Delimitación temática de la investigación en Lingüística y Comunicación a través del análisis de co-palabras

  1. Gálvez, Carmen 1
  1. 1 Universidad de Granada
    info

    Universidad de Granada

    Granada, España

    ROR https://ror.org/04njjy449

Revista:
Círculo de lingüística aplicada a la comunicación

ISSN: 1576-4737

Año de publicación: 2019

Número: 77

Páginas: 187-200

Tipo: Artículo

DOI: 10.5209/CLAC.63283 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Círculo de lingüística aplicada a la comunicación

Resumen

Comprender las complejas interrelaciones semánticas de los conceptos científicos,principalmente en las áreas interdisciplinares, sigue siendo un problema para los investigadores. Eneste trabajo se exponen los principales resultados de un estudio cuyo principal objetivo fue identificary visualizar los focos de investigación de dos categorías Web of Science (WoS) correspondientes a lasáreas de la Lingüística y la Comunicación, durante el periodo comprendido entre 2007 y 2017.Primero, las palabras-clave, extraídas de la producción científica indexada en WoS, se usaron paraidentificar los conceptos y temas de investigación de forma estadística. A continuación, se realizó unanálisis de co-palabras basado en matrices de co-ocurrencia en el que, por un lado, se agruparon laspalabras-clave para identificar conglomerados temáticos y, por el otro, se adoptó el método delanálisis de redes para identificar la estructura jerárquica de ambos dominios científicos. Losresultados mostraron que los principales focos de investigación se sintetizaron en: Análisis deldiscurso y Géneros discursivos, Etnografía de la comunicación, Identidad lingüística, Pragmática yAnálisis de la conversación, Lingüística textual, Teoría de la argumentación, Retórica, Traducción,Intertextualidad y Sociolingüística. La conclusión general fue que los mapas y redes obtenidaspermitieron alcanzar un mayor nivel de comprensión del dominio de conocimiento interdisciplinariode la Lingüística y la Comunicación.

Referencias bibliográficas

  • Borgatti, S. P. (2002). NetDraw [computer software]. Harvard, MA: Analytic Technologies
  • Borner K., Chen, C. M. y Boyack, K. W. (2003). Visualizing knowledge domains. Annual Review of Information Science and Technology, 37,179-255.
  • Callon M., Courtial, J-P. y Penan, H. (1995). Cienciometría. La medición de la actividad científica: de la bibliometría a la vigilancia tecnológica. Gijón: Trea.
  • Callon, M., Courtial, J-P., Turner, W. A. y Bauin, S. (1983). From translations to problematic networks: An introduction to co-word analysis. Social Science Information, 22, 191-235.
  • Callon, M., Rip, A. y Law, J. (1986). Mapping the Dynamics of Science and Technology. London: The Macmillan Press Ltd.
  • Cho, J. (2014). Intellectual structure of the institutional repository field: A co-word analysis. Journal of Information Science, 40, 386-397.
  • Costa, J. (1998). La esquemática: visualizar la información. Barcelona: Paidós.
  • Courtial, J-P., y Law, J. (1989). A co-word study of artificial intelligence. Social Studies of Science, 19, 301-311.
  • Ding, Y., Chowdhury, G. G. y Foo, S. (2001). Bibliometric cartography of information retrieval research by using co-word analysis. Information Processing and Management, s37, 817-842.
  • Dorogovtsev, S. N., Goltsev, A. V. y Mendes, J. F. F. (2006). K-core organization of complex networks. Physical Review Letters, 96, 040601-040604.
  • Du, N., Wu, B., Pei, X., Wang, B. y Xu, L. (2007). Community detection in large-scale social networks. En Proceedings of the 9th WebKDD workshop, 16-25. San Jose, California, USA: ACM.
  • Fortunato, S. (2010). Community detection in graphs. Physics Reports, 486, 75-174.
  • Freeman, L. (1978). Centrality in social networks: conceptual clarification. Social Networks, 1, 215-239.
  • Garfield, E. (1994). Cienciography: mapping the tracks of science. Current contents: social & behavioral sciences, 7, 5-10.
  • Harris, Z. (1951). Methods in structural linguistics. University of Chicago Press, Chicago.
  • Hu, J., Zhang, Y. (2015). Research patterns and trends of recommendation system in China using co-word analysis. Information Processing and Management, 51, 329-339.
  • Kostoff, R. N. Stump, J. A., Johnson, D., Murday J.S., Lau, C. G. Y. y Tolles, W. M. (2006). The structure and infrastructure of the global nanotechnology literature. Journal of Nanoparticle Research, 8, 301-321.
  • Leydesdorff, L. y Hellsten, I. (2006). Measuring the meaning of words in contexts: an automated analysis of controversies about ‘Monarch butterflies’, ‘Frankenfoods’, and ‘stem cells’. Scientometrics, 67, 231-258.
  • Leydesdorff, L. y Welbers, K. (2011). The semantic mapping of words and co-words in contexts. Journal of Informetrics, 5, 469-475.
  • Li,T., Ho, Y.S. y Li C.Y. (2008). Bibliometric analysis on global Parkinson’s disease research trends during 1991-2006. Neuroscience Letter, 41, 248-252.
  • Luque Agulló, G. (2004-2005). El dominio de la Lingüística Aplicada. Revista Española de Lingüística Aplicada, 17-18, 157-173.
  • Perelman, Ch. y Olbrechts-Tyteca, L. (1989). Tratado de la argumentación. Madrid: Gredos.
  • Ravikumar, S., Agrahari, A. y Singh, S. N. (2015). Document mapping the intellectual structure of scientometrics: A co-word analysis of the journal scientometrics (2005–2010). Scientometrics, 102, 929-955.
  • Seidman, S. (1983). Network Structure and Minimum Degree. SocialNetworks, 5, 269-287.
  • Small, H. (2006). Tracking and predicting growth areas in science. Scintometrics, 68, 595-610.
  • Small, H. y Griffith, B. C. (1974). Th estructure of the scientific literatures: identifying and graphing specialities. Science studies, 4, 17-40.
  • Van Eck, N. J. y Waltman, L. (2009). How to normalize co-occurrence data? An analysis of some well-known similarity measures. Journal of the Association for Information Science and Technology, 60, 1635-1651.
  • Van Eck, N.J. y Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84, 523-538.
  • Van Leeuwen, T. (2004). Descriptive versus Evaluative Bibliometrics. Moed, H. F., Glänzel, W., Wolfgang, S., eds., Handbook of Quantitative Science and Technology Research, 373-388. The Netherlands: Kluwer Academic Publishers.
  • Van Raan, A. F. J. (2005). Measurement of Central Aspects of Scientific Research: Performance, Interdisciplinarity. Measurement, 3, 1-19.
  • Waltman, L., Van Eck, N .J. y Noyons, E. C. M. (2010). A unified approach to mapping and clustering of bibliometric networks. Journal of Informetrics, 4, 629-635.
  • Wasserman, S., y Faust, K. (1998). Social network analysis. methods and applications. Cambridge: Cambridge University Press.
  • Yang, W.-S. y Dia, J. B. (2008). Discovering cohesive subgroups from social networks for targeted advertising. Expert Systems with Applications, 34, 2029-2038.
  • Zhang, J., Yu, Q., Zheng, F., Long, C., Lu, Z. y Duan, Z. (2016). Comparing keywords plus of WOS and author keywords: a case study of patient adherence research. Journal of the Association for Information Science and Technology, 67, 967-972.
Fuente de los datos: Dialnet