Indicadores de input/output de la ciencia iberoamericana: ¿cuán similares son las clasificaciones basadas en los indicadores de RICYT y Scimago?

Traverso, Julieta Victoria and Ortiz-Jaureguizar, Edgardo Indicadores de input/output de la ciencia iberoamericana: ¿cuán similares son las clasificaciones basadas en los indicadores de RICYT y Scimago? Palabra Clave (La Plata), 2020, vol. 10, n. 1, pp. 1-17. [Journal article (Paginated)]

[thumbnail of 12802] Text
12802 - Published version
Available under License Creative Commons Attribution Non-commercial.

Download (5kB)
Alternative locations: https://doi.org/10.24215/18539912e099

English abstract

The objective of this study is to evaluate the congruence between the country classifications obtained from the Scimago Journal and Country Rank (SCIJCR) indicators, and those provided by the RICYT, taking as study units 11 Ibero-American countries, during 2006-2017. Thirty-four input/output indicators were taken as variables, 11 from SCIJCR, and 23 from RICYT. The similarity relationships among the countries and the indicators were represented by means of phenograms (Ward's method) and the congruence among the classifications of the countries was represented by strict consensus trees and quantified by means of a consensus index. The main conclusions of the study indicate that: 1) The classification of countries based on the 34 indicators corresponds to their size (e.g., socioeconomic development, population) and to the respective scientific traditions; 2) The indicators show a complex grouping patterns, not observing groupings based on the different typologies (e.g., production, impact, input, context); 3) The vast majority of the SCIJCR indicators show close mutual links, producing redundant information; 4) The percentage of international collaboration is only related to values of moderate similarity with the citations per document, so it does not agree with the idea that the number of citations is directly proportional to international collaboration; 5) Taking into account the results obtained, the most profitable investments in terms of production, impact, and impact and production, are those measured by graduation indicators (graduates), R&D spending (in dollars, expressed in PPP), and number of researchers in R&D; 6) The lack of congruence observed when comparing country rankings from only one source (i.e., SCIJCR or RICYT) contradicts the simplistic idea that scientific results can be predicted only from invested resources; 7) Comparing the classification of countries based on all the indicators with those produced based on one or the other (i.e., SCIJCR or RICYT) produces few common groups. This can be explained from issues intrinsic to the analysis, such as the different number of indicators, and the redundancy of the information provided by the vast majority of the SCIJCR. This means that the SCIJCR indicators have a lower weight than those of the RICYT, when it comes to differentiating groups of countries.

Spanish abstract

El objetivo de este estudio es evaluar la congruencia existente entre las clasificaciones de países obtenidas a partir de los indicadores de Scimago Journal and Country Rank. SCIJCR) y aquellos provistos por la RICYT, tomando como unidades de estudio 11 países iberoamericanos, durante el lapso 2006-2017. Como variables se tomaron 34 indicadores de input/output, 11 de SCIJCRy 23 de la RICYT. Las relaciones de similitud entre los países y los indicadores se representaron por medio de fenogramas (método de Ward) y la congruencia entre las clasificaciones de los países se representó mediante árboles de consenso estricto, cuantificándose por medio de un índice de consenso. Las principales conclusiones del estudio indican que: 1) La clasificación de países basada en los 34 indicadores se corresponde con el tamaño de estos (e.g., desarrollo económico-social, población) y con las respectivas tradiciones científicas. 2) Los indicadores muestran un patrón de agrupamiento complejo, no observándose agrupamientos en función de las diferentes tipologías (e.g., producción, repercusión, insumo, contexto). 3) La gran mayoría de los indicadores de SCIJCR muestran estrechas vinculaciones mutuas, produciendo información redundante. 4) El porcentaje de colaboración internacional solo se relaciona a valores de similitud moderada con las citas por documento, de manera que no concuerda con la idea de que la cantidad de citas es directamente proporcional la colaboración internacional. 5) Tomando en cuenta los resultados obtenidos, las inversiones más redituables en términos de producción, repercusión, y repercusión y producción son aquellas medidas por los indicadores de graduación (licenciados), el gasto en I+D (en dólares expresados en PPC), y la cantidad de investigadores en I+D. 6) La ausencia de congruencia observada al comparar las clasificaciones de países solo a partir de una fuente (i.e., SCIJCR o RICYT) contradice la idea simplista de que es posible predecir resultados científicos solo a partir de los recursos invertidos. 7) La comparación de la clasificación de países a partir de la totalidad de los indicadores con aquellas producidas a partir de unos u otros (i.e., SCIJCRo RICYT)produce pocos grupos comunes. Esto puede explicarse a partir de cuestiones intrínsecas al análisis, como la diferente cantidad de indicadores y la redundancia de la información provista por la gran mayoría de los de SCIJCR, lo cual hace que tengan un peso menor que aquellos de la RICYT a la hora de diferenciar grupos de países.

