Referencia

Este trabajo está hecho con el paquete en R bibliometrix y sobre la base propuesta por Aria y Cuccurullo, adaptado y modificado para nuestra/s línea/s de investigación.

Aria, M., & Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis, Journal of Informetrics, 11(4), pp 959-9753643, (https://www.bibliometrix.org).

Datos Bibliográficos

Los datos bibliográficos son los de la cadena de búsqueda que se ha hecho. De momento nos hemos centrado en una de las líneas del G.I., la neofilia/neofobia en el turismo. Lógicamente se aplicaría a las otras líneas; sin embargo, cuidado a la hora de filtrar y redefinir la base de datos ya que hay que quitar áreas que no sean de nuestro interés, por ejemplo, en nuestra selección había referencias de zoología, biología, etc…, dado que también hay neofilia y neofobia, sobre todo ésta última, concretamente en los animales, pues bien, hay que ser cuidadosos porque algún área se puede colar en la forma de revistas y referencias no relacionadas con nuestra área de investigación.

Fuente de los datos: Clarivate Analytics Web of Science (http://apps.webofknowledge.com)

Formato: Bibtex

Consulta: “Web of Science Core Collection”

Rango: 1995-2022

Tipos de Documentos: Todos

Fecha de la consulta: Septiembre, 2022

Instalación del paquete, carga de los datos y conversión

Como el objetivo es ver qué análisis hace la herramienta y cómo lo hace, se han omitido los pasos de la instalación, la carga de los datos y la conversión, aunque es un paso importante ya que se debe hacer en R, tras descargar los datos de la WoS o Scopus, que también tiene su técnica. Tras indagar bastante se logró dar con una manera de fusionar ambas bases de datos y funciona perfectamente, además omite de forma automática las referencias duplicadas. Con ese procedimiento podemos tener ambas BBDD en un solo archivo y aunque WoS tiene más referencias (por regla general, aunque no siempre), Scopus casi siempre suele alguna/s diferente/s y aunque sean pocas, al menos cubrimos prácticamente las dos fuentes de artículos más importantes. Mencionar que en las últimas actualizaciones de este paquete Bibliometrix se han incluido otras BBDD bibliográficas de caracter abierto tales como OpenAlex, Dimensions, Lens, y del ámbito médico como PubMed y Cochrane.

Sección 1: Análisis Descriptivo

El análisis descriptivo del paquete proporciona bastante información sobre el desarrollo anual de la investigación, los “k” autores más productivos, los artículos, los países y las palabras clave más relevantes.

Principales hallazgos sobre la Base de Datos analizada

En el siguiente cuadro aparece un resumen de los datos y otras clasificaciones bastante interesantes: nº de autores, nº de documentos, producción científica cada año (y su crecimiento medio), los autores más productivos, los países y las correspondientes citas, las revistas más relevantes, las palabras clave más relevantes, etc…

Además, esta información también la podemos obtener en gráficos.



MAIN INFORMATION ABOUT DATA

 Timespan                              1995 : 2022 
 Sources (Journals, Books, etc)        69 
 Documents                             152 
 Annual Growth Rate %                  9.64 
 Document Average Age                  8.52 
 Average citations per doc             29.24 
 Average citations per year per doc    2.693 
 References                            7867 
 
DOCUMENT TYPES                     
 article                         130 
 article; book chapter           2 
 article; early access           5 
 article; proceedings paper      1 
 editorial material              4 
 letter                          1 
 proceedings paper               3 
 review                          6 
 
DOCUMENT CONTENTS
 Keywords Plus (ID)                    617 
 Author's Keywords (DE)                512 
 
AUTHORS
 Authors                               422 
 Author Appearances                    482 
 Authors of single-authored docs       18 
 
AUTHORS COLLABORATION
 Single-authored docs                  19 
 Documents per Author                  0.36 
 Co-Authors per Doc                    3.17 
 International co-authorships %        36.18 
 

Annual Scientific Production

 Year    Articles
    1995        1
    2000        2
    2003        2
    2005        3
    2006        2
    2007        3
    2008        5
    2009        3
    2010        7
    2011        2
    2012        6
    2013        5
    2014        8
    2015       11
    2016       11
    2017       13
    2018       13
    2019       11
    2020       17
    2021       10
    2022       12

