Guia do SciMaps
Redes de coocorrência de palavras-chave e mapeamento temático
Publicado por SciMaps · Atualizado
Leia redes de coocorrência de palavras-chave e mapas temáticos: preparação de termos, limiares, centralidade, densidade e quadrantes em contexto.
Dos termos a um mapa de temas
Uma rede de coocorrência de palavras-chave conecta termos que ocorrem nos mesmos registros analisados. Os termos são nós e as coocorrências são vínculos. Um mapa temático resume os grupos de uma rede de termos usando centralidade e densidade. As duas visualizações descrevem o vocabulário e a estrutura da rede na coleção selecionada.
Prepare a coleção e registre as configurações
- Defina a pergunta e selecione as fontes elegíveis do projeto. Confira a presença de metadados de palavras-chave ou termos.
- Examine variantes de termos, como abreviações, grafias e formas no singular e plural. Registre como os termos foram preparados e normalizados. Examine os metadados das fontes e as configurações disponíveis; este guia não pressupõe um editor de tesauro na aplicação nem controles automáticos de limpeza de dados.
- Abra Coocorrência de palavras-chave. Confira os limiares de frequência e de vínculos disponíveis e examine o contexto dos termos.
- Abra Mapa temático e compare os termos dos grupos, os artigos de apoio e as notas metodológicas. Documente as configurações para que as comparações usem uma base consistente.
Exemplo ilustrativo
Suponha que três registros selecionados contenham “mudança climática” e “adaptação”, e um contenha “ilha de calor”. Os dois primeiros termos têm um vínculo de coocorrência. Uma frequência mínima de dois excluiria “ilha de calor” neste exemplo inventado, se esse limiar fosse usado. A exclusão significa que o termo está abaixo do limiar selecionado, não que seja cientificamente irrelevante.
Agora imagine um grupo de “adaptação” conectado a muitos outros grupos e com fortes vínculos internos. No mapa temático, o eixo horizontal é a centralidade: conectividade externa com outros temas. O eixo vertical é a densidade: coesão interna entre seus termos. Ambas são relativas à rede analisada e às configurações do método, não pontuações universais.
Interprete os quadrantes em contexto
- Alta centralidade e alta densidade: frequentemente chamados de temas motores, conectados externamente e coesos internamente.
- Baixa centralidade e alta densidade: frequentemente chamados de temas de nicho, coesos, mas menos conectados a outros temas.
- Alta centralidade e baixa densidade: frequentemente chamados de temas básicos ou transversais, com conexões amplas e menor coesão interna.
- Baixa centralidade e baixa densidade: frequentemente chamados de temas emergentes ou em declínio. Um único retrato temporal não permite distinguir emergência de declínio.
Confira as linhas divisórias efetivas do mapa e as notas de cálculo. Um quadrante é uma descrição estrutural. Ele não é uma classificação de importância, uma previsão nem uma prova de maturidade da pesquisa.
Exemplo de pesquisa individual
Uma pessoa pesquisadora seleciona uma coleção definida de 80 artigos elegíveis sobre adaptação. Ela examina os termos frequentes e os artigos de apoio para organizar um roteiro de leitura, conferindo se as abreviações fragmentam o vocabulário antes de interpretar os grupos.
Exemplo institucional
Uma equipe de apoio à pesquisa seleciona uma coleção definida de 180 publicações de um tema e período declarados para um seminário. A equipe usa as posições dos grupos para formular perguntas sobre esta coleção selecionada, não para classificar departamentos nem afirmar cobertura institucional completa.
Limitações
A disponibilidade dos termos, a extração, a normalização, os limiares, o agrupamento e o tamanho da coleção afetam o mapa. Conceitos distintos podem compartilhar um rótulo; conceitos equivalentes podem ter rótulos diferentes. Compare as configurações e as evidências de apoio antes de descrever mudanças. AI Insights não está disponível como aba em Thematic Map ou Trends.
Referências
- Callon e colaboradores (1983), From translations to problematic networks: An introduction to co-word analysis.
- Callon, Courtial e Laville (1991), Co-word analysis as a tool for describing the network of interactions between basic and technological research.
Ferramentas relacionadas
Guias relacionados
Experimente o fluxo de trabalho no SciMaps
Monte uma coleção em um projeto e selecione as fontes da sua análise.
Criar uma contaCrie sua conta e conclua a verificação para começar a usar o SciMaps. Já tem acesso? Entrar no SciMaps.