nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
Hoy en día, un factor relevante para determinar la relevancia de una universidad radica en la producción científica que esta genera (Leahey, 2016). Este atributo comúnmente se mide con base en el número de publicaciones que producen los investigadores de forma individual o grupal, pero también pueden intervenir otros atributos como dónde se publica, el número de autores y el número de citas, entre otros (Menéndez, Guerrero, Castellanos y Zurita, 2020). Comúnmente, este proceso está asociado a uno o más repositorios digitales: depósitos de archivos digitales que tienen diferentes clasificaciones y pueden ser accedidos, difundidos y preservados (Texier, De Giusti, Oviedo, Villarreal y Lira, 2012).
Normalmente, el análisis de las publicaciones de los investigadores se realiza de manera manual. Se consideran los resultados obtenidos del mecanismo de búsqueda que ofrece el repositorio, el cual conserva almacenados los metadatos para cada publicación conforme a un formato estándar de descripción (Chuttur, 2014). Esto conlleva la posibilidad de cometer errores en la captura de información para la búsqueda, en la selección de los productos científicos o al interpretar los resultados (Cechinel, Sánchez y Sicilia, 2009). Dicho margen de error puede influir en la caracterización de la producción de los investigadores.
En este sentido, las técnicas de extracción de conocimiento, específicamente la minería de datos, pueden resultar relevantes para identificar los comportamientos de los investigadores asociados a una institución. Es así como el objetivo de esta investigación fue analizar la producción científica de los académicos de una institución utilizando algoritmos de minería de datos con la finalidad de identificar los patrones y tendencias de sus actividades de investigación.
Como caso de estudio se utilizó la producción científica de los académicos de la Universidad Autónoma de Yucatán (UADY), una importante institución pública del sureste de México. En suma, se emprendió una búsqueda de nueva información que normalmente no podría ser obtenida en un análisis realizado de forma manual.
Estado del conocimiento
Producción científica y repositorios
Algo que caracteriza a la ciencia contemporánea es la constante colaboración entre científicos en proyectos multidisciplinarios y transdisciplinarios (González y Gómez, 2014). Sin duda se trata de una ventaja para analizar conceptos y concebir otros. Huelga decir que este grupo de personas conforma lo que se conoce como comunidad científica. De igual modo, existen diferentes grupos de investigadores en universidades que comparten intereses y realizan actividades colaborativas y a los cuales se les conoce como cuerpos académicos o grupos de investigación. Dichas comunidades y cuerpos (al igual que los investigadores individualmente) generan diversos tipos de productos científicos: artículos de revista, libros, ponencias, entre otros, y pueden ser analizados desde distintas perspectivas (Guerrero, Menéndez, Castellanos y Curi, 2019).
Esta producción se suele encontrar en uno o varios repositorios digitales propiedad de la institución donde el investigador se encuentra adscrito (Guerrero, Menéndez y Castellanos, 2018). En México existe el Repositorio Nacional (https://www.repositorionacionalcti.mx/), el cual se define como una plataforma digital encargada de proporcionar acceso abierto a una amplia variedad de recursos de información de tipo académica, científica y tecnológica generada en México (Consejo Nacional de Ciencia y Tecnología [Conacyt], 2017). Este repositorio integra los repositorios institucionales (plataformas digitales de instituciones pertenecientes a los sectores social, privado y gubernamental) y sus respectivos autores.
A nivel internacional, Scopus es una de las mayores bases de datos de citas y resúmenes de literatura científica revisada por pares: revistas científicas, libros y actas de conferencias (Elsevier, 2020). Cuenta con más de 70 millones de recursos, 70 000 perfiles de instituciones y 16 millones de perfiles de autores (Elsevier, 2019). Ofrece un exhaustivo resumen de los resultados de la investigación mundial en diversos campos de la ciencia, por lo que numerosas instituciones y organizaciones lo utilizan para conocer a través de sus indicadores la productividad de sus integrantes.
Scopus ha logrado reconocimiento debido a que integra en sus índices de revistas un importante número de títulos correspondientes a países en vías de desarrollo, combinando tanto las revistas de alcance internacional como regional y local (Luna, Luna y Luna, 2018).
La calidad del investigador en México
El Sistema Nacional de Investigadores (SNI) fue creado para reconocer los diversos trabajos hechos por personas dedicadas al ámbito científico y tecnológico en México (Conacyt, 2019). El SNI presenta tres distinciones que un miembro puede obtener (Conacyt, 27 de enero de 2017).
Candidato a Investigador Nacional. Tiene productos y publicaciones en los ámbitos científicos o tecnológicos.
Investigador Nacional. Se divide en tres niveles:
Nivel 1. Tiene productos científicos o tecnológicos de calidad, dirige tesis de licenciatura o posgrado, o imparte asignaturas, y participa en otras actividades docentes.
