Integración de sistemas de información textuales y espaciales. Análisis estratégico de la...

Integración de sistemas de información Pino-Díaz J. textuales y espaciales. Análisis estratégico de la investigación sobre áreas protegidas en España.

2

RESUMEN En el presente trabajo se realiza un análisis estratégico de la

investigación sobre áreas protegidas objeto de tesis doctorales

leídas en España en el periodo 1979-2004.

La información documental se ha extraído de la base de datos

TESEO, base de tesis doctorales leídas en España desde 1976,

(http://www.mcu.es/TESEO/). A partir de esta información se ha

realizado una base de datos propia, en la que se han incluído los

campos de interés del presente estudio: disciplinas académicas,

miembros de los tribunales y disciplinas y miembros de tribunal, ya

tratados para su procesamiento con el sistema de conocimiento

Redes 2005 v. 1.0.0..

El análisis estratégico se ha realizado con el método

ciencimétrico de análisis de palabras asociadas, usualmente

utilizado en vigilancia tecnológica e inteligencia competitiva. Para


3

cada uno de los tres campos de estudio se ha obtenido la red y su

diagrama estratégico.

Con las matrices de distancias, obtenidas a partir de las

matrices de co-ocurrencias de Redes 2.005 v. 1.0.0, se ha realizado

un análisis estadístico con Statistica 6.0 y SPSS 12.0, con la

finalidad de determinar las coordenadas MDS de los descriptores.

Estas últimas se han utilizado como dato de entrada en ArcView 3.2,

sistema de información geográfica, para la obtención de mapas en

dos y tres dimensiones del dominio “tésis doctorales sobre áreas

protegidas”. Se ha comprobado como ArcView 3.2 permite la

recuperación de datos de las tablas de atributos de los temas, tanto

mediante búsquedas textuales como gráficas, así como la

realización de gráficos de diversos tipos a partir de dichos atributos.

Por último se ha obtenido con Cortona VRML Client

(plug-in para Internet Explorer) el escenario virtual en 3D de dicho

dominio.


4

SUMARIO

1. INTRODUCCIÓN ………………………………………………………………….. 8

1.1 ÁREAS PROTEGIDAS………………………………………………… 9 1.1.1 GENERALIDADES……………………………………….. 9 1.1.2 INVESTIGACIÓN SOBRE ENP………………………… 11

1.2 SISTEMAS DE INFORMACIÓN GEOGRÁFICA……….................. 19 1.2.1 GENERALIDADES…………………………................... 19 1.2.2 APLICACIÓN DE SIG AL ANÁLISIS DE DATOS NO

ESPACIALES……………………………….……………. 22 1.3 ANÁLISIS DE PALABRAS ASOCIADAS………………….………. 26

1.3.1 GENERALIDADES…………………………..…………… 26 1.3.2 INGENIERÍA DEL CONOCIMIENTO………………….. 41 1.3.3 VIGILANCIA TECNOLÓGICA, GESTIÓN DEL

CONOCIMIENTO E INTELIGENCIA COMPETITIVA…………………………………..……….. 43

1.3.4 REDES 2005 v. 1.0.0, SISTEMA DE CONOCIMIENTO………………………………………... 47

2. OBJETIVOS ………………………………………………………………………. 49 3. MATERIAL Y MÉTODOS………………………………………………….……… 51 3.1 RECOGIDA DE DATOS……………………………………………..… 52 3.2 MÉTODOS DE ANÁLISIS…………………………………………...... 55 4. RESULTADOS………………………………………………………………….…. 60 4.1 REDES DE ACTORES………………………………………..………. 61 4.1.1 RED “DISCIPLINAS ACADÉMICAS”.........................… 63 4.1.2 RED “TRIBUNALES”…………………………………….. 67 4.1.3 RED “DISCIPLINAS-TRIBUNALES”…………………… 71 4.2 ANÁLISIS ESPACIAL DE LA INFORMACIÓN TEXTUAL………. 79 5. DISCUSIÓN DE LOS RESULTADOS………………………………………… 93 6. CONCLUSIONES……………………………………………………………..… 99 7. REFERENCIAS…………………………………………………………..……… 105


5

LISTA DE FIGURAS Figura 1.1.- Distribución espacial de grupos de descriptores obtenida con RefViz. Fuente (Pino J., 2004)………………………………………… …….. 13 Figura 1.2.- Tesis doctorales sobre Sierra Nevada según disciplinas académicas de realización obtenido con Treemap. Fuente (Pino J., 2004)………………………………………………………………………..…………… 17 Figura 1.3.- Ventana de un proyecto de ArcView 3.2. Fuente: Elabora- ción propia..……………………………………………………………………………. 21 Figura 1.4.- Mapa de curvas de nivel que unen autores de Information Science según su grado de cocitación. Fuente: (Old, J., 2001)……….………… 23 Figura 1.5.- Ejemplo de la aplicación de GISSTI para el análisis de la investigación sobre desertificación en España, indicadores bibliométricos y medioambientales. Fuente: (Rey-Rocha J., Martín-Sempere, M.J., 2002).…………….…..….................................................. 24 Figura 1.6.- GISSTI: Sistema automatizado para la obtención de Indicadores de Ciencia y Tecnología basado en la Tecnología SIG. Fuente: (Rey-Rocha J., Martín-Sempere, M.J., 2001)..…..………………………. 25 Figura 1.7.- Algoritmo de agrupación sobre centros simples. Fuente: (Bailón-Moreno, R. y Ruíz-Baños R., http://www.ugr.es/~rruizb/cognosfera/)....... 31 Figura 1.8.- Diagrama estratégico. Fuente: (Bailón-Moreno, R. y Ruíz-Baños R., http://www.ugr.es/~rruizb/cognosfera/)......................................... 37 Figura 1.9.- Categorías en que se estructura una red. (Bailón-Moreno, R. y Ruíz-Baños R., http://www.ugr.es/~rruizb/cognosfera/)................................ 40 Figura 1.10.- Ingeniería del conocimiento y sus aplicaciones. (Bailón-Moreno, R. y Ruíz-Baños R., http://www.ugr.es/~rruizb/cognosfera/)....... 42 Figura 1.11.- Pirámide de construcción del conocimiento. (Bailón-Moreno, R. y Ruíz-Baños R., http://www.ugr.es/~rruizb/cognosfera/)....... 44 Figura 1.12.- Gestión del conocimiento y gestión de la información. Fuente: (Bustelo Ruesta, C. y Amarilla Iglesias, R. 2001)……………..………….. 45 Figura 1.13.- Relación entre un sistema de gestión del conocimient y un sistema de inteligencia competitiva. Fuente: (Escorsa Castells, P., 2002).. 46 Figura 1.14.- Sistema de conocimiento. (Bailón-Moreno, R. y Ruíz-Baños R., http://www.ugr.es/~rruizb/cognosfera/)........................................ 48 Figura 4.1.- Redes de “disciplinas”, “tribunales” y “disciplinas-tribunales”. Fuente: Elaboración propia………………….……………………………………….. 62 Figura 4.2.- Red “disciplinas”, subred “etología”. Fuente: Elaboración propia…………………………………………………………………………………… 63 Figura 4.3.- Red “disciplinas”, subred “ciencias tecnológicas”. Fuente: Elaboración propia……………………………..……………………………………… 64 Figura 4.4.- Red “tribunales”, subred “Delibes de Castro Miguel”. Fuente: Elaboración propia…………………………………………………………………….. 67


6

Figura 4.5,- Red “tribunales”, subred “García Novo Francisco”. Fuente: Elaboración propia…………………………………………………………………….. 70 Figura 4.6.- Red “disciplinas-tribunales”, “etología”. Fuente: Elaboración propia. ……………………………………………………………………………………72 Figura 4.7.- Red “disciplinas-tribunales”, “ciencias geográficas”. Fuente: Elaboración propia…………………………………………………………………….. 73 Figura 4.8.- Red “disciplinas-tribunales”, subredes “florestas”, “química”, “hidrología” y “botánica”. Fuente: Elaboración propia……………………………… 76 Figura 4.9.- Mapa de miembros de tribunal y descriptores de disciplinas. Fuente: Elaboración propia………………………………………………….……..… 79 Figura 4.10.- Mapa de bloques disciplinarios o materias. Fuente: Elabo- ración propia……………………..……………………………….……………..……… 80 Figura 4.11.- Secuencia de imágenes de “navegación” empleando el mapa de materias como interfaz de acceso. Fuente: Elaboración propia…………………………………………………………………………………… 83 Figura 4.12.- Mapa y red 4-2-4-14 “disciplinas-tribunales”. Fuente: Elaboración propia……………………………………………………………………. 84 Figura 4.13.- Mapa de curvas de nivel del fichero “miembros de tribunal” (ocurrencia mínima 3). Fuente: Elaboración propia………………………………. 85 Figura 4.14.- Mapas altitudinales, en escala de grises y color, del fichero “disciplinas-tribunales” (ocurrencia mínima 4). Fuente: Elaboración propia…………………………………………………………………………………… 86 Figura 4.15.- Mapa obtenido a partir de la imagen TIN del fichero “disciplinas-tribunales” (ocurrencia mínima 4). Fuente: Elaboración propia………………………………………………………………………………..….. 87 Figura 4.16.- Imagen VRML del fichero “disciplinas-tribunales” (ocurrencia mínima 4). Fuente: Elaboración propia…………………………….… 89 Figura 4.17.- Interfaz de Cortona con visualización del fichero VRML. Fuente: Elaboración propia…………………………………………………………… 90 Figura 4.18.- Diferentes tipos de gráficos obtenidos a partir de las tablas de atributos de los temas. Fuente: Elaboración propia…………………………… 92


