Visualización: Millares de páginas de Wikipedia

100.000 páginas más populares de la Wikipedia, renderizadas como una galaxia
Click para volar
Por Francie Diep - Popular Science


Ilustración que muestra una bola de, puntos de colores brillantes
La Wikipedia Galaxia

Tal vez usted se imagina la Internet como un conjunto de tubos, o una web, o una serie de senderos del jardín. Un estudiante en París imaginado como una galaxia. Él ha hecho una visualización de 100.000 artículos más populares de Wikipedia en el 2014 que se puede "volar" a través de haciendo clic. Nos encanta. Usted puede visitar aquí.

En la Wikipedia Galaxia, cada página se representa como una estrella, con páginas relacionadas agrupados cerca uno del otro. "Estrellas" de la misma categoría de acciones del mismo color. Las estrellas fugaces que se deslizan por la pantalla son los robots. He tratado de perseguirlos, pero parece que no puede hacer clic en ellos o hacer nada con ellos.
captura de pantalla de la visualización Wikipedia Galaxia muestra la & quot; & quot universo; página


Visitando la página "Universo" en la Wikipedia Galaxy
Captura de pantalla de WikiGalaxy por Owen Cornec

¿Te has divertido visitar la Wikigalaxy? Echa un vistazo a estas visualizaciones, también: Un gráfico de 800.000 trabajos científicos; Una mirada a los exoplanetas cercanos y los primeros juegos de Nintendo, prestados en forma de espiral.

Emergencia de normas y estructura de red

¿Por qué todo el mundo comenzó a nombrar a sus hijos Madison lugar de Jennifer?

Por Meeri Kim
Cómo las normas sociales "espontáneas" emergen (03:03)


Un nuevo estudio dirigido por Damon Centola de la Universidad de Pennsylvania proporciona una explicación científica de cómo las convenciones sociales pueden surgir de repente, aparentemente de la nada, sin fuerzas externas que impulsen su creación. (Annenberg School for Communication de la Universidad de Pennsylvania)

Hace dos o tres décadas, los padres no podían tener suficiente de los nombres de "Jessica" y "Jennifer" para sus niñas recién nacidas. Habían sido pilares en la parte superior 10 nombres de bebés femeninos más populares de la Administración del Seguro Social por unos 25 años.

"Jessica" había alcanzado su punto máximo alrededor de una década después de "Jennifer", pero a mediados de la década de 2000, ambos vieron un cambio. Estos nombres otrora omnipresentes habían llegado a una especie de punto de inflexión, y rápidamente se desplomaron de la lista. De repente "Jessica" y "Jennifer" se habían convertido en fuera de moda en los ojos de los nuevos padres, que preferían nombres como "Isabella" y "Madison".

Las tendencias como los nombres de bebé van y vienen, aparentemente sin ton ni son. Lo mismo ocurre con palabras de argot y moda - la expresión de cariño "boo" se ha convertido en "bae," y los pantalones vaqueros en la actualidad son más apretados que nunca. Pero ¿cómo un estilo o una palabra se elevan desde la nada absoluta a convertirse en el último grito de la moda?

Mientras que algunos creen una institución central o figura tenía que estar detrás de una tendencia por las nubes - por decir, Kim Kardashian o revista Vogue - los investigadores han descubierto a través de un nuevo experimento basado en la Web que no tiene por qué ser el caso. De hecho, el estudio sugiere que las poblaciones pueden llegar a un consenso sobre lo que es nuevo y lo que no es de una manera rápida, sin embargo, totalmente espontánea.


Los investigadores encontraron que la estructura de una red social podría determinar si una población llegaba a un consenso sobre una idea. (Annenberg School for Communication / Universidad de Pennsylvania)

"Las cosas apoderarse muy rápidamente, y también a veces tienen una vida media corta," dijo Brian Skryms filósofo de la Universidad de California en Irvine, quien no participó en el estudio. "Piense en la jerga adolescente: ¿Cómo se dice algo es bueno? Es 'increíble' ahora? Cambia, y si si usas el término equivocado, entonces estás fuera de moda".

La idea de aparición espontánea, ha existido por décadas. Sin embargo, este estudio representa la primera vez que se ha observado experimentalmente en una población de casi 100. Los resultados fueron publicados en línea el lunes en las Actas de la Academia Nacional de Ciencias.

"Surgimiento espontáneo es como la existencia de una mano invisible", dijo el autor del estudio y físico Andrea Baronchelli de la City University de Londres. "Todo el mundo está tratando de ponerse de acuerdo con su círculo social, y espontáneamente tendrá lugar la aparición de un único consenso".

Tome el "spam", por ejemplo. Ahora significa correo electrónico no deseado, pero en el pasado, su única asociación fue con la carne enlatada. La probable explicación de la palabra en primer lugar que se utiliza para el correo electrónico proviene de un sketch de Monty Python.

"Ellos van a un restaurante, y en el menú, el spam está en todas partes: huevo, tocino y spam. Spam, spam, huevo, y el spam. Así que es algo molesto que está en todas partes ", dijo. "En el principio, había muchos otros nombres como 'correo no deseado', pero de alguna manera sin que nadie nos dice que debemos ponernos de acuerdo, utilizamos" spam "como la forma en que debemos hacer referencia al correo electrónico que no queremos recibir ".

A continuación, una gran institución como Google utiliza "spam" para su cliente de correo electrónico Gmail, lo que reforzó aún más el plazo. Pero en ese momento, nosotros como una población que ya habíamos decidido en "correo no deseado". En otras palabras, se había convertido en una convención social.

"Las convenciones son los ladrillos fundamentales de nuestra vida social - de la manera nos saludamos, como darse la mano, o cómo nos vestimos, como un empate", dijo Baronchelli. "Si se piensa en ello, un empate es una pieza ridícula de la ropa."

Para probar experimentalmente para cómo surgen las convenciones, Baronchelli y coautor Damon Centola de la Universidad de Pennsylvania tuvo participantes en línea juegan un juego basado en la Web, "El Juego del Nombre," uno contra el otro. En primer lugar, una foto de un rostro humano aparece en la pantalla, y el juego pide Jugador 1 para llegar a un nombre para esa cara. Al mismo tiempo, el jugador 2 hace lo mismo, y si los nombres coinciden, ambos jugadores obtener una recompensa. Si no es así, cada uno recibió una sanción y vieron lo que la otra persona puso un nombre.

Para entender cómo las normas sociales surgen, Damon Centola y Andrea Baronchelli inventaron un juego basado en la Web, que reclutó participantes de todo el mundo a través de anuncios en línea. En cada ronda de la "Juego del Nombre", los participantes se emparejaron, muestran una fotografía de un rostro humano y pidieron que darle un nombre. Si ambos jugadores siempre el mismo nombre, ganaron una pequeña cantidad de dinero. Si fracasaban, perdieron una pequeña cantidad de dinero y vieron nombre sugerencia de su pareja. Dependiendo de la estructura de las interacciones, los jugadores o bien no llegar a un consenso, o todos coincidieron en el mismo nombre dentro de un puñado de rondas. (Annenberg School for Communication / Universidad de Pennsylvania)

Esto se prolongó durante varias rondas con la misma foto, y cada vez que los jugadores se cambiaron al azar para hacer frente a otra persona en el juego. Baronchelli y Centola encontraron que a medida que las personas se conectaban eso determinaba si estas tendencias espontáneas se harían globales o permanecerían confinadas dentro de los bolsones locales más pequeños.

Cuando los participantes se organizaron geográficamente y se restringieron a jugar sólo contra sus pocos vecinos más cercanos, ellos estarían de acuerdo rápidamente sobre los nombres dentro de su región. Pero para el juego en su conjunto, habría varios nombres que compiten por el dominio sin consenso global.

