3b CRETUS BioGroup IAArticulosdeReview Vosviewer

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/365593850
Aplicación de la Inteligencia Artiﬁcial en la Elaboración de Artículos

Cientíﬁcos de Review: Uso del Software VOSVIEWER con las Redes
Bibliométricas
Technical Report · November 2022

DOI: 10.13140/RG.2.2.13039.51365
CITATIONS READS
0 312
3 authors:
Gumersindo Feijoo Ana Arias

University of Santiago de Compostela University of Santiago de Compostela
528 PUBLICATIONS 16,525 CITATIONS 23 PUBLICATIONS 225 CITATIONS
SEE PROFILE SEE PROFILE
Maria Teresa Moreira

University of Santiago de Compostela
524 PUBLICATIONS 16,578 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Water-Energy-Seafood Nexus: Eco-innovation and Circular Economy Strategies in the Atlantic Area (NEPTUNUS) View project
ECOSER - Contribución de los servicios ecosistémicos marinos de áreas protegidas al bienestar humano View project
All content following this page was uploaded by Gumersindo Feijoo on 19 November 2022.
The user has requested enhancement of the downloaded file.

COLECCIÓN CRETUS – BIOGROUP nº 3b
APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA
ELABORACIÓN DE ARTÍCULOS CIENTÍFICOS DE REVIEW
USO DEL SOFTWARE VOSVIEWER CON LAS REDES BIBLIOMÉTRICAS
Noviembre 2022
Autores

Gumersindo Feijoo
Grupo de Biotecnología Ambiental. Departamento de Ingeniería Química
Centro Interdisciplinar de Tecnologías Ambientales (CRETUS)
Universidade de Santiago de Compostela
Correo‐e: [email protected]
LinkedIn & Twitter: @feijoo_costa
Portal de Investigación: GUMERSINDO FEIJOO COSTA ‐ Universidade de Santiago de Compostela
(usc.gal)

Ana Arias
Grupo de Biotecnología Ambiental. Departamento de Ingeñiería Química
LinkedIn & Twitter: @anaariascalvo

María Teresa Moreira
Grupo de Biotecnología Ambiental. Departamento de Ingeniería Química
Portal de Investigación: MARIA TERESA MOREIRA VILAR ‐ Universidade de Santiago de Compostela
(usc.gal)

Páginas web:
Biogroup: www.usc.gal/biogroup
CRETUS: www.usc.gal/cretus

2

INDICE
Índice
1. BIG DATA EN LAS PUBLICACIONES 4
2. REDES BIBLIOMÉTRICAS 6
3. VOSVIEWER 8
3.1. Caso A. Elaboración de redes con palabras claves 9
3.2. Caso B. Elaboración de redes con autores 25
3.3. Caso C: Elaboración de mapas de densidad de redes colaborativas … 31

4. REFERENCIAS 34
3

BIG DATA BIBLIOMETRIA VOSVIEWER REFERENCIAS

1. BIG DATA EN LAS PUBLICACIONES
En los últimos 30 años ha tenido lugar un cambio copernicano en la gestión bibliográfica de la
investigación, pues el diagrama de tiempo desde el primer envío a una revista científica hasta
su publicación se ha acortado vertiginosamente, con una reducción de más de un 200% (Figura
1). Así, desde que se enviaba un artículo por primera vez a una revista, análisis de la revisión
y publicación final el tiempo medio era de 9 meses (aunque se daban casos de hasta 2 años);
ahora bien, el tiempo total que se necesita en la actualidad se ha disminuido radicalmente
hasta prácticamente un mes por la agilidad de la gestión editorial debida sin duda por la
mejora tecnológica de las plataformas en línea.

Figura 1. Línea del tiempo para en el envío de un artículo a una revista científica para su
publicación

4


Esta ventaja en la gestión editorial junto con un mayor presupuesto y mejoras en el
equipamiento de laboratorio aplicados a la I+D+i ha supuesto un aumento muy importante
del número de publicaciones científicas y técnicas, pasando de un millón en el año 2000 a 2,5
millones en el año 2018 (Figura 2). Un dato especialmente reseñable ha sido la incorporación
de China como una potencia mundial en ciencia, con un crecimiento exponencial, al pasar de
50.000 a 530.000 documentos para ese mismo período de tiempo, lo que ha implicado superar
a los EE. UU. en el año 2017 como país con mayor producción científica y prácticamente
alcanzar los valores de los países de la UE en el año 2018. Para el caso concreto de España, se
sitúa actualmente en una planicie y, incluso con una pequeña disminución, a partir de la crisis
de la década del 2010. El máximo número de publicaciones tiene lugar en el año 2014 con
aproximadamente 56.000 documentos a partir del cual comienza una leve disminución hasta
el año 2018, donde el valor ha sido de 54.500 documentos.