7

LISTA DE TABLAS Tabla 1-1.- Grupos de descriptores y número de referencias bibliográficas en las que aparecen. Fuente: (Pino J, 2004)………………………………………………. 13 Tabla 1-2.- Descriptores y número de referencias bibliográficas en las que aparecen. Fuente: (Pino, J., 2004)…………………………………………….……. 15 Tabla 1-3.- Tesis doctorales sobre Sierra Nevada según disciplina académica de realización. Fuente: (Pino, J., 2004)…………………………………………….…… 16


8

1 INTRODUCCIÓN


9

1.1 ÁREAS PROTEGIDAS 1.1.1 GENERALIDADES

Internacionalmente se conceptúa área protegida como “un

área definida geográficamente que haya sido designada o regulada y

administrada a fin de alcanzar objetivos específicos de

conservación” (Convenio de Diversidad Biológica), o bién como “un

área de tierra y/o mar especialmente dedicada a la protección y

mantenimiento de la diversidad biológica y a los recursos naturales y

culturales asociados y gestionada mediante procedimientos legales y

otros medios efectivos” (Unión Internacional de la Naturaleza). En

España el concepto “área protegida” es sinónimo de “espacio natural

protegido”.

Las áreas protegidas se han convertido en una herramienta

eficaz para la conservación de la naturaleza y prueba de ello es que

la superficie continental protegida en el mundo superó en 2003

(EUROPARC-España, 2005) el 11,25%. En España la superficie

protegida supera actualmente los cinco millones de hectáreas, el


10

10,24% del territorio nacional; de ésta, la mayor parte, el 70%, se

protege bajo la figura de “parque”.

El número de figuras legales de protección es numeroso y

variado, en el caso de nuestro país existen 43 figuras distintas. Las

principales son parque nacional, parque natural y reserva natural,

que suponen el 72,64% de la superficie total protegida y suman 389,

de un total de 1.115 espacios naturales protegidos (de aquí en

adelante ENP).


11

1.1.2 INVESTIGACIÓN EN ENP

Del 6 al 7 de abril del 2000, organizado por EUROPARC-

España y la Diputación de Barcelona, se celebró un seminario sobre

“La investigación y el seguimiento en los espacios naturales

protegidos del siglo XXI”. En la monografía que recoge las

ponencias presentadas (Diputación de Barcelona, 2002) se afirma

que “…Una característica común a todos los espacios protegidos es

el difícil acceso a la numerosa y y normalmente dispersa información

existente…, puede estimarse que más del 50% de los estudios e

investigaciones realizados no están publicados.” (Múgica de la

Guerra, M., Gómez-Limón García, J., de Lucio Fernández, J.V.,

2002).

Con carácter general la tipología de los trabajos de

investigación es variada, si bién predominan los trabajos de carácter

descriptivo: censos de especies, cartografiado de especies y

estudios de poblaciones. A nivel general abundan estudios de


12

biología de poblaciones o comunidades y escasean estudios sobre

aspectos socioeconómicos.

El estudio sobre la literatura científica mundial sobre parques

nacionales recogida por SCI EXPANDED, SSCI y ARTS AND

HUMANITIES CITATION INDEX del año 2004, (Pino, 2004), pone de

manifiesto cómo éstos son objeto de estudio, directa (estudios para

los parques) o indirectamente (estudios en los parques), por trabajos

encuadrables en diversas disciplinas. Predominan los estudios de

ciencias de la vida (biología, zoología, ecología, etc), abundan

también los estudios de ciencias forestales y de ciencias de la tierra

(geología, hidrología, limnología, etc.) (ver Tabla 1 y Figura 1).


13

GRUPO DESCRIPTORES Nº DE

REFER. BIBLIOGRAF.

0 Range, park, growth, national, summer, temperature, adjacent, ... 8 1 Annual, change, fire, land, landscape, pattern, period, set, time, ... 2 2 Mountain, period, record, age, change, collect, decrease, .. 2 3 Site, national, conservation, density, park, availability, forest, ... 14 4 National, park, population, range, species, abundance, distance, ... 45 5 Adjacent, animal, behavior, component, ecosystem, grassland, ... 1 6 Community, dominate, monitor, set y structure. 1 7 Case, environment, environmental conflict, field, national, ... 1 8 Park, national, species, collect, population, site, water, range, ... 99 9 Concentration, depth, development, field, individual, model, ... 1

10 Soil, nutrient, plant, availability, concentration, ecosystem, forest, ... 13 11 Lake, regional, source, model, water, change, concentration, north, ... 11 12 National, park, male, social, wild, species, range, female, ... 17 13 Tree, forest, spatial, density, pattern, distribution, disturbance, ... 25 14 Species, national, park, community, forest, plant, composition, ... 76 15 Male, female, social, animal, behavior, national, park, period, rate, ... 8 16 Behavior, forage, rate, time, habitat, individual, model, size, ... 6 17 Population, national, park, variation, decline, habitat, model, ... 19

Tabla 1.1. Grupos de descriptores y nº de referencias bibliográficas en las que aparecen. Fuente: (Pino J., 2004).

Figura 1.1. Distribución espacial, obtenida con RefViz, de los grupos de descriptores Fuente: (Pino J., 2004)


14

Además aparecen algunos estudios de temática muy diversa:

contaminación ambiental, cambio climático, recreación del visitante,

turismo, economía ambiental, desarrollo sostenible, educación

ambiental, etc. Se comprueba, no obstante, que éstos son poco

numerosos, especialmente en temas como planes de gestión,

desarrollo sostenible, uso público (turismo y recreación) y

actividades humanas (ver Tabla 1.2). Lo cual es profundamente

significativo y caracterizador de que la investigación científica actual

sobre los parques nacionales tiene por objeto el contenido y en raras

ocasiones el continente. Entendiendo por contenido las especies,

poblaciones y comunidades animales y vegetales y los procesos

naturales que en ellos existen o se dan, y por continente el marco de

gestión (planificación, régimen de uso y protección, actividades de

gestión etc.).


15

DESCRIPTOR Nº DE REFER. BIBLIOGRAF. %

Sustainable development 3 0.01 Tourism (touris*) 10 0.03 Environmental education 1 0.003Recreation 10 0.03 Management plan 16 0.05 Management species 32 0.09 Management populations 25 0.07 Management forest 32 0.09 Monitoring 39 0.11 Human activities 11 0.03

Tabla 1.2. Descriptores y nº de referencias bibliográficas en las que aparecen. Fuente: (Pino J., 2004)

Otro trabajo bibliométrico del mismo autor (Pino, 2004) en el

que se que se analizan las tesis doctorales sobre Sierra Nevada

recogidas en la base de datos TESEO, comprueba de nuevo como

los grandes campos disciplinarios productores son Ciencias de la

Tierra y del Espacio, con un 44% (26 tesis), y Ciencias de la Vida,

con un 43% (24 tesis); y como dentro de éstos, las materias más

comunes son Botánica y Geología, con 11 tesis cada una (Ver Tabla

1.3 y Figura 1.2).


16

Tabla 1.3. Tesis doctorales sobre Sierra Nevada según disciplina académica de realización. Fuente: (Pino J., 2004)

Nº de Tesis Doctorales sobre Sierra Nevada de la Universidad de Granada por disciplinas. Ciencias de la Vida Biofísica 1 25

Botánica 11 Entomología 4 Etología 1 Fisiología Humana 1 Zoología 7

Ciencias de la Tierra y del Espacio

Ciencias Geográficas 2 26

Climatología 1 Edafología 4 Geofísica 2 Geología 11 Geoquímica 1 Hidrología 4 Meteorología 1

Ciencias Tecnológicas 2 Astronomía/Astrofísica 1 Ciencias Médicas 1 Artes y de las letras 1 Historia 1 Química 1

TOTAL 58


17

Figura 1.2. Mapa de tesis doctorales sobre Sierra Nevada según disciplina académica de realización, obtenido con Treemap. Fuente: (Pino J., 2004)

De todo lo expuesto se deduce que el estudio de la

investigación científica sobre áreas protegidas, tanto de tésis

doctorales como de artículos científicos, pone de manifiesto que, si

bién predominan las disciplinas “naturalísticas” (biología, zoología y

geología), la variedad, riqueza y relevancia de otras disciplinas es

notoria y manifiesta, hecho más “visible” y constatable, como se ha


18

podido comprobar, en el estudio de las tésis doctorales sobre Sierra

Nevada que en el trabajo sobre la investigación sobre parques

nacionales ISI-2004.