"Vemos esto regionalismo en los EE.UU., donde la gente utiliza ciertas palabras en el Sur vs Oriente y Occidente", dijo Centola. Él sugiere que este tipo de red geográfica puede explicar el fenómeno "soda"/"pop"/"coque" [para denominar a las bebidas gaseosas] y otras divisiones regionales en las jergas.

Luego, los investigadores reorganizan los participantes para poder jugar contra cualquier otra persona en el juego, pretende ser un equivalente de la Internet. Inicialmente, el juego era caótica, con nuevos nombres apareciendo cada ronda. Pero en algún lugar después de 10 a 12 rondas, un curioso cambio se produjo: Todo el mundo empezó a utilizar el mismo nombre.

"En las primeras rondas, fue el fracaso sólo absoluta y nadie podía igualar", dijo Centola. "Pero entonces tenía una pequeña opción, menor que de repente se convirtió en forma explosiva utilizada por extraños - sólo se prendió como reguero de pólvora, y dentro de unas cuantas rondas, fue adoptado universalmente."


Por extraño que parezca, los nombres que terminaron por ganar todos los mayores serían los que no eran todo lo popular en las otras redes. En otras palabras, las tendencias a sí mismos en realidad puede ser bastante sentido. Pero algunos nombres simplemente dan paso a otros de una manera más o menos al azar.

"Si usted tiene todo el mundo chocar con los demás, entonces realmente tienen para comunicarse con todo tipo de personas", dijo Skryms. "Tarde o temprano, una lengua gana el ascenso, y entonces todo el mundo se amontona sobre él y lo aprende."

De acuerdo con el modelo teórico, los resultados del estudio deberían generalizar hasta 100 millones de personas.

Por supuesto, algunas convenciones son dictadas por una autoridad central, como conducir por la derecha vs izquierda de la carretera. Pero el hecho de que otros están espontáneamente construyen de manera colectiva puede ser una sensación de empoderamiento. Por ejemplo, Centola se pregunta si algún día sería posible controlar la propagación viral de una cierta idea, con el fin de cambiar las creencias de la gente sobre temas apremiantes como vacunaciones, control de armas, y el calentamiento global.

"Es agradable el trabajo, y estoy feliz de verlo", dijo Skryms. "Mediante el uso de internet, que fueron capaces de hacer experimentos en redes mucho más grandes que la gente era capaz de hacer en el laboratorio."

Unidos por la disputa: Red de conflictos fronterizos

Este grafo circular muestra cómo casi todos los países del mundo tiene una frontera disputada
ARMIN ROSEN - Business Insider


Las fronteras de los países del mundo no cambian a menudo más. Y cuando lo hacen, es una gran noticia.

El acuerdo de paz que permitió que Sudán del Sur se desprenda del resto de Sudán en 2011 se produjo después de décadas de guerra. Los intentos de volver a dibujar las fronteras internacionales por la fuerza, al igual que 1991 la invasión de Saddam Hussein de Kuwait, o la anexión rusa de Crimea año pasado, provocaron grandes crisis internacionales. Incluso si algunas fronteras están en duda - ¿quién sabe si las partes kurdas de Irak permanecerán parte de Irak en el largo plazo, o donde la frontera entre la India y Pakistán debería ser en realidad - se necesita mucho para cambiarlos realidad.

Pero esto contradice el hecho de que cientos de lugares están en disputa.

Las fronteras son esencialmente artificial en la naturaleza. Son realmente sólo líneas en el mapa que el resto del mundo acepta suficiente para integrarse en los regímenes políticos y jurídicos globales aplicables. Y esa aceptación tiene numerosas excepciones - los casos en que los países están de acuerdo en que la línea en el mapa debe ser.

Como esta infografía de Rob McConnell demuestra, hay una serie vertiginosa de las disputas territoriales activos en todo el mundo. Las gráfico muestra que tiene una carne frontera con quién, y también que las regiones son las más en disputa.

Redes de coautoría en una revista de cardiología

Redes de coautorías y colaboración institucional en Revista Española de CardiologíaJuan C Valderrama-Zurián^a, Gregorio González-Alcaide^a, Francisco J Valderrama-Zurián^b, Rafael Aleixandre-Benavent^a, Alberto Miguel-Dasit<sup>c

a</sup> Unidad de Documentación. Instituto de Historia de la Ciencia y Documentación López Piñero. Universitat de València-CSIC. Valencia. España.
^b Centro de Salud Nápoles y Sicilia. Departamento 9. Agència Valenciana de Salut. Valencia. España.
^c Servicio de Resonancia Magnética. Hospital de la Plana. Vila-Real. Castellón. España.
Revista Española de Cardiología

Palabras clave

Publicaciones científicas. Análisis de coautorías. Colaboración institucional. Redes de colaboración.

Resumen

Introducción y objetivos. El presente estudio analiza los patrones de colaboración de los investigadores y las instituciones en los trabajos publicados en Revista Española de Cardiología.Métodos. Se identificaron las coautorías y relaciones de colaboración institucional de Revista Española de Cardiología en el período 2000-2005 y se obtuvo el índice de firmas/trabajo. Para construir las redes de colaboración se utilizaron los programas «TextToPajek» y «PAJEK».Resultados. Se analizaron 980 trabajos, el 95,1% firmado en coautoría por 2 o más autores y el 51,43% en colaboración institucional. El índice de firmas/trabajo ha sido de 6,23 ± 3,1. Se encontró una relación estadística (p < 0,02) entre el índice de firmas/trabajo y la sección donde era publicado el trabajo, ya que los publicados en las secciones Artículos originales y Artículos especiales tenían un mayor índice de firmas/trabajo (media de 7,87 ± 2,88 y 6,59 ± 5,02, respectivamente). Se han identificado 44 autores de elevada productividad y 25 agrupaciones de autores integrados por 112 investigadores. Conclusiones. El análisis de las redes de colaboración ha permitido identificar numerosas agrupaciones de autores del área cardiovascular en España, así como las relaciones existentes entre ellas desde el punto de vista de la investigación y las publicaciones científicas. El aspecto más significativo de la colaboración institucional fue el predominio de la colaboración intrainstitucional e intraautonómica (el 80,57% de las colaboraciones). Posibles estudios futuros podrían incluir el análisis de la producción científica de los investigadores de las agrupaciones identificadas y la evolución en el tiempo de los patrones de colaboración

Artículo

INTRODUCCION

La producción científica española en el área cardiovascular ha experimentado un importante crecimiento en los últimos años. Así, en el período 1994-1999 se identificaron 840 documentos realizados por autores españoles en las bases de datos del Institute for Scientific Information versión CD-ROM, con un incremento del 80,9% en 1999 frente a 1994¹, mientras que los documentos recogidos en el National Science Indicators y National Citation Reports correspondientes al período 1994-2002 ascendieron a 2.556, con un aumento constante en el número global de trabajos/año, que pasó de 6.616 en 1994 a 9.143 en 2002². Las revistas españolas que mayor número de artículos incluyeron en el área cardiovascular fueron Revista Española de Cardiología (n = 899) y Medicina Clínica (n = 140)². Ambas han sido las revistas clínicas en castellano que han obtenido un mayor factor de impacto en el Journal Citation Reports de 2004 (FI = 1,802 y FI = 1,005) y la primera y tercera, respectivamente, en 2005 (FI = 1,769 y FI = 1,074)³. También son las que ocupan los primeros dos lugares en el estudio del Factor de Impacto Potencial de las Revistas Médicas Españolas de 2003 (FI = 1,501 y FI = 1,061, respectivamente)⁴.

