This vignette (a working draft, in Spanish) tries to illustrate the use of the scimetr package …

##  scimetr: Analysis of Scientific Publication Data with R,
##  version 0.3.6 (built on 2023-04-21).
##  Copyright (C) UDC Rankings Group 2017-2023.
##  Type `help(scimetr)` for an overview of the package or
##  visit https://rubenfcasal.github.io/scimetr.

Este paquete implementa herramientas para la investigación en cienciometría y bibliometría. Actualmente incluye rutinas para importar datos bibliográficos de Clarivate Analytics Web of Science (WoS) y realizar análisis bibliométricos.

Un listado de otros paquetes de utilidad para el análisis de este tipo de datos está disponible aquí.

Instalación

Para instalar el paquete sería recomendable en primer lugar instalar las dependencias:

install.packages(c('dplyr', 'dbplyr','RSQLite', 'lazyeval', 'stringr', 'ggplot2', 'tidyr'. 'rmarkdown'))

Como de momento no está disponible en CRAN, habría que instalar la versión de desarrollo en GitHub (en el repositorio rubenfcasal/scimetr). En Windows bastaría con instalar la versión binaria del paquete scimetr_X.Y.Z.zip (disponible aquí), alternativamente se puede instalar directamente de GitHub:

# install.packages("devtools")
devtools::install_github("rubenfcasal/scimetr")

Una vez instalado ya podríamos cargar el paquete.

Carga de datos

Nos centraremos únicamente en la importación de los datos de publicaciones de WoS) en formato de texto. En primer lugar habría que descargar los correspondientes ficheros de la web de WoS, por ejemplo siguiendo los pasos descritos aquí.

Alternativamente se puede crear una base de datos empleando la API de WoS para posteriormente importarla a R empleando la función ImportDB.wos(). Para ello habría que disponer de acceso a esta API y seguir los pasos descritos aquí.

Cargar datos de directorio

Se pueden cargar automáticamente los archivos WoS (que por defecto tienen una limitación de 500 registros) de un subdirectorio:

dir("UDC_2008-2017 (01-02-2019)", pattern='*.txt')
##  [1] "savedrecs01.txt" "savedrecs02.txt" "savedrecs03.txt" "savedrecs04.txt"
##  [5] "savedrecs05.txt" "savedrecs06.txt" "savedrecs07.txt" "savedrecs08.txt"
##  [9] "savedrecs09.txt" "savedrecs10.txt" "savedrecs11.txt" "savedrecs12.txt"
## [13] "savedrecs13.txt" "savedrecs14.txt" "savedrecs15.txt"

Para combinar los ficheros en un data.frame se emplea la función ImportSources.wos():

wos.txt <- ImportSources.wos("UDC_2008-2017 (01-02-2019)", other = "ignore")

A continuación habrá que crear la base de datos con la función CreateDB.wos(), como se muestra más adelante.

Datos de ejemplo

En el paquete se incluyen dos conjuntos de datos de ejemplo (obtenidos empleando la función ImportSources.wos()) correspondientes a la búsqueda en WoS por el campo Organización-Consolidada de la UDC (Organization-Enhaced: OG = Universidade da Coruna):

  • wosdf: año 2015.

  • wosdf2: área de investigación ‘Mathematics’, años 2008-2017.

Variables WoS:

# View(wosdf2) # En RStudio...
variable.labels <- attr(wosdf, "variable.labels")
knitr::kable(as.data.frame(variable.labels)) # caption = "Variable labels"
variable.labels
PT Publication type
AU Author
BA Book authors
BE Editor
GP Group author
AF Author full
BF Book authors fullname
CA Corporate author
TI Title
SO Publication name
SE Series title
BS Book series
LA Language
DT Document type
CT Conference title
CY Conference year
CL Conference place
SP Conference sponsors
HO Conference host
DE Keywords
ID Keywords Plus
AB Abstract
C1 Addresses
RP Reprint author
EM Author email
RI Researcher id numbers
OI Orcid numbers
FU Funding agency and grant number
FX Funding text
CR Cited references
NR Number of cited references
TC Times cited
Z9 Total times cited count
U1 Usage Count (Last 180 Days)
U2 Usage Count (Since 2013)
PU Publisher
PI Publisher city
PA Publisher address
SN ISSN
EI eISSN
BN ISBN
J9 Journal.ISI
JI Journal.ISO
PD Publication date
PY Year published
VL Volume
IS Issue
PN Part number
SU Supplement
SI Special issue
MA Meeting abstract
BP Beginning page
EP Ending page
AR Article number
DI DOI
D2 Book DOI
PG Page count
WC WOS category
SC Research areas
GA Document delivery number
UT Access number
PM Pub Med ID