Nivel 2. Además de lo necesario para pertenecer al nivel I, colabora con otros investigadores en productos originales y de calidad para evidenciar alguna línea de investigación, así como dirige tesis de posgrado y forma recursos humanos.
Nivel 3. Además de lo necesario para pertenecer al nivel II, tiene investigación que cause impacto en la actualidad, realiza actividades de liderazgo nacional en ciencia y tecnología, y tiene reconocimientos nacionales e internacionales por su labor.
Investigador Nacional Emérito. Para pertenecer a esta distinción, es necesario que al cierre de la convocatoria el candidato tenga 65 años, por lo menos 15 años adscrito al SNI y tres evaluaciones ininterrumpidas obteniendo la distinción Investigador Nacional nivel 3.
Cada aspirante debe cumplir con los lineamientos establecidos por el sistema, además de contar con el grado de doctor.
Por otra parte, el Programa para el Desarrollo Profesional Docente para el Tipo Superior (Prodep) pretende profesionalizar a los profesores de tiempo completo (PTC) en México para que formen cuerpos académicos y realicen actividades de docencia, investigación y desarrollo de la tecnología e innovación haciendo uso de la responsabilidad social (Dirección General de Educación Superior Universitaria e Intercultural [DGESUI], 2014). El perfil Prodep se otorga a aquellos académicos con posgrado que realizan investigación además de docencia y tutoría.
El Prodep también considera la conformación de grupos de investigación, denominados cuerpos académicos, y los clasifica en tres grupos (Programa de Mejoramiento del Profesorado [Promep], 2020). Las características que se presentan a continuación corresponden a las universidades estatales y afines, debido a que el caso de estudio se aplica con cuerpos académicos de una universidad perteneciente a ese grupo.
Cuerpo académico en formación (CAEF). Son cuerpos académicos que nacen a partir de una o más líneas de investigación y se encuentran en una etapa temprana. Sus características son: 1) los integrantes están identificados, 2) al menos la mitad de sus integrantes cuentan con el perfil Prodep, 3) tienen definidas las líneas de generación o aplicación del conocimiento que cultivarán y 4) tienen identificados los cuerpos académicos afines al que proponen y de alto nivel para establecer contacto.
Cuerpo académico en consolidación (CAEC). Es el nivel intermedio en el que se puede clasificar un cuerpo académico. Se caracteriza por: 1) más de la mitad de sus integrantes cuentan con doctorado, 2) cuentan con productos académicos de calidad derivados de las líneas de investigación consolidadas, 3) al menos la tercera parte de sus integrantes cuentan con el perfil Prodep, 4) participan de forma conjunta en líneas de investigación o aplicación del conocimiento, 5) amplia experiencia en docencia y en formación de recursos humanos y 6) colaboran con otros cuerpos académicos.
Cuerpo académico consolidado (CAC). Es el nivel máximo que puede alcanzar un cuerpo académico. Sus características son: 1) la mayoría de sus integrantes cuenta doctorado, 2) amplia experiencia docente, 3) la mayoría de sus integrantes cuentan perfil Prodep, 4) colaboración y producción científica y académica, 5) participan en congresos, seminarios, mesas, talleres, etcétera, de forma regular y frecuente y 6) intensa participación en redes de intercambio académico.
En resumen, las instancias mexicanas expuestas, el SNI y el Prodep, son opciones que los investigadores mexicanos tienen para conseguir una distinción por su labor y que su investigación sea aprovechada por la comunidad en general. Cada instancia cuenta con sus propios indicadores o lineamientos para determinar la calidad del académico y es necesario que sean específicos y objetivos para que todo aquel que aspire a una distinción conozca si cumple con lo mínimo necesario, basándose, en parte, en la calidad de sus investigaciones científicas.
Minería de datos
La minería de datos es un campo de la estadística y las ciencias de la computación. A través de diversas técnicas, se extrae información de una base de datos para generar conocimiento, el cual puede ser expresado a través de conceptos, reglas, leyes, patrones, entre otros (Romero y Ventura, 2020).
La minería de datos es un tema que implica el aprendizaje práctico, no tanto teórico (Witten, Frank y Hall, 2011); busca técnicas para encontrar y describir patrones estructurales en los datos. Es una herramienta para ayudar a explicar dichos datos y hacer predicciones de ellos. De acuerdo con Romero y Ventura (2006), existen tres técnicas básicas para descubrir patrones y conocimiento:
Clasificación. Consiste en determinar nuevos patrones con base en un conjunto de datos previamente identificados. Algunos de los algoritmos más usados para esta técnica son: ID3, J48, C4.5, Naive Bayes, algoritmos evolutivos, entre otros.
