Guía de SciMaps
Redes de coocurrencia de palabras clave y mapeo temático
Publicado por SciMaps · Actualizado
Interpreta redes de coocurrencia de palabras clave y mapas temáticos: preparación de términos, umbrales, centralidad, densidad y cuadrantes contextuales.
De los términos a un mapa de temas
Una red de coocurrencia de palabras clave conecta términos que aparecen en los mismos registros analizados. Los términos son nodos y las coocurrencias son vínculos. Un mapa temático resume los grupos de una red de términos mediante centralidad y densidad. Las dos vistas describen vocabulario y estructura de red dentro de la colección seleccionada.
Prepara la colección y anota la configuración
- Define la pregunta y selecciona las fuentes del proyecto que cumplan los criterios. Revisa si existen metadatos de palabras clave o términos.
- Examina las variantes de términos, como abreviaturas, ortografía y formas singulares o plurales. Anota cómo se prepararon y normalizaron los términos. Revisa los metadatos de las fuentes y la configuración disponible; esta guía no presupone un editor de tesauros ni controles automáticos de limpieza de datos en la aplicación.
- Abre coocurrencia de palabras clave. Revisa los umbrales disponibles de frecuencia y vínculos y después examina el contexto de los términos.
- Abre el mapa temático y compara los términos de los grupos, las publicaciones que los sustentan y las notas metodológicas. Documenta la configuración para que las comparaciones tengan una base coherente.
Ejemplo ilustrativo
Supongamos que tres registros seleccionados contienen “climate change” y “adaptation”, y uno contiene “heat island”. Los dos primeros términos tienen un vínculo de coocurrencia. Una frecuencia mínima de dos excluiría “heat island” en este ejemplo inventado si se utilizara ese umbral. Su exclusión significa que queda por debajo del umbral seleccionado, no que carezca de importancia científica.
Imagina ahora un grupo “adaptation” conectado a muchos otros grupos y con vínculos internos intensos. En el mapa temático, el eje horizontal es la centralidad: la conexión externa con otros temas. El eje vertical es la densidad: la cohesión interna entre sus términos. Ambas son relativas a la red analizada y a la configuración del método, no puntuaciones universales.
Interpreta los cuadrantes en su contexto
- Centralidad alta y densidad alta: suelen denominarse temas motores, conectados externamente y cohesionados internamente.
- Centralidad baja y densidad alta: suelen denominarse temas de nicho, cohesionados pero menos conectados con otros temas.
- Centralidad alta y densidad baja: suelen denominarse temas básicos o transversales, ampliamente conectados y con menor cohesión interna.
- Centralidad baja y densidad baja: suelen denominarse temas emergentes o en declive. Una única instantánea no permite distinguir la emergencia del declive.
Comprueba las líneas divisorias reales del mapa y las notas de cálculo. Un cuadrante es una descripción estructural. No es una clasificación de importancia, una previsión ni una demostración de madurez investigadora.
Ejemplo de investigación individual
Una persona investigadora selecciona una colección definida de 80 publicaciones sobre adaptación que cumplen los criterios. Examina términos frecuentes y las publicaciones que los sustentan para organizar un esquema de lectura; comprueba si las abreviaturas dividen el vocabulario antes de interpretar los grupos.
Ejemplo institucional
Un equipo de una oficina de investigación selecciona para un seminario una colección definida de 180 publicaciones de un tema y periodo especificados. Utiliza las posiciones de los grupos para formular preguntas sobre esta colección seleccionada, no para clasificar departamentos ni afirmar que existe una cobertura institucional completa.
Limitaciones
La disponibilidad de términos, la extracción, la normalización, los umbrales, la agrupación y el tamaño de la colección afectan al mapa. Conceptos diferentes pueden compartir una etiqueta; conceptos equivalentes pueden tener etiquetas distintas. Compara la configuración y las evidencias que sustentan los resultados antes de describir un cambio. AI Insights no está disponible como pestaña de Thematic Map ni de Trends.
Referencias
- Callon and colleagues (1983), From translations to problematic networks: An introduction to co-word analysis.
- Callon, Courtial and Laville (1991), Co-word analysis as a tool for describing the network of interactions between basic and technological research.
Herramientas relacionadas
Guías relacionadas
Prueba el flujo de trabajo en SciMaps
Crea una colección en un proyecto y selecciona las fuentes para tu análisis.
Crear una cuentaCrea tu cuenta y completa la verificación para empezar a usar SciMaps. ¿Ya tienes acceso? Iniciar sesión en SciMaps.