1 / 17

Visualización de Redes de Investigación para f omentar l a Colaboración Científica

Visualización de Redes de Investigación para f omentar l a Colaboración Científica. Tesis – Maestría en Administración de TI ISC Gustavo Antonio Parada Sarmiento ITESM – MTY – 2013. Asesor: Dr. Héctor Gibrán Ceballos Cancino. {. ?.

levi
Download Presentation

Visualización de Redes de Investigación para f omentar l a Colaboración Científica

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Visualización de Redes de Investigación para fomentar la Colaboración Científica Tesis – Maestría en Administración de TI ISC Gustavo Antonio Parada Sarmiento ITESM – MTY – 2013 Asesor: Dr. Héctor Gibrán Ceballos Cancino {

  2. ? ¿Cómo identificarposibles colaboracionesy fortalezas para Redes de Investigadores en una Institución de Educación Superior y Posgrado y qué visualización se propone? Pregunta de Investigación

  3. ☐  Visualizaciónpor Grafos No se ha incluido en los Sitios de Redes Sociales. Navegación por Elementos Significativos (atributos) No existente. No estándar. Apogeo de softwarede visualización de redes. Posible dificultad de contacto en aquellos investigadores no familiarizados con estrategias de publicación y que no conozcan otros investigadores. Ofrecer herramientas al investigador para incrementar las posibilidades de creación de publicaciones científicas de alto valor e impacto. Entre más grande la red, mayores opciones y complejidad. ¿? Justificación

  4. Enfoque

  5. SNA Social Network Analysis • Estudio de Actores y Relaciones Centralidad Grado • Métricas SNA Grado Centralidad Cercanía Intermediación “Erdös Number” Marco Teórico Cercanía Distancia + Corta Intermediación Posición en Rutas + Cortas

  6. SNA Social Network Analysis • Estudio de Actores y Relaciones • Métricas SNA Grado Centralidad Cercanía Intermediación “Erdös Number” • Roles SNA • Software y ToolkitsSNA Marco Teórico

  7. Trabajar en Grupos(Newman, 2004; Waltman et al., 2012) • Buscar investigadores más conocidos (Newman, 2004) • Buscar el experto más citado(Kas, Carley & Carley, 2011, Newman 2004) • Ampliar red de colaboración (McDonald, 2003) • Priorizar las opciones (McDonald, 2003) • Mantener el contacto con colaboradores previos(Kas, Carley & Carley, 2011) • Cerrar triángulos(Leskovec et al. 2005, 2008; Bonchi, Castillo, Gionis, & Jaimes, 2011; Kas, Carley & Carley, 2011) • Escoger distancias cortas(Katz, 1994) Estrategias Exitosasde Colaboración

  8. WPUBLICATIONS WF = Weighted Factor WH-INDEX WEXPERIENCE Articles [ ] 1990 2013 Para cada par de investigadores 0.2(WC) + 0.2(WP) + 0.2(WH) + 0.2(WK) + 0.2(WO) PCI = WT Citation Index Years of Experience WTOPIC WCOAUTHORS Researcher Co-Authors Area of Interest 5 Factores + Importantes 20% C/U (0.2*Factor) ? WORGANIZATIONAL DISTANCE WKEYWORDS Org. Distance SNA Metrics Organizational Department Degree, Closeness, Centrality, Betweenness Potencial de Colaboración Keywords from Articles in DB ¿A = A?¿B = B1?

  9. Investigador Base Colaborador Actual Recomendación Diagrama de Colaboración

  10. Tecnológico de Monterrey 926 Investigadores 124 Cátedras Investig. 15 Áreas Estratégicas Caso de Estudio Relaciones: Coautoría en Arts de Journal, Libros, Capítulos de Libro.

  11. sql SIIP DB Evaluación Integración Select Person 1 xls xml Extracción Evaluate SNA Metrics Person 2 01 1 02 Format ··· Workfiles 2 03 3 04 4 05 WebServs WOS Person N software Data Extraction Scopus Pivot Encontrar Conocer Find Visualize Caso de Estudio

  12. Muestra: 27 Investigadores Evaluados Presentación de: Diagrama Personalizado SugerenciasTop 3, Top 10 y Top 2% (18). ¿Conoce a la persona? (Sí, No) ¿Es buena o mala sugerencia? Evaluación de las sugerencias dadas por el Diagrama. Eficienciade Recuperación: Resultados

  13. 18% Se considera sugerencia errónea Debido a diferencia en las áreas. Utilidad de la herramienta: 3 personas de 18 • 30% De las sugerencias NO se conocen La herramienta entrega nueva información al usuario y además puede ofrecer visualización y navegación. 6 personas de 18 Resultados

  14. Top 3 tiene más alta precisión (0.538, buenas sugerencias pero • Top 2% (18 personas) tiene alto recall (0.665, más esperadas) Al encontrar más personas esperadas, el resultado da credibilidad. • En una tabla de contingencia, la asociación de PCI >= 0.2 considerado buena recomendación es de 70%. PCI >= 0.2 Equivale a mostrar sólo el Top-10 Conclusiones

  15. Considerar otros factores: Actores: Alumnos, Autores Externos. Relaciones: Proyectos, Fondos, Colaboraciones Previas (Dirección de Tesis, TeamTeaching) Datos: Desglosar Publicaciones por Tipo (Indizado, Congreso). • Extender estudio a “Inter”-institucional. • Calcular los “presets” (pesos) dependiendo del perfil del investigador • Extender Vizster conestas recomendaciones. Trabajo Futuro

  16. Gracias

More Related