Por otra parte, en cardiología y en la investigación biomédica en general se está produciendo un aumento progresivo de los trabajos realizados en colaboración. La colaboración es necesaria para el avance del conocimiento porque los problemas requieren abordajes multidisciplinarios⁵, y es conveniente para poder complementar insuficiencias⁶. En la investigación cardiológica colaboran fundamentalmente profesionales de las áreas de cardiología, medicina de familia y medicina interna, pero también biólogos, químicos, farmacéuticos, matemáticos y radiólogos^6,7.

En este contexto, el Plan Nacional de Investigación Científica, Desarrollo e Innovación Tecnológica del período 2004-2007⁸ ha tratado de promover la investigación de carácter multidisciplinario. En el área de la biomedicina, la convocatoria de redes temáticas de investigación cooperativa (RETIC) del Instituto de Salud Carlos III⁹ tiene como objetivo contribuir a fundamentar científicamente los programas y políticas del Sistema Nacional de Salud en las áreas prioritarias del Plan Nacional de I+D+I mediante la asociación de centros y grupos de investigación biomédica, multidisciplinarios y multiinstitucionales. Con esta tipología de redes se pretende la creación de esquemas de cooperación científica más potentes que permitan alcanzar objetivos que difícilmente podrían plantearse en un contexto de ejecución más restringido¹⁰.

En el momento de la redacción de este manuscrito, hay 3 redes del área cardiovascular⁹: «RECAVA. Factores de riesgo, evolución y tratamiento de las enfermedades cardiovasculares y sus mecanismos moleculares y celulares» coordinada por Soler Soler, del Hospital Vall d'Hebron de Barcelona; «HERACLES. Determinantes genéticos y ambientales de la disfunción vascular en la hipertensión y en la cardiopatía isquémica» coordinada por Marrugat de la Iglesia, del Institut Municipal d'Investigació Mèdica (IMIM) de Barcelona; y «EULALIA-MUSIC2, características epidemiológicas, fisiopatológicas, clínicas y anatomopatológicas de la muerte súbita en España» coordinada por Bayés de Luna, del Hospital de la Santa Creu i Sant Pau de Barcelona. Asimismo, se están promoviendo desde el Instituto de Salud Carlos III los Centros de Investigación Biomédica en Red (CIBER)¹¹, organismos de investigación dotados de personalidad jurídica propia que tienen como misión la investigación monográfica sobre una enfermedad o problema de salud concreto, y que constituirán grandes centros de investigación traslacional.

El estudio de la colaboración científica ayuda a establecer grupos y redes de trabajo, pudiendo ser analizada y evaluada mediante el empleo de técnicas bibliométricas y representada mediante lo que algunos autores denominan «redes de coautorías»^12,13 o «mapas bibliométricos»¹⁴.

El objetivo del presente trabajo es identificar y representar gráficamente las redes de colaboración de autores e instituciones que han publicado sus trabajos científicos en Revista Española de Cardiología a lo largo del período 2000-2005.

MÉTODOS

Identificación de los trabajos, datos bibliográficos y normalización de autores e instituciones

Para la realización del estudio se han identificado los trabajos de investigación publicados durante el período 2000-2005 en Revista Española de Cardiología. Para cada uno de los trabajos seleccionados se ha identificado el nombre y los apellidos de los autores firmantes, así como el centro de procedencia de éstos (institución, ciudad y país).

Para la normalización de las autorías se han comprobado las firmas en las que un mismo autor firmaba de dos o más formas diferentes, utilizándose como criterio básico de unificación la existencia de coincidencia en los lugares de trabajo de las firmas. En el caso de las instituciones, se han unificado las diferentes variantes de hospitales según la denominación recogida en el Catálogo Nacional de Hospitales 2005¹⁵ y en el Registro Nacional de Universidades, Centros y Enseñanzas¹⁶. Asimismo, dado que las firmas institucionales de muchos registros bibliográficos recogían dos o más instituciones (p. ej., hospitales universitarios y universidades) y para no perder información, se ha procedido a diferenciar estas firmas, consignando en estos casos para cada registro bibliográfico tantas firmas como macroinstituciones se podían individualizar.

Con la información extraída se ha confeccionado una base de datos relacional utilizando el programa Microsoft Access.

Indicadores bibliométricos de colaboración y redes de coautorías y de colaboración institucional

A lo largo del trabajo se han utilizado los términos «coautoría» para hacer referencia a la firma conjunta de un trabajo científico por 2 autores, y «colaboración institucional» en el caso de la firma conjunta de un trabajo por diferentes instituciones, distinguiéndose en este caso los siguientes tipos de colaboración: intrainstitucional (diferentes unidades o departamentos de una misma macroinstitución), interinstitucional de carácter nacional (entre instituciones de la misma o de diferentes comunidades autónomas) e interinstitucional de carácter internacional, cuando concurren una institución española y una extranjera. Se ha empleado el término sajón «clúster» en su acepción relacionada con los modelos de grafos para referirse al conjunto de nodos o vértices (autores o instituciones) altamente conectados entre sí mediante arcos o enlaces (relaciones de coautoría o de colaboración institucional) pero con conexiones esporádicas hacia el exterior¹⁷, y «umbral o intensidad de colaboración», el valor utilizado para formar los clústeres de autores y de instituciones, que hace referencia a la frecuencia de coautoría entre las parejas de autores o de colaboración entre instituciones y que refleja las relaciones más o menos consolidadas entre ellos a la hora de publicar los resultados de sus investigaciones de forma conjunta. Este valor ha sido utilizado en diversos estudios bibliométricos como criterio para considerar los clústeres identificados como «grupos de investigación»^18,19.

La colaboración entre autores se ha caracterizado mediante el cálculo del número de trabajos, firmar, colaboraciones el índice de firmas/trabajo (IFT) o índice de colaboración, que es la media del número de firmas por trabajo, y el índice autores/trabajo (media del número de autores por trabajo considerando únicamente los autores distintos). Asimismo, se realizó un análisis estadístico descriptivo de las variables estadísticas estudiadas (media e intervalo de confianza [IC] del 95%). Para la comparación de las medias de las variables distribuidas de forma normal se aplicó el análisis de varianza ANOVA, evaluándose la igualdad de las varianzas con la prueba de Levene. Las comparaciones posteriores se realizaron mediante la prueba de Bonferroni para varianzas iguales y la T2 de Thamhane para varianzas no iguales.

Para la construcción de la red de coautorías se han identificado todas las combinaciones de pares de autores de cada trabajo. El número de coautorías de cada trabajo está en relación con el número de firmas de éste, ya que es igual a m!/(m-n)!n!, donde «m» es el número de autores firmantes y «n» el número de elementos de las agrupaciones realizadas, en este caso dos, ya que se identifican parejas de autores que firman conjuntamente un trabajo. Una vez cuantificadas las coautorías se ha establecido un umbral o intensidad de colaboración de 6 o más colaboraciones entre pares de autores, con la intención de reducir el número de nodos y arcos que impedirían una visión clara de la red y centrar así el análisis en las relaciones de coautoría más intensas. La misma metodología se ha aplicado a las firmas institucionales para construir la red de colaboración interinstitucional, si bien en este caso se ha aplicado un umbral de 3 o más colaboraciones.

Se han obtenido una serie de medidas propias del análisis estructural o de redes sociales. Considerando los agentes (autores o instituciones) de forma individual, se presentan 3 medidas de centralidad o de cohesión que proporcionan una aproximación muy precisa para el análisis de la red social estudiada: el grado (o degree) y los índices de intermediación (betweenness) y de cercanía (closeness)²⁰.