Figura 2. Evolución del número de publicaciones científicas y patentes. Fuente de los
datos: Banco Mundial1.

1
https://datos.bancomundial.org/indicator/IP.JRN.ARTC.SC
5


2. REDES BIBLIOMÉTRICAS
El término bibliometría, derivado del griego “biblion” (libro) y “metron” (medida), aparece por
primera vez en un artículo del año 1969 en la revista Journal of Documentation (Pritchard,
1969). La bibliometría aplica métodos matemáticos y estadísticos a la literatura científica y a
los autores que la producen, con el objetivo de estudiar y analizar la actividad científica. Los
indicadores bibliométricos son las medidas que proporcionan información sobre los
resultados de la actividad científica.
Las redes bibliométricas nacen de forma inherente al término bibliométrica, pues se trata de
relacionar y visualizar los indicadores de la investigación para tener una representación de la
investigación desde un punto de vista cualitativo y cuantitativo (Ball, 2021). Existen dos tipos
principales de redes: (i) redes sobre la autoría e impacto (autores y citas) y (ii) redes que
abordan el contenido del texto del documento (fundamentalmente títulos y resúmenes). En
consecuencia, las redes bibliométricas se emplean como redes sociales o redes temáticas. En
las redes sociales interesa encontrar patrones de relación entre autores (por ejemplo, con el
elemento de la coautoría). Las redes temáticas tratan de identificar temas (esto es, “palabras
clave”) de investigación en los diferentes ámbitos.

Figura 3. Nodos y conectores en los principales tipos de redes bibliométricas

6


Así, una página web clásica para determinar el círculo de interacciones en Twitter es la de
Chirpty2. Es tan sencillo como escribir el nombre de la cuenta y pulsar el icono “Generate”
(Figura 4). Non es estrictamente necesario que sea la propia cuenta personal, con introducir
el nombre del usuario de la cuenta es suficiente. Los valores que muestran corresponden al
volumen de interacciones del último mes.

Figura 4. Circulo creado por Chirpty de la cuenta de twitter del Departamento de
Ingeniería Química (@EnxQuim_USC). Muestra tres círculos concéntricos de mayor a
menor interacción.

No obstante, no es objetivo de este informe entrar en el detalle sobre los algoritmos ni los
aspectos de diseño de los sistemas basados en inteligencia artificial (Mueller y Massaron,
2022) que permiten la construcción de las redes bibliométricas, ya que un elemento
interesante de investigación en la literatura científica (Perianes‐Rodríguez y col. 2016), sino
que la principal meta es describir como se emplea uno de los softwares más comunes en la
elaboración de las redes: VOSviewer.

2
Chirpty
7


3. VOSviewer
VOSviewer es un software gratuito desarrollado por Nees Jan van Eck y Ludo Waltman del
CWTS Leiden University (The Netherlands) para construir y visualizar redes bibliométricas
(Figura 5). Estas redes poden ser de revistas científicas, investigadores o publicaciones
individuales, basadas en la citación, la co‐citación o las relaciones de coautoría. VOSviewer
también ofrece una funcionalidad de minaría de textos que puede emplearse para construir y
visualizar redes de concurrencia de términos extraídos de textos de la literatura científica. Este
último aspecto, es una herramienta muy interesante para poder hacer un artículo de revisión
sobre una determinada temática.

Figura 5. Pantalla principal del software VOSviewer (https://www.vosviewer.com/)

Las principales funcionalidades del VOSviewer son:
 Mapas basados en datos de la red (Web of Science, Scopus, PubMed, etc.). Mapas de
redes de artículos y revistas científicas, organizaciones o palabras clave (Figura 6). Los
nexos de estas redes pueden ser enlaces de coautoría, concurrencia o citación.
 Visualizar y explorar mapas en base a tres opciones: la visualización de la red, la
visualización de la superposición y la densidad visualización.
8


Figura 6. Mapa de palabras clave realizada con VOSviewer (Arias y col., 2021)