Creación de la base de datos

Para crear la base de datos se emplea la función CreateDB.wos():

db <- CreateDB.wos(wosdf2, label = "Mathematics_UDC_2008-2017 (01-02-2019)")
str(db, 1)
## List of 11
##  $ Docs      :'data.frame':  389 obs. of  25 variables:
##   ..- attr(*, "variable.labels")= Named chr [1:62] "Publication type" "Author" "Book authors" "Editor" ...
##   .. ..- attr(*, "names")= chr [1:62] "PT" "AU" "BA" "BE" ...
##  $ Authors   :'data.frame':  610 obs. of  4 variables:
##  $ AutDoc    :'data.frame':  1260 obs. of  2 variables:
##  $ Categories:'data.frame':  46 obs. of  2 variables:
##  $ CatDoc    :'data.frame':  866 obs. of  2 variables:
##  $ Areas     :'data.frame':  26 obs. of  2 variables:
##  $ AreaDoc   :'data.frame':  771 obs. of  2 variables:
##  $ Addresses :'data.frame':  896 obs. of  5 variables:
##  $ AddAutDoc :'data.frame':  1328 obs. of  3 variables:
##  $ Sources   :'data.frame':  150 obs. of  14 variables:
##  $ label     : chr "Mathematics_UDC_2008-2017 (01-02-2019)"
##  - attr(*, "variable.labels")= Named chr [1:62] "Publication type" "Author" "Book authors" "Editor" ...
##   ..- attr(*, "names")= chr [1:62] "PT" "AU" "BA" "BE" ...
##  - attr(*, "class")= chr "wos.db"

Sumarios

Se pueden realizar sumarios globales o por años…

Sumario summary.wos.db()

res1 <- summary(db)
options(digits = 5)
res1
## Number of documents: 389 
## Authors: 610 
## Period: 2008 - 2017 
## 
## Document types:
##                            Documents
## Article                          360
## Article; Proceedings Paper        16
## Correction                         1
## Editorial Material                 5
## Review                             7
## 
## Number of authors per document:
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00    2.00    3.00    3.24    4.00    8.00 
## 
## Number of documents per author:
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00    1.00    1.00    2.07    2.00   29.00 
## 
## Number of times cited:
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     0.0     1.0     3.0    10.9     9.0  1139.0 
## 
## Indexes:
##  H  G 
## 24 54 
## 
## Top Categories:
##                                                  Documents
## Mathematics, Interdisciplinary Applications            134
## Mathematics, Applied                                   130
## Statistics & Probability                               121
## Mathematics                                             77
## Engineering, Multidisciplinary                          64
## Mechanics                                               59
## Computer Science, Interdisciplinary Applications        45
## Computer Science, Artificial Intelligence               20
## Social Sciences, Mathematical Methods                   17
## Automation & Control Systems                            16
## Others                                                 183
## 
## Top Areas:
##                                         Documents
## Mathematics                                   389
## Computer Science                               69
## Engineering                                    69
## Mechanics                                      59
## Physics                                        22
## Chemistry                                      17
## Mathematical Methods In Social Sciences        17
## Automation & Control Systems                   16
## Instruments & Instrumentation                  16
## Business & Economics                           15
## Others                                         82
## 
## Top Journals:
##                                     Documents
## Comput. Meth. Appl. Mech. Eng.             29
## J. Math. Anal. Appl.                       11
## Chemometrics Intell. Lab. Syst.            11
## Rev. Int. Metod. Numer. Calc. Dise.        11
## J. Comput. Appl. Math.                     10
## Comput. Stat. Data Anal.                    9
## Int. J. Numer. Methods Fluids               9
## Appl. Numer. Math.                          9
## J. Nonparametr. Stat.                       8
## Int. J. Numer. Methods Eng.                 8
## Others                                    274
## 
## Top Countries:
##         Documents
## Spain         389
## USA            49
## France         32
## Italy          13
## Mexico         11
## UK             11
## Germany        10
## Canada          8
## China           8
## Belgium         7
## Others         52

