Matemáticas (plan 1983) 2025-1

Optativas de los Niveles VII y VIII, Seminario de Ciencia y Sociedad II

SEMINARIO DE CIENCIA Y SOCIEDAD I

CIENCIOMETRÍA, COMPLEJIDAD Y CIENCIA DE LA CIENCIA

Modalidad: Asignatura optativa-libre

Licenciatura: Todas las carreras de la Facultad de Ciencias

REQUISITOS: Ser alumno de la Facultad de Ciencias. No se requiere haber llevado el Seminario I.

Profesores:

Dr. Ricardo Arencibia Jorge

Dr. Humberto Carrillo Calvet

Dr. José Luis Jiménez Andrade

Objetivos:

General:

Que el alumno reciba una introducción a la Ciencia de la Ciencia, desde la perspectiva de los sistemas complejos y con un enfoque prospectivo e interdisciplinario, y pueda adquirir habilidades para la utilización de las más recientes herramientas, metodologías y modelos matemáticos que se usan en la Cienciometría, para el estudio de las actividades científicas, tecnológicas y de innovación.

Específicos:

Que el alumno:

- Comprenda los conceptos y principios que rigen la aplicación de métodos y modelos matemáticos para el estudio de las actividades científicas y tecnológicas

- Comprenda la dinámica de los procesos de producción científica en los diversos canales de comunicación de la Ciencia, y su incidencia en el progreso científico y tecnológico y en beneficio de la sociedad.

- Desarrolle habilidades en el trabajo con las principales bases de datos de artículos de investigación científica, como el Web of Science, Scopus, Google Scholar, y Dimensions.

- Adquiera habilidades en el trabajo con modelos multidimensionales de redes complejas, modernas técnicas de minería de datos y análisis cienciométrico, herramientas de inteligencia artificial y machine learning para el estudio de la actividad científica.

- Desarrolle habilidades para modelar multidimensionalmente el comportamiento de los investigadores, las instituciones, y los temas de investigación en cualquier dominio del conocimiento, que puedan ser aplicadas en desarrollo de sus futuras investigaciones.

El curso da al alumno un panorama actual de los métodos, técnicas y tecnologías disponibles para el análisis de la din{amica de la actividad científica y de la evaluación de las actividades científicas y tecnológicas, y en los debates internacionales en torno a procesos evaluativos más justos y transparentes, y el uso de métricas que permitan una mejor comprensión del impacto de la Ciencia y la Tecnología en la Sociedad.

Evaluación del curso

Discusión de estudios de caso y participación en clase 30%

Ensayos 40 %

Asistencia a seminarios, con participación activa 30%

Temario:

1) De la Cienciometría a la Ciencia de la Ciencia

● Introducción a los estudios cuantitativos de la ciencia y la tecnología

○ Orígenes históricos de la cienciometría; Principales modelos matemáticos e indicadores; Actualidad y tendencias.

● El estudio de la Ciencia como sistema complejo

○ Introducción a los sistemas complejos y sus características; La Ciencia como sistema complejo; La producción científica como unidad de análisis de la Cienciometría; Dinámica de los flujos del conocimiento durante el proceso de comunicación de la Ciencia.

● Principales herramientas para el desarrollo de estudios cienciométricos

○ Fuentes de información para los estudios cienciométricos: las grandes bases de datos bibliográficas; Programas computacionales para la visualización de la información científica; El uso de la inteligencia artificial y el aprendizaje de máquina en la Cienciometría

2) Nuevas tendencias en el desarrollo de estudios cienciométricos: Ciencia de Datos, Redes Complejas y Aprendizaje de Máquina

● Características de un estudio cienciométrico

○ Tipos de estudios e indicadores cienciométricos; Buenas prácticas en el desarrollo de estudios cienciométricos; Consideraciones éticas: el Manifiesto de Leyden y otros principios rectores

