Análise de tendências da produção científica nacional na área de Ciência da Informação: estudo exploratório de mineração de textos

Caio Cesar Trucolo, Luciano Antonio Digiampietri

Resumo


Introdução: A análise de tendências pode ser utilizada como uma estratégia para identificar assuntos ou áreas de pesquisa com potencial de popularidade, mas que ainda não são disseminados amplamente. Este trabalho consiste em identificar tendências por mineração de texto e análise histórica das produções científicas (artigos científicos) de doutores da área de Ciência da Informação. Método: De natureza exploratória, este trabalho foi construído em três etapas. A primeira etapa foi a obtenção dos dados dos currículos cadastrados na plataforma Lattes. A segunda etapa consistiu na extração automática dos termos mais importantes inseridos nos títulos das publicações e, na terceira etapa foram feitas regressões lineares e não lineares dos índices de importância baseados em frequência dos termos extraídos. Resultados: Informações gerais sobre as tendências identificadas para a área de Ciência de Informação para curto, médio e longo prazo são apresentadas. Conclusão: Apresenta e aplica uma metodologia de identificação de tendências que ainda pode ser considerada um primeiro passo ante ao potencial da análise de tendências para a produção científica nacional. Além disso, informações gerais sobre as tendências identificadas e os comportamentos dessas tendências ao longo do tempo foram discutidas.


Palavras-chave


Análise de tendências; Ciência da informação; Redes sociais

Texto completo:

HTML PDF EPUB

Referências


Abe, H., Tsumoto, S. (2009). Evaluating a method to detect temporal trends of phrases in research documents. 8th IEEE International Conference on Cognitive Informatics, 378-383. doi:10.1109/COGINF.2009.5250711

Bolelli, L., Ertekin, S., Zhou, D., & Giles, C. L. (2009). Finding topic trends in digital libraries. 9th ACM/IEEE-CS Joint Conference on Digital Libraries, 69-72. doi:10.1145/1555400.1555411

Cimenler, O., Reeves, K. A., & Skvorets, J. (2014). A regression analysis of researchers’ social network metrics on their citation performance in a college of engineering. Journal of Informetrics, 8(3), 667-682. doi:10.1016/j.joi.2014.06.004

Digiampietri, L. A., Mena-Chalco, J. P., Pérez-Alcázar, J. J., Tuesta, E. F., Delgado, K. V., Mugnaini, R., & Silva, G. S. (2012a). Dinâmica das relações de coautoria nos programas de pós-graduação em computação no Brasil. 2012 Brazilian Workshop on Social Network Analysis and Mining.

Digiampietri, L. A., Mena-Chalco, J. P., Pérez-Alcázar, J. J., Tuesta, E. F., Delgado, K. V., Mugnaini, R., & Silva, G. S. (2012b). Minerando e caracterizando dados de currículos Lattes. 2012 Brazilian Workshop on Social Network Analysis and Mining. Retirado de http://www.imago.ufpr.br/csbc2012/anais_csbc/eventos/brasnam/artigos/BRASNAM%20-%20Minerando%20e%20Caracterizando%20Dados%20de%20Curriculos%20Lattes.pdf

Digiampietri, L., Mugnaini, R., Mena-Chalco, J., Delgado, K., & Pérez-Alcázar, J. (2014). Análise da atualização dos Currículos Lattes. IV Encontro Brasileiro de Bibliometria e Cientometria. Retirado de http://www.uspleste.usp.br/digiampietri/bibtex/DigiampietriEtAl_EBBC2014.pdf

Kawamae, N. (2012). Theme chronicle model: chronicle consists of timestamp and topical words over each theme. 21st ACM International Conference on Information and Knowledge Management, 2065-2069. doi:10.1145/2396761.2398573

Kawamae, N., & Higashinaka, R. (2010). Trend detection model. 19th International Conference on World Wide Web, 1129-1130. doi:10.1145/1772690.1772838

Jayashri, M., & Chitra, P. (2012). Topic clustering and topic evolution based on temporal parameters. 2012 International Conference on Recent Trends in Information Technology, 559-564. doi:10.1109/ICRTIT.2012.6206816

Miyata, B. K. O., Kano, V. Y., & Digiampietri, L. A. (2013). Combinando mineração de textos e análise de redes sociais para a identificação das áreas de atuação de pesquisadores. Second Brazilian Workshop on Social Network Analysis and Mining. Retirado de https://drive.google.com/viewerng/viewer?a=...

Nakagawa, H., & Mori, T. (2002). A simple but powerful automatic term extraction method. Second International Workshop on Computational Terminology. doi:10.3115/1118771.1118778

Park, H., Kim, E., Bae, K., Hahn, H., Sung, T., & Kwon, H. (2011). Detection and analysis of trend topics for global scientific literature using feature selection based on Gini-Index. 23rd IEEE International Conference on Tools with Artificial Intelligence, 965–969. doi:10.1109/ICTAI.2011.166

Trucolo, C. C., & Digiampietri, L. A. (2014a). Análise de tendências da produção científica nacional da área de Ciência da Computação. Revista de Sistemas de Informação da FSMA, 14, 2-9. Retirado de http://www.fsma.edu.br/si/edicao14/FSMA_SI_2014_2_Estudantil_1.pdf

Trucolo, C. C., & Digiampietri, L. A. (2014b). Uma revisão sistemática acerca das técnicas de identificação de análise de tendências. X Simpósio Brasileiro de Sistemas de Informação, 639-650. Retirado de http://www.uspleste.usp.br/digiampietri/bibtex/TrucoloEDigiampietri2014a.pdf




DOI: http://dx.doi.org/10.5380/atoz.v3i2.41341

Apontamentos

  • Não há apontamentos.




Universidade Federal do Paraná
Mestrado e Doutorado Interdisciplinar em Gestão da Informação
ISSN: 2237-826X
Qualis (2013-2016):
B2 - Comunicação e Informação
B4 - Planejamento Urbano e Regional/Demografia; Saúde Coletiva; Interdisciplinar
B5 - Arquitetura, Urbanismo e Design; Engenharias III
Licença Creative Commons
Esta obra foi licenciada sob uma Licença
Creative Commons Atribuição-NãoComercial-CompartilhaIgual 3.0 Não Adaptada