Análisis y Diseño de un Sistema de Información Bibliométrico de Publicaciones Científicas

Abstract

[Resumen] En el presente proyecto, se lleva a cabo el análisis, diseño e implementación de un sistema de información para el almacenamiento de datos bibliométricos y su posterior explotación en un caso de uso concreto. Para ello, se realizará un análisis de diversas bases de datos de publicaciones científicas, Google Scholar, Scopus y Web of Science (WOS), seleccionando esta última debido a que combina completitud, como Google Scholar, junto con un servicio vía API, como Scopus, permitiendo el acceso a la información relevante de interés. Por lo cual, se ingestarán los datos desde WOS al sistema desarrollado. Posteriormente, se diseña el modelo de datos en base a los campos que se puedan extraer de la fuente de información y pensando en almacenar la mayor cantidad de información posible. Se ha tenido en cuenta la actualización parcial de los datos, y este motivo se recogerá la información cambiante de forma periódica (cada dos semanas) y se reconstruirá la base de datos anualmente. Adicionalmente, se han incorporado los datos de factores de impacto y ránquines de revistas JCR (Journal Citation Reports) con el fin de combinar estas dos fuentes y enriquecer los posteriores análisis a llevar a cabo. Una vez diseñada, se implementa el sistema de información basado en la automatización de la descarga/ingesta de los datos y la inclusión de los mismos en el sistema de información. Asimismo, se realizará la planificación de las actualizaciones para disponer de un sistema de información con información lo más actualizada posible. Por último, se ha validado la corrección del sistema de información y sus capacidades para el análisis de datos, tanto vía generación de informes como exploración de datos a través de un caso de uso concreto, que ha consistido en reproducir el informe del IUNE para estimar los resultados de la UDC para el 2021. Este caso de uso, validado con el equipo de ránquines de la UDC, ha permitido certificar la completitud del sistema de información, así como su validez y sus capacidades de aportación de valor. Finalmente, este sistema de información va a ser incluido en la próxima versión del paquete scimetr, el cual realiza análisis de datos sobre datos de WOS ingestados vía ficheros. En la nueva versión mejorará sus capacidades, al ser mucho más rápida y completa la ingesta de datos por medio del sistema de información desarrollado en el marco del presente TFG.

[Abstract] This project involves the analysis, design and implementation of an information system for the storage of bibliometric data and its subsequent exploitation in a specific use case. To this end, an analysis of various databases of scientific publications, Google Scholar, Scopus and Web of Science (WOS) will be carried out, selecting the latter because it combines completeness, such as Google Scholar, together with a service via API, such as Scopus, allowing access to relevant information of interest. Therefore, data will be ingested from WOS to the developed system. Subsequently, the data model is designed based on the fields that can be extracted from the information source and considering to store as much information as possible. The partial updating of the data has been taken into account, and for this reason the changing information will be collected periodically (every two weeks) and the database will be rebuilt annually. Additionally, data on impact factors and JCR (Journal Citation Reports) rankings have been incorporated in order to combine these two sources and enrich the subsequent analyses to be carried out. Once designed, the information system will be implemented based on the automation of data downloading and their inclusion in the information system. Likewise, the planning of updates will be carried out in order to have an information system with information that is as up to date as possible. Finally, the correctness of the information system and its data analysis capabilities have been validated, both via report generation and data exploration through a specific use case, which consisted of reproducing the IUNE report to estimate the results of the UDC for 2021. This use case, validated with the UDC’s ranking team, has made it possible to certify the completeness of the information system, as well as its validity and its ability to add value. Finally, this information system will be included in the next version of the scimetr package, which performs data analysis on WOS data ingested via files. The new version will improve its capabilities, as the data ingestion through the information system developed within the framework of this Final Degree Project will be much faster and more complete.