Annual Percentage Growth Rate 9.64 


Most Productive Authors

     Authors        Articles   Authors        Articles Fractionalized
1  METTKE-HOFMANN C        8 METTKE-HOFMANN C                    3.70
2  BUGNYAR T               4 STHAPIT E                           1.33
3  EVES A                  4 EVES A                              1.25
4  CARACCIOLO F            3 MORAND-FERRON J                     1.08
5  GRIFFIN AS              3 [ANONYMOUS] A                       1.00
6  HUBER L                 3 AKYUZ BG                            1.00
7  KIM YG                  3 ANTONAKIS J                         1.00
8  MORAND-FERRON J         3 ARMELAGOS GJ                        1.00
9  VERNEAU F               3 BERTI I                             1.00
10 AMICI F                 2 CHAKRABARTI B                       1.00


Top manuscripts per citations

                                 Paper                                      DOI  TC TCperYear  NTC
1  KIM YG, 2009, INT J HOSP MANAG               10.1016/j.ijhm.2008.11.005      346     21.62 2.38
2  CHANG RCY, 2010, ANN TOURIS RES              10.1016/j.annals.2010.03.007    276     18.40 3.21
3  ANTONAKIS J, 2017, LEADERSH Q                10.1016/j.leaqua.2017.01.006    192     24.00 4.79
4  VERBEKE W, 2005, BR FOOD J                   10.1108/00070700510629779       183      9.15 1.97
5  KIM YG, 2010, INT J HOSP MANAG               10.1016/j.ijhm.2009.10.015      178     11.87 2.07
6  CAVIGELLI SA, 2003, PROC NATL ACAD SCI U S A 10.1073/pnas.2535721100         161      7.32 1.22
7  HUGHES RN, 2007, NEUROSCI BIOBEHAV REV       10.1016/j.neubiorev.2006.11.004 110      6.11 2.84
8  MORAND-FERRON J, 2011, BEHAV ECOL            10.1093/beheco/arr120           106      7.57 1.49
9  DAY RL, 2003, ANIM BEHAV                     10.1006/anbe.2003.2074          103      4.68 0.78
10 REVERDY C, 2008, APPETITE                    10.1016/j.appet.2008.01.010     101      5.94 1.51


Corresponding Author's Countries

          Country Articles   Freq SCP MCP MCP_Ratio
1  UNITED KINGDOM       24 0.1622  17   7     0.292
2  USA                  18 0.1216  12   6     0.333
3  CHINA                14 0.0946   5   9     0.643
4  AUSTRALIA            13 0.0878   9   4     0.308
5  GERMANY               9 0.0608   4   5     0.556
6  CANADA                8 0.0541   5   3     0.375
7  ITALY                 7 0.0473   7   0     0.000
8  AUSTRIA               6 0.0405   2   4     0.667
9  BELGIUM               3 0.0203   1   2     0.667
10 BRAZIL                3 0.0203   2   1     0.333


SCP: Single Country Publications

MCP: Multiple Country Publications


Total Citations per Country

      Country      Total Citations Average Article Citations
1  UNITED KINGDOM             1122                     46.75
2  USA                         639                     35.50
3  CHINA                       490                     35.00
4  AUSTRALIA                   275                     21.15
5  BELGIUM                     193                     64.33
6  SWITZERLAND                 192                     96.00
7  AUSTRIA                     187                     31.17
8  GERMANY                     158                     17.56
9  ARGENTINA                   143                     71.50
10 ITALY                       143                     20.43


Most Relevant Sources

                                    Sources        Articles
1  ANIMAL BEHAVIOUR                                      17
2  ETHOLOGY                                               8
3  ANIMAL COGNITION                                       7
4  FOOD QUALITY AND PREFERENCE                            7
5  BEHAVIORAL ECOLOGY                                     6
6  BRITISH FOOD JOURNAL                                   6
7  SCIENTIFIC REPORTS                                     6
8  APPETITE                                               5
9  INTERNATIONAL JOURNAL OF HOSPITALITY MANAGEMENT        5
10 PLOS ONE                                               5