3.1. Caso A. Elaboración de redes con palabras claves
Cuando se elabora una revisión bibliográfica, una de las alternativas en la búsqueda de
artículos de investigación es seleccionar o identificar aquellas palabras claves que se
consideran relevantes para un primer cribado de las publicaciones disponibles en una
determinada área de conocimiento. Esto es, lo que nos podemos encontrar en bases de datos
como ScienceDirect, Scopus o Web of Science (Figura 7), entre otras, donde una de las
opciones para realizar la búsqueda es “Keywords” (palabras clave). Dada la importancia de las
keywords en los artículos de investigación, la herramienta de VOSviewer permite obtener una
visión global de las palabras clave que fueron seleccionadas por los autores en sus artículos.
De esta forma, se pueden identificar cuáles de estas palabras claves tiene una mayor
tendencia en ser empleadas, así como la relación entre las mismas. VOSviewer proporciona
una red de interconexión, un mapa de visualización, incluyendo las palabras claves que fueron
empleadas en los artículos de investigación seleccionados, a través de clústeres (cada uno de
ellos está representado con un color diferente), donde se incluyen en grupos de relación entre
palabras clave.
9


(a)
(b)
(c)
Figura 7. Bases de datos más comúnmente empleadas para la búsqueda de artículos de
investigación: ScienceDirect (a), Scopus (b) y Web of Science (c)

Para poder emplear la herramienta de VOSViewer en la representación de un mapa de
interconexión entre palabras clave, se requiere previamente seleccionar los artículos de
investigación de donde “se extraerán” las mismas. Por lo tanto, el primer paso es la
selección de los artículos de investigación que serán analizados para la identificación
y creación de un mapa de palabras clave. ¿Cómo se puede “transformar” estas palabras
clave en un archivo que sea adecuado para ser empleado en VOSViewer? Esta
herramienta permite emplear cinco extensiones de archivos/tipos de datos
bibliográficos: archivos de Web of Science, Scopus y PubMed (directamente exportados
10


da base de datos), archivos tipo RIS y archivos “Crossref JSON”. El más recomendado, o
que genera menos problemas para realizar modificaciones e identificar posibles errores,
es a través de archivos tipo RIS.
La mayor parte de los investigadores, cando están a elaborar un nuevo artículo, emplean
herramientas de Mendeley Desktop para guardar, y posterior adición de referencias, de
los artículos que se emplean en el manuscrito. Esta sencilla herramienta es muy útil para
el posterior uso por VOSViewer, ya que no solamente permite exportar las referencias
bibliográficas seleccionadas en un archivo tipo RIS, sino que, además, posibilita realizar
modificaciones en la información de las referencias (por ejemplo, en las palabras clave,
autores, año de publicación, revista) de forma directa y sencilla. Por lo tanto, se
empleará este método de trabajo para el uso de la herramienta VOSViewer.
El segundo paso consiste en añadir los artículos seleccionados a la herramienta
Mendeley Desktop y realizar su selección para exportarlos en formato RIS. En la Figura
8 se muestra la selección de algunos artículos disponibles en el Mendeley Desktop, así
como el procedimiento para exportarlos: File > Export > Nombre del archivo > Selección
de tipo de artículo (Tres opciones: BibTeX, RIS o EndNote XML; se escoge la opción de
“RIS”). A continuación, una vez que el archivo RIS está disponible, se procederá a
emplear la herramienta de VOSViewer.

11


Figura 8. Procedimiento para exportar las referencias bibliográficas desde Mendeley Desktop
a un archivo tipo RIS para ser usado por VOSViewer.

12


El tercer paso consiste en importar el documento RIS a la herramienta de VOSViewer.
Cuando se abre VOSViewer, la primera pantalla que vemos es la mostrada en la Figura 9. En
la parte central (en blanco) es donde se visualizará posteriormente el mapa de relación entre
las palabras clave de los artículos seleccionados. De esta forma, para poder crear uno nuevo,
el cuarto paso sería la selección de la opción “Create...” localizada en la parte izquierda de la
pantalla.