Item type: Journal article (Paginated)
Keywords: Scientometrics, Input/output indicators, Multivariate analysis, Taxonomic congruence, Cienciometría, Indicadores de input/output, Análisis multivariado, Congruencia taxonómica
Subjects: B. Information use and sociology of information > BA. Use and impact of information.
B. Information use and sociology of information > BB. Bibliometric methods
Depositing user: Palabra Clave
Date deposited: 12 Nov 2020 00:05
Last modified: 12 Nov 2020 00:05
URI: http://hdl.handle.net/10760/40606

References

Adams, J. D., Black, G. C., Clemmons, J. R. & Stephan, P. E. (2005). Scientific teams and institutional collaborations:evidence from U.S. universities, 1981-1999. Research policy, 34(3), 259-285. https://doi.org/10.1016/j.respol.2005.01.014

Albornoz, M. (1994). Indicadores en ciencia y tecnología. Redes, 1(1), 133-144. Recuperado de http://www.redalyc.org/articulo.oa?id=90711298006

Chavarro, D., Tang, P. & Ràfols, I. (2017). Why researchers publish in non-mainstream journals: Training, knowledgebridging, and gap filling. Research policy, 46, 1666-1680. http://dx.doi.org/10.1016/j.respol.2017.08.002

Chinchilla-Rodríguez, Z., Zacca-González, G., Vargas-Quesada, B. & Moya-Anegón, F. de. (2015). Latin Americanscientific output in Public Health: combined analysis using bibliometric, socioeconomic and health indicators.Scientometrics, 102, 609-628. https://doi.org/10.1007/s11192-014-1349-9

Crisci, J. V., y López Armengol, M. F. (1983). Introducción a la teoría y práctica de la taxonomía numérica. Washington: Organización de los Estados Americanos.

De Filippo, D. F., Morillo, F. & Fernández, M. T. (2008). Indicadores de colaboración científica del CSIC con Latinoamérica en bases de datos internacionales. Revista española de documentación científica, 31(1), 66-84. http://dx.doi.org/10.3989/redc.2008.v31.i1.413

Falagas, M. E., Kouranos, V. D., Arencibia-Jorge, R., y Karageorgopoulos, D. E. (2008). Comparison of SCImagojournal rank indicator with journal impact factor. e FASEB journal, 22, 2623-2628. https://doi.org/10.1096/fj.08-107938

Farris, J. S. (1971). e hypothesis of nonspecificity and taxonomic congruence. Annual Review of ecology andsystematics, 2, 277-302. https://doi.org/10.1146/annurev.es.02.110171.001425Filliben, J. J. (1975). e probability plot correlation coefficient test for normality. Technometrics, 17(1), 111-117. https://doi.org/10.1080/00401706.1975.10489279

García-Pachón, E. & Arencibia-Jorge, E. (2014). Comparación del factor de impacto y el índice SCImago JournalRank en las revistas del sistema respiratorio. Archives of bronconeumology, 50(7), 308-309. https://doi.org/10.1016/j.arbres.2013.10.006

Gingras, Y. & Khelfaoui, M. (2018). Assessing the effect of the United States’ “citation advantage” on other countries’scientific impact as measured in the Web of Science (WoS) database. Scientometrics, 114(2), 517-532. https://doi.org/10.1007/s11192-017-2593-6

Hammer, Ø., Harper, D. A. T., & Ryan, P. D. (2001). PAST: Paleontological Statistics Soware Package for Educationand Data Analysis. Palaeontologia electronica, 4(1), 1-9.Hermes-Lima, M., Santos, N.C.F., Alencastro, A.C.R., y Ferreira, S.T. (2007). Whither Latin America? trends andchallenges of science in Latin America. IUBMB Life, 59, 199–210. https://doi.org/10.1080/15216540701258751

Inglesi-Lotz, R. & Pouris, A. (2013). e influence of scientific research output of academics on economic growth inSouth Africa: an autoregressive distributed lag (ARDL) application. Scientometrics, 95(1), 129-139. https://doi.org/10.1007/s11192-012-0817-3

