno
puede estar relacionado con otro o no lo puede estar,
pero un investigador puede tener muchas relaciones
as como tampoco las puede tener, entonces ah
nace la premisa de saber quin tiene ms poder, mas
relaciones, ms comunicacin dentro de la dimensin
investigadora, es por eso que se necesita saber esta
informacin porque a simple vista no se puede ver,
para ello existe el anlisis de redes. Una vez que
comprendemos estos conceptos podemos hablar de
medidas que nos dicen en qu grado mayor o menor
es importante un investigador o que pasa si este
investigador se va. Para muchas Universidades es
muy importante el campo de la investigacin, porque
pueden mejorar sus objetivos si sabes esta
informacin o quiz tambin tomar mejores
decisiones.
Por todo esto este informe pretende reforzar la
capacidad prctica, de comprensin, anlisis e
interpretacin. Todo esto bajo una perspectiva
Cibermtrica as como su representacin grfica.
1.1. Justificacin
El presente anlisis cibermtrico se fundamenta en el
estudio y comprensin de medidas que ayuden la
representacin de los datos; Journal, Author,
Keyword.
Estas redes fueron proporcionadas por terceros, de
los cuales se pudieron extraer los datos de los
autores, las revistas y palabras claves.
Por lo tanto el anlisis cuantitativo que se pretende
realizar se apoya completamente en la cibermetria y
dentro de ello la posibilidad de analizar las
comunidades que se han podido establecer.
1.2. Objeto y objetivos de la investigacin
Analizar bajo parmetros cibermetricos los datos;
Journal.net, Author.net, Keyword.net proporcionadas
por JL Alonso-Berrocal.
Dicho esto se pretende desde una perspectiva
cuantitativa obtener medidas cibermetricas y su
respectiva representacin grfica, lo cual facilitara la
comprensin.
1.3. Cibermetra y antecedentes
El termino Cibermetra se defini por Shiri en 1998 y
a partir de ello se establece otro aspecto a investigar
en el ciberespacio.
Hoy la Cibermetra centra su aplicacin como una
solucin que aborda la explosin documental,
basado en las conexiones y estructuras web. Y as
2
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.

poder determinar que documentos son ms
relevantes y tiene ms valor respecto de los dems
en funcin de las medidas establecidas en la
Cibermetra.
2. Mtodo
2.1. Planteamiento y metodologa
Se emple una metodologa cuantitativa para obtener
las medidas, ndices, comunidades y su
representacin grfica, Para nuestro caso se aplican
a Autores, Revistas y Palabras claves.
2.2. Software utilizado
2.2.1. Pajek
Es un programa que permite el anlisis y la
visualizacin de redes mediante algoritmo (Pajek,
2014). Pajek permite el clculo de las medidas como;
Densidad, Dimetro, Grado de centralidad de
entrada, Grado de centralidad de salida, Relacin de
nodos en funcin de la teora Bow-Tie y su
representacin grfica.
Las acciones realizadas con Pajek consisten en
cargar los ficheros autor.net, journal.net,
keyword.net, esto nos permitir la obtencin de las
medidas y nodos representativos.
Para el proceso de representacin de los grficos se
utiliz del algoritmo Fruchterman Reingold.
2.2.2. Gephi
Gephi es un programa que permite analizar redes y
sobre todo est enfocado en su presentacin grfica,
tambin nos permite calcular las medidas; Nodos con
mayor grado de entrada, Nodos con mayor grado de
salida, nodos con mayor grado de intermediacin,
Nodos con mayor grado de cercana.
Debo mencionar que se ha encontrado problemas
durante el desarrollo de su representacin en redes
grandes, puesto que la red Journals.net no puede
procesarla.
2.3. ndices y medidas aplicables
2.3.1. Densidad
La Densidad mide la proporcin de enlaces que
existen entre las relaciones posibles de una red en
concreto. Los valores varan entre 0 y 1, siendo mejor
los cercanos a 1. Tambin cabe mencionar el
dimetro que es el nmero de clicks necesarios que
se deben dar para llegar de un nodo en concreto al
nodo ms lejano.
2.3.2. Dimetro
Esta medida permite conocer el nmero de clicks
necesario que se debe dar para llegar de un nodo en
concreto al nodo ms lejano.
2.3.3. Grado
El grado permite medir el nmero de enlaces directos
que tiene un nodo que puede ser; grado de entrada
o grado de salida.
2.3.4. Grado de Entrada
El grado de entrada o indegree, indica la cantidad de
nodos que apuntan a este.
2.3.5. Grado de Salida
El grado de salida o outdegree, indica la cantidad de
nodos a los que apunta este.
2.3.6. Grado de intermediacin
Tambin conocido como betweenness, este grado
permite detallar que punto en concreto un nodo de la
red se encuentra en una posicin intermedia con
respecto de la red. A mayor grado mejor. Es decir
mide el nmero de veces que un nodo aparece en las
rutas existentes en la red.
2.3.7. Grado de cercana
Este grado es llamado tambin closeness, permite
mostrar la distancia media de cada nodo con el
conjunto de nodos que conforman la red, es decir un
nodo con mejor capacidad para el envi y la
recepcin de informacin. A mayor grado mejor.
2.3.8. Pagerank
Esta medida determina la valoracin de una pgina
web a travs del nmero de enlaces que recibe
desde otras pginas y tambin por la importancia de
las pginas que le enlazan.
2.3.9. Hubs-autoridades
Permite obtener informacin de cmo se dirigen las
relaciones en sentido global. Los Hubs, son nodos de
los cuales parten muchas relaciones es decir tiene un
grado de salida mayor. Las Autoridades, son los
nodos que reciben muchas relaciones, es decir que
tiene un grado de entrada muy grande.
2.3.10. Comunidades
Nos permite hallar las redes de comunidades, para
ello utiliza dos parmetros que son; La modularidad
y el nmero de Clusters.
2.4. Representacin grfica de redes
Entendiendo un grafo como un conjunto de puntos y
lneas que pueden determinar una direccin y/o
camino y llegan a ser dirigidos o no dirigidos.
(Snchez-Pita & Alonso-Berrocal, 2013)