Agrupamiento. Su objetivo principal es concentrar datos que tienen características similares. Para ello, se analizan los datos almacenados en la base de datos, y de acuerdo con reglas de clasificación, se genera una colección de recursos agrupados en clases. Algunos de los algoritmos más representativos son: Single-link, Complete-link, SimpleKMeans, Kmedia, entre otros.
Asociación. Su objetivo principal es establecer reglas que asocien los valores de atributos diferentes de una misma base de datos. La asociación y la correlación son usados para la búsqueda de un ítem frecuente de entre una gran cantidad de información. Algunos de los algoritmos más representativo son: Apriori, Predictive A priori, entre otros.
Metodología
La metodología empleada fue el descubrimiento de conocimiento en bases de datos (KDD, por sus siglas en inglés) (Guarascio, Manco y Ritacco, 2019). Consta de cinco fases (Camacho, Zapata, Menéndez y Canto 2018), las cuales se describen a continuación (Figura 1).
Selección. Se compone de dos subfases. La primera consiste en el aprendizaje del dominio del conocimiento, sobre todo aquel que resulte relevante y las metas de la aplicación. La segunda consiste en seleccionar las bases de datos objetivo. En este caso, aquellas que almacenan la producción científica y las que contienen información de los investigadores.
Preprocesamiento. Consiste en utilizar operaciones básicas que permitan depurar los datos que no se requieren, seleccionar los necesarios y los que podrían ser útiles. En este caso, los datos elementales de cada investigador y los datos descriptivos de cada publicación (título, autores, palabras clave, identificadores, entre otros).
Transformación. En esta etapa, diversos campos de la base de datos de tipo numérico se transforman en etiquetas lingüísticas para una mejor caracterización. Algunas técnicas útiles son el uso de percentiles para asociar rangos a claves.
Minería de datos. Se utilizan diversas técnicas de minería de datos, de acuerdo con las necesidades de la problemática planteada. Por cada técnica, se estudian algoritmos relacionados y se selecciona el adecuado en cada caso. Entre las técnicas utilizadas se encuentran: clasificación, agrupamiento y reglas de asociación.
Análisis de los resultados. Se examinan los resultados generados, lo cual concluye en la generación de nuevo conocimiento respecto a cuerpos académicos e investigadores. A partir de esto, es posible llevar a cabo la toma de decisiones.
Es importante señalar que no se emplean instrumentos de recolección de datos, dado el origen de la información que será analizada. Los datos son recolectados de forma automática mediante una aplicación web que accede a la información almacenada en los repositorios, para luego ser procesados según la metodología descrita.
Caso de estudio
La UADY es una de las instituciones a nivel superior más importantes en el sureste de México. Hasta febrero del 2019, en la UADY se registraron 824 profesores de tiempo completo y 78 cuerpos académicos, distribuidos en 15 facultades y dos centros de investigación que se agrupan en seis campus (UADY, 2020). En la Tabla 1 se presentan algunas estadísticas que los profesores de la UADY han reportado a febrero de 2019. Para propósito de este trabajo denominaremos investigador al profesor de tiempo completo que cuenta con producción.
Tabla 1 Algunas estadísticas de los profesores de la UADY
| Profesores con producción | 438 |
| Doctores | 280 |
| Profesores en el SIN | 193 |
| Doctores con SIN | 64.5 % |
| Producción promedio de los doctores | 15.5 publicaciones |
| Producción promedio de doctores SNI | 19.73 publicaciones |
| Doctores en cuerpos académico7.85 % | |
| Doctores SNI pertenecientes a un cuerpo académico | 78.75 % |
Fuente: Elaboración propia
En las Figura 2 y 3 se presenta la distribución de la producción de la UADY almacenada en Scopus y el repositorio nacional en el período comprendido desde la primera publicación que resultó estar en Scopus (1979) a febrero de 2019.
Selección
La información se obtuvo mediante una aplicación web propia, basada en el lenguaje de programación Python (McKinney, 2017), que recupera la producción científica de la UADY a través de una interfaz de consulta de Scopus y del Repositorio Nacional. Utiliza una base de datos en MongoDB (MongoDB, 2019) para almacenar también la información relevante de los 78 cuerpos académicos. En la Tabla 2 se describen los atributos utilizados para cuerpos académicos.
Tabla 2 Atributos para cuerpos académicos
| Atributo | Descripción |
| Nombre | Nombre del cuerpo académico |
| número_de_integrantes | Número de integrantes |
| Facultad | Facultad a la que pertenece |
| Campus | Campus al que pertenece |
| Tipo |
|
| artículos_indizados | Número de artículos indizados por Scopus |
| capítulos_indizados | Número de capítulos indizados por Scopus |
| libros_indizados | Número de libros indizados por Scopus |
| otros_indizados | Número de productos de otra índole indizados por Scopus |
| producción_repositorio | Número de productos almacenados en el Repositorio Nacional |
| total_de_publicaciones | El total de producción indizada y no indizada de los cuerpos académicos |
Fuente: Elaboración propia
La Tabla 3 presenta la distribución de cuerpos académicos por campus y el promedio de producción indizada por Scopus y el Repositorio Nacional.