El grado indica el número de agentes distintos con los que está conectado de forma directa un determinado autor o institución, y se ha obtenido a partir de la identificación y posterior cuantificación de las relaciones de coautoría y de colaboración institucional. Se trata de una medida que refleja la mayor o menor colaboración mantenida por parte de los autores e instituciones. El índice de intermediación evalúa en qué medida un agente está situado en medio o entre otros agentes de la red, permitiendo su interconexión. Mide, por tanto, el prestigio de autores e instituciones y su capacidad para acceder y controlar los flujos de información. Se calcula como la suma de los caminos más cortos entre 2 agentes que incluyen entre ambos el agente en cuestión. El índice de cercanía permite valorar la rapidez de interacción de un agente con el resto de agentes de la red, es decir, refleja la «proximidad» de cada autor o institución con el resto de los agentes de la red. Se calcula como la inversa de la suma de las distancias del agente en cuestión al resto de agentes con los que está conectado²⁰.

Para determinar la cohesión de los clústeres identificados, se ha calculado la densidad de cada uno de ellos, medida que determina el grado de ligamen o de conexión entre sus miembros según la relación entre el número de enlaces existentes y el número de enlaces posibles. Para ello se ha aplicado la fórmula 2e/n(n-1), donde «e» es el número de enlaces existentes y «n» el número de agentes²⁰.

Para el cálculo de los indicadores y la construcción de las redes se ha utilizando el programa TextToPajek desarrollado en la Universidad Complutense de Madrid²¹ y el programa de análisis de redes PAJEK²².

RESULTADOS

De los 980 trabajos analizados, 455 (46,43%) eran Artículos originales y 270 (27,55%), Comunicaciones breves. En la tabla 1 se presenta la distribución por año de publicación y sección a la que pertenecen los trabajos publicados.

El 95,1% (n = 932) de los trabajos han sido firmados en colaboración por 2 o más autores, mientras que solamente el 4,9% (n = 48) ha sido firmados por un único autor (tabla 2). Se han identificado un total de 6.108 firmas, lo que supone una media de 6,23 ± 3,1 firmas/trabajo. El IFT se ha mantenido prácticamente constante, con valores cercanos a 6 a lo largo de todo el sexenio. No se observaron diferencias estadísticamente significativas según el año de publicación, pero sí según la sección donde se publicaban los trabajos (p < 0,02). Así, los trabajos publicados en la sección Artículos originales han sido los que mayor IFT han presentado a lo largo del período estudiado (media, 7,87 ± 2,88), seguidos de los Artículos especiales (media 6,59 ± 5,02) y las Comunicaciones breves (media, 5,55 ± 1,2). En el polo opuesto, las secciones con menor índice correspondieron a los Artículos de revisión (media, 2,72 ± 1,23), las Controversias (media, 2,75 ± 2,87), la Puesta al día (media, 2,95 ± 1,98) y las Imágenes en cardiología (media, 3,3 ± 1,11).

El número de autores diferentes que han publicado durante el período ha sido de 2.927, con una media de 2,99 autores por trabajo (tabla 2). El hecho de que la media global de autores por trabajo en la totalidad del período sea inferior a las medias anuales es debido a que, a medida que se incrementa el período estudiado, disminuye el número de autores distintos.

En la tabla 3 se presentan los 44 autores que han publicado más de 11 trabajos y sus patrones de colaboración, incluidos el número de firmas y de colaboradores en los trabajos en los que han intervenido y los índices firmas/trabajo y autores/trabajo. Destacan algunos autores que, aunque no ocupan los primeros puestos en el ranking de productividad, reúnen un elevado número de firmas y un amplio núcleo de colaboradores, de lo que se derivan elevados IFT y media de autores por trabajo.

Al aplicar un umbral o intensidad de colaboración de 6 o más trabajos firmados en coautoría se han identificado 25 clústeres de autores de elevada intensidad de colaboración que están compuestos por 112 autores de 29 instituciones diferentes. De los 73 autores más productivos, 54 (73,97%) se integraron en alguno de los clústeres que se han identificado, cifra que es aún superior si se consideran los 24 autores más productivos (> 14 trabajos), ya que 20 de ellos están adscritos a alguno de los clústeres (83,33%). Asimismo, de los 112 autores que constituyen los clústeres se han identificado 58 (51,78%) que, aunque no ocupan los primeros lugares en el ranking de productividad (ya que se sitúan entre los puestos 74 y el 197 delranking), se caracterizan por tener una elevada intensidad de colaboración con otros autores. El clúster con más autores ha sido el liderado por M. Valdés Chavarri, compuesto por 14 autores, seguido por los clústeres de F.J. Chorro Gascó/J. Sanchís Forés y de M.P. Anguita Sánchez/D. Mesa Rubio, integrado por 9 autores cada uno de ellos (fig. 1). Entre los clústeres conformados por 9 o más miembros, el que presenta el índice más elevado de cohesión es el de F.J. Chorro Gascó/J. Sanchís Forés (0,64), mientras que entre los clústeres conformados por 5-7 miembros destacan los de A. Medina Fernández Aceituno y J. Soler Soler, con índices de cohesión de 1 y 0,9, respectivamente (tabla 4).

Fig. 1. Clústeres uno a 3 (9 o más miembros) con una intensidad de colaboración de 6 o más coautorías.

En la tabla 5 se presentan los valores estadísticos de centralidad de los autores calculados considerando todas las coautorías identificadas, donde se puede observar que algunos autores que no ocupan los primeros puestos de ranking de productividad ejercen un destacado papel de «intermediarios» con otros autores o de «proximidad» a éstos en la red de coautorías.

En 504 trabajos (51,43%) se ha observado la presencia de algún tipo de colaboración (intrainstitucional o interinstitucional) frente a 476 trabajos (48,57%) en los que hay una ausencia de colaboración. Considerando los 473 trabajos en colaboración en los que intervienen instituciones españolas (tabla 6), se sitúa en primer lugar la colaboración intrainstitucional (40,87%), seguida muy de cerca por la colaboración interinstitucional entre instituciones de la misma comunidad autónoma (39,7%). Ya a cierta distancia se sitúa la colaboración entre instituciones de diferentes comunidades autónomas (15,41%) y la colaboración internacional (4,02%). Cabe destacar una tendencia hacia el aumento de la colaboración cuando se analiza la colaboración desglosada por años, ya que el número de trabajos en colaboración ha pasado del 43,02% en el año 2000 al 56,69% en 2005, año que presenta el índice de colaboración más elevado de todo el sexenio (tabla 6).

En la tabla 7 se presentan las 42 instituciones más productivas (> 9 trabajos) y sus patrones de colaboración interinstitucional. El ranking de productividad aparece encabezado por el Complejo Universitario La Paz (Madrid), con 50 trabajos, seguido por el Hospital General Universitario Gregorio Marañón (Madrid), con 45 trabajos. Hospitals Vall d'Hebron (Barcelona) y el Hospital Universitario Virgen de la Arrixaca (Murcia) se sitúan con 40 trabajos, la Clínica Universitaria de San Carlos (Madrid) con 39, el Hospital Clínic i Provincial de Barcelona con 34 y el Hospital Ramón y Cajal (Madrid) con 33. Otras 12 instituciones obtienen más de 20 trabajos y 23, entre 10 y 19 trabajos.

Para la formación de la red de colaboración institucional se ha aplicado un umbral de 3 o más colaboraciones, representando la mayor o menor intensidad de colaboración mediante diferentes grosores en los enlaces. En la figura 2 se recoge el núcleo principal de la red de instituciones. En relación con los estadísticos de centralidad de colaboración institucional (tabla 8), los principales agentes de la red son el Hospital Universitario La Fe (Valencia) y el Hospital de la Santa Creu i Sant Pau (Barcelona), que ocupan el primer y el segundo lugar, respectivamente, en los 3 indicadores. Otras instituciones que ocupan un papel destacado en cuanto al número de instituciones distintas con las que han colaborado (grado) son el Institut Municipal d'Investigació Mèdica (Barcelona), el Hospital Clínic i Provincial de Barcelona y el Hospital General Universitario Gregorio Marañón (Madrid), las 3 situadas también entre los primeros 10 puestos del ranking de intermediación. A continuación se sitúan el Complejo Asistencial de Salamanca, el Complejo Universitario La Paz (Madrid), el Hospital Universitario Virgen de la Arrixaca (Murcia) y el Complejo Hospitalario Universitario Juan Canalejo (A Coruña), todas ellas también con un destacado papel en el resto de indicadores.

