Publication:
Explorando la investigación universitaria a través del modelo LDA: un enfoque en la identificación de temas y patrones en artículos científicos

Thumbnail Image
Files

Files

Primary Trabajo_de_Grado_Juan_Daniel_Triana_Manjarres.pdf (5.59 MB)
 Anexo 1 - Autorización de publicación.pdf (591.91 KB)
View Statistics
Reference Managers
Mendeley
Indexers
Google Scholar CORE
QR Code
QR Code
Authors

Authors

Triana Manjarrés, Juan Daniel
Abstract (Spanish)
El presente trabajo de investigación se centra en analizar la alineación de las publicaciones científicas de la Escuela Colombiana de Ingeniería Julio Garavito con respecto a las publicaciones indexadas en Scopus, un importante repositorio de literatura científica. El objetivo es determinar si las investigaciones realizadas por la Escuela Colombiana de Ingeniería Julio Garavito están en consonancia con los estándares y temas de interés reconocidos nacionalmente en el campo de la ingeniería. El enfoque metodológico integral abarca varias etapas. En primer lugar, se lleva a cabo un proceso de extracción de datos utilizando técnicas de web scraping para recopilar información detallada sobre las publicaciones científicas de la Escuela Colombiana de Ingeniería Julio Garavito y Scopus. Posteriormente, se realiza un preprocesamiento de texto que incluye la lematización, eliminación de stopwords y, en los casos pertinentes, traducción de los textos al inglés. Una vez preparados los datos, se procede a aplicar un modelo de Análisis de Tópicos utilizando LDA (Latent Dirichlet Allocation) para identificar los temas principales abordados en las publicaciones. Los resultados obtenidos se comparan con las categorías y tópicos relevantes en Scopus utilizando métricas de similitud y perplejidad, con el fin de evaluar la congruencia entre ambas fuentes de información. Los hallazgos de este estudio proporcionarán una comparativa sobre la alineación de las investigaciones realizadas por la Universidad Escuela Colombiana de Ingeniería Julio Garavito con los estándares de investigación en el campo de la ingeniería.
Abstract (English)
This research focuses on analyzing the alignment of scientific publications from Escuela Colombiana de Ingeniería Julio Garavito with those indexed in Scopus, a significant repository of scientific literature. The objective is to determine if the research conducted by Escuela Colombiana de Ingeniería Julio Garavito is in line with nationally recognized standards and topics of interest in the field of engineering.
Director

Advisors/Directors

Pineda Rios, Wilmer Dario
Gomez Lamus, Ana María
Extent
54 páginas
URI: https://repositorio.escuelaing.edu.co/handle/001/3290
Collections