TESEO, por tanto, es fiel exponente de la transversalidad del

objeto de estudio, Áreas Protegidas, y a pesar de sus carencias

(retrasos en la actualización de la base de datos, lagunas en la

cobertura, falta de información en algunos campos, etc.), ha

mostrado su valía en estudios sobre escuelas científicas y redes

académicas en áreas temáticas concretas (Delgado López-Cózar,

E., Torres-Salinas, D., Jimenez-Contreras, E. y Ruíz-Pérez, R.;

2005).


19

1.2 SISTEMAS DE INFORMACIÓN GEOGRÁFICA

1.2.1 GENERALIDADES

Los Sistemas de Información Geográfica (en adelante SIG)

son herramientas software desarrolladas con la finalidad de

representar datos georreferenciados, analizar las características y

patrones de esos datos y generar informes con los resultados de

dichos análisis. Los SIG se utilizan fundamentalmente en estudios

sobre el territorio.

Hay diversos SIG en el mercado, en el presente trabajo se ha

empleado ArcView 3.2, de ESRI. El documento principal de trabajo

de ArcView es el proyecto (extensión .apr). El proyecto se compone

de otros subdocumentos que se agrupan generalmente en cinco

clases principales. Cada una de estas clases constituye un interfaz

de usuario o GUI (Graphic User Interface). Los GUIs más comunes

son:


20

• Vistas: Subdocumento en el que se visualizan, crean,

editan y manejan los temas. Los temas son las

unidades básicas de información, se conocen como

capas de información; cada tema presenta información

sobre un aspecto geográfico del territorio. Existen tres

tipos de temas: vectorial o feature (puntos, líneas y

polígonos), ráster o grid (malla rectangular de celdillas

cuadradas) y TIN o triangulated irregular network

(estructura vectorial tridimensional).

• Tablas: Subdocumento en el que se visualizan, crean,

editan y manejan las tablas o bases de datos

asociadas a cada mapa.

• Gráficos: Subdocumento en el que se visualizan,

crean, editan y manejan gráficos creados a partir de

las tablas.

• Mapas: Subdocumento que se visualizan, crean,

editan y manejan los mapas para imprimirlos.


21

• Scripts: Subdocumento que se visualizan, crean,

editan y manejan los macros o códigos de

programación en lenguaje Avenue, propio de ArcView.

Al activar un proyecto se despliega la “ventana del proyecto”

(ver Figura 1.3) que da acceso a los diferentes GUIs.

Figura 1.3. Ventana de un proyecto de ArcView 3.2. Fuente: Elaboración propia.


22

1.2.2 APLICACIÓN DE LOS SIG AL ANÁLISIS DE DATOS NO

ESPACIALES.

La potencialidad de los Sistemas de Información Geográficos

(SIG) radica en la relación dual que se establece entre la base de

datos relacional y su visualización (el “mapa” o “vista”). Si se dispone

de coordenadas, o valores que pueden ser usados como

coordenadas, cualquier entidad en la base de datos puede ser

presentada en el “mapa” o “vista”, y cualquier atributo asociado con

una entidad puede ser representado como un rasgo (color, tamaño,

símbolo, etcétera). ArcView 3.2 permite trabajar con tablas con

formato dBASE, INFO o Delimited Text.

Jhon Old (2001) emplea ArcView para la visualización de los

datos de cocitación de los autores más citados en el campo de

Information Science obtenidos por White y McCain, (ver figura 1.4).


23

Figura 1.4. Mapa de curvas de nivel que unen autores de Information Science según su grado de cocitación. Fuente: (Old, 2001).

Jhon Old analiza el empleo de un sistema de información

geográfica, ArcView 3.2, para el análisis y la visualización en

diferentes imágenes (mapas de curvas de nivel e imágenes TIN y

3D) de información no espacial (datos de cocitación de los autores

más citados en Information Science) y concluye que los SIG son

aplicables al tratamiento de datos no espaciales, si bién resalta el

difícil tratamiento de datos de series temporales por los SIG y apunta

la dirección de futuras investigaciones, desde la perspectiva de la

usabilidad y de los principios de la excelencia gráfica, referentes a su

uso como VIRI (Visual Information Retrieval Interface).


24

En España se ha desarrollado por el CINDOC el proyecto

GISSTI (Geographic Information System for Science and Technology

Indicators) como aplicación de la tecnología de Sistemas de

Información Geográfica al campo de la Cienciometría y los

Indicadores de Ciencia y Tecnología. En el marco del proyecto

anterior, el CINDOC ha desarrollado una experiencia concreta, el

proyecto HI+DROLOGIA, que ha tenido por objetivo analizar la

investigación española sobre el agua (Rey-Rocha J., Martín-

Sempere, M.J., 2002) (Figuras 1.5 y 1.6).

Figura 1.5. Ejemplo de la aplicación de GISSTI para el análisis de la investigación sobre desertificación en España, indicadores bibliométricos y medioambientales. Fuente: (Rey-Rocha J., Martín-Sempere, M.J., 2002).


25

GISSTISistema automatizado para la obtención de indicadores de Ciencia y Tecnología basado en la tecnología SIG

Jesús Rey-Rocha, María José Martín-Sempere, Mercedes Planas-GarridoConsejo Superior de Investigaciones Científicas (CSIC). Centro Nacional de Información y Documentación Científica (CINDOC)

Joaquín Costa, 22 - 28002 Madrid (España) [email protected] [email protected]

Registrosbibliográficos

TítuloRevista

AñoVol., Num., pág.Tipo documento

IdiomaBD origen

Autores

Clasificacióntemática

Tabla maestra subdisciplinas

ProyectosI+DTítulo

Organismo responsableInvestigador principal

Nº investigadoresFecha inicio-fin

FinanciaciónEntidad financiadoraTopónimos

(Ámbito geográfico estudiado en el registro/proyecto)

Tabla maestra países

Tabla maestra provincias

Tabla maestra ComunidadesAutónomas

Tabla maestraOrganismos y Centros

(estandarizados)Organismo

CentroLocalización geográfica

Sector institucional

Afiliaciónautores

Tabla maestrarevistas

TítuloISSN

Tipo revistaPaís

Factor ImpactoCampo Temático (CHI)Nivel aplicación (Narin)

Organismos participantes

Tabla maestra sectores institucionales

Tabla maestra disciplinas

Tabla maestra campos científicos

Tabla maestra tipo revista

(nacional, extranjera SCI, extranjera no-SCI)

Bases de datos fuente

Integración de formatos

Identificación de duplicados

Base de datos relacional

Herramienta deCálculo Automatizado

de Indicadores yRepresentación Cartográfica

ArcViewGIS

Conexión SQL

GISSTIGeographic Information System for Science and Technology Indicators

Proyecto financiado por :

Comisión Interministerial de Ciencia y Tecnología de España (CICYT)

Plan Nacional de I+D. Programa Nacional de Aplicaciones y Servicios Telemáticos

Interfaz paraObtención de Gráficos

Herramienta deCálculo de Indicadores Relativos

Figura 1.6. GISSTI: Sistema automatizado para la obtención de Indicadores de Ciencia y Tecnología basado en la Tecnología SIG. Fuente: (Rey-Rocha J., Martín-Sempere, M.J., 2001).


26

1.3 ANÁLISIS DE PALABRAS ASOCIADAS

1.3.1 GENERALIDADES

(La redacción de este apartado sobre análisis de palabras

asociadas se ha basado en los contenidos que, sobre la materia,

figuran en el portal web “cognosfera” (Bailón-Moreno, R., Ruíz-

Baños, R., 2005) (http://www.ugr.es/~rruizb/cognosfera/)).

El método o análisis de palabras asociadas es una

herramienta ciencimétrica desarrollada inicialmente en el Centre de

Sociologie de l'Innovation (CSI) de l'Ecole Nationale Supérieur de

Mines de Paris y en el Institut de l'Information Scientifique et

Technique (antiguo CDST) del CNRS. El método de las palabras

asociadas considera que el contenido de un documento viene definido

por sus descriptores o palabras clave. (COURTIAL, J. P. y

MICHELET, B., 1990).

La presencia de un descriptor en un documento se denomina

ocurrencia y el resto de descriptores que figuran con él en dicho


27

documento son sus co-ocurrencias. La matriz de datos "documentos

x descriptores", se denomina matriz de ocurrencias, y representa el

contenido conceptual del campo científico en estudio. La matriz

cuadrada simétrica “descriptores x descriptores” se denomina matriz

de co-ocurrencia, matriz de asociaciones o matriz de adyacencia. El

análisis de la co-ocurrencia de palabras (co-word) estudia la

aparición conjunta de dos o más palabras en campos tales como

títulos, resúmenes o palabras clave. Los valores de las co-

ocurrencias dependen del tamaño de la muestra. Es por tanto

conveniente recurrir a la normalización. Para normalizar la matriz de

adyacencicia se utiliza el índice de asociación o de equivalencia,

índice independiente del tamaño de la muestra (MICHELET, B., 1988)

(Ecuación 1):

Ecuación 1


28

donde: eij.- Indice de equivalencia o de asociación entre las palabras

i y j.

Cij.- Co-ocurrencia de las palabras i y j.

Ci.- Ocurrencia de la palabra i.