Most Relevant Keywords

   Author Keywords (DE)      Articles Keywords-Plus (ID)     Articles
1             NEOPHILIA            24           NEOPHOBIA          48
2             FOOD NEOPHOBIA       23           BEHAVIOR           29
3             NEOPHOBIA            22           NEOPHILIA          21
4             EXPLORATION          13           ATTITUDES          17
5             FOOD                 11           SCALE              17
6             FOOD TOURISM         11           SATISFACTION       16
7             FOOD NEOPHILIA       10           TOURISM            15
8             PERSONALITY           9           EVOLUTION          13
9             INNOVATION            8           INFORMATION        13
10            LOCAL FOOD            8           MODEL              13

Referencias más citadas

En cuanto a las referencias más citadas también las podemos obtener, así como su número:

                                                                                   [,1]
PLINER P, 1992, APPETITE, V19, P105, DOI 10.1016/0195-6663(92)90014-W                55
GREENBERG R, 2001, CURR ORNITHOL, V16, P119                                          32
COHEN E, 2004, ANN TOURISM RES, V31, P755, DOI 10.1016/J.ANNALS.2004.02.003          29
RITCHEY PN, 2003, APPETITE, V40, P163, DOI 10.1016/S0195-6663(02)00134-4             27
METTKE-HOFMANN C, 2002, ETHOLOGY, V108, P249, DOI 10.1046/J.1439-0310.2002.00773.X   24
TUORILA H, 2001, FOOD QUAL PREFER, V12, P29, DOI 10.1016/S0950-3293(00)00025-2       24
KIM YG, 2009, INT J HOSP MANAG, V28, P423, DOI 10.1016/J.IJHM.2008.11.005            21
KIM YG, 2010, INT J HOSP MANAG, V29, P216, DOI 10.1016/J.IJHM.2009.10.015            19
QUAN S, 2004, TOURISM MANAGE, V25, P297, DOI 10.1016/S0261-5177(03)00130-4           19
REALE D, 2007, BIOL REV, V82, P291, DOI 10.1111/J.1469-185X.2007.00010.X             19
CHANG RCY, 2010, ANN TOURISM RES, V37, P989, DOI 10.1016/J.ANNALS.2010.03.007        16
PLINER P, 2006, FRONT NUTR SCI, P75, DOI 10.1079/9780851990323.0075                  16
FORNELL C, 1981, J MARKETING RES, V18, P39, DOI 10.2307/3151312                      15
JI MJ, 2016, TOURISM MANAGE, V57, P387, DOI 10.1016/J.TOURMAN.2016.06.003            15
MAK AHN, 2012, INT J HOSP MANAG, V31, P928, DOI 10.1016/J.IJHM.2011.10.012           15
CHANG RCY, 2011, TOURISM MANAGE, V32, P307, DOI 10.1016/J.TOURMAN.2010.02.009        14
FISCHLER C, 1988, SOC SCI INFORM, V27, P275, DOI 10.1177/053901888027002005          14
GREENBERG RUSSELL, 2003, P175                                                        14
MARTIN LB, 2005, BEHAV ECOL, V16, P702, DOI 10.1093/BEHECO/ARI044                    14
SOL D, 2011, PLOS ONE, V6, DOI 10.1371/JOURNAL.PONE.0019535                          14

Sección 2: La estructura del campo - Análisis de co-citas

El análisis de citas es otra herramienta destacable del análisis bibliométrico que ofrece el paquete. Muestra la estructura de un campo específico a través de los vínculos entre nodos (por ejemplo, autores, artículos, revista). La opción interesante es que las aristas pueden ser interpretadas de manera diferente en función del tipo de red, es decir, co-citas, citas directas, acoplamiento bibliográfico, etc… Esto, viendo en profundidad el manual de uso del paquete para ver las diferentes opciones, es muy útil y se puede aprovechar bastante.

A continuación se han cogido los tres ejemplos estándar que muestran en la referencia original pero adaptándolo a nuestra base de datos.

Primero, una red de co-citas que muestra las relaciones entre las obras citadas-referidas (nodos).

Segundo, una red de co-citas que utiliza las revistas citadas como unidad de análisis.

Las dimensiones útiles para comentar las redes de co-citas son: (i) centralidad y perificidad de los nodos, (ii) su proximidad y distancia, (iii) fuerza de los vínculos, (iv) clusters, (v) contribuciones puente.

En tercer lugar, una historiografía que se construye a partir de citas directas. Traza los vínculos intelectuales en un orden histórico. Los trabajos citados de miles de autores contenidos en una colección de artículos científicos publicados son suficientes para reconstruir la estructura historiográfica del campo, señalando los trabajos básicos qeu hay en él.