Fig. 2. Núcleo principal de la red de colaboraciones institucionales con una intensidad de colaboración de 3 o más relaciones de colaboración.

DISCUSION

La metodología aplicada ha permitido identificar los autores e instituciones más productivos y la composición de 25 clústeres de autores de intensa colaboración en el área cardiovascular en España que han publicado sus trabajos en Revista Española de Cardiología durante el período 2000-2005, caracterizando mediante indicadores bibliométricos su actividad científica. No obstante, es importante realizar algunas observaciones en relación con el método aplicado.

1. En lo que se refiere a la cobertura de la producción científica analizada, únicamente se ha tomado en consideración para la realización del estudio Revista Española de Cardiología. Una visión exhaustiva y completa del área cardiovascular pasaría por tomar en consideración todas las revistas españolas, así como la producción científica de autores españoles en revistas extranjeras. No obstante, la metodología aplicada presenta la ventaja de que, al tratarse de un estudio efectuado a partir de una de las revistas clínicas editadas en España con mayor factor de impacto entre la comunidad científica, los resultados obtenidos representan un panorama del núcleo de mayor repercusión y calidad de la investigación en nuestro país²³.

2. Los problemas de la normalización. La importancia de la normalización de los nombres de los autores firmantes de los trabajos científicos es fundamental de cara a los estudios basados en los análisis de coautorías para evitar los errores motivados por variantes en el nombre y los apellidos de un mismo autor, o a la consideración conjunta de la producción científica de 2 o más autores distintos con los mismos nombres. Se ha tratado de evitar estos errores mediante una cuidadosa supervisión manual de las referencias bibliográficas manejadas según se ha expuesto detalladamente en el apartado Métodos.

3. El estudio de las relaciones entre trabajos científicos. Los análisis basados en las referencias y las citas bibliográficas entre trabajos científicos gozan de una larga tradición en los estudios bibliométricos²⁴. Sin embargo, los análisis de las coautorías con el objeto de construir redes de autores han sido objeto de estudio más recientemente¹² y aún no hay unos criterios uniformes para identificar comunidades o grupos de investigación dentro de las redes previamente construidas, lo que supone una dificultad de cara a la interpretación de los resultados obtenidos, especialmente en lo relativo a la comparación con estudios previos realizados mediante la aplicación de otras metodologías^18,19.

Con independencia del país o la disciplina objeto de estudio, uno de los principales fenómenos que se pueden advertir en los estudios diacrónicos sobre la colaboración científica es la tendencia al crecimiento de la cooperación entre los investigadores, medida a través del IFT²⁵. En el área de la biomedicina, un reciente estudio del número de autores firmantes por trabajo ha puesto de manifiesto que la media de autores firmantes se ha incrementado desde 4,5 en 1980 hasta 6,9 en el año 2000²⁶. En las revistas médicas españolas, el IFT ha pasado de un 3,47 a principios de la década de los ochenta a un 4,59 a principios de la década de los noventa²⁷. Considerando el área cardiovascular, en el período 1990-1993 el IFT de la producción científica española incluida en Science Citation Index se situó en 5,78¹⁹, tendencia de crecimiento que se ha mantenido hasta la actualidad, situándose en el presente estudio el IFT en 6,23. No obstante, debe tenerse en cuenta al respecto que en algunos tipos de artículos hay una limitación en el número de autores firmantes permitidos, por lo que el IFT tiende a ser más bajo.

La tendencia al incremento del número de autores firmantes por trabajo puede responder a diferentes causas, entre las que hay que destacar la complejidad e interdisciplinariedad de la práctica médica actual^28,29 y, como consecuencia, la necesidad de colaborar con equipos externos³⁰. El IFT obtenido es superior al encontrado en otras revistas, como Revista Española de Anestesiología y Reanimación (IFT = 3,1)³¹, Atención Primaria (IFT = 3,77)³², Farmacia Clínica (IFT = 3,86)³³, y en áreas como las drogodependencias (IFT = 4,1)³⁴ y el sida (IFT = 4,72)³⁵. Sin embargo, es muy similar al de Actas Urológicas Españolas (IFT = 6,1)³⁶. En relación con el número de firmas, hay que llamar la atención acerca del fenómeno de los abusos en las firmas de los trabajos científicos, que se plasma en hiperautorías que no responden a una contribución real de los firmantes en los trabajos sino a razones de índole diversa, entre las que destacan las relacionadas con el aumento del prestigio científico y la obtención de fuentes de financiación^37-39.

Para evitar los abusos en las coautorías de las publicaciones científicas han surgido diversos planteamientos e iniciativas, entre las que cabe destacar las recomendaciones del Comité Internacional de Editores de Revistas Médicas sobre quiénes deben ser los firmantes de los trabajos⁴⁰, propuesta que ha sido criticada por su excesiva rigidez e imposibilidad real de cumplimiento⁴¹ en favor de otras en las que se propone describir de forma precisa la contribución de los firmantes en los trabajos⁴² o designar a un responsable de la publicación⁴³. Escapa a los objetivos de este trabajo identificar la influencia que han podido tener estos factores en el IFT de Revista Española de Cardiología.

Paralelamente al incremento del IFT en los trabajos científicos, se constata un aumento de la productividad de los autores. Así, el 32,2% de los autores responsables de la producción científica española del área cardiovascular incluidos en el SCI en el período 1990-1993 publicó más de un trabajo¹⁹, índice que se sitúa en un 35,76% en este estudio.

La identificación de los autores más productivos y de los clústeres de autores de mayor intensidad de colaboración puede servir para la toma de decisiones, tanto a los Organismos Públicos de Investigación (OPI) como a los coordinadores de las redes a la hora de disponer de información fiable sobre los grupos de investigación consolidados y sus miembros. En este sentido, se han detectado 10 clústeres en los que alguna institución que lo compone está incluida en las RETIC. Asimismo, 2 de los coordinadores de estas redes (Soler Soler y Marrugat de la Iglesia) están entre los autores más productivos, mientras que el tercero (Bayés de Luna) no ha sido identificado en el estudio realizado porque, con la excepción de alguna contribución puntual, ha publicado la mayor parte de sus trabajos en revistas extranjeras. La existencia de numerosos clústeres indica que, a pesar de las políticas de promoción de la investigación interinstitucional y multidisciplinaria, todavía persisten numerosos grupos de investigación sin cohesión entre sí y con un reducido número de miembros, con una media de 4,48 autores para los 25 clústeres formados con un umbral de colaboración de 6 o más trabajos.

Por otra parte, si se considera un umbral de 4 o más trabajos en coautoría, el número de clústeres ascendería a 46, integrados por 278 autores con una media de 6,04 autores por clúster, y el clúster de mayor tamaño sería de 41 autores. Para un umbral de 3 o más trabajos en coautoría, el número de clústeres se sitúa en 58, con una media de 8,36 autores por clúster, y estarían vinculados entre sí de forma directa o a través de intermediarios 187 autores. En lo relativo a las instituciones, si se aumenta el umbral, sólo un número muy reducido de ellas aparece vinculada por relaciones estables de colaboración. Así, para un umbral de 3 o más trabajos en colaboración, el núcleo principal está formado por 34 instituciones, con 7 subgrupos integrados por 18 instituciones aisladas del núcleo principal, mientras que para un umbral de 4 o más trabajos en colaboración el núcleo principal está formado únicamente por 10 instituciones, con 6 subgrupos integrados por 20 instituciones aisladas del núcleo principal. Junto con el reducido número de instituciones que mantienen relaciones estables y consolidadas de colaboración interinstitucional, otro de los aspectos más significativos es el marcado carácter intrainstitucional e intrautonómico de las relaciones de cooperación, ya que entre ambas suman el 80,57% de las colaboraciones.