Tabla 3 Distribución de los cuerpos académicos en los campus de la UADY y la producción promedio
| Campus | CAC | Producción promedio | CAEC | Producción promedio | CAEF | Producción promedio |
| Campus de Arquitectura, Hábitat y Diseño | 1 | 0 | 2 | 0 | 0 | N/A |
| Campus de Ciencias Biológicas y Agropecuarias | 8 | 10.3 | 2 | 12.5 | 0 | N/A |
| Campus de Ciencias de la Salud | 4 | 8.75 | 8 | 3.62 | 1 | 0 |
| Campus de Ciencias Exactas e Ingenierías | 10 | 11.88 | 9 | 7.22 | 2 | 1 |
| Campus de Ciencias Sociales, Económico Administrativas y Humanidades | 9 | 3.44 | 9 | 0 | 3 | 0 |
| Centro de Investigaciones Regionales Dr. Hideyo Noguchi | 6 | 19.66 | 2 | 17 | 2 | 1.5 |
Fuente: Elaboración propia
Se recuperaron los atributos listados en la Tabla 4 para los 438 profesores que cuentan con producción científica.
Tabla 4 Atributos para profesores
| Atributo | Descripción |
| Prodep | Verifica si el profesor cuenta con perfil Prodep (sí o no) |
| último_grado | Último grado de estudios (licenciatura, maestría o doctorado) |
| Género | Género (masculino o femenino) |
| Sin | Nivel de SNI con el que cuenta el profesor (candidato, nivel 1, nivel 2, nivel 3 o no) |
| cuerpo_académico | Cuerpo académico al que pertenece |
| Facultad | Facultad a la que pertenece |
| Campus | Campus al que pertenece |
| Cuartil | Cuartil de citas al que pertenece |
| Activo | Verifica si el profesor se encuentra activo. Para ello, deberá tener al menos tres publicaciones en los tres años anteriores. |
| total_scopus | Número total de publicaciones indizadas por Scopus |
| total_repositorio | Número total de publicaciones indizadas por el Repositorio Nacional |
Fuente: Elaboración propia
En la Tabla 5 se puede apreciar los grupos de investigadores según su grado académico, así como su distribución en los campus.
Tabla 5 Distribución de los profesores con producción en los campus de la UADY
| Campus de Ciencias Biológicas y Agropecuarias | Campus de Ciencias de la Salud | Campus de Ciencias Exactas e Ingenierías | Campus de Ciencias Sociales, Económico Administrativas y Humanidades | Centro de Investigaciones Regionales Dr. Hideyo Noguchi | |
| Profesores con producción | 76 | 86 | 159 | 54 | 63 |
| Doctores | 59 | 34 | 98 | 41 | 47 |
| Profesores con perfil Prodep | 75 | 84 | 157 | 54 | 61 |
| Profesores no adscritos al SIN | 39 | 68 | 94 | 17 | 27 |
| Candidato al SIN | 0 | 6 | 10 | 10 | 2 |
| SNI 1 | 25 | 9 | 46 | 19 | 25 |
| SNI 2 | 6 | 3 | 7 | 7 | 9 |
| SNI 3 | 6 | 0 | 2 | 1 | 0 |
| Profesores SNI con cuerpo académico | 33 | 13 | 54 | 23 | 29 |
Fuente: Elaboración propia
Preproceso
Para llevar a cabo el proceso de minería de datos, el sistema desarrollado genera archivos .csv y .arff a partir de la base de datos. Los archivos recopilan la información relevante para el propósito de la investigación: para los cuerpos académicos lista el nombre, número de integrantes, campus, tipo, producción indizada por los dos repositorios y total de publicaciones; para profesores se lista el último grado, perfil Prodep, género, nivel de SNI, cuerpo académico, campus, total de publicaciones, producción indizada por los dos repositorios, cuartil de citas y actividad de cada uno.
Transformación
Se categorizaron algunos atributos numéricos para cuerpos académicos y profesores. Esto con el fin de clasificar los datos para su uso en la siguiente fase del proceso. A continuación, se describen los principales.
Para cuerpos académicos:
Campus. Este es un nuevo atributo. Para obtenerlo, se tuvo como base el atributo “facultad”, donde, dependiendo de la facultad del cuerpo académico, se asignó el campus correspondiente.