Figura 9. Primera pantalla de visualización do VOSViewer

A continuación, se visualizará un cuadro con el mensaje para seleccionar que tipo de datos se
emplearán en la creación de un mapa de visualización. En este caso, se trabajará a partir de
un documento RIS con datos de referencias bibliográficas, por este motivo, se selecciona la
opción de “Create a map base don bibliographic data” y se pulsa “Next” (Figura 10).
13


Figura 10. Primer cuadro de diálogo: Selección del tipo de datos que se van a usar para crear
el mapa de visualización

En el siguiente cuadro de diálogo se debe seleccionar el tipo de archivo con el que se va a
trabajar, en este caso se seleccionaría la segunda opción (la que incluye el formato RIS) “Read
data from reference manager files” y se pulsa “Next” (Figura 11). A continuación, se optar
por el archivo previamente exportado del Mendeley Desktop, y nuevamente pulsar “Next”.
14


Figura 11. Segundo y tercer cuadro de diálogo: Selección de la base de datos

15


El siguiente cuadro de diálogo incluye la selección del tipo de análisis y del método de contaje.
Al tratarse de la evaluación de palabras clave, se debe seleccionar la opción de “Co‐
occurence”, para el caso del tipo de análisis, y “Full counting” para el método de contaje, y se
pulsa de nuevo “Next” (Figura 12).
Figura 12. Cuarto cuadro de diálogo: Selección del tipo de análisis y del método de conteo

A continuación, se procede a establecer el límite o umbral empleado para la evaluación del
enlace y nodos de conexión entre las palabras clave de los artículos seleccionados. La forma
de hacerlo es indicando cual debe ser el número mínimo de palabras clave interconectadas
entre sí que deben aparecer en el mapa de visualización. El programa denomina a esta
“interconexión” como occurrences. Además, el programa también muestra el número de
palabras que cumplen con el límite de ocurrences establecido por el usuario, lo cual permite
saber el grao de extensión del mapa de visualización creado (a mayor número de palabras
clave que cumplan el límite establecido, mayor volumen del mapa de visualización). Para una
primera visión global del mapa de visualización, se debe reducir el límite preestablecido por
el programa, en este caso se reducirá a 2, y se pulsa de nuevo “Next” (Figura 13).
16


Figura 13. Quinto cuadro de diálogo: mínimo número de enlaces entre las palabras clave.

En el siguiente cuadro de diálogo no requiere modificación, por tanto, directamente se pulsa
“Next”. Mismo procedimiento para el cuadro de diálogo que aparece a continuación, donde
se pode observar una primera visualización de las palabras clave en el mapa con forma de
lista, así como el número de “occurrences” y la “fuerza de enlace”, que hace referencia a la
fuerza total de los vínculos entre las palabras claves relacionadas. A mayor número de
“ocurrences”, mayor será la fuerza de enlace (Figura 14). Este es el último paso previo a la
visualización del mapa, finalmente se pulsa “Finish”.
17


Figura 14. Sexto y séptimo cuadro de diálogo. No se requiere modificación.

18


En algunas ocasiones puede aparecer un cuadro de diálogo de advertencia donde se
indique que algunas de las palabras clave no están conectadas entre sí, y que por lo
tanto, se reduce el número de “ocurrences”(Figura 15). Si esto sucede, se debe
seleccionar la opción de “Yes”, para que simplemente se vean las palabras claves que,
efectivamente, están conectadas.

Figura 15. Mensaje de advertencia previo a la visualización do mapa.
A continuación, ya se observa el mapa de visualización de palabras clave (Figura 16), en el
cual cada uno de los colores representa un “clúster”, es decir, una categoría de clasificación
de las palabras clave. Para que este concepto sea más claro, veremos una forma sencilla de
interpretarlo. En la Figura 16, se indica la palabra “mechanical properties”, de color
morado, si pulsamos sobre la misma se observará la conexión con las otras palabras claves
(Figura 17). Esto quiere decir que, en los artículos seleccionados, la palabra clave
“mechanical properties” fue empleada junto con “wood adhesives”, “water resistance”,
“wood bio‐adhesives”, “plywood”, “soy bio‐adhesives”, entre otras. De esta forma, a partir
de este cribado de uso común de palabras claves, el programa va generando todos los
“clústeres”.
19


Figura 16. Mapa de visualización preliminar.
20


Figura 17. Selección del clúster “mechanical properties”.
21


VOSViewer también permite ver la clasificación y visualización del mapa de palabras clave
categorizadas por año de publicación del artículo en el que aparecen. Para eso, en lugar de
localizarse sobre la ventana “Network visualization”, habría que seleccionar la de “Overlay
Visualization”.
Por otra parte, la modificación del estilo de la visualización puede realizarse en la
herramienta de edición localizada en la parte derecha de la ventana principal del programa.
Se puede a modificar a escala el tamaño de los clústeres de las líneas, así como los colores.
Además, en la parte izquierda de la pantalla, se pueden ver cada uno de los dos clústeres
representados, así como las palabras claves que forman parte de cada uno de ellos, en la
pestaña “Items” (Figura 18).