Análisis de co-citas de artículos (referencias)

Este es el típico grafo del VosViewer, en este caso para una visualización de la red de co-citas. No se han modificado los parámetros del gráfico para hacerlo más claro pero las opciones del gráfico que se muestran a continuación son, sobre todo, para el “fine tuning” de forma visual. Sin ver el código esto puede resultar inútil pero es interesante saber que se puede retocar y hacerlo más legible. Lo interesante sería poder eliminar aquélllas co-citas que aparecen aisladas y centrarse solo en las que hay relaciones.

  • n = 50 (la función traza las principales 50 referencias citadas)

  • type = "fruchterman" (el trazado de la red se genera mediante el algoritmo Fruchterman-Reingold, existe la opción de otros tipos de algoritmos aunque no las he trasteado y no sé si nos valdría a nosotros.)

  • size.cex = TRUE (el tamaño de los vértices es proporcional a su grado)

  • size = 20 (tamaño máximo de los vértices)

  • remove.multiple = FALSE (no se eliminan las aristas múltiples, lo contrario es TRUE)

  • labelsize = 1 (define el tamaño de las etiquetas de los vértices)

  • edgesize = 10 (El grosor de las aristas es proporcional a su fuerza. Edgesize define el valor máximo del grosor)

  • edges.min = 5 (sólo traza las aristas con una fuerza mayor o igual a 5)

  • todos los demás argumentos asumen los valores por defecto.

Análisis de co-citas de revistas (fuente)

wos=metaTagExtraction(wos,"CR_SO",sep=";")
NetMatrix <- biblioNetwork(wos, analysis = "co-citation", network = "sources", sep = ";")
net=networkPlot(NetMatrix, n = 50, Title = "Co-Citation Network", type = "auto", size.cex=TRUE, size=15, remove.multiple=FALSE, labelsize=1,edgesize = 10, edges.min=5)

Análisis descriptivo de las características de la red de citas de revistas

Este análisis es similar al anterior pero con las citas de las revistas.



Main statistics about the network

 Size                                  2876 
 Density                               0.034 
 Transitivity                          0.364 
 Diameter                              4 
 Degree Centralization                 0.481 
 Average path length                   2.284

Sección 3: Historiografía - Vínculos de citación directa

Este análisis nos proporciona los vínculos de citas directas por autor y año, lo cual es interesante para ver quién cita a quién y cuándo.

## 
## WOS DB:
## Searching local citations (LCS) by reference items (SR) and DOIs...
## 
## Analyzing 10475 reference items...
## 
## Found 49 documents with no empty Local Citations (LCS)