Inglesi-Lotz, R., Chang, T. & Gupta, R. (2015). Causality between research output and economic growth in BRIC.Quality and quantity, 49, 167-176. https://doi.org/10.1007/s11135-013-9980-8

King, D. A. (2004). e scientific impact of nations. What different countries get for their research spending? Nature,430, 311–316. https://doi.org/10.1038/430311a

Lee, L. C., Lin, P. H., Chuang, Y. W. & Lee, Y. Y. (2011). Research output and economic productivity: A Grangercausality test. Scientometrics, 89, 465–478. https://doi.org/10.1007/s11192-011-0476-9

Leydesdorff, L. (2005). Evaluation of research and evolution of science indicators. Current science, 89(9), 1510-1517.Mickevich, M. F. (1978). Taxonomic congruence. Systematic zoology, 27, 143-158. https://doi.org/10.2307/2412969

Miguel, S. E. y Moya-Anegón, F. de. (2009). La ciencia argentina bajo la lupa de los indicadores cienciométricos. Unamirada crítica de la realidad científica argentina. La Plata: Al Margen.

Moya-Anegón, F. de & Herrero-Solana, V. (1999). Science in America Latina: a comparison of bibliometric andscientific-technical indicators. Scientometrics, 46(2), 299–320. https://doi.org/10.1007/BF02464780

Murtagh, F. & Legendre, P. (2014). Ward's hierarchical agglomerative clustering method: which algorithmsimplement Ward's criterion? Journal of classification, 31(3): 274-295.

Ortiz-Jaureguizar, E. (2019). Exploración de relaciones entre indicadores bibliométricos y otros indicadores del contexto económico, social y productivo. En S. E. Miguel (Coord.), Actas del Workshop Iberoamericano de Estudios métricos de la actividad científica orientada a temas locales/regionales (La Plata, 2018) (pp. 109-115). Universidad Nacional de La Plata, Facultad de Humanidades y Ciencias de la Educación. Recuperado de https://www.libros.fahce.unlp.edu.ar/index.php/libros/catalog/book/130

Ortiz-Jaureguizar, E.; Miguel, S. E.; González, C. & Posadas, P. (2019). La producción científica argentina en el contexto mundial: un análisis comparado empleando los indicadores de Scimago Journal and Country Rank. En S. E. Miguel (Coord.), Actas de las V Jornadas de intercambio y reflexión acerca de la investigación en Bibliotecología, La Plata, 23 y 24 de noviembre de 2017 (pp. 175-195). Recuperado de http://www.memoria.fahce.unlp.edu.ar/libros/pm.725/pm.725.pdf

Ortiz-Jaureguizar, E., Miguel, S. E. y Posadas, P. (2015). Relaciones de similitud y valor discriminativo de los indicadores bibliométricos: los indicadores de Scimago Journal & Country Rank en las revistas generalistas de Paleontología. En Actas de las 4as Jornadas de intercambio y reflexión acerca de la investigación en Bibliotecología. Recuperado de http://jornadabibliotecologia.fahce.unlp.edu.ar/jornadas-2015/archivos-pdf/jirib2015_ORTIZ_texto.pdf

Palacio, F. X., Apodaca, M. J. y Crisci, J. V. (2020). Análisis multivariado para datos biológicos: teoría y su aplicación utilizando el lenguaje R. Ciudad Autónoma de Buenos Aires: Fundación de Historia Natural Félix de Azara.

Persson, O., Glänzel, W. & Danell, R. (2004). Inflationary bibliometrics values: the role of scientific collaboration andthe need for relative indicators in evaluative studies. Scientometrics, 60(3), 421–432. https://doi.org/10.1023/B:SCIE.0000034384.35498.7d

Ploszaj, A., Celinska-Janowicz, D. & Olechnicka, A. (2018). Core-periphery relations in international research collaboration. In R. Costas, T. Franssen y A. Yegros-Yegros (Edits.), Proceedings of the 23rd InternationalConference on Science and Technology Indicators (pp. 1322-1327). Leiden, e Netherlands. Recuperado de https://openaccess.leidenuniv.nl/bitstream/handle/1887/65273/STI2018_paper_218.pdf?sequence=1

Ríos Gómez, C. & Herrero-Solana, V. (2005). La producción científica latinoamericana y la ciencia mundial: unarevisión bibliográfica (1989-2003). Revista interamericana de bibliotecología, 28(1), 43-61. Recuperado de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-09762005000100003&lng=en&tlng=es

Rohlf, F. J. (1982). Consensus indices for comparing classifications. Mathematical biosciences, 59(1), 131-144. https://doi.org/10.1016/0025-5564(82)90112-2

Rohlf, F. J. (2018). NTSYSpc: Numerical Taxonomy System. ver. 2.21c. New York: Applied Biostatistics, Inc., PortJefferson.