Figura 18. Visualización dos clústeres e palabras clave representadas no mapa de
visualización.

22


Como se comentou previamente, pódese establecer un número máis alto do mínimo de
palabras que teñen que cumprir o límite establecido de nodos de conexión (Figura 13).
Nesta ocasión, o mapa de visualización obtido ten unha densidade adecuada para poder
visualizar os clústeres de forma correcta, pero non sempre acontece desta forma e, a
densidade de clústeres creados pode imposibilitar a visualización correcta das palabras
clave. Nesta ocasión o que se faría sería incrementar o número mínimo de “occurrences”
(Figura 13). Para visualizar o cambio, incrementouse o número mínimo de 2 (representado
na Figura 16) a 5 (representado na Figura 19). Como se pode observar, o número de
clústeres é inferior, así como a densidade e número de palabras clave do mapa de
visualización.
23


Figura 19. Visualización de los clústeres en el mapa de visualización empleando un número mínimo de 5 occurrences
24


3.2. Caso B. Elaboración de redes con autores
El procedimiento para la evaluación del mapa de visualización correspondiente a los autores
de las publicaciones es análogo al caso anterior. La única diferencia es que, en lugar de escoger
el tipo de análisis con la opción de “Co‐ocurrence”, se optar por “Co‐authorship” (Figura 12).
Dada la semejanza en el procedimiento, en este apartado se incluye otra opción, o truco, para
poder trabajar con los mapas de visualización y adaptar la información que muestra a lo que
el usuario demanda.
En la Figura 20 se muestra el mapa de visualización de las conexiones entre los autores de la
lista de referencias bibliográficas seleccionadas previamente. Se pueden observar dos cosas:
en primer lugar, la falta de analogía del formato de nombramiento de autores (algunos
aparecen con el nombre completo, otros con la inicial y punto) y, en segundo lugar, la
repetición de, por lo menos, un autor: “pizzi, antonio y pizzi, a.”. Para poder arreglar esto, es
necesario trabajar con los clústeres y grupos de visualización generados por el software.

Figura 20. Mapa de visualización por autores

Se comenzará por guardar el documento .txt correspondiente tanto al mapa de visualización
como al network de los clústeres. Se pulsará la opción de “Save…” y aparecerá en pantalla el
cuadro de diálogo que se muestra en la Figura 21.
25


Figura 21. Cuadro de diálgo para guardar el mapa de visualización de acordo con la
categorización del software.

Una vez disponibles los archivos, primero se trabaja con el fichero “MAP FILE”, donde se puede
modificar los nombres de los autores y también unificar el formato de forma manual. La Figua
22 muestra el “map file” correspondiente al mapa de visualización. En color azul se ha indicado
los dos nombres que se han comentado previamente donde existía solapamiento.

Figura 22. Visualización del documento “MAP FILE” para la modificación de los ítems

Una vez unificado el formato, el documento de MAP FILE se visualizará como como se indica
en la Figura 23. A continuación, para evitar la repetición del nombre de “pizzi, a.” en el mapa
de visualización, eliminará la fila representada por la id 579 (apuntar el número de id que se
eliminó porque es necesario saberlo para posteriores modificaciones). Se guarda el fichero y
se procede a la modificación del archivo “NETWORK FILE”.
26


Figura 23. Visualización del documento MAP FILE una vez modificados los id.

El aspecto del archivo “NETWORK FILE” se muestra en la Figura 24. Para que los cambios
realizados en el documento previo coincidan con los datos del NETWORK FILE, es necesario
sustituir el número 579 por el 578, de manera que el autor pizzi, a. aparezca solo una vez. De
esta forma se sustituye el número 579 que aparecía en la segunda columna (Figura 23), por el
578. Importante: no utilizar la herramienta de edición de “reemplazar”, ya que en la primera
columna también puede aparecer el número que se desea modificar en otras partes del
fichero, pero solo se requiere la modificación en la segunda columna.
27


Figura 24. Visualización del documento NETWORK FILE.
Una vez realizadas las modificaciones y guardados los cambios se utilizará estes dos archivos
para crear un nuevo mapa de visualización. Para eso, se pulsará “Create” y la opción de
“Create a map base on network data”, tal y como se indica en la Figura 25.