Sumario por años summary_year()

res2 <- summary_year(db)
res2
## 
## Annual Scientific Production:
## 
##      Documents
## 2008        42
## 2009        28
## 2010        40
## 2011        37
## 2012        44
## 2013        40
## 2014        38
## 2015        39
## 2016        47
## 2017        34
## 
## Annual Authors per Document:
## 
##          Avg Median
##  2008 2.8810    3.0
##  2009 3.3214    3.0
##  2010 3.3500    3.0
##  2011 3.3784    3.0
##  2012 2.8182    2.5
##  2013 3.3750    3.0
##  2014 3.2368    3.0
##  2015 3.0513    3.0
##  2016 3.5745    3.0
##  2017 3.4706    3.0
## 
## Annual Times Cited:
## 
##       Cites     Avg Median
##  2008   755 17.9762    5.0
##  2009   265  9.4643    6.0
##  2010   410 10.2500    5.0
##  2011  1422 38.4324    5.0
##  2012   335  7.6136    3.5
##  2013   271  6.7750    4.0
##  2014   336  8.8421    3.5
##  2015   215  5.5128    2.0
##  2016   192  4.0851    2.0
##  2017    55  1.6176    1.0

Gráficos

Se emplea la librería ggplot2

Gráficos de la base de datos plot.wos.db()

plot(db)

Gráficos sumario plot.summary.wos.db()

plot(res1)

plot(res1, pie = TRUE)

Gráficos sumario por años plot.summary.year()

plot(res2)

plot(res2, boxplot = TRUE)

Filtrado

Se combinan las funciones get.id<Tabla>() (se puede emplear cualquier variable de la correspondiente tabla; multiple conditions are combined with &, see e.g. dplyr::filter()) con la función get.idDocs().

Funciones get

  • get.idAuthors(): buscar id (códigos) de autores

    Buscar un autor concreto:

    idAuthor <- get.idAuthors(db, AF == "Cao, Ricardo")
    idAuthor
    ## Cao, Ricardo 
    ##           16

    Buscar en nombres de autores:

    idAuthors <- get.idAuthors(db, grepl('Cao', AF))
    idAuthors
    ##           Cao, Ricardo Cao-Rial, Maria Teresa 
    ##                     16                     69
  • get.idAreas(): Devuelve códigos de las áreas

    get.idAreas(db, SC == 'Mathematics')
    ## Mathematics 
    ##          16
    get.idAreas(db, SC == 'Mathematics' | SC == 'Computer Science')
    ## Computer Science      Mathematics 
    ##                7               16
  • get.idCategories(): códigos de las categorías

    get.idCategories(db, grepl('Mathematics', WC))
    ##                                 Mathematics 
    ##                                          28 
    ##                        Mathematics, Applied 
    ##                                          29 
    ## Mathematics, Interdisciplinary Applications 
    ##                                          30
  • get.idSources() códigos de las fuentes (revistas, libros o colecciones)

    ijss <- get.idSources(db, SO == 'JOURNAL OF STATISTICAL SOFTWARE')
    ijss
    ## [1] 70
    knitr::kable(db$Journals[ijss, ], caption = "JSS")

    Table: JSS

    # get.idSources(db, JI == 'J. Stat. Softw.')

Obtener documentos (de autores, revistas, …)

Los indices anteriores se pueden combinar en get.idDocs()

idocs <- get.idDocs(db, idAuthors = idAuthor)
idocs
##  [1]  10  16  23  33  40  56 128 183 187 196 210 220 269 286 295 312 315 332 340
## [20] 346 347 350 359 362 372 375 384 385

Los índices de documentos se pueden utilizar como filtro p.e. en summary.wos.db().