Cj.- Ocurrencia de la palabra j.

Empleando el índice de equivalencia, la matriz de asociaciones

queda normalizada. Los valores de eij oscilan entre 0 y 1; es decir,

cuando dos palabras no aparecen nunca juntas, su co-ocurrencia es

nula, el índice de equivalencia vale cero. En cambio, cuando dos

palabras siempre que aparecen lo hacen juntas en los mismos

documentos, el índice de equivalencia es la unidad. Si dos palabras

aparecen juntas muchas veces pero proporcionalmente son aún mayor

sus ocurrencias por separado, el índice de equivalencia será bajo y el

método de las palabras asociadas considerará la unión poco fuerte. En

cambio, dos palabras poco frecuentes pero siempre que aparecen lo

hacen en los mismos documentos, tendrán un índice de equivalencia

muy elevado y por tanto su asociación será muy fuerte. Así, una

palabra que aparece en muchísimos documentos y que no tiene


29

"predilección" por aparecer conjuntamente con alguna otra en

particular sino que se reparte homogéneamente con todas, nunca

llegará a formar asociaciones consistentes y el análisis la considerará

demasiado genérica y poco significativa. En realidad se trata de una

medida de similaridad entre descriptores.

Redes 2005 v. 1.0.0 (Bailón-Moreno, R., Ruíz-Baños, R.,

2005) (http://www.ugr.es/~rruizb/cognosfera/redes_2005/index.htm),

software específico para bibliometría, evaluación de la ciencia y

vigilancia tecnológica, empleado en este trabajo, utiliza matrices

normalizadas, o de similaridad, a partir de la co-ocurrencia de

palabras de los documentos, para, posteriormente, obtener

agrupaciones o subredes significativas mediante el algoritmo de

agrupación por centros simples. Este algoritmo ordena los pares de

asociaciones por orden decreciente de índice de equivalencia y sólo

pueden formar parte de esta lista las palabras con una ocurrencia

mínima y los pares con una co-ocurrencia mínima establecidas

previamente. El ordenador inicializa un contador para cada

descriptor y comienza a recorrer la lista desde el principio


30

incrementando el contador de las palabras que van apareciendo.

Cuando el contador de una palabra alcanza un valor igual al número

de palabras máximo estipulado para los temas menos uno, el

algoritmo toma esta palabra como centro de una agrupación. El

conjunto resultante estará formado por las uniones de esta palabra

central y todas aquellas que se han asociado con ella. El resultado

es una estructura en forma de estrella. Las palabras que han

aparecido se eliminan de la lista y se comienza de nuevo el proceso

para generar más agrupaciones. Si después de recorrer toda la lista

ningún contador llega al valor máximo preestablecido, éste se

disminuye en tantas unidades como sea necesario para formar una

nueva agrupación. El proceso finaliza cuando el valor máximo del

contador disminuya hasta un valor mínimo preestablecido o se

terminen todas las palabras de la lista ordenada de pares.


31

Figura 1.7. Algoritmo de agrupación sobre centros simples. Fuente: (Bailón-Moreno, R., Ruíz-Baños, R., 2005)

Este algoritmo tiene la ventaja de que nos asegura que

cualquier subred obtenida contiene al menos una palabra unida a

todas las demás. Esta palabra principal nos va a facilitar la

identificación del tema de investigación.

Una vez identificados los actores o temas, definidos por sus

descriptores y por los enlaces que los unen, es conveniente poder

establecer parámetros numéricos que de alguna forma nos hagan


32

referencia a sus estructuras internas y a su relación con la globalidad

de la red. Se definen los índices siguientes:

a) Densidad. La densidad o índice de cohesión interna es la

intensidad de las asociaciones internas de un tema y representa el

grado de desarrollo que posee. Se calcula como el cociente entre la

suma de los índices de equivalencia internos y el número de palabras

que definen el tema multiplicado por 100. (Ecuación 2)

Ecuación 2

donde: ei.- Indice de equivalencia del enlace interno i

L.- Número de enlaces internos del tema.

P.- Número de palabras del tema.


33

Por evitar números decimales la densidad suele multiplicarse

por 100. Densidades elevadas corresponden a temas altamente

desarrollados, muy especializados y repetitivos en sus conceptos.

Si ordenamos un conjunto de temas por orden creciente de

densidad, el rango de cada tema es lo que se denomina rango

densidad. Cuando se normaliza, dividiendo entre el número total de

temas de la red, presenta valores entre 0 y 1. Se utiliza en la

construcción del diagrama estratégico como sinónimo de densidad y

es indispensable para hacer estudios comparativos con otras redes y

en estudios dinámicos (Ecuación 3).

Ecuación 3

donde: rango.- Rango del tema según su densidad.

N.- Número de temas de la red.


34

b) Centralidad. La centralidad o índice de cohesión externa es

la suma de los índices de equivalencia de todos los enlaces externos

que posee un tema. Usualmente el valor de la centralidad se multiplica

por 10 (Ecuación 4).

Ecuación 4

donde: ej.- Indice de equivalencia del enlace externo j

T.- Número total de enlaces externos.

Un tema con elevada centralidad está situado en el centro de la

red y se relaciona muy bien con los demás actores.

Si de forma análoga a la densidad ordenamos un conjunto de

temas por orden creciente de centralidad, el rango de cada tema (que

puede ser también normalizado dividiendo entre el número total de

temas) es lo que se denomina rango centralidad. Se utiliza, junto con


35

el rango densidad en la construcción del diagrama estratégico como

sinónimo de centralidad y es imprescindible para hacer estudios

comparativos entre redes y en estudios dinámicos (Ecuación 5).

Ecuación 5

donde: rango'.- Rango del tema según su centralidad.

N.- Número de temas de la red.

Si se representa en un diagrama cartesiano en el eje de

abscisas el rango centralidad y en el de ordenadas el rango densidad,

se obtiene el llamado diagrama estratégico (Figura 2.2) El diagrama

se divide en cuatro cuadrantes cuyas características son las

siguientes:

Primer cuadrante: Situado arriba y a la derecha posee una

densidad y centralidad elevadas. Los temas situados en él se


36

caracterizan por estar muy desarrollados y ser centrales. Juegan un

papel "motor" dentro del campo científico considerado.

Segundo cuadrante: Baja densidad con alta centralidad.

Los temas, bien relacionados pero al tiempo poco desarrollados,

pueden considerarse como emergentes o como temas puente.

Tercer cuadrante: En él se sitúan los temas muy

desarrollados (d elevada) pero poco centrales (c baja) Estos temas

pueden considerarse como altamente especializados representativos

de una alta actividad, pero aislados en el seno del campo científico en

estudio.


37

Figura 1.8. Diagrama estratégico. Fuente (Bailón-Morerno, R., Ruíz-Baños, R., 2005)

Cuarto cuadrante: La centralidad y la densidad son

bajas, por lo que los temas aquí situados poseen un carácter débil y

netamente marginal. En este cuadrante suelen aparecer por primera


38

vez los temas y también en muchos casos terminan aquí por

desaparecer definitivamente.

El diagrama estratégico nos puede permitir hacer un análisis de la

estructuración de la red en función del número relativo de temas que

haya en cada cuadrante. Según se distribuyan los temas, pueden

considerarse tres tipos de organizaciones CALLON, M.; COURTIAL, J.

P. y PENAN, H., 1995)(Figura 2.3):

Categoría 1: Categoría 1: Los temas se distribuyen alrededor de la

bisectriz que une los cuadrantes 1 y 4. Esto indica que la red se

organiza en torno a un núcleo de temas bien relacionados y

desarrollados y que están en contacto con un conjunto de temas poco

desarrollados y periféricos.

Categoría 2: La distribución de temas se realiza en torno a la otra

bisectriz formada entre los cuadrantes 2 y 3. Indica que la red está

en vía de estructuración o en vías de desintegración ya que apenas

hay temas motor. La mayor parte de ellos se distribuyen entre temas

especializados y temas puente.


39

Categoría 3: La distribución es muy homogenea, ya que los temas

están repartidos entre los cuatro cuadrantes. La red está entonces

muy bien estructurada, es compleja y muy rica, y presenta todos los

tipos de temas: los hay centrales, los hay periféricos, unos están

bien desarrollados y otros presentan una baja cohesión interna. Una

estructuración de este tipo es indicativa de una buena dinámica del

campo en estudio.


40

Figura 1.9. Categorías en que se estructura una red. Fuente: (Bailón-Moreno, R. y Ruíz-Baños, R.; 2005)


41

1.3.5 INGENIERÍA DEL CONOCIMIENTO La Ingeniería del Conocimiento tiene por objeto generar nuevo

conocimiento, que antes no existía, a partir de la información

contenida en las bases de datos documentales y mediante el cruce

del contenido de los documentos. En la Figura 2.4 se representa el

paso de la información contenida en las bases de datos a las bases

de conocimiento gracias al Análisis de Palabras Asociadas. Se

especifican además las aplicaciones más representativas que hasta

la actualidad se han realizado.


