"Desktop Scientometrics": una metodología para el uso de datos procedentes de WoS mediante el programa estadístico R.
Se presentan a modo de Guía práctica, los principales hitos de la metodología que se describe en el trabajo del mismo título publicado en la Revista Española de Documentación Científica.
Iniciaremos R o el entorno de trabajo integrado RStudio antes de proceder a la carga de las funciones que aquí se presentan y que están disponibles en este espacio web: https://github.com/06122010/r_isi.
Pinchando con el botón derecho sobre el fichero funciones.r, se podrá guardar éste en el ordenador del usuario.
Desde la consola de R, ejecute la siguiente instrucción:
source(file="funciones.r")
Con el comando source y el parámetro file (no olvide detallar la ruta de acceso al fichero descargado) se cargarán las funciones en el entorno R y las dejará listas para su uso.
La función isi_cargar crea un dataframe que hemos llamado WoS en el que se cargan automáticamente todos los archivos que se encuentran en el directorio “../txt/” (no olvide ni las comillas ni el slash final).
El usuario indicará la ruta de acceso al directorio donde tenga almacenado los .txt de su descarga. Las funciones y demás desarrollos que se presentan aquí están ajustadas para tratar datos exportados de la Web of Science en formato separado por tabuladores. El usuario puede nombrar el dataframe como desee.
WoS <- isi_cargar("txt/")
Si el usuario opta por trabajar directamente con el dataframe WoS en el propio entorno R, podrá comenzar a obtener indicadores de los denominados unidimensionales, tales como frecuencias de datos referidos a la fecha (PY) o a la tipología documental (DT), entre otros.
Por ejemplo, una sencilla tabla de distribución de frecuencias de la variable fecha/año en el dataframe principal (WoS$PY), podría obtenerse así:
q=as.data.frame(table(WoS$PY)) # Se genera una tabla (table) de frecuencias por año y se almacena en la variable "q"
q=cbind(q,F.Acum=cumsum(q$Freq)) # Se añade (cbind) a la tabla anterior una tercera columna con la frecuencia acumulada (cumsum)
q #Se presenta la tabla en formato consola de R
knitr::kable(q) # Se presenta la tabla generada y formateada con el gestor de informes 'knitr'
NOTA: Con el simbolo $ en la expresión WoS$PY se extrae como variable la columna con la fecha (PY) del dataframe WoS.
Para exportar los datos a un sistema de bases de datos relacionales se emplea la función isi_exportar_sqlite. Como su nombre indica, exporta el dataframe que le indiquemos a una base de datos SQLite. Esta función trabaja con dos parámetros, el primero hace referencia al nombre del dataframe que queremos exportar (WoS) y el segundo a la tabla en donde queremos almacenar el contenido ("Wos").
Se creará una base de datos relacional, a la que hemos llamado pgwos.db, que se generará en el directorio raíz del ordenador, o en la carpeta del proyecto correspondiente si se ha usado esta opción en el IDE RStudio.
Así pues, para exportar el dataframe WoS a la tabla principal de la base de datos ejecutamos la siguiente instrucción:
isi_exportar_sqlite(WoS,"WoS")
La tabla creada, con toda la información descargada se denominará isi_t_pg.
El usuario puede optar por gestionar la base pgwos.db con un cliente de Sqlite (recomendamos utilizar el más simple y fácil de instalar como lo es el plugin de Sqlite para Firefox). Como alternativa, puede utilizar el propio entorno de R para interrogar a la base de datos, como se hace en las funciones de este trabajo, para lo cual es necesario cargar los paquetes DBIy RSQLite.
En la información bibliográfica es habitual trabajar con campos de ocurrencia múltiple como el campo que hace referencia a los autores de un trabajo o al de su clasificación temática. Se ha programado una función isi_separar que permite procesar dichos datos separándolos en otros subconjuntos de datos. Este es el caso de los listados de autores, de direcciones, y categorías temáticas, entre otras. A continuación describimos el procedimiento para tales fines.
