Visualización y análisis de datos bibliométricos desde Scopus
Este proyecto se enfoca en el análisis y visualización de datos científicos obtenidos desde Scopus, con el objetivo de estudiar cómo los jóvenes universitarios utilizan la Inteligencia Artificial en distintos contextos sociales, académicos y creativos.
El análisis fue desarrollado principalmente en Python, utilizando estructuras de procesamiento de texto, clasificación temática y exploración de patrones semánticos dentro de artículos científicos.
El proyecto implementa diccionarios temáticos personalizados para detectar patrones relacionados con:
Los artículos son clasificados automáticamente en 4 clusters temáticos principales:
Interacción y redes sociales
Educación y contexto universitario
Creatividad digital y producción
Combinaciones y casos especiales
Esto permite construir mapas semánticos y detectar relaciones entre conceptos dentro del corpus científico.
Carga, limpieza y transformación de archivos CSV desde Scopus. Manejo de tablas de datos y metadatos científicos.
Gráficos estadísticos y visualizaciones básicas
Visualizaciones interactivas y exploración dinámica de datos
Redes semánticas y grafos interactivos entre conceptos
Modelado de redes complejas y relaciones bibliométricas
La visualización de datos es el proceso de transformar información numérica o textual en representaciones gráficas comprensibles. Su objetivo es revelar patrones, tendencias y relaciones que serían difíciles de detectar en formato textual o tabular.
La visualización actúa como una "traducción visual" del conocimiento científico, facilitando el análisis sociotécnico de la producción académica sobre Inteligencia Artificial.
Explora los clusters y relaciones semánticas en 3D de forma interactiva