42

Figura 1.10. Ingeniería del Conocimiento y sus aplicaciones. Fuente: (Bailón-Moreno, R. y Ruíz-Baños, R., 2005)


43

1.3.6 VIGILANCIA TECNOLÓGICA, GESTIÓN DEL

CONOCIMIENTO E INTELIGENCIA COMPETITIVA.

La vigilancia tecnológica consiste en la observación y el

análisis del entorno científico, técnico y tecnológico y en la posterior

difusión de las informaciones seleccionadas y tratadas que serán

útiles para la toma de decisiones estratégicas. Para conseguir este

objetivo es necesario pasar del análisis de documentos (Nivel 1 o

bibliográfico) de autores o investigadores (Nivel 2 o sociológico) al

estudio del conocimiento que ellos producen y difunden a través de

sus escritos (Nivel 3 o del conocimiento objetivo) (POLANCO, X.,

1997).


44

Figura 1.11.- Pirámide de construcción del conocimiento. Fuente: Bailón-Moreno, R. y Ruíz-Baños, R.; 2005)

Gestión del conocimiento es todo el conjunto de actividades

realizadas con el fin de utilizar, compartir y desarrollar los

conocimientos de una organización y de los individuos que en ella

trabajan, encaminándolos a la mejor consecución de sus objetivos

(BUSTELO RUESTA, C. y AMARILLA IGLESIAS, R.; 2001).


45

Figura 1.12. Gestión del conocimiento y gestión de la información. Fuente: (Bustelo Ruesta, C. y Amarilla Iglesias, R.; 2001)

La Gestión del Conocimiento (GC) en la empresa trata el

capital intelectual como un recurso gestionable.

Inteligencia competitiva es el proceso analítico que transforma

datos desagregados de los competidores, industria y mercado en

conocimiento aplicable a nivel estratégico, relacionado con las

capacidades de los competidores.


46

La GC se ocupa de inventariar, clasificar y compartir el

conocimiento del interior de la empresa, mientras que la IC explora

las señales del exterior y se orienta al futuro (Figura 1.13).

Figura 1.13. Relación entre un sistema de gestión del conocimiento y un sistema de inteligencia competitiva. Fuente: (Escorsa Castells, P.; 2002)


47

1.3.4 REDES 2005 v. 1.0.0, SISTEMA DE CONOCIMIENTO

Redes 2005 v. 1.0.0 es un programa de ordenador con

características avanzadas de Sistema de Conocimiento. Permite

trazar redes TecnoCientíficas basadas en palabras, co-autorías, co-

citas (de documentos, de autores, de revistas, etc.) y co-enlaces

(páginas web de internet). Puede utilizar todo tipo de documentos

textuales: artículos científicos, comunicaciones a congresos,

patentes de invención, informes, páginas web, etcétera.

Sus algoritmos están basados en el Análisis de Palabras

Asociadas, que por sus características especiales son capaces de

identificar los denominados centros de interés de las redes. Además

permite, mediante el análisis de palabras asociadas, realizar

estudios que van desde grandes dominios científicos (nivel macro),

pasando por estudios de universidades, laboratorios, revistas (nivel

meso), hasta incluso el perfil investigador de científicos individuales

(nivel micro) o incluso, el análisis de tan sólo un documento aislado

(nivel nano).


48

Figura 1.14. Sistema de Conocimiento. Fuente: (Bailón-Moreno, R. y Ruíz-Baños, R.; 2005)


49

2 OBJETIVOS


50

Los Espacios Naturales Protegidos constituyen una

herramienta pública de conservación de las áreas naturales de

mayor valor ecológico, geológico y paisajístico, muy utilizada por las

Administraciones Publicas durante los últimos treinta años. Estas

áreas naturales son objeto de una gestión activa (conservación, uso

publico, aprovechamientos tradicionales e investigación), lo que ha

permitido, para los fines de este trabajo, la realización en España de

numerosas tésis doctorales en diferentes disciplinas científicas.

Estos trabajos, en su conjunto, no han sido estudiados en

profundidad desde la perspectiva de Evaluación de la Ciencia y del

Conocimiento Científico. En el presente trabajo se pretende realizar

el análisis estratégico de la investigación sobre áreas protegidas

recogida en tésis doctorales leídas en España, integrando sistemas

de información textuales y espaciales.


51

3 MATERIAL Y MÉTODOS


52

3.1 RECOGIDA DE DATOS

Como fuente de datos se ha utilizado TESEO, base de datos de

tesis doctorales leídas en España desde 1976 hasta 2005. Se ha

realizado una búsqueda el 07/12/2005 sobre áreas protegidas o

espacios naturales protegidos (parques nacionales, parques

naturales o reservas naturales) en los campos título y resumen. La

ecuación de búsqueda ha sido “parque$ natural$ or parque$

nacional$ or reserva$ natural$ or area$ protegida$ or espacio$

natural $ protegido$”.

La búsqueda ha dado como resultado 190 tesis. Uno de los

registros ha sido descartado por no tener relación con el tema de

investigación (“Parques arqueológicos en áreas urbanas. La gestión

para la conservación. Foros Imperiales, Appia Antica, Valle de los

Templos”), restando, por tanto, 189 registros útiles.


53

A partir de la información en formato hipertexto que

proporciona “Teseo” (título, autor, año académico, universidad,

centro de lectura, departamento, programa de doctorado, centro de

realización, director, tribunal, descriptores y resumen), se ha

realizado una base de datos en Microsoft Access a la que se han

añadido los campos “todos_tribunal”, todos_descriptores”,

“tribunal+descriptores”, “figura de protección”, “nombre del espacio

natural protegido”, “provincia”, “comunidad autónoma” y “país”. Los

campos “todos_tribunal”, todos_descriptores”, “tribunal+descriptores”

se han tratado para su posterior procesamiento por Redes 2005 v.

1.0.0

DOC1: descriptor 1/descriptor2/descriptor3/…

DOC2: descriptor 1’/descriptor2’/descriptor3’/…

…

DOCn: descriptor 1’’/descriptor2’’/descriptor3’’/…


54

Se ha realizado control de autoridades de los campos “autor”

y “tribunal”, no así en el caso de los descriptores de disciplinas

puesto que la base de datos ya los incorpora normalizados según la

“Nomenclatura Internacional de la UNESCO para los campos de

ciencia y tecnología”.


55

3.2 MÉTODOS DE ANÁLISIS

El análisis de palabras asociadas ha permitido obtener las

redes formadas por disciplinas académicas y miembros de tribunal,

por separado y en conjunto. Las redes están constituídas por

subredes que se nombran por el descriptor que se sitúa en el centro

de la subred. Las subredes se caracterizan, entre otros, por dos

parámetros muy importantes: el índice de cohesión externa y el

índice de cohesión interna. El índice de cohesión externa, también

llamado centralidad, indica cómo de bien se relaciona la subred con

el resto de la red (una subred con centralidad alta está próximo al

centro de la red). La densidad o índice de cohesión interna indica el

desarrollo interno de la subred. Si se representan las subredes en

función de su centralidad y su densidad se obtiene el diagrama

estratégico de la red; éste se divide en cuatro cuadrantes: cuadrante

superior derecho, subredes “motor” de la investigación (altas

centralidad y densidad); cuadrante inferior derecho (alta centralidad

y baja densidad), subredes generales o de importancia general o


56

estructural, pero que al ser de amplia aplicación y relacionarse con

todo a la vez están en el centro de la red y no pueden dibujarse

nítidamente; cuadrante superior izquierdo, subredes accesorias, o

metodologías o ramas de otras ciencias que se acercan a esta red

(presentan alta densidad y baja centralidad); cuadrante inferior

izquierdo, subredes alejadas (baja centralidad) y poco densas

porque son nacientes o están en periodo de desaparición o porque

por su naturaleza no pueden llegar a construirse completamente.

Con Redes 2005 v. 1.0.0

(http://www.ugr.es/~rruizb/cognosfera/redes_2005/index.htm) se ha

procedido al análisis estratégico de los campos “todos_tribunal”,

“todos_descriptores” y “tribunal+descriptores”.

El análisis del campo “todos_descriptores” se ha realizado

fijando una ocurrencia mínima de 2, una coocurrencia de 2, un

tamaño mínimo de grupo de 3 (mínimo tamaño que permite el


57

programa) y un tamaño máximo de grupo de 7 (máximo número de

descriptores encontrado en una tésis).

El análisis del campo “todos_tribunal” se ha realizado

fijando una ocurrencia mínima de 2, una coocurrencia de 2, un

tamaño mínimo de grupo de 3 (mínimo tamaño que permite el

programa) y un tamaño máximo de grupo de 7 (máximo número de

miembros de tribunal en una tésis).

El análisis de “tribunal_descriptores” se ha realizado fijando

una ocurrencia mínima de 2, una coocurrencia de 2, un tamaño

mínimo de grupo de 6 y un tamaño máximo de grupo de 14.

A partir de la matriz de adyacencia o matriz de co-ocurrencias

de “tribunal_descriptores”, matriz simétrica de 81 por 81, fijando

una ocurrencia mínima de cuatro, se ha realizado mediante Statistica

6.0 el análisis MDS de la matriz de distancias (1-Pearson), obtenida


58

a partir de la matriz de similaridades (Pearson), al objeto de obtener

las coordenadas de los 81 descriptores.