Total de publicaciones. Se definieron categorías dependiendo del número de publicaciones totales de un cuerpo académico. Las etiquetas son:
Para profesores:
Cuartil. Asigna una letra del alfabeto dependiendo del número de citas que un académico tenga:
Total Scopus. Se tiene una categorización con el fin de asignar un valor dependiendo del número de publicaciones indizadas por Scopus. Dichos valores son:
Total repositorio. Para tener una mejor representación de datos, se manejó una escala y así se pudo asignar una etiqueta dependiendo del número de publicaciones de un investigador indizadas por el Repositorio Nacional. Dichas etiquetas son:
Es importante mencionar que el promedio de producción total de los cuerpos académicos analizados está en el rango de 0 a 20 (etiqueta “Muy poco”), y lo mismo ocurre con los investigadores (0 a 30, etiqueta “Muy poco”).
Minería de datos
Para el análisis de los archivos, se utilizó el software WEKA (Hall et al., 2009). En dicha herramienta se aplicaron los algoritmos J48 (clasificación), SimpleKMeans (agrupamiento) y A priori (asociación) (Witten et al., 2011) y se obtuvo una colección de árboles de clasificación, patrones y reglas, que se expondrán más adelante.
Resultados
Esta sección contiene los resultados de la implementación de la minería de datos (con ayuda de los algoritmos de clasificación, agrupamiento y asociación) con el software WEKA a partir de la información generada de la producción de cuerpos académicos e investigadores. En primera instancia, se aplicaron los algoritmos a los cuerpos académicos de la UADY, y en segunda instancia, se realizó lo mismo para sus académicos. El orden que se siguió fue aplicar algoritmos de clasificación para generar un árbol de clasificación, luego algoritmos de agrupamiento para dividir por grupos tanto a cuerpos académicos como investigadores, y finalmente extraer reglas con ayuda del algoritmo de asociación. A continuación, se encuentran los resultados obtenidos.
Algoritmo de clasificación
La problemática de clasificación de individuos o entidades ha sido de gran interés para investigaciones (Romero y Ventura, 2010, 2020). En este trabajo se experimentó con el algoritmo J48.
Primero, se validó con los cuerpos académicos de la universidad. Para ello, se utilizó como atributo principal el total de publicaciones, las cuales se encontraban en un intervalo de 0 a 103 publicaciones. El algoritmo J48 para este experimento tiene un grado de corrección de 91.0256 %. Una vez aplicado, se obtuvieron los siguientes resultados (representados en la Figura 4):
Fuente: Elaboración propia
Figura 4 Árbol de clasificación J48 para el total de publicaciones de los cuerpos académicos de la UADY
Si el total de publicaciones es menor o igual a 19, entonces son muy pocas.
Si el total de publicaciones es mayor a 19 y menor o igual a 35, siendo artículos indizados, entonces son pocas.
Si el total de publicaciones es mayor a 35 y menor o igual a 45, siendo artículos indizados, entonces es regular.
Si el total de publicaciones es mayor a 45, siendo artículos indizados, entonces son demasiadas.
Analizando estos resultados, se puede apreciar que el algoritmo ha desechado la clasificación “Mucho” y “Demasiado”, así como otros recursos indizados por Scopus o el Repositorio Nacional, esto debido a la mínima cantidad que estos representan con respecto al total de la producción analizada (Figura 4).
En segunda instancia, se experimentó con los investigadores de la universidad. Para ello, se utilizó como atributo principal si el profesor se encuentra activo o no y la producción generada en el período de enero de 2016 hasta enero de 2019. Para efectos del experimento, se considera que un profesor es activo si cuenta con al menos tres publicaciones desde enero de 2016 hasta enero de 2019.
El algoritmo J48 para este experimento tiene un grado de corrección de 84.3537 %. Al ser aplicado, se obtuvieron los siguientes resultados (representados en la Figura 5):
Fuente: Elaboración propia
Figura 5 Árbol de clasificación J48 para el total de publicaciones de profesores de la UADY
Si el total de publicaciones de un profesor es menor o igual a cuatro, entonces no se encuentra activo.
Si el total de publicaciones de un profesor es mayor a cuatro y menor o igual a nueve, y además es candidato a SNI, entonces se encuentra activo.
Si el total de publicaciones de un profesor es mayor a cuatro y menor o igual a nueve, y además cuenta con el nivel 1 de SNI, entonces se encuentra activo.
Si el total de publicaciones de un profesor es mayor a cuatro y menor o igual a nueve, y además cuenta con el nivel 2 de SNI, entonces no se encuentra activo.
Si el total de publicaciones de un profesor es mayor a cuatro y menor o igual a nueve, y además cuenta con el nivel 3 de SNI, entonces no se encuentra activo.