Las medidas de centralidad permiten identificar a los autores y las instituciones que ocupan un puesto destacado en las redes de coautorías y de colaboración institucional, sobre la base de indicadores como el número de autores y de instituciones distintas con los que han colaborado, lo que implica una mayor capacidad de acceso e intercambio de información.

Considerando para la formación de las redes únicamente los trabajos de la sección «Artículos originales», se identifican los mismos clústeres de autores y una red de colaboraciones institucionales similar, de lo que se deduce que esta sección constituye el núcleo de la revista donde publican las investigaciones que han realizado los colaboradores habituales de la revista.

CONCLUSIONES

Las conclusiones más relevantes del estudio realizado son:

1. Un 95,1% de los trabajos publicados en Revista Española de Cardiología ha sido realizado en colaboración por 2 o más autores, con índices de firmas/trabajo y de autores/trabajo similares o por encima de otras revistas y disciplinas de la biomedicina.

2. Se han identificado diversos clústeres de autores que conforman grupos consolidados que pueden considerarse el frente de investigación de la cardiología publicada en español.

3. Pese al elevado número de trabajos en coautoría (95,1%) y a las políticas de promoción de la investigación interinstitucional y multidisciplinaria, todavía persisten numerosos grupos de investigación aislados y con un reducido número de miembros.

4. A pesar de que el 51,43% de los trabajos se realizó en colaboración institucional, ésta tiene un acentuado carácter intrainstitucional e intraautonómico, aunque en el año 2005 se ha percibido un sensible aumento en el número de colaboraciones interautonómicas.

Además de los aspectos abordados en el presente trabajo, podría profundizarse en el mismo caracterizando mediante indicadores bibliométricos de productividad, repercusión e impacto la actividad científica de los grupos identificados^14,18. Dado el carácter dinámico de la ciencia y de los grupos de investigación, también sería interesante obtener una evolución temporal de estos grupos y ampliar el análisis de la actividad cardiovascular española a otras revistas, tanto nacionales como internacionales.

Véase editorial en págs. 101-3

---

Correspondencia: Dr. J.C. Valderrama Zurián.
Instituto de Historia de la Ciencia y Documentación López Piñero.
Facultad de Medicina.
Avda. Blasco Ibáñez, 15. 46010 Valencia. España.
Correo electrónico: Juan.Valderrama@uv.es

Recibido el 4 de enero de 2006.
Aceptado para su publicación el 28 de septiembre de 2006.

Bibliografía

1.Gómez I, Fernández MT, Bordons M, Morillo F. La producción científica española en Medicina en los años 1994-1999. Rev Clin Esp. 2004;204:75-88.
Medline
2.Camí J, Suñén-Piñol E, Méndez-Vásquez R. Mapa bibliométrico de España 1994-2002: biomedicina y ciencias de la salud. Med Clin (Barc). 2005;124:93-101.
3.The Institute for Scientific Information. Journal Citation Reports [accedido 16 Jun 2006]. Disponible en: http://portal.isiknowledge.com/
4.Aleixandre R, Valderrama JC, editores. Factor de impacto potencial de las revistas médicas españolas [accedido 2 Dic 2005]. Disponible en: ime.uv.es/imecitas/impacto_ime.asp.
5.Klein JT. Interdisciplinary needs: the current context. Libr Trenes. 1996;45:134-54.
6.Bordons M, Zulueta MA. La interdisciplinariedad en los grupos españoles de investigación en el área cardiovascular. Rev Esp Cardiol. 2002;55:900-12.
Medline
7.Miguel-Dasit A, Martí-Bonmati L, Aleixandre R, Sanfeliu P, Valderrama JC. Producción española sobre diagnóstico por la imagen en cardiología y radiología (1994-1998). Rev Esp Cardiol. 2004;57:806-14.
Medline
8.Boletín Oficial del Estado. ORDEN de 7 de noviembre, por la que se establecen las bases y se hace pública la convocatoria de concesión de ayudas para la realización de proyectos de investigación en el marco de algunos Programas Nacionales del Plan Nacional de Investigación Científica, Desarrollo e Innovación Tecnológica 2004-2007. BOE n.º 270, de 11 de noviembre de 2003. p. 39844-88.
9.Ministerio de Sanidad y Consumo. Instituto de Salud Carlos III. Redes Temáticas de Investigación Cooperativa Sanitaria [accedido 30 Nov 2005]. Disponible en: www.retics.net.
10.Boletín Oficial del Estado. Orden de 22 de marzo, por la que se convoca la concesión de ayudas para el desarrollo de Redes Temáticas de Investigación Cooperativa. BOE n.º 80, de 3 de abril de 2002. p. 12742-6.
11.Ministerio de Sanidad y Consumo. Instituto de Salud Carlos III. Subdirección General de Redes y Centros de Investigación cooperativa. Centro de investigación biomédica en red Ciber [accedido 30 Nov 2005]. Disponible en: www.isciii.es/htdocs/redes/ciber.jsp.
12.Newman MEJ. Coauthorship networks and patterns of scientific collaboration. Proc Natl Acad Sci USA. 2004;101:5200-5.
Medline
13.Barabásis AL, Jeong H, Néda Z, Ravasz E, Dchubert A, Vicsek T. Evolution of the social network of scientific collaborations. arXiv:condmat/0104152 10 abril 2001 (última revision 16/9/2005) [accedido 30 Nov 2005]. Disponible en: arxiv.org/PS_cache/cond-mat/pdf/0104/0104162.pdf.
14.Van Raan AFJ. Evaluación de la excelencia científica de programas de investigación: un punto primordial en la toma de decisiones. The IPTS Report 1999; 40 [accedido 24 Nov 2005]. Disponible en: www.jrc.es/home/report/spanish/articles/vol40/RTD5S406.htm.
15.Ministerio de Sanidad y Consumo. Centros y Servicios del Sistema Nacional de Salud [accedido 8 Feb 2006]. Disponible en: http://www.msc.es/ciudadanos/prestaciones/centrosServiciosSNS/home.htm.
16.Ministerio de Educación y Ciencia. Registro Nacional de Universidades, Centros y Enseñanzas [accedido 8 Feb 2006]. Disponible en: http://www.mec.es/educa/jsp/plantilla.jsp?area=ccuniv&id=802.
17.Álvarez C, Serna M, Díaz J. Modelos de grafos para la web. En: Martinón A, editor. Las matemáticas del siglo xx: una mirada en 101 artículos. Madrid: Nívola; 2000. p. 477-80.
18.Camí J, Suñén E, Méndez-Vázquez R. Caracterización bibliométrica de grupos de investigación biomédica en España [accedido 23 Nov 2005]. Disponible en: www.isciii.es/paginas/fis/mapa/index.htm.
19.Zulueta MA, Cabrero A, Bordons M. Identificación y estudio de grupos de investigación a través de indicadores bibliométricos. Rev Esp Doc Cient. 1999;22:333-47.
20.Sanz Menénez L. Análisis de redes sociales: o cómo representar las estructuras sociales subyacentes. Apuntes de Ciencia y Tecnología. 2003;7:21-9.
21.Universidad Complutense de Madrid. TextToPajek [accedido 20 Sept 2005]. Disponible en: http://www.ucm.es/info/pecar/Software.htm#textopajek.
22.PAJEK: Program for large network analysis [accedido 20 Sept 2005]. Disponible en: http://vlado.fmf.uni-lj.si/pub/networks/pajek.
23.Aleixandre R, Valderrama JC, Castellano M, Miguel-Dasit A, Simó R, Navarro C. Factor de impacto nacional e internacional de Revista Española de Cardiología. Rev Esp Cardiol. 2004;57:1241-4.
Medline
24.Price DJS. Networks of scientific papers. Science. 1965;149:510-5.
Medline
25.Bordons M, Gómez I. Collaboration networks in science. En: Cronin B, Atkins HB, editors. The web of Knowledge: a festschrift in honor of Eugene Garfield. Medford: Information Today; 2000. p. 197-213.
26.Weeks WB, Wallace AE, Kimberly BCS. Changes in authorship patterns in prestigious US medical journals. Soc Sci Med. 2004;59:1949-54.
Medline
27.Agulló A, Aleixandre R. Evolución del índice de colaboración de los artículos médicos españoles en la presente centuria. Pap Med. 1999;8:16-20.
28.Bhopal R, Rankin J, McColl E, Thomas L, Kaner E, Stacy R, et al. The vexing question of authorship: views of researchers in a british medical faculty. BMJ. 1997;314:1009-12.
Medline
29.Scott T. Changing authorship system may be counterproductive. BMJ. 1997;315:744.
Medline
30.Cunningham SJ, Dillon SM. Authorship patterns in information systems. Scientometrics. 1997;39:19-27.
31.Guardiola E, Baños JE. Difusión internacional de la investigación española en algología. Análisis del período 1981-1990. Rev Esp Anestesiol Reanim. 1993;40:191-5.
Medline
32.Aleixandre R, Porcel A, Agulló A, Marset S, Abad F. Diez años de la revista Atención Primaria (1984-1993). Análisis bibliométrico y temático. Aten Primaria. 1996;17:225-30.
Medline
33.López-Briz E, Martí-Bonmatí E, Cervera P, Barreda A, Guevara J, Blasco I. La farmacia hospitalaria en España vista a través de tres revistas de la especialidad. Farm Clin. 1990;7:560-70.
34.Valderrama JC. Estudio bibliométrico de las publicaciones españolas sobre Drogodependencias en Medicina (1989-1994). Valencia: Universitat de València; 2000.
35.Guerra L, Parras F, Jaén P, Aleixandre R, Valderrama JC. Investigación española sobre VIH/SIDA. Madrid: Ministerio de Sanidad y Consumo; 1996.
36.Fariña LA. El número de autores en Actas Urológicas Españolas. Actas Urol Esp. 1996;20:194-8.
Medline
37.Fenning TM. Fraud offers big rewards for relatively little risk. Nature. 2004;427:393.
Medline
38.Relman AS. Responsabilities of authorship: where does the buck stop? N Engl J Med. 1984;310:1048-9.
39.Rennie D. Guarding the guardians: a conference on editorial peer review. JAMA. 1986;256:2391-2.
Medline
40.Comité Internacional de Editores de Revistas Médicas. Requisitos de uniformidad para los manuscritos enviados a revistas biomédicas: escritura y proceso editorial para la publicación de trabajos biomédicos. Rev Esp Cardiol. 2004;57:538-56.
Medline
41.Smith R. Should the criteria for autorship of scientific papers be changed? Yes: It is time to abandon autorship. CBE Views. 1997;10:133-4.
42.Horton R. The signature of responsibility. Lancet. 1997;350:5-6.
Medline
43.Smith R. Authorship is dying: long live contributorship. BMJ. 1997;315:696.
Medline