Con las coordenadas de los descriptores multiplicadas por

100.000, para que ArcView las “reconozca”, se ha generado una

tabla de atributos en archivo de texto, “.txt”, que se ha importado con

Arc View 3.2 para realizar el proyecto (vista, tabla, gráfico y mapa)

de la investigación sobre áreas protegidas en España.

La extensión 3D Analyst de Arc View 3.2 se ha empleado para

obtener mapas de curvas de nivel (en nuestro caso “curvas de

ocurrencias”) y ficheros TIN (Triangulated Irregular Network), usados

para modelizar mapas de altitudes. Los ficheros TIN han sido

exportados en formato VRML (Visual Reality Modeling Language) y

visualizados con Cortona VRML Client.

Con el programa Arc View 3.2 se han modificado las tablas de

atributos de las vistas España-Comunidades y Andalucía para


59

realizar gráficos con los datos de los atributos de las tablas y

visualizar sobre el territorio la productividad de cada región y

provincia, en el caso de Andalucía.


60

4 RESULTADOS


61

4.1 REDES DE ACTORES

Se han obtenido los diagramas estratégicos y las diferentes

subredes de los campos “todos_descriptores”, “todos_tribunal” y

“tribunal+descriptores” (ver Figura 4.1).

Red “disciplinas”


62

”Red “tribunales”

Red “tribunales_disciplinas”

Figura 4.1. Redes de “disciplinas”, “miembros de tribunal” y “tribunales-disciplinas. Fuente: Elaboración propia.


63

4.1.1 RED “DISCIPLINAS ACADÉMICAS”

El análisis de la investigación sobre áreas protegidas, según

el análisis de palabras asociadas del campo “todos_descriptores”, ha

dado como resultado una red de 112 descriptores (124 se han

descartado por tener una sola ocurrencia) y de 13 subredes

(“derecho administrativo”, “etología”, “geografía”, “ciencias médicas”,

“ciencias tecnológicas”, “entomología”, “hidrología”, “botánica”,

“ciencias económicas”, “florestas”, “ciencias geográficas”,

“edafología” y “geología”).

Según el diagrama estratégico de la red “disciplinas”, la

principal subred “motor” de investigación es “etología” (con dos

áreas: << etología / etología animal / comportamiento animal /

comportamiento de primates / antropología física >> y << ecología

animal / zoología >>) (Figura 4.2), seguida de “ciencias

tecnológicas” (<< ciencias tecnológicas / regeneración del agua /

planificación urbana / usos del suelo urbano / ingeniería y tecnología


64

del medio ambiente / control de la contaminación del agua >>)

(Figura 4.3).

Figura 4.2. Red “disciplinas”, subred “etología”


65

Figura 4.3. Red “disciplinas”, subred “ciencias tecnológicas”. Fuente: Elaboración propia.

Las subredes estructurales o generalistas de la red

“descriptores” son “hidrología” (<< limnología / hidrogeología /

aguas superficiales / aguas subterráneas / calidad de las aguas >>),

“botánica” (<< ecología vegetal / ciencias de la vida / taxonomía

vegetal / botánica general / flora lacustre / flora mediterránea >>),

“florestas” (<< silvicultura / protección de florestas / conservación

de florestas >>) y “ciencias geográficas” (<< geografía física /


66

biogeografía / cartografía geográfica / geografía de los recursos

naturales / usos del suelo >>).

Subredes de disciplinas adyacentes son “derecho

administrativo” (<< ciencias jurídicas y derecho / derecho y

legislación nacional / derecho internacional / derecho marítimo >>),

“ciencias médicas” (<< toxicología / química agrícola / plaguicidas /

ciencias veterinarias >>), “geografía” (<< geografía económica /

“geografía del desarrollo regional /geografía rural / distribución de

recursos naturales >>) y “entomología” (<< ecología de los

insectos / taxonomía de los insectos / entomología general >>).

Como subredes emergentes aparecen “ciencias

económicas” (<< teoría económica / economía sectorial / sector de

hostelería y turismo >>), “edafología” (<< cartografía de suelos /

biología de suelos >>), “geología” (<< teledetección / geología

ambiental / geomorfología >>)


67

4.1.2 RED “TRIBUNALES”

El análisis de la investigación sobre áreas protegidas, según

los tribunales de las tésis, ha dado como resultado una red de 156

investigadores (746 solo ocurren una sola vez) con 13 subredes:

Figura 4.4. Red “miembros de tribunal”, subred “Delibes de Castro Miguel”. Fuente: Elaboración propia.

“López Ramón Fernando”, “Borrás Suarez Miguel”, “García Novo

Francisco”, “Soriano López Juan Manuel”, “Pérez Hurtado de


68

Mendoza Alejandro”, “Fernando Rodrigo María Dolores”, “Díaz

Muñoz María Angeles”, “Molero Mesa Joaquín”, “Miracle Solé María

Rosa”, “Delibes de Castro Miguel”, “Santos Martínez Tomás”,

“Azqueta Oyarzún Diego” y “Diaz Pineda Francisco”.

Todas las subredes obtenidas se caracterizan por su baja o

nula centralidad, es decir, se trata de grupos cerrados de

investigadores que no se relacionan con el resto de investigadores

para formar tribunales de tésis, realmente no constituyen red, sino

un conjunto de subredes. Predominan las subredes de tres nodos

(seis grupos formados por tres investigadores), seguida de tres

subredes de seis investigadores, dos subredes de cuatro, una de

siete y una de cinco.

Las tres subredes de mayor centralidad (7,770; 4; 4), aunque

ésta sea mínima, respectivamente son: “Molero Mesa Joaquín”

(con seis nodos: “Mota Poveda J.F.”, Muñoz Alvarez J.M.”, “Blanca

López G.”, “Cano Carmona E.” y Valle Tendero F.”), “Miracle Sole


69

Maria Rosa” (con seis nodos: “Rodríguez Babio C.”, “Cruz Pizarro

L.J.”, “Esteban Sanchos J.G.”, “Feliu José C.” y “Mas Coma S.”) y

“Delibes de Castro Miguel” (con siete nodos: Hiraldo Cano F.”, “de

Lope Florentino”, “Suarez Cardona F.”, “Donazar Sancho J.A.”,

“Telleria Jorge J.L.” y “Montes del Olmo C.” ). Joaquín Molero Mesa,

Catedrático de Biología Vegetal de la Universidad de Granada da

nombre a la subred formada por los botánicos de la Universidad de

Granada, la Universidad de Almería, la Universidad de Jaén y la

Universidad de Córdoba. Miracle Solé María Rosa (Catedrática de

Ecología de la Universidad de Valencia) agrupa a parasitólogos,

profesores de la Universidad de Barcelona y de la Universidad de

Valencia y al Catedrático de Ecológía de la Universidad de Granada,

Cruz Pizarro. Miguel Delibes de Castro, profesor de investigación del

CSIC, reúne alrededor suyo el grupo de ecólogos-zoológos de la

Estación Biológica de Doñana, la Universidad Autónoma de Madrid,

La Universidad Complutense de Madrid y Universidad de

Extremadura.


70

Otra subred importante es la denominada “García Novo

Francisco”, por ser de entre las de mayor densidad (92,233) la que

mayor número de nodos posee (6). Está formada por: “Castroviejo

Bolívar J.”, “Escudero García J.C.”, “Pablo Casanovas F.”, “Valdes

Castrillon B.” y “Valverde Gomez J.A.”, todos ellos investigadores de

larga y reconocida reputación.

Figura 4.5. Red “miembros tribunal”, subred “García Novo Francisco”. Fuente: Elaboración propia.


71

4.1.3 RED “DISCIPLINAS-TRIBUNALES”

Este análisis permite relacionar investigadores y temas de

investigación y construir subredes conjuntas. Esta red está formada

por 14 subredes y 268 investigadores-descriptores, de un total de

1.141.

Subredes “motor” en la investigación sobre áreas protegidas

(subredes que aparecen en el primer cuadrante): La subred que

aparece más destacada por su centralidad (71,650) y densidad

(78,721) es “etología”. Esta subred de 14 nodos, siete

investigadores (M. Delibes de Castro, V. Castelló Losada, J.L.

Tellería Jorge, L. Arias de Reina Martínez, F. Hiraldo Cano y F.

Braza Lloret) y siete descriptores (etología, etología animal,

comportamiento animal, comportamiento de los primates,

antropología física, zoología y ecología animal) (Figura 4.6).


72

Figura 4.6. Red “disciplinas-tribunales”, subred “etología”. Fuente: Elaboración propia. Le sigue “ciencias geografícas”, con una centralidad de

59,630 y una densidad de 63,292, (en adelante: 59,630/63,292). Es

una subred de 14 nodos formada por siete investigadores (J. Bosque

Sendra, E. Chuvieco Salinero, J. Martínez Vega, M.A. Díaz Muñoz,

J.C. García Codrón, M. de Miro Orell y J.M. Rubio Recio) y siete

descriptores (ciencias geograficas, cartografia geografica, geografia

física, biogeografía, geografia de los recursos naturales y usos del

suelo) (Figura 4.7).