Si el total de publicaciones de un profesor es mayor a cuatro y menor o igual a nueve, y además no cuenta con SNI, entonces no se encuentra activo.
Si el total de publicaciones de un profesor es mayor a nueve, entonces se encuentra activo.
Para los niveles 2 y 3 de SNI no se cuentan con casos suficientes, por lo que el algoritmo J48 considera a los profesores con dichos niveles como no activos (Figura 5).
Algoritmo de agrupamiento
Se experimentó con SimpleKMeans como algoritmo de agrupamiento. Para ello, se probó crear cinco grupos de cuerpos académicos, esperando que la separación de los grupos fuera con base en los campus con los que cuenta la universidad. Sin embargo, esto no fue así (Figura 6), pues varios cuerpos académicos no fueron considerados relevantes para el algoritmo y fueron absorbidos por otros con mayor peso.
Fuente: Elaboración propia
Figura 6 Generación de cinco grupos de cuerpos académicos con el algoritmo SimpleKMeans
Los grupos representativos reportados en la Figura 6 señalan una alta presencia de cuerpos académicos consolidados (54 %), seguida de cuerpos académicos en consolidación (46 %). El número de integrantes en su mayoría es pequeño (entre tres y cinco [81 %]) a excepción del grupo 1 (que tiene entre seis y ocho integrantes). Si bien casi todos los grupos tienen una producción entre 0 y 20 publicaciones indizadas en SCOPUS, el grupo 4 (8 %) tiene un intervalo de 21-40 publicaciones en Scopus, están consolidados y pertenecen al Campus de Ciencias Biológicas y Agropecuarias. El grupo más significativo de cuerpos académicos (32 [40 %]) está en proceso de consolidación con tres a cinco integrantes, pertenece al Campus de Ciencias de la Salud y tiene de 0 a 20 publicaciones Scopus.
En segunda instancia, se experimentó de igual modo con la creación de cinco grupos representativos de investigadores esperando que se agruparan por campus. Nuevamente no fue así, pues los académicos del Campus de Ciencias Biológicas y Agropecuarias poseen una mayor producción, por lo que prevalecen sobre académicos de otros campus y provocan que estos últimos no sean relevantes para el algoritmo.
En la Figura 7 se puede observar que el grupo más significativo (38 %) agrupa a doctores que tienen perfil Prodep sin cuerpo académico, cuyo nivel de citación es muy bajo y un número de entre 0 a 30 publicaciones. En dos grupos los profesores publican cada año, pues tienen SNI, entre 0 a 30 publicaciones, con un alto nivel de citas (80 a 932 citas para el grupo 3 [27 %]; 40 a 79 citas para el grupo 5 [5 %]). Todos los grupos representativos de investigadores tienen Prodep y doctorado como último grado de estudios, pero la mayoría no cuentan con SNI (tres grupos).
Algoritmos de asociación
La generación de reglas de asociación es la última técnica de minería de datos utilizada en este caso de estudio. Se utilizó el algoritmo Apriori para observar el comportamiento de los cuerpos académicos y profesores de la UADY. Para ello, se generaron 25 reglas para profesores y 25 reglas para cuerpos académicos, de las cuales se presentan las 10 más confiables (Tabla 6).
Tabla 6 Reglas generadas con el algoritmo Apriori
| Antecedente | Consecuente | Interpretación en lenguaje natural | Índice de confianza |
| no_integrantes = Pocos tipo = CAEC (28) | total_publicaciones = Muy poco (28) | Si el cuerpo académico está en consolidación y el número de integrantes es poco, entonces el grupo tiene muy poca producción. | 1 |
| último_grado = D (279) | prodep = Sí (278) | Si el último grado del investigador es doctorado, entonces cuenta con perfil Prodep. | 1 |
| activo = No (272) | total_scopus = Muy poco (271) | Si el investigador no se encuentra activo, entonces tiene muy pocas publicaciones en Scopus. | 1 |
| total_socups = Muy poco total_repositorio = Muy poco (356) | prodep = Sí (349) | Si un investigador cuenta con muy pocas publicaciones Scopus y Repositorio Nacional, entonces cuenta con perfil Prodep. | 0.98 |
| tipo = CAEC (32) | total_publicaciones = Muy poco (31) | Si el cuerpo académico está en consolidación, entonces tiene muy poca producción. | 0.97 |
| producción_scopus = Muy poco (66) | producción_repositorio = Muy poco (62) | Si la producción en Scopus de un cuerpo académico es muy poca, entonces su producción en el Repositorio Nacional será muy poca. | 0.94 |
| no_integrantes = Pocos (61) | producción_scopus = Muy poco (56) | Si el número de integrantes del cuerpo académico es poco, entonces tiene muy poca producción en el Repositorio Nacional. | 0.92 |
| no_integrantes = Pocos produccion_repositorio = Muy poco (58) | producción_scopus = Muy poco (53) | Si el número de integrantes del cuerpo académico es poco y tiene muy poca producción en el Repositorio Nacional, entonces tiene muy poca producción en Scopus. | 0.91 |
| prodep = Sí total_repositorio = Muy poco (382) | total_scopus = Muy poco (349) | Si un investigador cuenta con perfil Prodep y cuenta con muy pocas publicaciones en el Repositorio Nacional, entonces cuenta con muy pocas publicaciones en Scopus. | 0.91 |
| prodep = Sí (434) | total_scopus = Muy poco (395) | Si el investigador cuenta con perfil Prodep, entonces cuenta con muy pocas publicaciones en Scopus. | 0.91 |
Fuente: Elaboración propia
Las reglas tienen uno o más antecedentes que generan un consecuente. Por cada componente de una regla se establece el número de casos que fueron considerados para generarla, lo que da el índice de confianza de esta.