#Creamos los diferentes Dataframes
autores <- isi_separar(WoS,"AU")
direcciones <- isi_separar(WoS,"C1")
temas <- isi_separar(WoS,"WC")
categorias <- isi_separar(WoS,"SC")
referencias <- isi_separar(WoS,"CR")
Como puede observarse en esta función se pueden emplear los siguientes argumentos: C1 para crear el dataframe con las direcciones; AU para los autores; WC y/o SC para las categorías temáticas y CR para las referencias bibliográficas.
A modo de ejemplo, veamos las primeras 5 lineas del dataframe autores:
knitr::kable(autores[1:5,])
Se muestra en la tabla un identificador de registro único (IDU) seguido del año de publicación del trabajo y el nombre abreviado del autor (AU) y el que se presenta en la base de datos utilizada como nombre desarrollado (AF). Se observa que los dos primeros nombres se corresponden con los coautores de un mismo trabajo (IDU=1) publicado en 2013.
A continuación, una vez creados cada uno de esos dataframes, los almacenamos en sus correspondientes tablas en la BD. Para ello se ejecutarán las siguientes instrucciones:
isi_exportar_sqlite(autores,"AU")
isi_exportar_sqlite(direcciones,"C1")
isi_exportar_sqlite(temas,"WC")
isi_exportar_sqlite(categorias,"SC")
isi_exportar_sqlite(referencias,"CR")
La función isi_exportar_sqlite se ha programado para exportar y crear diferentes tablas en la base de datos original (pgwos.db), con los siguientes datos: los autores AU en la tabla isi_t_au; las direcciones C1 en la tabla isi_t_c1; los temas WC en la tabla isi_t_wc; las categorías SC en la tabla isi_y_scy finalmente, las referencias bibliográficas CR en la tabla isi_t_cr.
A continuación, se explica brevemente cómo almacenar los datos en otras fuentes externas, para su posterior tratamiento con hojas de cálculo o con otros programas estadísticos.
write.table(WoS, "wos.txt", sep="\t") #La instrucción anterior salva los datos en un archivo .txt separado por tabulaciones
write.csv(WoS, file = "wos.csv") # Una alternativa a la instrucción anterior
Si queremos salvar los datos en una hoja de Excel es necesario instalar y cargar la librería xlsx.
library(xlsx)
write.xlsx(WoS, "wos.xlsx")
Adicionalmente podemos instalar y usar la librería foreign que permite importar y exportar datos a SPSS, SAS o Stata.
library(foreign)
write.foreign(WoS, "wos.txt", "wos.sps", package="SPSS")
La función isi_unimetrics_wos se ha programado para obtener outputs gráficos. Esta función acepta dos parámetros para su funcionamiento, el primer parámetro es el nombre del dataframe al que se aplica y el segundo argumento es el campo objeto del análisis. Se pueden analizar, en esta versión de la función, el campo PY referente a la fecha de publicación de los trabajos; el campo DT que muestra la tipología documental; LA para los idiomas.
isi_unimetrics_wos(WoS,"PY")
Se ha añadido un parámetro adicional, ACUM, para tener una tabla de frecuencias por fecha y el crecimiento acumulado.
isi_unimetrics_wos(WoS,"ACUM")
Para mostrar la flexibilidad de la propuesta que se presenta en este trabajo, se ha programado una función más, denominada h_index que calcula el índice-h de la distribución en un año determinado a partir de los datos almacenados en el dataframe WoS.
h_index(WoS,"PY","2010")
La función admite un intervalo de fechas i, para lo cual hay que ejecutarla con la siguiente sintaxis:
for (i in 2010:2013){h_index(WoS,"PY",i)}
Si se quiere calcular el índice-h en una determinada disciplina (digamos Management), utilizaremos la función del R-core, subset. El nuevo dataframe (sub_WoS) podrá usarse con la función h_index, para calcular el índice-h (en un año o en un periodo). El argumento grepl del comando subset, permite aplicar expresiones regulares para recuperar el área temática correspondiente en el campo WC del dataframe principal WoS.
sub_WoS= subset(WoS, grepl("Management*",WoS$WC))
for (i in 2010:2013){h_index(sub_WoS, "PY",i)}