 Legend

                                                                       Label
1              HEINRICH B, 1995, ANIM BEHAV DOI 10.1016/0003-3472(95)80130-8
2                        DAY RL, 2003, ANIM BEHAV DOI 10.1006/ANBE.2003.2074
3           METTKE-HOFMANN C, 2005, BEHAVIOUR DOI 10.1163/156853905774539427
4               METTKE-HOFMANN C, 2005, BEHAV ECOL DOI 10.1093/BEHECO/ARH159
5         ECHEVERRIA AI, 2008, ETHOLOGY DOI 10.1111/J.1439-0310.2008.01512.X
6              KIM YG, 2009, INT J HOSP MANAG DOI 10.1016/J.IJHM.2008.11.005
7      METTKE-HOFMANN C, 2009, ETHOLOGY DOI 10.1111/J.1439-0310.2009.01632.X
8                  BERGMAN TJ, 2009, ANIM COGN DOI 10.1007/S10071-008-0171-2
9              KIM YG, 2010, INT J HOSP MANAG DOI 10.1016/J.IJHM.2009.10.015
10               MORAND-FERRON J, 2011, BEHAV ECOL DOI 10.1093/BEHECO/ARR120
11              RAUDENBUSH B, 2012, APPETITE DOI 10.1016/J.APPET.2012.02.042
12             KIM YG, 2013, INT J HOSP MANAG DOI 10.1016/J.IJHM.2012.06.005
13 DIMITROVSKI D, 2017, J TRAVEL TOUR MARK DOI 10.1080/10548408.2016.1193100
14      MAK AHN, 2017, ASIA PAC J TOUR RES DOI 10.1080/10941665.2016.1175488
15    GRIFFIN AS, 2017, CURR OPIN BEHAV SCI DOI 10.1016/J.COBEHA.2017.01.004
16          HSU FC, 2018, TOUR RECREAT RES DOI 10.1080/02508281.2018.1475879
17                AKYUZ BG, 2019, ANATOLIA DOI 10.1080/13032917.2019.1595072
18         BAAH NG, 2020, CURR ISSUES TOUR DOI 10.1080/13683500.2019.1619676
19                   LAI MY, 2020, J TRAVEL RES DOI 10.1177/0047287519867144
20         OKUMUS B, 2021, TOUR MANAG PERSPECT DOI 10.1016/J.TMP.2020.100773
                                                                                                                            Author_Keywords
1                                                                                                                                      <NA>
2                                                                                                                                      <NA>
3                                                                             CONTEXT SPECIFICITY; EXPLORATION; NEOPHILIA; NEOPHOBIA; BIRDS
4                                                             ENVIRONMENTAL ASSESSMENT; NEOPHILIA; NOMADS; PARROTS; PSITTACIDAE;; RESIDENTS
5                                                                                                                                      <NA>
6                                                LOCAL FOOD; FOOD CONSUMPTION; FOOD TOURISM; CULINARY TOURISM;; MOTIVATION; GROUNDED THEORY
7                                                                                                                                      <NA>
8                        NOVEL OBJECTS; NEOPHILIA; EXPLORATION; PRIMATE; NEOPHOBIA; THEROPITHECUS; GELADA; PAPIO URSINUS; BABOON; COGNITION
9                                                                          FOOD INVOLVEMENT; FOOD NEOPHOBIA; LOCAL FOOD; FESTIVALS; LOYALTY
10                                                       AGE DIFFERENCES; INNOVATION; PERSONALITY; PROBLEM SOLVING; SOCIAL; LEARNING; STATE
11                                                                                        PSYCHOLOGY; FOOD NEOPHOBIA; PHYSIOLOGICAL AROUSAL
12                                                                       EMPIRICAL VERIFICATION; LOCAL FOOD; FOOD CONSUMPTION; FOOD TOURISM
13                       FOOD MARKETS; SATISFACTION; TOURIST ATTRACTION; MOTIVATIONS; FOOD MARKET; LOVERS; FOOD NEOPHILIA; BARCELONA; SPAIN
14 TOURIST FOOD CONSUMPTION; FOOD-RELATED PERSONALITY TRAITS; FOOD; NEOPHOBIA; VARIETY-SEEKING; TOURIST'S PARADOX; SENSORY-SPECIFIC SATIETY
15                                                                                                                                     <NA>
16                                                      FOOD TOURISM; FOOD NEOPHOBIA; SENSATION-SEEKING; TRADITIONAL FOOD CHOICE; BEHAVIOUR
17                                                 CULINARY TOURISM; GASTRONOMY TOURISM; LOCAL FOOD; TRAVEL MOTIVATIONS;; TRAVEL INTENTIONS
18                                                              GASTRONOMY TOURISM; FOOD TOURISM; NEOPHOBIA; NEOPHILIC TENDENCY;; ATTITUDES
19                              DESTINATION FOOD IMAGE; FOOD TOURISM; FOOD NEOPHOBIA; POTENTIAL CHINESE; TOURIST; FORMATIVE IMAGE CONSTRUCT
20                                        GENDER; GENERATION; FOOD NEOPHOBIA; FOOD NEOPHILIA; FOOD TOURISM; ETHNIC; FOOD; CHINESE TRAVELERS