● Principales técnicas analíticas

○ Análisis de coautoría y redes de colaboración; Análisis de citas: Análisis de co-citación y Acoplamiento bibliográfico; Análisis de co-ocurrencia de términos y redes de co-palabras

● Tendencias actuales

○ La minería de datos cienciométricos y el descubrimiento de conocimiento en grandes bases de datos; La emergencia de la Ciencia de Datos: procesamiento, análisis y visualización de datos cienciométricos; El Análisis de Redes Sociales y su aplicación en el campo de la Cienciometría; El uso de la inteligencia artificial y el aprendizaje de máquina en la Cienciometría

3) Diversidad y equidad en los estudios cuantitativos de la Ciencia, la Tecnología y la Innovación

● Estudios cienciométricos (nivel macro)

○ Análisis de la evolución de dominios temáticos; Estudios de género y estudios comparativos de países y rankings cienciométricos; Análisis crítico de casos de estudio

● Estudios cienciométricos (nivel meso)

○ Análisis del perfil cienciométrico de una institución científica; Estudio comparativo de instituciones; Análisis crítico de casos de estudio

● Estudios cienciométricos (nivel micro)

○ La caracterización de académicos e investigadores mediante herramientas cienciométricas; El uso de indicadores cienciométricos para la evaluación del desempeño de un investigador; Análisis crítico de casos de estudio

4) Prácticas de laboratorio y ejercicios de análisis de casos prácticos

○ Entrenamiento con herramientas tecnológicas y algoritmos de visualización para el análisis de datos cienciométricos (LabSOM, VOSviewer, notebooks de Python y redes neuronales artificiales desarrolladas por el Laboratorio de Dinámica no Lineal de la UNAM); ejercicios de modelación de la evolución de perfiles multidimensionales construidos a partir de indicadores cienciométricos y técnicas de aprendizaje de máquina basadas en el entrenamiento de redes neuronales auto-organizadas

Conferencias invitadas

○ Se invitarán a impartir conferencias a varios especialistas en los temas del seminario

Bibliografía básica

1. Arencibia-Jorge, R., Vega-Almeida, R. L. y Carrillo-Calvet, H. (2020). Evolución y alcance multidisciplinar de tres técnicas de análisis bibliométrico. Palabra Clave (La Plata), 10(1), e102. https://doi.org/10.24215/18539912e102

2. Arencibia-Jorge, R., Vega-Almeida, R. L., Jiménez-Andrade, J. L., & Carrillo-Calvet, H. (2022). Evolutionary stages and multidisciplinary nature of artificial intelligence research. Scientometrics, 127(9), 5139-5158.https://link.springer.com/article/10.1007/s11192-022-04477-5

3. Arencibia-Jorge, R., Lozano-Díaz, I. A., Jiménez-Andrade, J. L., & Carrillo-Calvet, H. (2023). A multidimensional approach to Mexican scientific output from 2010-2019. Transinformação, 35, e237320.https://www.scielo.br/j/tinf/a/y78NfXgkH5Y8vmpSpZ5fMqF/

4. Barabási, A. L. (2013). Network science. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 371(1987), 20120375. https://royalsocietypublishing.org/doi/full/10.1098/rsta.2012.0375

5. Fortunato, S., Bergstrom, C. T., Börner, K., Evans, J. A., Helbing, D., Milojević, S., ... & Barabási, A. L. (2018). Science of science. Science, 359(6379). https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5949209/

6. Garfield, E. (2006). The history and meaning of the journal impact factor. jama, 295(1), 90-93. https://beatleyweb.simmons.edu/~watkins/garfield.pdf

7. Hicks, D., Wouters, P., Waltman, L., De Rijcke, S., & Rafols, I. (2015). Bibliometrics: the Leiden Manifesto for research metrics. Nature, 520(7548), 429-431. https://www.redalyc.org/pdf/924/92438580012.pdf