Muchas de las reglas confirman supuestos o la correlación existente entre los atributos. Por ejemplo, el número de integrantes de un cuerpo académico, el nivel de certificación alcanzado y su productividad o entre investigadores, su grado, el perfil Prodep y su actividad.
Discusión
Para el algoritmo de clasificación se pudo observar un recorte en la publicación total de los cuerpos académicos. Únicamente se centró en un intervalo de 0 a 45, con los cuales se obtuvieron las diferentes etiquetas relacionadas a la cantidad de publicaciones de un cuerpo académico. Este hecho se refuerza con los resultados obtenidos a través de un sistema de índices (Guerrero, Menéndez y Castellanos, 2021) para la evaluación de la producción de un cuerpo académico y de un investigador, pues el promedio de las publicaciones de un cuerpo académico es de 11.25, y la mayoría de estos grupos cuentan con hasta 19 publicaciones.
Mientras que, para los profesores, se pudo observar que el árbol J48 es mucho más específico en los resultados obtenidos, lo que da a entender que los autores con publicaciones menores o iguales a cuatro tienden a ser inactivos. Esto probablemente porque la producción con la que cuenta se realizó previo a los tres años anteriores. Mientras que si son mayores a nueve tienden a ser activos; en el intervalo entre estos dos valores se pueden observar tendencias a no tener SNI, lo cual, como se comentó previamente, se debe a la poca cantidad de datos de profesores de nivel 2 y 3.
El caso de los investigadores activos es complementado con los resultados obtenidos a través de un modelo ontológico para la representación del conocimiento en el dominio de la producción científica (Guerrero, Menéndez, Castellanos y Gómez, 2019). A través de un motor de consultas SPARQL, dicho estudio identificó que la mayoría de los profesores activos pertenecen al SNI en el nivel 1. Por lo que, con lo obtenido en el árbol de clasificación, se infiere que estos profesores tienen más de nueve publicaciones en los últimos tres años.
Cabe mencionar que el árbol de decisión de los cuerpos académicos considera todos los cuerpos académicos, incluso aquellos que a los que no fue posible localizarles producción. En cambio, el árbol de decisión de los profesores excluye todo aquel profesor que no tenga producción.
Para el algoritmo de agrupamiento, se pudo observar el gran impacto que tienen los campus de Ciencias de la Salud, Ciencias Biológicas y Agropecuarias y Ciencias Exactas e Ingenierías, ya que representan un porcentaje muy grande en los resultados obtenidos una vez clasificados en grupos. Estos resultados se presentaron incluso utilizando una mayor cantidad de agrupaciones o clústeres, lo que implica que los demás campus no tienen una gran aportación de artículos científicos para la universidad.
Incluso en otro trabajo donde se estudiaron las colaboraciones entre los profesores de la UADY (independientemente si son cuerpos académicos o no) (Guerrero, Menéndez, Castellanos y Curi, 2020) se confirmó la existencia de colaboraciones en las dependencias de la universidad, incluso entre ellas, generando conocimiento multidisciplinario. El modelo ontológico mencionado previamente infirió que existen publicaciones que abarcan hasta seis áreas de conocimiento de siete diferentes.
De igual modo, se puede ver una tendencia a tener grupos académicos consolidados y profesores con un grado de doctorado, esto refuerza los requisitos del Prodep para los cuerpos académicos consolidados, donde se solicita que la mayoría de los integrantes de un cuerpo académico debe contar con doctorado. Incluso corroboran los resultados de otro estudio sobre la producción y colaboración de los cuerpos académicos (Guerrero, Menéndez, Castellanos y Guerra 2020), el cual indica que, a mayor consolidación, mayor es el número de instituciones nacionales e internacionales colaboradoras. Esto a su vez confirma el grado de consolidación que se les ha asignado, pues la definición de lazos con instituciones externas para generar y difundir nuevo conocimiento forma parte de los criterios de evaluación.