                                                                                                                                                             KeywordsPlus
1                                                                                                                                                                    <NA>
2                      TAMARINS LEONTOPITHECUS-ROSALIA; PRIMATE COGNITION; FEEDING NEOPHOBIA;; CALLITHRIX-KUHLI; TOOL USE; BEHAVIOR; EVOLUTION; PATTERNS; SAGUINUS;; SIZE
3        GUPPY POECILIA-RETICULATA; INDIVIDUAL-DIFFERENCES; EXPLORATORY-BEHAVIOR;; GREAT TITS; REALIZED HERITABILITY; RISK-TAKING; PARUS-MAJOR; ANIMALS;; PIGS; NEOPHOBIA
4                                       NUCLEOTIDE-SEQUENCES; DECISION-MAKING; BIRD COMMUNITY; PHYLOGENY;; INFORMATION; STRATEGIES; NEOPHOBIA; BEHAVIOR; STIMULUS; GUINEA
5                                                                                  HOUSE SPARROWS; GROUP-SIZE; NEOPHOBIA; EXPLORATION; RAVENS; NEOPHILIA;; BEHAVIOR; SONG
6                                                                                                       TOURISM; CHOICE; PERCEPTION; SELECTION; PATTERNS; HERITAGE; TASTE
7                                                       REALIZED HERITABILITY; MEMORY; EXPLORATION; BEHAVIOR; INFORMATION;; HIPPOCAMPUS; FAMILIARITY; SUCCESS; LIFE; CUES
8                                         BEHAVIORAL ECOLOGY; FEEDING NEOPHOBIA; GREAT TITS; TRADE-OFFS;; EVOLUTION; MONKEYS; EXPLORATION; HABITAT; BIRDS; RESPONSIVENESS
9                                                         CONSUMER INVOLVEMENT; NEOPHOBIA; TOURISM; CHOICE; SCALE; FAMILIAR;; UNFAMILIAR; ATTITUDES; VARIABLES; SELECTION
10                  TIT PARUS-MAJOR; BEHAVIORAL FLEXIBILITY; INDIVIDUAL VARIATION; FORAGING; INNOVATION; SOCIAL RANK; GREAT TITS; BODY-SIZE; NEOPHOBIA; NEOPHILIA;; BIRDS
11                                                                                                                                                                   <NA>
12                                                                                                                                           SCALE DEVELOPMENT; NEOPHOBIA
13                                       STRUCTURAL MODEL; CULINARY TOURISM; FARMERS MARKETS; NEOPHOBIA;; FESTIVAL; ATTITUDES; VISITORS; SCALE; SATISFACTION; DESTINATION
14                                                              HONG-KONG; NEOPHOBIA; SCALE; CHOICE; MODEL; ANTECEDENTS; INFORMATION;; EXPERIENCES; ACCEPTANCE; ATTITUDES
15      INVASION SUCCESS; BEHAVIORAL FLEXIBILITY; REPRODUCTIVE OUTPUT;; PERSONALITY-TRAITS; TROPHIC DYNAMICS; NEST PREDATION; RISK-TAKING;; LAND-COVER; BRAIN SIZE; BIRDS
16                                 SENSATION SEEKING; PLANNED BEHAVIOR; LOCAL FOOD; PERSONALITY-TRAITS;; EUROPEAN FOOD; TOURISM; ATTITUDES; CHOICE; NEOPHOBIA; ACCEPTANCE
17                                  CULINARY TOURISM; CONSUMER INVOLVEMENT; DESTINATION; SEGMENTATION;; NEOPHOBIA; SCALE; NATIONALITY; INFORMATION; ATTRACTION; NUTRITION
18                                             PURCHASE INTENTIONS; CONSUMER ATTITUDES; NOVELTY-SEEKING; HONG-KONG;; FOOD; BEHAVIOR; ANTECEDENTS; GASTRONOMY; CHOICE; FIT
19 PARTIAL LEAST-SQUARES; STRUCTURAL EQUATION MODELS; LOCAL FOOD; CULINARY; TOURISM; FORMATIVE MEASUREMENT; PSYCHOLOGICAL-FACTORS; PLS;; SATISFACTION; INFORMATION; PLACE
20                                        EATING BEHAVIOR; NOVELTY-SEEKING; FAMILIAR; CHILDREN; HABITS;; SATISFACTION; WILLINGNESS; RESEMBLANCE; PERSONALITY; INVOLVEMENT
                                DOI Year LCS GCS
1      10.1016/0003-3472(95)80130-8 1995  10  71
2            10.1006/anbe.2003.2074 2003   8 103
3        10.1163/156853905774539427 2005   7  54
4             10.1093/beheco/arh159 2005   7  42
5  10.1111/j.1439-0310.2008.01512.x 2008   6  44
6        10.1016/j.ijhm.2008.11.005 2009  21 346
7  10.1111/j.1439-0310.2009.01632.x 2009   5  33
8         10.1007/s10071-008-0171-2 2009   5  58
9        10.1016/j.ijhm.2009.10.015 2010  19 178
10            10.1093/beheco/arr120 2011   5 106
11      10.1016/j.appet.2012.02.042 2012   5  41
12       10.1016/j.ijhm.2012.06.005 2013   8  85
13    10.1080/10548408.2016.1193100 2017   8  40
14    10.1080/10941665.2016.1175488 2017  13  73
15     10.1016/j.cobeha.2017.01.004 2017   6  51
16    10.1080/02508281.2018.1475879 2018   6  21
17    10.1080/13032917.2019.1595072 2019   4  10
18    10.1080/13683500.2019.1619676 2020   5  13
19         10.1177/0047287519867144 2020   6  34
20        10.1016/j.tmp.2020.100773 2021   5  11