Figura 25. Selección de tipo de datos empleados para re‐construír el mapa de
visualización

28


Es importante seleccionar el documento MAP FILE para el ítem de “VOSviewer map file”
y el documento NETWORK FILE para el ítem de “VOSviewer network file”, tal como se
muestra en la Figura 26.

Figura 26. Selección de los documentos de NETWORK FILE y MAP FILE modificados
previamente por el usuario.

A continuación, se muestran dos mensajes (Figura 27) a los que se deberá responder “No” en
ambas. El hecho de modificar los id dos autores implica la alteración del número de clústeres
y de su clasificación, por este motivo, el programa debe calcular de nuevo los enlaces y nodos
de conexión, como si estuviese trabajando por primera vez con estes datos.
29


Figura 27. Mensajes de alerta tras la modificación de los documentos del mapa de
visualización.

Finalmente, el mapa de visualización que se mostraría es el de la Figura 28 donde ya no existe
una duplicación de autores ni una mezcla de estilos de edición.

Figura 28. Mapa de visualización una vez realizados los cambios en los id (nombres de
los autores) y de la unificación del formato de edición

30


3.3. Caso C. Elaboración de mapas de densidad de redes colaborativas, citas de artículos…
En los mapas de visualización previos se empleó como documento de datos de las referencias
bibliográficas la extensión RIS, la cual es suficiente para analizar las referencias de acuerdo
con las palabras clave y con los autores. Ahora bien, cuando la meta es el análisis de las
referencias por país, por organización o por el número de citas de cada artículo, la información
que proporciona el formato RIS no es suficiente. En estos casos, se debe emplear una base de
datos bibliográfica (opción 1 de la Figura 29), como por ejemplo un documento .txt obtenido
tras una busca bibliográfica en Web of Science.

Figura 29. Cuadro de diálogo para seleccionar diferentes tipos de ficheros de datos.

Este fichero específico de datos se obtiene una vez realizada la búsqueda en Web of Science,
se exportará la lista de referencias en el formato de “Tab delimited file”, con extensión .txt,
tal como muestra la Figura 30.
31


Figura 30. Exportación de las referencias seleccionadas en Wos of Science.

Una vez el archivo está disponible, el procedimiento para la creación del mapa de visualización
es el análogo al descrito previamente para e Caso A de estudio. La única diferencia es que, en
la selección del tipo de análisis y del método de contaje, las opciones para escoger son más
amplias, tal como se observa en la Figura 31.

Figura 31. Opciones del tipo de análisis y método de contaje cuando se trabaja con un
documento de datos bibliográficos de una base de datos.

32


Por último, a continuación, se muestran algunos mapas de visualización que podrían crearse,
referente a artículos de colaboración entre países (Figura 32) o entre organizaciones (Figura
33)
Figura 32. Mapa de visualización representativo de la colaboración de diferentes países
en los artículos seleccionados
Figura 33. Mapa de visualización representativo de la colaboración de diferentes
organizaciones en los artículos seleccionados
33


4. REFERENCIAS
Arias, A., González‐Rodríguez, S., Vetroni Barros, M., Salvador, R., de Francisco, C.A., Moro
Piekarske, C., Moreira, M.T. (2021). Recent developments in bio‐based adhesives from
renewable natural resources. Journal of Cleaner Production 314:127892
Ball, R. (2021). Handbook Bibliometrics. De Gruyter, Berlin.
Mueller, J.P., Massaron, L. (2022). Artificial Intelligence for Dummies. John Wiley & Sons,
Hoboken (EUA)
Perianes‐Rodriguez, A., Waltman, L., va Eck, N.J. (2016). Constructing bibliometric networks:
A comparsion between full and fractional counting. Journal of Informetrics 10:1178‐
1195
Pritchard, A. (1969). Statistical Bibliography or Bibliometrics?. Journal of Documentation
25(4):348‐349
34

View publication stats

3b CRETUS BioGroup IAArticulosdeReview Vosviewer

Cargado por

Copyright:

Formatos disponibles

3b CRETUS BioGroup IAArticulosdeReview Vosviewer

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

3b CRETUS BioGroup IAArticulosdeReview Vosviewer

Cargado por

Copyright:

Formatos disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Aplicación de la Inteligencia Artiﬁcial en la Elaboración de Artículos

Technical Report · November 2022

Gumersindo Feijoo Ana Arias

SEE PROFILE SEE PROFILE

Maria Teresa Moreira

The user has requested enhancement of the downloaded file.

View publication stats

También podría gustarte