Centralidad de redes en una comunidad de pacientes

La dinámica de una comunidad de pacientes de Twitter - Análisis de Centralidad de Red
Audun Utengen, MBA
Symplur




En nuestro post anterior vimos el crecimiento de conversaciones centradas en el paciente en Twitter identificadas visualmente en nuestra base de datos de atención médica como los nodos verdes. Esta vez, vamos a hacer un zoom sobre una de estos nodos verdes para tomar una mirada más cercana a la naturaleza dinámica de estas comunidades.

Lo que va a ver en el vídeo a continuación es un análisis de centralidad red dinámica de las conversaciones dentro de la comunidad #rheum durante el mes de agosto de este año. Durante los primeros segundos podrás ver las conversaciones de toda la mes todos juntos, que le da una visión rápida de lo vasto, complejo y hermoso estas comunidades son.

Después de este vistazo podrás ver todas las conversaciones de forma dinámica con el tiempo a medida que ocurren. En el video, uno segundo representa alrededor de seis horas. Un nodo de color rosa representa un miembro de esta comunidad, ya que están participando en las conversaciones o los arrastran al las conversaciones por que se hace referencia o mencionadas. Cuanto mayor sea el nodo, el que el miembro más central o influyente es a esta comunidad. Un vínculo verde entre dos nodos de color rosa significa una conversación, una interacción directa entre los dos a medida que ocurren. Cuanto más grueso es el enlace, más fuerte es la conversación o la interacción entre ellos está.

Una comunidad, muchas conversaciones - aprender de análisis centralidad red

Al igual que muchas otras comunidades de la vida real, no puede haber muchos miembros y participantes, pero en un período de tiempo dado, algunos son más centrales que otros. Usted puede llamar influyentes, instigadores, líderes pensado tal vez incluso, o simplemente pasar a ser parte del tema para el día.

Varias de estas personas se pueden identificar en este visual, y uno de los principales individuos de esta duración es claramenterawarrior (Kelly Young). Kelly es una persona increíble, un ePatient, y un moderador de la maravillosa artritis reumatoide / enfermedad autoinmune reumatoide pío #rheum semanal de chat.

Otro nombre familiar se presenta con una gran intensidad, pero sólo por un corto tiempo. Como sucedió,mayoclinic (Clínica Mayo) publicó los resultados de un estudio de investigación relevantes para la comunidad #rheum durante este mes. A partir del análisis centralidad red se puede ver cómomayoclinic se tira en la conversación por un gran número de personas. Curiosamente, se puede observar que esas mismas personas no son los "regulares" de la comunidad #rheum. Un simple análisis de clúster probablemente identificar varias subculturas dentro de esta comunidad, el "mayo" -grupo es uno de ellos.

La creación de significado y estructura dentro del ruido

Hemos planteado la cuestión en nuestro post anterior: ¿por qué los pacientes quieren usar Twitter - una red social carente de privacidad? Aunque el análisis de centralidad de la red registrada en este video es pura matemática y los números, todavía podemos observar como dinámica, orgánica y real de las interacciones estamos en esta comunidad.

De todas las diferentes opciones en la comunidad de pacientes en línea, no tiene Twitter ciertos atributos que mejor se asemejan a algunas comunidades del mundo real? Tal vez se podría sugerir que muchos se sienten atraídos por el "-timeness real" de Twitter como una plataforma de publicación y comunicación (libro <Diario <Article <Blog <Tweet). También podríamos sugerir que Twitter tiene rasgos fuertes "orgánicos". Twitter es en cierto sentido una locura no estructurada. Pero al igual que en el caos de la vida real, la gente crea significado y estructura dentro del ruido. Las reglas son pocas y están hechas a medida que avanza. Comunidades se crean en un impulso del momento. Algunos último, otros se desvanecen.

¿Qué más podemos aprender acerca de los miembros de estas comunidades? En nuestro próximo post, vamos a ver más de cerca a los participantes de una de estas Twitter comunidades centradas en el paciente, tratando de reducir parte de la complejidad de este análisis centralidad de la red con una mayor segmentación.