Sección 4: La estructura conceptual - Análisis de co-palabras

Las redes de co-palabras muestran la estructura conceptual, que descubre los vínculos entre los conceptos a través de las co-ocurrencias de términos.

La estructura conceptual puede utilizar para comprender los temas que se tratan (frente de investigación) e identificar cuáles son los temas más importantes y más recientes.

La herramienta divide todo el lapso de tiempo en diferentes periodos y compara las estructuras conceptuales lo cual es útil para analizar la evolución de los temas a lo largo del tiempo.

El paquete es capaz de analizar las palabras clave, pero también los términos de los títulos y resúmenes de los artículos. Lo hace mediante el análisis de redes o el análisis de correspondencias (CA) o el análisis de correspondencias múltiples (MCA). El CA y el MCA visualizan la estructura conceptual en un gráfico bidimensional, que también lo muestro más abajo.

Análisis de palabras conjuntas mediante co-ocurrencias de palabras clave

Al igual que el grafo anterio, las opciones son para hacer más legible el grafo:

  • normalize = "association" (the vertex similarities are normalized using association strengthlas similitudes de los vértices se normalizan utilizando la fuerza de asociación)

  • n = 50 (La función traza las 50 principales referencias citadas)

  • type = "fruchterman" (El trazado de la red se genera utilizando el algoritmo Fruchterman-Reingold)

  • size.cex = TRUE (El tamaño de los vértices es proporcional a su grado)

  • size = 20 (El tamaño máximo de los vértices)

  • remove.multiple = FALSE (No se eliminan las aristas múltiples)

  • labelsize = 3 (Define el tamaño máximo de las etiquetas de los vértices)

  • label.cex = TRUE (El tamaño de las etiquetas de los vértices es proporcional a su grado)

  • edgesize = 10 (El grosor de las aristas es proporcional a su grado. Edgesize define el valor máximo del grosor)

  • label.n = 30 (Las etiquetas se trazan sólo para los 30 vértices principales)

  • edges.min = 25 (Sólo traza las aristas con una fuerza mayor o igual a 2)

  • todos los demás argumentos asumen los valores por defecto

NetMatrix <- biblioNetwork(wos, analysis = "co-occurrences", network = "keywords", sep = ";")
net=networkPlot(NetMatrix, normalize="association", n = 50, Title = "Keyword Co-occurrences", type = "fruchterman", size.cex=TRUE, size=20, remove.multiple=F, edgesize = 10, labelsize=5,label.cex=TRUE,label.n=30,edges.min=2)

Análisis de palabras conjuntas mediante el análisis de correspondencias

suppressWarnings(
CS <- conceptualStructure(wos, method="MCA", field="ID", minDegree=15, clust=5, stemming=FALSE, labelsize=15,documents=20)
)

Sección 5: Mapas Temáticos

El análisis de co-palabras dibuja clusters de las palabras clave. Se consideran temas, cuya densidad y centralidad pueden utilizarse para clasificar los temas y trazar un diagrama bidimensional.

El mapa temático es un diagrama muy intuitivo y podemos analizar los temas según el cuadrante en el que se sitúan: (1) cuadrante superior derecho: temas motores (según los califican los autores de la herramienta); (2) cuadrante inferior derecho: temas básicos; (3) cuadrante inferior izquierdo: temas emergentes o que desaparecen; (4) cuadrante superior izquierdo: temas muy especializados/nicho.