73

Figura 4.7. Red “disciplinas-tribunales”, subred “xciencias geográficas”. Fuente: Elaboración propia

Subredes generales o de importancia general o estructural en

la investigación sobre áreas protegidas (subredes del segundo

cuadrante): Las subredes “florestas” (51,860/48,128), “química”

(47,400/41,345), “hidrología” (84,440/40,571) y “botánica”

(114,160/29,607) del cuadrante inferior derecho del diagrama

estratégico, constituyen la “estructura del edificio” de la investigación

sobre áreas protegidas. Botánica aparece como la subred de mayor


74

centralidad, es decir la subred con mayor número de enlaces

exteriores (Figura 4.8).

“florestas”


75

“química”

“hidrología”


76

“botánica”

Figura 4.8: Red “disciplinas-tribunales”, subredes “florestas”, “química”, ”hidrología” y “botánica”. Fuente: Elaboración propia.

Subredes accesorias, o metodologías o ramas de otras

ciencias que se acercan a esta red de investigación sobre áreas

protegidas: “Ciencias jurídicas y del derecho” (0,000/134,100),

“Miracle Solé M. Rosa” (0,000/72,700) , “ornitología”

(0,000/67,012) y “entomología” (0,000/66,650), juristas,

parasitólogos, ornitólogos y entomólogos, respectivamente, son

subredes de alta densidad y baja centralidad, es decir, de gran


77

cohesión interna y nula, como es el caso, o muy baja relación con el

resto. Ciencias Jurídicas y del Derecho aparece como la subred de

mayor densidad, es decir la más cohesionada, con mayor número de

enlaces internos. Hay otra subred, “edafologia” (0,000/59,342), que

aunque aparece en el tercer cuadrante, está muy próxima a las

anteriores, pudiéndose considerar como una rama científica

adyacente al conjunto de ciencias que soportan la investigación

sobre áreas protegidas.

Subredes alejadas (baja centralidad) y poco densas porque

son nacientes o están en periodo de desaparición o porque por su

naturaleza no pueden llegar a construirse completamente: Las

subredes “geografia”, “ciencias económicas” y “geologia”, de

baja densidad y baja centralidad, se sitúan en el cuadrante inferior

izquierdo del diagrama estratégico. Las subredes ”geografia” y

“geologia” destacan por su proximidad al segundo cuadrante,

cuadrante de las subredes generales, y podrían considerarse que

forman parte del grupo de ciencias estructurales de la investigación


78

sobre áreas protegidas. La subred “ciencias económicas” es una

subred emergente, dado el interés que los aspectos turísticos de las

áreas protegidas han suscitado los últimos años.


79

4.2 ANÁLISIS ESPACIAL DE LA INFORMACIÓN TEXTUAL

Se ha obtenido con Arc View 3.2 la visualización del fichero

de coordenadas MDS de miembros de tribunal y descriptores de las

tesis leídas en España sobre áreas protegidas (Figura 4.9).

Figura 4.9. Mapa “miembros de tribunal y descriptores de disciplinas. Fuente: Elaboración propia.


80

Sobre la vista de “miembros de tribunal y descriptores” se ha

realizado un agrupamiento de las disciplinas según los grupos

definidos en la nomenclatura de la UNESCO y se ha obtenido el

mapa por materias de las tesis españolas sobre áreas protegidas

(Figura 4.10).

Figura 4.10. Mapa de bloques disciplinarios o materias. Fuente: Elaboración propia.

Esta imagen de síntesis puede ser utilizada como interfaz de

acceso, mediante hipertexto, al listado de las tésis doctorales de la


81

zona del mapa seleccionada y desde éstos al resumen de la tésis

seleccionada (Figura 4.11).


82


83

Figura 4.11. Secuencia de imágenes de “navegación” empleando el mapa de materias como interfaz de acceso.

Sobre la vista de “miembros de tribunal y descriptores” se ha

realizado un agrupamiento de acuerdo con las subredes obtenidas

en el diagrama estratégico de la red 4-2-4-14 (Figura 4.12).


84

Figura 4.12. Mapa y Red 4-2-4-14 “disciplinas-tribunales”. Fuente: Elaboración propia.


85

La coordenada “z” de cada registro, número de ocurrencias

totales de cada descriptor, se ha empleado para realizar tres tipos de

mapas de “cotas”: mapa de curvas de nivel (Figura 4.13) y mapas de

superficies altitudinales (color y escala de grises) (Figura 4.14)

Figura 4.13. Mapa de curvas de nivel del fichero miembros de tribunal (ocurrencia mínima 3). Fuente: Elaboración propia.


86

Figura 4.14. Mapas altitudinales en escala de grises y color del fichero miembros de tribunal-disciplinas (ocurrencia mínima 4). Fuente: Elaboración propia.


87

La extensión 3D Analyst de Arc View 3.2 ha permitido obtener

la imagen tridimensional en color (imagen TIN) (Figura 4.15).

Figura 4.15. Mapa obtenido a partir de la imagen TIN. Fuente Elaboración propia.

La extensión 3D Analyst de Arc View 3.2 permite exportar en

formato VRML la imagen TIN obtenida (Figura 4.16).


88


89

Figura 4.16. Imagen VRML tridimensional. Fuente Elaboración propia.


90

El fichero VRML describe el escenario virtual en 3D y permite

al usuario interactuar y navegar por la web con Cortona VRML Client

(plug-in para Internet Explorer) (Figura 4.17).

Figura 4.17. Interfaz de Cortona con visualización del fichero VRML.


91

Además se han obtenido para España, por Comunidades

Autónomas, las salidas gráficas: nº tésis, nº tésis/población, nº

tésis/superficie. Para la Comunidad Autónoma de Andalucía se ha

obtenido la salida gráfica nº tésis/provincia, en color graduado, y el

mapa de nº de tésis por provincia y periodo de cinco años, en

diagrama de barras de diferente color según el periodo (Figura 4.18).


92

Figura 4.18. Diferentes tipos de gráficos obtenidos a partir de las tablas de atributos de los temas. Fuente: Elaboración propia.


93

5 DISCUSIÓN DE LOS RESULTADOS


94

5. DISCUSIÓN DE LOS RESULTADOS

La elección de TESEO como fuente de datos para el estudio

estratégico de la investigación sobre áreas protegidas en España se

ha mostrado acertada en cuanto a la diversidad temática que se

abarca, no superable por las bases de datos de ISI, aunque en

estudios de este tipo es deseable una base de documentos más

amplia.

En la construcción de redes es fundamental una buena

elección de los parámetros, ocurrencia mínima, co-ocurrencia

mínima, mínimo número de nodos y máximo número de nodos. Los

resultados difieren entre sí, para el análisis de un mismo campo,

dependiendo de la diferente elección de los parámetros de

construcción de la red. En el presente estudio, aún a pesar del bajo

número de documentos, ciento ochenta y nueve tésis sobre áreas

protegidas, las tres redes obtenidas se ajustan a la categoría tres, es

decir, redes cuya distribución es muy homogénea, ya que los temas


95

están repartidos entre los cuatro cuadrantes, y muy bien

estructuradas, son complejas y muy ricas, y presentan todos los

tipos de temas (los hay centrales, los hay periféricos, unos están

bien desarrollados y otros presentan una baja cohesión interna),

indicativo de una buena dinámica del campo en estudio.

No obstante lo anterior, como se ha comprobado en el

apartado de resultados, la red “tribunales”, es más bién un conjunto

de subredes, no conexas entre sí, ya que la mayoría se caracteriza

por tener índice de cohesión externa nulo. Esto entra a formar parte

de lo previsible, puesto que la conformación de los programas de

doctorado y la propia dinámica de constitución de los tribunales de

tésis así lo determina, y denota la práctica ausencia de colaboración

entre departamentos universitarios o grupos de investigación y la

presencia común de tribunales en los que domina la relación

“maestro-discípulo”, endogámica y monolítica.


96

El análisis conjunto disciplinas-tribunales se ha demostrado

acertado, pues permite caracterizar a lo investigadores por su

pertenencia a subredes mixtas. Ésto es muy interesante para los

campos de trabajo de la evaluación científica y de la inteligencia

competitiva, pues el estudio permite situar estratégicamente

investigadores y disciplinas y determinar qué investigadores y en

qué disciplinas destacan.

El análisis espacial de la información textual con un sistema

de información geográfico ha demostrado el buen comportamiento

del mismo, no sólo en la visualización de la información, mediante el

GUI “vista”, sino también en la recuperación de la información

contenida en las tablas de atributos de los temas, mediante los GUIs

“vista” (búsquedas gráficas) y “tabla” (búsqueda de término o

búsquedas booleanas), así como en la elaboración de informes,

GUIs “gráfico” y “mapa”.


97

Muy interesantes son las posibilidades de interacción y

navegación que se abren para el usuario a partir del fichero VRML,

output de la extensión 3D Analyst de ArcView 3.2. El escenario

virtual del dominio de estudio puede ser, con la ayuda de un VRML

browser o un Plug-in para navegadores Web, “visitado” y observado

por el usuario desde las más diversas posiciones y ángulos.