Emerge el grafo comercial

El ascenso de los grafos sociales para los negocios
Sangeet Paul Choudary - Harvard Business Review


Si usted es un usuario de las redes sociales con experiencia, entonces ya ha descubierto que el conocimiento de una herramienta como Facebook es capaz de reunir acerca de sus conexiones sociales no sólo es valioso para usted. Para usted, la capacidad de Facebook para representar a su red de amigos y la variable fortaleza de esas relaciones es compatible con todo tu intercambio de información mutua. Para otros - terceros - este "grafo social" hace que sea posible hacer recomendaciones personalizadas a usted, y todos los demás. Por ejemplo, TripAdvisor aprovecha grafo social de Facebook para garantizar que, cuando usted está buscando comentarios sobre hoteles, restaurantes, etc., cualquier comentarios publicados por gente que conoces aparecerá en la parte superior.

Para las empresas de redes sociales, no tardaron en darse cuenta de que la última forma de creación de valor debe ser el foco real de sus modelos de negocio. Las primeras empresas como MySpace se centraron principalmente en la actividad social entre sus titulares de cuentas, trabajando para proporcionar mejores herramientas para ayudarles a gestionar sus relaciones. Las redes sociales de hoy en día ver las herramientas sociales no como su producto final, sino como un medio para la adquisición de datos. Facebook, en particular, vio la gran oportunidad en el "escape de la información" producido por toda la actividad que generaba el usuario para producir una capa de inteligencia de más alto nivel que podrían ser útiles para otros negocios. Habiendo graficado las relaciones e interacciones de sus usuarios, que podría ofrecer cualquier persona interesada en los usuarios el conocimiento para llegar a ellos con servicios altamente orientados.

Digamos, sin embargo, que usted es un negocio que le gustaría ver ese tipo de grafo social de interacciones entre las empresas y no sólo a las personas - tal vez porque usted vende a los clientes de otros negocios, o tal vez a causa de su necesidad de tratar con los proveedores. Todas las empresas operan dentro de sus propias redes de proveedores, socios, clientes, competidores y otras entidades - el término favorecido en estos días es hablar de sus ¿No que sea un espacio valioso para mapear "ecosistemas".?

Este es el siguiente paso en la evolución de la grafo social - llamémosla el surgimiento de la "grafo comercial" - y está sucediendo ahora. Los grafos comerciales representan las relaciones entre las empresas, en función de sus interacciones reales a medida que se capturan digitalmente. Y apoyan el intercambio de información muy relevante, de forma análoga al ejemplo TripAdvisor arriba. Los grafos comerciales ayudarán a las empresas a gestionar sus propias relaciones de asociatividad mejor, y también ayudar a terceros a los ecosistemas a comprender y detectar formas de hacer ofertas dirigidas a aquellos dentro de ellos.

Por supuesto, las empresas ya utilizan los proveedores y gestión de relaciones con los clientes herramientas para gestionar sus relaciones comerciales. Podríamos ver esto como algo análogo a la era de las redes sociales MySpace. Las herramientas ayudan a las empresas a gestionar sus interacciones individuales, pero no generan una capa superior de inteligencia para ayudar con el desarrollo de nuevos negocios o nuevo descubrimiento proveedor. No ofrecen visibilidad en las conexiones de otra empresa con otros negocios, o su reputación en base a una trayectoria en el trato con los demás. Mediante la adición de este nuevo nivel de visión, los grafos comerciales permitirán a las empresas conectarse mucho más eficiente.

Los grafos comerciales muestran visualmente tres cosas: las empresas en un ecosistema, las relaciones entre ellos, y la reputación que se han ganado a través de sus relaciones mutuas. Al igual que con los grafos sociales, la representación de la naturaleza y la fuerza de las relaciones entre las empresas se basa en datos reales de interacción. A diferencia de un grafo social, una empresa no tiene que optar explícitamente a unirse a una red para que pueda ser incluido en un grafo comercial. En cambio, sus conexiones con otros a menudo se pueden derivar de las interacciones grabadas por otras empresas.



La capacidad del grafo comercial para representar la reputación ganada de cada parte es su principal fuente de valor. La puntuación de reputación de una empresa se basa en su rendimiento a través de múltiples relaciones de negocios. Piense en TripAdvisor y Yelp, los cuales han reunido por ahora la entrada en tantas experiencias diferentes con un hotel determinado o restaurante que puedan presentar puntuaciones de reputación, y de hecho generar una capa reputación entera para hoteles y restaurantes. Es importante destacar, sin embargo, los grafos comerciales no dependen de que explícitamente (y subjetiva) las opiniones presentadas a través del mecanismo social. En su lugar, se basan en indicadores implícitos de calidad y rendimiento, que se pueden observar con objetividad en las interacciones de negocios entre empresas, y consistentemente ponderan en el marcador. Experiencias Universalmente le disgustan tales como cambio lento, retraso en la entrega, o el incumplimiento de pagos en coche puntuaciones de reputación inferiores.

Cuando se hace la agregación a través de una industria, estos datos se suman a los grafos comerciales que pueden ayudar a las empresas a evaluar el desempeño de sus relaciones comerciales vis a vis promedios de la industria. Ellos ayudan a los administradores a identificar nuevos socios y suministradores que puedan superar a los actuales. Y ayudan a las empresas comparar sus resultados con respecto a sus compañeros.

Pasemos ahora a la oportunidad que esto representa para el primer desarrollador del grafo comercial - el equivalente de Facebook - para una determinada industria. Ese negocio se convierte en un proveedor de la plataforma de gran alcance, y establece una ventaja fuerte, sostenible. Sí, el software puede ser fácilmente replicado, y una mejor experiencia de usuario y la portabilidad de datos fácil potencialmente puede tirar de los usuarios de distancia a un nuevo proveedor de la plataforma. Pero con la creación de un grafo comercial, los efectos de red de gran alcance patada en. Debido a que el valor de la herramienta se levanta para todos, con cada entrada de un nuevo participante, existe un interés común en que convergen en una plataforma en lugar de permitir dos a coexistir.

Así vemos los distintos proveedores de software que ya proporcionan las herramientas para gestionar las interacciones de negocios (como la contratación y facturación) se mueve rápidamente para capitalizar esta oportunidad. Empresas como Tradeshift, Procurify y SPS Commerce ya capturar los datos de interacción a través de sus herramientas de gestión de flujo de trabajo. Al igual que Facebook, que están reconociendo que el software no es el producto final, y en lugar de verlo como un medio para la adquisición de los datos para producir grafos comerciales valiosas.

Estos software como servicio (SaaS) de los proveedores están encendiendo los primeros ejemplos de la grafo comercial hoy. Pero no son los únicos ojeando esta nueva oportunidad. El Sales Navigator de LinkedIn muestra la intención de la empresa de ir más allá de la conexión de los profesionales a las empresas que conectan. Los emprendimiento de pago, como Square y nuevas empresas de gestión de flujo de caja como Pulse App también capturan datos de transacciones que puede ayudarles a trazar grafos comerciales para las pequeñas empresas.

Seguir viendo este espacio. En un mundo donde el comercio fluye en las redes, y la gente de negocios a idear estrategias cada vez más con la vista puesta en sus ecosistemas más amplios, el aumento de los grafos comerciales será rápida. Los necesitamos para crear la capa de inteligencia para las interacciones de mercado más eficientes y relaciones comerciales sanas.

Evolución de la coautoría en las presentaciones de la Reunión Anual de la AAEP

Evolución del número de autores implicados en coautorías


Trabajos presentados en la Reunión Anual de la Asociación Argentina de Economía Política de Argentina desde 1964 hasta 2014. Todas las publicaciones acumuladas agrupados por afiliación académica o laboral (primaria).



La crecimiento del número de economistas que escriben junto a colegas es muy marcada sobre todo en los últimos años. En la década del 60 de hecho hubo varias ediciones sin trabajos coautorados.



Hay mucha interacción entre universidades privadas, estatales y otros entes. Las principales centralidades de intemediación (Fernando Navajas), autovector (Leonardo Gasparini) y Pagerank (Walter Sosa Escudero) se hallan uno en cada grupo.