Collections

GE - Trabajos de Grado Maestría en Ciencia de Datos
References

L. J. Alvarado Peña, R. A. Sauceda, E. A. Guerrero, and A. E. Sánchez. Realidad y perspectivas de los centros de investigación universitarios en América Latina ante el COVID-19. Telos, 23(2):435–449, 2021. A. K. Ambalavanan and M. V. Devarakonda. Using the contextual language model BERT for multi-criteria classification of scientific articles. Journal of Biomedical Informatics, 112:103578, 2020. M. Aria and C. Cuccurullo. bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4):959–975, 2017. C. B. Asmussen and C. Møller. Smart literature review: A practical topic modelling approach to exploratory literature review. Journal of Big Data, 6(1):1–18, 2019. Facundo Betteo. Distribución dirichlet como prior de multinomial. Recuperado de https://fbetteo.netlify.app/2020/07/disitrbucion-dirichlet-como-prior-de-mulitnomial/, 2020. Fecha de acceso: 23 de enero de 2024. D. M. Blei, A. Y. Ng, and M. I. Jordan. Latent dirichlet allocation. Journal of Machine Learning Research, pages 993–1022, 2003. M. Cabrera and I. Saraiva. Principales problemáticas de las publicaciones científicas: un análisis en perspectiva latinoamericana. Revista e-Ciencias de la Información, 12(1):188–210, 2022. Scott Deerwester, Susan T. Dumais, George W. Furnas, Thomas K. Landauer, and Richard Harshman. Indexing by latent semantic analysis. Journal of the American Society for Information Science, 41(6):391–407, 1990. Paul DiMaggio, Manish Nag, and David Blei. Exploiting affinities between topic modelling and the sociological perspective on culture: Application to newspaper coverage of U.S. government arts funding. Poetics, 41(6):570–606, 2013. Topic Models and the Cultural Sciences. R. Egger, M. Kroner, and A. Stöckl. Web scraping. In R. Egger, editor, Applied Data Science in Tourism, pages 67–82. Springer, 2022. M. Farrow. MAS3301 Bayesian Statistics. School of Mathematics and Statistics, Newcastle University, 2008–2009. Semester 2. Emilio Ferrara, Pasquale De Meo, Giacomo Fiumara, and Robert Baumgartner. Web data extraction, applications and techniques: A survey. Knowledge-Based Systems, 70:301–323, 2014. M. C. Giraldo, W. L. Castañeda, and M. L. Morales. Producción científica sobre el proceso de transferencia de conocimiento y tecnología en universidades: un análisis bibliométrico. Revista Virtual Universidad Católica del Norte, (63):277–311, 2021. J. L. González, A. R. Castro, M. L. Mesa, and C. J. Maya. Producción científica en América Latina y el Caribe en el período 1996-2019. Revista Cubana de Medicina Militar, 2020. Carlos Julio Grisales Aguirre, Andrés Mauricio Figueroa Vallejo. Modelado de tópicos aplicado al análisis del papel del aprendizaje automático en revisiones sistemáticas. Revista de Investigación, Desarrollo e Innovación, 12(2) –xx, July/Dec. 2022. L. Hammoe. Detección de tópicos: Utilizando el modelo LDA. Obtenido de ITBA: https://ri.itba.edu.ar/server/api/core/bitstreams/162467b1-60d4-4e95-bc21-29f526830652/content, 2018. S. Han and C. K. Anderson. Web scraping for hospitality research: Overview, opportunities, and implications. Cornell Hospitality Quarterly, 62:89–104, 2021. Thomas Hofmann. Probabilistic latent semantic indexing. In Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, pages 50–57, Berkeley, August 15–19, 1999. ACM. H. Jelodar, Y. Wang, C. Yuan, X. Feng, X. Jiang, Y. Li, and L. Zhao. Latent dirichlet allocation (LDA) and topic modeling: Models, applications, a survey. Multimedia Tools and Applications, pages 15169–15211, 2017. S. Kapadia. Topic modeling in python: Latent dirichlet allocation (LDA). Towards Data Science, April 14, 2019. P. Kherwa and P. Bansal. Topic modeling: A comprehensive review. ICST Transactions on Scalable Information Systems, 7(24), 2018. Diego Kozlowski, Viktoriya Semeshenko, and Andrea Molinari. Latent dirichlet allocation model for world trade analysis. PLOS ONE, 16(2) , February 2021. Leonard Richardson and Jonathan X. Stark. Beautiful Soup. https://www.crummy.com/software/BeautifulSoup/, 2022. [Online; accessed 10-May-2024]. Jhohan Julian Sanabria De Luque. Sector privado y libre competencias: Implicaciones jurídicas del web scraping, 2021. J. Marroquín Arreola and H. Rios Bolivar. Inversión en investigación y crecimiento económico: un análisis empírico desde la perspectiva de los modelos de I+D. Investigación Económica, LXXI(282):15–33, 2012. N. Narayani, P. Kumar, and D. Kumar. Web scraping & automation bot using python: Using python to automate all the tasks. IEEE Xplore, Marzo 28, 2022. Harshit Nigam and Prantik Biswas. Web scraping: From tools to related legislation and implementation using python. In Jennifer S. Raj, Abdullah M. Iliyasu, Robert Bestak, and Zubair A. Baig, editors, Innovative Data Communication Technologies and Application, pages 149–164, Singapore, 2021. Springer Singapore. Adedoyin Tolulope Oyewole, Omotayo Bukola Adeoye, Wilhelmina Afua Addy, Chinwe Chinazo Okoye, Onyeka Chrisanctus Ofodile, and Chinonye Esther Ugochukwu. Automating financial reporting with natural language processing: A review and case analysis. World Journal of Advanced Research and Reviews, 21(03):575–589, 2024. Publication history: Received on 19 January 2024; revised on 29 February 2024; accepted on 02 March 2024. Radim Rehurek. Gensim: LDA model. Recuperado de https://radimrehurek.com/gensim/models/ldamodel.html. Fecha de acceso: 01 de febrero de 2024. M. A. Rubiano. Análisis de temas utilizando twitter: Una aplicación del modelo LDA al caso colombiano. Facultad de Estadística, Universidad Santo Tomás, pages 1–80, 2022. Gerard Salton and Michael J. McGill. Introduction to Modern Information Retrieval. McGraw-Hill Book Co., 1983. Selenium Contributors. Selenium. https://www.selenium.dev/, 2022. [Online; accessed 10-May-2024]. UNESCO. UNESCO Science Report: the race against time for smarter development. United Nations Educational, Paris, 2021. Universidad Javeriana. Inversión en Investigación y Desarrollo (I+D): evidencia a través de las patentes. Laboratorio de Economía de la Educación, Bogotá, 2022. M. Wasserman. Sobre la importancia de investigar en Colombia, un país subdesarrollado. Diálogos Globales de la Exposición, 2000.