98

6 CONCLUSIONES


99

6. CONCLUSIONES

La red de la investigación sobre áreas protegidas en España

está bien estructurada, es decir presenta subredes motor,

generalistas, adyacentes y emergentes.

La subred que destaca por su empuje investigador es

“etología”, detrás de la cual se sitúan eminentes científicos de la

Estación Biológica de Doñana del CSIC o formados en ella, centro

reconocido internacionalmente por su excelencia investigadora. Le

acompaña en esta posición de liderazgo la subred “ciencias

geográficas”, constituída por científicos especializados en cartografía

geográfica y geografía de los recursos naturales.

Las subredes troncales de investigación son “botánica”, la

más relacionada con el resto de subredes, “florestas”, “hidrología” y

“química”. Dentro de este grupo podemos situar también “geografía”

y “geología”.


100

Destaca como subred emergente “ciencias económicas”,

debido al interés suscitado los últimos años por conocer los

beneficios económicos que las áreas protegidas aportan a la

sociedad, tan de actualidad por las corrientes defensoras del

desarrollo sostenible (turismo sostenible, actividades tradicionales

compatibles con la conservación, conservación de la biodiversidad,

etc.)

Subredes muy bien cohesionadas internamente y que

complementan el cuadro estratégico general son “ciencias jurídicas y

del derecho”, “Miracle Solé M. Rosa” (parasitólogos), “ornitología”,

“entomología” y “edafología”. La inclusión de “ciencias jurídicas y del

derecho” en el grupo de subredes accesorias a la red está

totalmente justificado pues aún no tratándose de una disciplina

experimental ni de estudio del territorio, la protección y gestión de las

áreas protegidas se realiza mediante la promulgación de abundante

legislación y normativa. El resto (parasitólogos, ornitólogos,

entomólogos y edafólogos) se sitúan en este grupo debido a los


101

parámetros constructivos de la red. Todas son ramas de Ciencias de

la Vida y de la Tierra y del Espacio; parasitólogía animal, ornitología

y entomología son ciencias zoológicas (Zoología aparece incluída en

la subred motor “etología”), pero quedan fuera de esta subred por el

algoritmo de agrupación por centros simples empleado en la

formación de subredes, ya que al fijar como parámetro de

construcción de la red un número máximo de catorce nodos por

subred, quedan fuera de la misma y pasan a constituir sus propias

subredes.

El mapa de materias obtenido incluyendo en un mismo

polígono las disciplinas que derivan de los descriptores genéricos o

de primer nivel (“Nomenclatura Internacional de la UNESCO para los

campos de ciencia y tecnología”), permite comprobar como se sitúan

por proximidad unas y otras, siendo muy interesante esta vista de

conjunto.


102

Si sobre los temas activos de ArcView “disciplinas” y

“miembros de tribunal” llevamos la red 4-2-4-14, observamos que la

subred motor, en este caso “zoología”, se sitúa próxima al centro de

gravedad de los temas activos, característico, por tanto, de su alta

centralidad, y sobre el grupo de puntos más denso, característico de

su alta cohesión interna. Próxima a esta subred se sitúan “botánica”

y “ciencias de la tierra y del espacio”, en nuestra red son subredes

estructurales, de alta centralidad (proximidad al centro de gravedad

de los temas activos) y densidad baja. Las subredes del tercer

cudrante se sitúan a continuación, alejadas del centro de gravedad y

se caracterizan igualmente por su baja densidad, puntos alejados

entres sí. Por último “derecho administrativio”, como subred

accesoria que es, aparece lo más alejada del centro de gravedad,

pero en cambio su densidad es altísima, puntos unos sobre otro.

El mapa de “curvas de ocurrencias” obtenido en el presente

trabajo es una variante de los diferentes que se podrían obtener,

Jhon Old obtuvo un mapa de “curvas de cocitación”, según la matriz


103

de origen. En él los investigadores se sitúan en proximidad según

sus co-ocurrencias en tribunales y las curvas de nivel indican su

mayor o menor presencia en los mismos; así las colinas más

elevadas son los investigadores que han participado mas veces en

tribunales; se podría decir que la altitud en el mapa refleja la

“productividad” en tésis y la proximidad el grado de relación entre

investigadores.

Los mapas en dos o tres dimensiones constituyen imágenes

de síntesis de la base de datos textual, ponen de manifiesto

gráficamente en su conjunto relaciones entre descriptores

(disciplinas y/o investigadores) de proximidad (centralidad) o

pertenencia a subgrupo (densidad) y permiten reflejar medidas de

productividad, citación, cocitación, etc. Además pueden ser

empleados como interfaces para acceso a la información de la base

de datos.


104

En conclusión, Redes 2005 v. 1.0.0 permite la generación de

nuevo conocimiento contenido en la base de datos textual, de interés

en evaluación de la ciencia y en investigación tecnológica. Arc View

3.2, herramienta de análisis espacial, permite la incorporación de

información obtenida en Redes 2005 v. 1.0.0 y la visualización de

mapas de síntesis del dominio “Tésis de Áreas Protegidas en

España”, de aplicación como medio de acceso a la información y de

interés en el estudio de la relación entre las diferentes disciplinas

científicas. Arc View 3.2 es, en sí, una poderosa herramienta para la

visualización y búsqueda, tanto gráfica como textual, de datos

contenidos en las tablas incorporadas, así como para la realización

de informes.


105

7 REFERENCIAS


106

7. REFERENCIAS

1. EUROPARC-ESPAÑA (2006). Anuario Europarc-España del

estado de los espacios naturales protegidos 2005. Ed. Fundación

Fernando González Bernáldez. Madrid. 160 páginas

2. DIPUTACIÓN DE BARCELONA (2002). La investigación y el

seguimiento en los espacios naturales protegidos del siglo XXI.

Monografía 34. Ed. Diputación de Barcelona. Barcelona. 122

páginas.

3. MÚGICA DE LA GUERRA, M., GÓMEZ-LIMÓN GARCÍA, J. Y DE

LUCIO FERNÁNDEZ J.V. (2002). Situación actual de la

investigación y la gestión en los espacios naturales protegidos del

Estado Español. En La investigación y el seguimiento en los

espacios naturales protegidos del siglo XXI. Monografía 34. Ed.

Diputación de Barcelona. Barcelona. 7-14.

4. PINO-DÍAZ, J. (2004). Análisis de la literatura científica sobre

Parques nacionales en ISI-Web of Science. En

http://perso.wanadoo.es/josepinodiaz


107

5. PINO-DÍAZ, J. (2004). Análisis de las tésis doctorales sobre Sierra

Nevada. En http://perso.wanadoo.es/josepinodiaz

6. PINO-DÍAZ, J. (2004). Mapa de tésis doctorales sobre Sierra

Nevada según disciplinas científicas. En

http://perso.wanadoo.es/josepinodiaz

7. BAILÓN-MORENO, R. Y RUÍZ-BAÑOS, R. (2005). Cognosfera.

En http://www.ugr.es/~rruizb/cognosfera/

8. OLD, L. JOHN, (2001). Utilizing Spatial Information Systems for

Non-Spatial-Data Analysis. Scientometrics, 51(3), 563-571.

9. REY-ROCHA, J., MARTIN-SEMPERE, M.J., (2002). Geographic

information systems for science and technology indicators. Research

Evaluation, 11(3), 141-148.

10. REY ROCHA J., MARTÍN SEMPERE M.J. (2001). GISSTI:

Sistema Automatizado para la obtención de Indicadores de Ciencia y

Tecnología basado en la tecnología SIG. Póster.

V Taller Iberoamericano e Interamericano de Indicadores de Ciencia

y Tecnología. Montevideo (Uruguay). 15-18 Octubre


108

11. COURTIAL, J.P., MICHELET, B. (1990). A mathematical model

of development in a research field. Scientometrics, 19 (1-2), 127-141.

12. MICHELET, B. (1988). L’analyse des associations. PhD Thesis.

París Université de Paris 7.

13. CALLON, M., COURTIAL, J.P., PENAN, H. (1995).

Cienciometria. La medición de la actividad científica: de la

bibliometría a la vigilancia tecnológica. Gijón. Ed. Trea.

14. POLANCO, X. (1997). Infometría e ingeniería del conocimiento:

Exploración de datos y análisis de la información en vista del

descubrimiento de conocimientos. El universo de la medición: La

perspectiva de la Ciencia y la Tecnología. COLCIENCIAS, CYTED,

RICYT: Segundo Taller Iberoamericano sobre indicadores en

Ciencia y Tecnología. Bogotá. Ed. Tercer Mundo. 335-350.

15. BUSTELO RUESTA, C., AMARILLA IGLESIAS, R. (2001).

Gestión del conocimiento y gestión de la información. Boletín del

Instituto Andaluz de Patrimonio Histórico, año VIII, nº. 34, 226-330.


109

16. ESCORSA CASTELLS, P. (2002). De la vigilancia tecnológica a

la inteligencia competitiva.

http://www.uoc.es/web/art/uoc/escorsa0202/escorsa0202_imp.html

Integración de sistemas de información textuales y espaciales. Análisis estratégico de la...

Documents

Transcript of Integración de sistemas de información textuales y espaciales. Análisis estratégico de la...