3
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.


Figura. 1. Grafo dirigido y no dirigido
Estas representaciones grficas favorecen la
visualizacin y la correcta interpretacin de los datos,
esta representacin de los datos tambin permite su
visualizacin por una matriz de adyacencia.
Para la representacin grfica de los grafos de los
datos se utiliza el software Gephi, bajo la
visualizacin del algoritmo Fruchterman & Reingold
que permite la colocacin de los nodos segn su
fuerza de repulsin.


Figura. 2. Algoritmos
Fuente: www.revistalatinacs.org

Tambin cabe mencionar que para la representacin
y anlisis de comunidades tendremos que utilizar el
algoritmo Force Atlas.

Figura. 3. Algoritmo forc Atlas
3. Resultados
3.1. Propiedades de las redes
Como bien dijimos en las medidas e ndices, que la
mejor densidad se acerca ms a 1, sin embargo
podemos apreciar que las tres redes; Author, Journal
y Keywords tiene una densidad inferior a 0,30 lo que
indica que se debera trabajar ms en establecer las
relaciones y comunicaciones entre sus distintos
nodos.


Figura. 4. Densidad
Respecto del dimetro podemos mencionar que la
red journal necesita de 37 pasos para llegar de un
nodo.journal al nodo.journal ms alejado.


Figura. 5. Dimetro de redes
3.2. Centralidad de las redes
El grado de centralidad indica cuanto ms prximo a
0 es mucho mejor. Sin embargo podemos apreciar
que todo el conjunto de redes oscila entre 0,57 y 0,60.
0,27
0,25
0,11
0,00
0,05
0,10
0,15
0,20
0,25
0,30
Author Journal Keyword
Densidad
6
37
10
0
10
20
30
40
Author Journal Keyword
Diametro
4
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.


Figura. 6. Centralidad de Entrada

Figura. 7. Centralidad de Salida
3.3. Representacin grfica de las redes
A continuacin se representan grficamente las
redes especificando su clasificacin.
3.3.1. Grafos de Authors.net
En este grafo se puede apreciar al ID 13, que
pertenece al autor BAR-ILAN, J con un grado de
entrada de 247.

Figura. 8. Grado de Entrada

Figura. 9. Lista top 5 con mayor grado de entrada
En el siguiente grafico podemos apreciar al ID 333
que pertenece a SPINK, A con un grado de salida de
275.


Figura. 10. Grado de salida

Figura. 11. Lista top 5 con mayor grado de salida
En los siguientes grficos podemos apreciar los
grados de intermediacin y cercana.
0,58
0,57
0,60
0,55
0,56
0,57
0,58
0,59
0,60
0,61
Author Journal Keyword
InDegree
0,58
0,57
0,60
0,55
0,56
0,57
0,58
0,59
0,60
0,61
Author Journal Keyword
OutDegree
5
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.