8. Jiménez-Andrade, J. L., Arencibia-Jorge, R., Robles-Pérez, M., Tagüeña, J., Govezensky, T., Carrillo-Calvet, H., ... & Kaski, K. (2024). Organizational changes and research performance: A multidimensional assessment. Research Evaluation, rvae005.https://academic.oup.com/rev/advance-article/doi/10.1093/reseval/rvae005/7608957

9. Jiménez-Andrade, J. L., Martí-Lahera, Y., & Calvet, H. C. (2024). Neural longitudinal mapping of multidimensional performance profiles of Latin American universities. Iberoamerican Journal of Science Measurement and Communication, 4(1), 1-16.https://ijsmc.pro-metrics.org/index.php/i/article/view/92

10. Kohonen T., Self-Organizing Maps, 3ra Edición, Springer-Verlag, 2001.

11. Leydesdorff, L., & Milojević, S. (2012). Scientometrics. arXiv preprint arXiv:1208.4566. https://arxiv.org/ftp/arxiv/papers/1208/1208.4566.pdf

12. Moed, H. F. (2017). Applied evaluative informetrics (p. 312). Berlin: Springer International Publishing. https://link.springer.com/content/pdf/10.1007%2F978-3-319-60522-7.pdf

13. Morin, E. (2004). La epistemología de la complejidad. http://www.observatoriocultural.udgvirtual.udg.mx/repositorio/handle/123456789/849

14. Newman, M. E. (2001). The structure of scientific collaboration networks. Proceedings of the national academy of sciences, 98(2), 404-409. https://www.pnas.org/content/pnas/98/2/404.full.pdf

15. Ruiz-Sánchez, R., Arencibia-Jorge, R., Tagüeña, J., Jiménez-Andrade, J. L., & Carrillo-Calvet, H. (2024). Exploring research on ecotechnology through artificial intelligence and bibliometric maps. Environmental Science and Ecotechnology, 21, 100386.https://www.sciencedirect.com/science/article/pii/S2666498423001515

16. San Miguel, M., Johnson, J. H., Kertesz, J., Kaski, K., Díaz-Guilera, A., MacKay, R. S., ... & Helbing, D. (2012). Challenges in complex systems science. The European Physical Journal Special Topics, 214(1), 245-271. https://link.springer.com/content/pdf/10.1140/epjst/e2012-01694-y.pdf

17. Villaseñor, E. A., Arencibia-Jorge, R., & Carrillo-Calvet, H. (2017). Multiparametric characterization of scientometric performance profiles assisted by neural networks: a study of Mexican higher education institutions. Scientometrics, 110(1), 77-104.https://link.springer.com/article/10.1007/s11192-016-2166-0

18. Wagner, C. S., & Leydesdorff, L. (2005). Network structure, self-organization, and the growth of international collaboration in science. Research policy, 34(10), 1608-1618. https://arxiv.org/ftp/arxiv/papers/0911/0911.4299.pdf

19. Waltman, L., Van Eck, N. J., & Noyons, E. C. (2010). A unified approach to mapping and clustering of bibliometric networks. Journal of informetrics, 4(4), 629-635. https://arxiv.org/pdf/1006.1032.pdf

20. Wang, D., & Barabási, A. L. (2021). The science of science. Cambridge University Press.

Materiales audiovisuales complementarios

Ricardo Arencibia-Jorge (Conferencia). Dinámica de la Producción Científica: de la Cienciometría a la "Science of Science". https://www.youtube.com/watch?v=pd-m6IhoSi8

Rodrigo Costas. (Conferencia). Nuevas posibilidades de la cienciometría para entender la ciencia y la sociedad. https://www.youtube.com/watch?v=pOF9CTMADtw

Ricardo Arencibia-Jorge (Conferencia). Técnicas bibliométricas para el descubrimiento de conocimiento en bases de datos bibliográficas. https://www.youtube.com/watch?v=zhPbE91jP6w&list=PLJgPYGrG_RWoC48a0THCmvuUnIRSWAXto&index=8