K-núcleo: Una herramienta para detectar la estructura conceptual de los campos de investigación. El caso práctico de las Altmetrías

Gálvez, Carmen K-núcleo: Una herramienta para detectar la estructura conceptual de los campos de investigación. El caso práctico de las Altmetrías. Redes. Revista hispana para el análisis de redes sociales, 2025, vol. 36, n. 2, pp. 148-162. [Journal article (Paginated)]

[thumbnail of Galvez-Redes.pdf]
Preview
 Text
Galvez-Redes.pdf - Published version
Available under License Creative Commons Attribution Non-commercial Share Alike.
Download (906kB) | Preview

English abstract

En el Análisis de Redes Sociales (ARS), la descomposición k-núcleo se utiliza para la detección de las capas jerárquicas en las redes complejas. La aplicación de la medida k-núcleo a una red de palabras clave permite representar la estructura conceptual de un campo de investigación. El objetivo de este trabajo fue proponer la aplicación de la métrica k-núcleo para mostrar la jerarquía temática y la evolución de la estructura conceptual del campo de investigación de la Altmetría. La metodología se desarrolló en las siguientes fases: recopilación de datos, selección de palabras-clave, elaboración de una matriz de co-ocurrencia de palabras-clave, generación de una red de palabras-clave, descomposición k-núcleo y visualización de la estructura jerárquica. El resultado fue la detección de cinco capas diferenciadas. Una capa central con conceptos básicos y densamente interconectados, que formaron la base de conocimiento del campo. Una capa intermedia con conceptos mediadores, que mostraron la evolución del conocimiento en el campo. Una capa lateral con conceptos que indicaron la especialización del campo de investigación. Una capa borde con conceptos periféricos y aislados, que representaron los frentes conceptuales en vías de desarrollo. La conclusión fue que la división jerárquica de la red de palabras-clave logró una comprensión más profunda de la estructura conceptual del campo de investigación analizado.

Spanish abstract

En el Análisis de Redes Sociales (ARS), la descomposición K-núcleo se utiliza para la detección de capas jerárquicas en las redes. La aplicación de la medida K-núcleo a una red de palabras-clave permite representar la estructura conceptual de un campo de investigación. El objetivo de este trabajo fue proponer la aplicación de la descomposición K-núcleo para mostrar la evolución de la estructura conceptual del campo de investigación de las Altmetrías. La metodología se desarrolló en seis fases: recopilación de datos, selección de palabras-clave, elaboración de una matriz de co-ocurrencia de palabras-clave, generación de una red de palabras-clave, descomposición K-núcleo y visualización de la estructura jerárquica. El resultado fue la detección de cinco capas diferenciadas. Una capa central con conceptos básicos y densamente interconectados, que formaron la base de conocimiento del campo. Una capa intermedia con conceptos mediadores, que mostraron la evolución del conocimiento en el campo. Una capa lateral con conceptos que indicaron la especialización del campo de investigación. Una capa borde con conceptos periféricos y aislados, que representaron los frentes conceptuales en vías de desarrollo. La conclusión fue que la descomposición jerárquica de la red de palabras-clave logró una comprensión más profunda de la estructura conceptual, y la evolución, del campo de investigación.

Item type: Journal article (Paginated)
Keywords: Análisis de Redes Sociales; Red de palabras-clave; Detección de comunidades; Descomposición K-core; Altmetría; Detección de comunidades; Análisis de Redes Sociales; Altmetría; K-core descomposition; Community detection; Social Network Analysis, Altmetrics
Subjects: B. Information use and sociology of information
B. Information use and sociology of information > BJ. Communication
H. Information sources, supports, channels. > HT. Web 2.0, Social networks
I. Information treatment for information services > IC. Index languages, processes and schemes.
L. Information technology and library technology
Depositing user: Carmen Galvez
Date deposited: 10 Apr 2025 16:39
Last modified: 10 Apr 2025 16:39
URI: http://hdl.handle.net/10760/46514

References

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


Downloads

Downloads per month over past year

Actions (login required)

View Item View Item
Contact us
Send email Sponsors
Sponsor: AIMS Sponsor: D&P Sponsor: UniNa CAB Get connected
Facebook Facebook Twitter Twitter Linkedin LinkedIn RSS RSS