Figura. 12. Grado de Intermediacin

Figura. 13. Lista top 5 con mayor grado de
intermediacin

Figura. 14. Grado de Cercana

Figura. 15. Lista top 5 con mayor grado de Cercana
3.3.2. Grafos de Keywords.net
En este grafo se puede apreciar al ID 1, que
pertenece al keyword RESEARCH con un grado de
entrada de 585.

Figura. 16. Grado de Entrada

Figura. 17. Lista top 5 con mayor grado de entrada
En el siguiente grafico podemos apreciar al ID 445
que pertenece al Keyword PROGRAMMING con un
grado de salida de 189.
6
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.


Figura. 18. Grado de salida

Figura. 19. Lista top 5 con mayor grado de salida
En los siguientes grficos podemos apreciar los
grados de intermediacin y cercana.

Figura. 20. Grado de Intermediacin

Figura. 21. Lista top 5 con mayor grado de
intermediacin

Figura. 22. Grado de Cercana

Figura. 23. Lista top 5 con mayor grado de Cercana
3.4. Posicionamiento de las redes
A continuacin se muestran listas top 5 con mejores
valores, que indican el pagerank de los authors y
Keywords respectivamente. Sin embargo estos datos
son demostrativos y prcticos.

7
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.


Figura. 24. Authors, Lista Top 5 de Pagerank

Figura. 25. Keywords, lista Top 5 de Pagerank.
3.5. Anlisis de comunidades
A continuacin se presenta la representacin grfica
de las comunidades que existen dentro de
authors.net y dentro de keywords.net. Luego de su
anlisis.
3.5.1. Comunidades authors.net
En esta red se puede apreciar un grado de
modularidad de 0,38 y 5 comunidades o cluster.

Figura. 26. Porcentaje de comunidades

Figura. 27. Comunidades
3.5.2. Comunidades keywords.net
En esta red se puede apreciar un grado de
modularidad de 0,39 y 7 comunidades o cluster.

Figura. 28. Porcentaje de comunidades
8
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.


Figura. 29. Comunidades
3.6. Resumen
NDICES AUTHOR JOURNAL KEYWORD
Vertices 405 2079 831
Lines 21742 537217 36654
Densidad 0,27 0,25 0,11
Diametro 6 37 10
InDegree 0,58 0,57 0,60
OutDegree 0,58 0,57 0,60
Betweenness 0,04 0,01 0,05
Closeness Input 0,58 0,54 0,50
Closeness Output 0,58 0,54 0,50
Hubs Authori 0,09 0,06 0,10
Modularidad 0,38 0,46 0,39
Cluster 5 7 7

4. Conclusiones
Luego del anlisis cibermetrico realizado a las redes
authors.net, journals.net y keywords.net se puede
decir que el anlisis se ha enfocado
cuantitativamente, y que ha permite el cumplimiento
de los objetivos. Tambin se menciona lo siguiente:
Primero: de las 3 redes analizadas 1 es lista de
autores, otra lista de revistas y la tercera es una lista
de palabras clave, entonces los anlisis no son
comparativos, pero si apreciativos.
Segundo: la red journals.net tiene mejores
relaciones ya que en las medidas de grado y
densidad mantiene mejores valores respecto de los
dems.
Tercero: El nico autor que presenta mayor grado de
intermediacin y grado de salida es el ID 333 del
autor Spink, A. debe ser considerado importante.
Cuarto: Basado en resultados podemos decir que la
red de authors.net tiene una conectividad buena ya
que contiene un valor de 6 en el dimetro de su red.
El presente trabajo se ha realizado como trabajo 2 de
la asignatura: Gestin de contenidos y anlisis de
redes en entornos digitales del master en sistemas
de informacin digital.
5. Bibliografa
Pajek. (2014). pajek [Pajek Wiki]. Retrieved April 24,
2014, from
http://pajek.imfm.si/doku.php?id=pajek
Snchez-Pita, F., & Alonso-Berrocal, J. L. (2013). Los
sitios Web de centros de investigacin
biosanitaria de Castilla y Len. Un anlisis
cibermtrico. doi:10.4185/RLCS-2013-982
6. Anexos
Los anexos considerados para el trabajo, son los
siguientes:
Authors.gephi
Authors.net
Authros.paj
Journals.paj
Journals.net
Keyword.gephi
Keywords.net
Keywords.paj
Tambin se incluyen las imagines para su mejor
visualizacin a zoom completo:
Author Comunidades.png
Keyword Comunidades.png







9
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.

6.1. Anexo: Author comunidades




10
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.


6.2. Anexo: Keywords comunidades


11
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.





12
Huaman Quispe Elwin Luis. Universidad de Salamanca - Abril. 2014. Espaa.