Sancho Lozano, R. (2002). Indicadores de los sistemas de ciencia, tecnología e innovación. Economía industrial, 343,97-109. Recuperado de https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaIndustrial/RevistaEconomiaIndustrial/343/097-SANCHO.pdf

Sandoval-Romero, V., Mongeon, P., y Larivière, V. (2018). Science, technology and innovation policies in Latin-America: fieen years of scientific output, impact and international collaboration. In R. Costas, T. Franssen yA. Yegros-Yegros (Edits.), Proceedings of the 23rd International Conference on Science and Technology Indicators(STI 2018) (pp. 1450-1459). Leiden, e Netherlands. Recuperado de https://openaccess.leidenuniv.nl/bitstream/handle/1887/65272/STI2018_paper_236.pdf?sequence=1

Santa, S. y Herrero-Solana, V. (2010). Producción científica de América Latina y el Caribe: una aproximación a travésde los datos de Scopus, 1996–2007. Revista interamericana de bibliotecología, 33(2), 379-400. Recuperado de https://revistas.udea.edu.co/index.php/RIB/article/view/7648

Shelton, R.D., y Leydesdorff, L. (2012). Publish or patent: Bibliometric evidence for empirical trade-offs in nationalfunding strategies. Journal of the American Society for Information Science and Technology, 63(3), 498-511. https://doi.org/10.1002/asi.21677

Smith, P-G. y Phipps, J. B. (1984). Consensus trees in phenetic analysis. Taxon, 33(4), 586-594. https://doi.org/10.2307/1220776

Sneath, P. H. A. & Sokal, R. E. (1973). Numerical taxonomy. San Francisco: W.H. Freeman Co.Sokal, R. R. (1986). Phenetic taxonomy: theory and methods. Annual review of ecology and systematics, 17, 423-442.https://doi.org/10.1146/annurev.es.17.110186.002231

Sokal, R. R. & Rohlf, F. J. (1962). e comparison of dendrograms by objective methods. Taxon, 11, 33-40. https://doi.org/10.1146/annurev.es.17.110186.002231

Traverso. J. V., Ortiz-Jaureguizar, E., Miguel, S. E. & Posadas, P. (2020). Relaciones de similitud y valor discriminatoriode los indicadores de Scimago Journal and Country Rank. Un análisis basado en las revistas generalistas de antropología (2008-2017). Revista general de información y documentación, 30(1), 261-296. https://dx.doi.org/10.5209/rgid.70070

van Raan, A. F. J. (2006). Comparisons of the Hirsch-index with standard bibliometric indicators and with peerjudgment for 147 chemistry research groups. Scientometrics, 67(3), 491-502. https://doi.org/10.1556/Scient.67.2006.3.10

Vessuri, H., Guedon, J. C. & Cetto, A. M. (2014). Excellence or quality? Impact of the current competition regimeon science and scientific publishing in Latin America and its implications for development. Current Sociology,62(5), 647-665. https://doi.org/10.1177/0011392113512839

Vinkler, P. (2008). Correlation between the structure of scientific research, scientometric indicators and GDP in EUand non-EU countries. Scientometrics, 74, 237–254. https://doi.org/10.1007/s11192-008-0215-z

Zacca-González, G., Chinchilla-Rodríguez, Z., Vargas-Quesada, B. & Moya-Anegón, F. de. (2014). Bibliometricanalysis of regional Latin America's scientific output in Public Health through SCImago Journal & CountryRank. BMC Public Health, 14, 632. https://doi.org/10.1186/1471-2458-14-632

Zenteno-Savín, T., Oliveira Beleboni, R. & Hermes-Lima, M. (2007). e cost of Latin American science.Introduction for the second issue of CBP-Latin America. Comparative biochemistry and physiology, 146(4),463-469. https://doi.org/10.1016/j.cbpa.2006.06.044


Downloads

Downloads per month over past year

Actions (login required)

View Item View Item