Sumarios filtrados

Obtener sumario de autor(es):

summary(db, idocs)
## Number of documents: 28 
## Authors: 40 
## Period: 2008 - 2017 
## 
## Document types:
##                            Documents
## Article                           26
## Article; Proceedings Paper         1
## Editorial Material                 1
## 
## Number of authors per document:
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    2.00    2.00    3.00    3.14    4.00    6.00 
## 
## Number of documents per author:
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     1.0     1.0     1.0     2.2     2.0    28.0 
## 
## Number of times cited:
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    0.00    1.00    2.00    3.25    4.25   14.00 
## 
## Indexes:
## H G 
## 5 7 
## 
## Top Categories:
##                                                  Documents
## Statistics & Probability                                26
## Mathematics, Interdisciplinary Applications              4
## Computer Science, Interdisciplinary Applications         3
## Economics                                                2
## Mathematical & Computational Biology                     2
## Social Sciences, Mathematical Methods                    2
## Automation & Control Systems                             1
## Biochemistry & Molecular Biology                         1
## Biology                                                  1
## Business, Finance                                        1
## Others                                                   4
## 
## Top Areas:
##                                            Documents
## Mathematics                                       28
## Computer Science                                   4
## Business & Economics                               2
## Mathematical & Computational Biology               2
## Mathematical Methods In Social Sciences            2
## Automation & Control Systems                       1
## Biochemistry & Molecular Biology                   1
## Chemistry                                          1
## Instruments & Instrumentation                      1
## Life Sciences & Biomedicine - Other Topics         1
## Others                                             1
## 
## Top Journals:
##                               Documents
## J. Nonparametr. Stat.                 4
## Comput. Stat. Data Anal.              3
## Comput. Stat.                         3
## Test                                  2
## Ann. Inst. Stat. Math.                2
## J. Chemometr.                         1
## J. Time Ser. Anal.                    1
## Stat. Probab. Lett.                   1
## SORT-Stat. Oper. Res. Trans.          1
## Stat. Appl. Genet. Mol. Biol.         1
## Others                                9
## 
## Top Countries:
##           Documents
## Spain            28
## Belgium           6
## France            2
## Germany           2
## Argentina         1
## Canada            1
## India             1
## Mexico            1
## Norway            1

Obtener sumario de autor(es) por años:

summary_year(db, idocs)
## 
## Annual Scientific Production:
## 
##      Documents
## 2008         7
## 2009         4
## 2010         4
## 2011         1
## 2012         2
## 2013         3
## 2014         1
## 2016         2
## 2017         4
## 
## Annual Authors per Document:
## 
##          Avg Median
##  2008 2.4286    2.0
##  2009 3.7500    3.5
##  2010 3.5000    3.5
##  2011 4.0000    4.0
##  2012 3.0000    3.0
##  2013 3.6667    4.0
##  2014 2.0000    2.0
##  2016 2.5000    2.5
##  2017 3.5000    3.5
## 
## Annual Times Cited:
## 
##       Cites    Avg Median
##  2008    42 6.0000    6.0
##  2009    20 5.0000    3.0
##  2010     9 2.2500    2.0
##  2011     1 1.0000    1.0
##  2012     1 0.5000    0.5
##  2013     8 2.6667    2.0
##  2014     4 4.0000    4.0
##  2016     3 1.5000    1.5
##  2017     3 0.7500    0.5

Indices de autores

Obtener índices de múltiples autores

TC.authors(db, idAuthors)
##                        H G
## Cao, Ricardo           5 7
## Cao-Rial, Maria Teresa 1 1

Trabajo futuro

  • Descarga y análisis de datos de Scopus: empleando descarga de archivos (al estilo del paquete
    CITAN) o la API de Scopus (al estilo del paquete rscopus).

  • Implementar análisis estadísticos “avanzados”.