Map=thematicMap(wos, field = "ID", n = 250, minfreq = 4,
  stemming = FALSE, size = 0.7, n.labels=5, repel = TRUE)
plot(Map$map)

A continuación se puede pedir al programa la descripción del clúster

Clusters=Map$words[order(Map$words$Cluster,-Map$words$Occurrences),]
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
CL <- Clusters %>% group_by(.data$Cluster_Label) %>% top_n(5, .data$Occurrences)
CL
## # A tibble: 24 × 9
## # Groups:   Cluster_Label [4]
##    Occurrences Words           Cluster Color    Cluster_Label Cluster_Frequency btw_centrality clos_centrality pagerank_centrality
##          <dbl> <chr>             <dbl> <chr>    <chr>                     <dbl>          <dbl>           <dbl>               <dbl>
##  1           9 willingness           1 #E41A1C… willingness                 106           575.         0.00194             0.0113 
##  2           7 acceptance            1 #E41A1C… willingness                 106           563.         0.00189             0.00874
##  3           6 familiar              1 #E41A1C… willingness                 106           158.         0.00176             0.00662
##  4           5 eating behavior       1 #E41A1C… willingness                 106           331.         0.00181             0.00573
##  5           5 food neophobia        1 #E41A1C… willingness                 106           226.         0.00181             0.00481
##  6          48 neophobia             2 #377EB8… neophobia                   407          4658.         0.00243             0.0437 
##  7          29 behavior              2 #377EB8… neophobia                   407          4498.         0.00240             0.0272 
##  8          21 neophilia             2 #377EB8… neophobia                   407          1163.         0.00206             0.0220 
##  9          13 evolution             2 #377EB8… neophobia                   407           995.         0.00205             0.0131 
## 10          12 exploration           2 #377EB8… neophobia                   407           936.         0.00205             0.0137 
## # ℹ 14 more rows

Sección 6: Estructura social - Análisis de la colaboración

Esta última sección también es interesante. Las redes de colaboración muestran cómo los autores, las instituciones (por ejemplo, universidades o departamentos) y los países se relacionan con otros en el campo que estemos analizando, en este caso de la neofilia/neofobia en el turismo. Por ejemplo, la primera figura de abajo es una “Red de co-autores”. En ella se descubren los grupos de estudio regulares, los grupos ocultos de estudiosos y los autores fundamentales. La segunda figura se denomina “Red de colaboración Educativa” y descubre las instituciones relevantes en un campo de investigación específico y sus relaciones.

Red de colaboración entre autores

NetMatrix <- biblioNetwork(wos, analysis = "collaboration",  network = "authors", sep = ";")
net=networkPlot(NetMatrix,  n = 50, Title = "Author collaboration",type = "auto", size=10,size.cex=T,edgesize = 3,labelsize=1)

Red de colaboración educativa

NetMatrix <- biblioNetwork(wos, analysis = "collaboration",  network = "universities", sep = ";")
net=networkPlot(NetMatrix,  n = 50, Title = "Edu collaboration",type = "auto", size=4,size.cex=F,edgesize = 3,labelsize=1)

Red de colaboración entre países

Finalmente, también podemos obtener un grafo de la red de colaboración entre países, lo cual puede ser útil para ver entre qué países hay más colaboración en el tema en cuestión. Por ejemplo, se puede ver que el país que más relaciones tiene es el Reino Unido. España, por su parte establece colaboraciones con Japón, Sudáfrica, Indonesia, Alemania y China.

wos <- metaTagExtraction(wos, Field = "AU_CO", sep = ";")
NetMatrix <- biblioNetwork(wos, analysis = "collaboration",  network = "countries", sep = ";")
net=networkPlot(NetMatrix,  n = dim(NetMatrix)[1], Title = "Country collaboration",type = "circle", size=10,size.cex=T,edgesize = 1,labelsize=0.6, cluster="none")

Comentario Final

Aparte de esta librería que se trabaja en ´R´, los autores han creado una aplicación que hace lo mismo sin necesidad de programar, incluso hay alguna herramienta adicional más, también útil. Lo único que hace falta es tener la BBDD en el formato correcto (fusionada WoS y Scopus, si se quiere, etc…) porque de lo contrario, no la lee pero si se hace bien, el resultado es el mismo que hemos mostrado aquí pero sin programar R prácticamente (solo para transformar los archivos).