Aunque, de igual modo, se puede ver que, tanto en los cuerpos académicos como en los investigadores, existe una tendencia a tener muy poca producción tanto indizada como no indizada. Se considera muy poca debido a que el valor máximo en esta variable es muy alto. Uno de los datos más interesantes es la tendencia en los grupos de profesores a contar casi en su mayoría con profesores del género masculino, lo que da una idea de la diferencia que existe en los profesores dentro de la universidad.
Finalmente, para el algoritmo de asociación, las reglas generadas para los cuerpos académicos reflejan tendencias proporcionales al número de integrantes de un cuerpo con su producción. Mientras que para los profesores se obtuvieron reglas diferentes, tales como la relación entre el perfil Prodep con el último grado de estudios, género y número de publicaciones, así como reglas proporcionales con el número de publicaciones indizadas y las no indizadas, esto refuerza el cumplimiento en los requerimientos del perfil Prodep y del SNI.
La tendencia de los investigadores de contar con muy pocas publicaciones es reforzada por el uso de un sistema de índices para la evaluación de la producción de cuerpos académicos y de investigadores (Guerrero, Menéndez y Castellanos, 2021), ya que, en los resultados obtenidos, se indica que en la UADY el número promedio de publicaciones es alrededor de 11 (y muy pocos investigadores cuentan con más de 121 publicaciones en Scopus, lo que se considera una cifra muy alta de publicaciones en dicha base de datos bibliográfica).
Conclusiones
Los repositorios digitales de documentación científica han permitido que la información acerca de las publicaciones realizadas por investigadores esté al alcance de cualquier persona, ayudando a la divulgación y aprovechamiento de los avances científicos y tecnológicos. Cada recurso almacenado en un repositorio digital puede ser descrito, localizado y referenciado por medio de sus metadatos. Su análisis genera información relevante para la toma de decisiones.
Diversas instancias como el SNI y el Prodep, ambos en México, se encargan de evaluar y otorgar reconocimientos a los investigadores por medio de su producción científica almacenada en diversos repositorios.
En este trabajo se ha presentado cómo las técnicas de minería de datos permiten caracterizar a los investigadores a nivel grupal o individual de una institución. Para ello, se definió un grupo de indicadores que considera el número de publicaciones, citaciones, el prestigio de las revistas y, en menor medida, la producción no indizada y de acceso abierto.
Los resultados obtenidos permitirían corroborar o desechar supuestos relacionados con la productividad científica de una institución, lo que facilita la toma de decisiones que incentiven o condicionen políticas institucionales.
Futuras líneas de investigación
Para investigaciones futuras se pretende corroborar los resultados obtenidos mediante la metodología de minería de datos con nuevos datos en situaciones particulares, como, por ejemplo, caracterizar a los profesores y cuerpos académicos a nivel campus o áreas de conocimientos, lo que permitiría la identificación de profesores y grupos con perfiles de producción afines para posibles colaboraciones.
Se pretende realizar un nuevo estudio que incorpore el impacto de la publicación de un cuerpo académico y de un investigador por cada cita recibida. Se valoraría cada cita de acuerdo con el prestigio de la revista o publicación de origen, incluyendo las autocitaciones. Esto permitiría la caracterización de la divulgación del conocimiento generado.
La propuesta del trabajo permite construir la base para nuevos estudios complementarios donde la bibliometría, en conjunto con las ciencias de la computación, permita evaluar el impacto de las publicaciones científicas en la sociedad en general, y no únicamente en la comunidad científica, ya que los recursos que se encuentran en múltiples repositorios son referenciados en otras plataformas con enfoque social y académico.
Además, para el caso de las universidades y centros de investigación que ofertan programas de posgrado, se espera caracterizar, por la línea de investigación, las temáticas más frecuentes y a través de indicadores estadísticos, identificar las de mayor relevancia; así facilitar diversas actividades relacionadas con la difusión y promoción de dichos programas.
Por otra parte, se pretende extender el panorama de una a varias instituciones, lo que permitirá la caracterización de las colaboraciones entre cuerpos académicos por zonas geográficas y temáticas.
Es importante destacar los valores de los indicadores propuestos y la importancia de su cálculo por medio de un proceso automático capaz de analizar el estado actual de la investigación de una institución abarcando aspectos que difícilmente se pueden obtener en un proceso manual. En este sentido, se está trabajando en una software que implemente la metodología y los algoritmos presentados. La aplicación empleará una arquitectura basada en servicios web y protocolos para la interoperabilidad, lo que facilitaría su extensibilidad para que pueda ser adaptada con facilidad de acuerdo con nuevas necesidades.
