Una herramienta de clasificación para artículos no citados aplicada a la Revista de la Facultad de Ingeniería de la UdeA –Redin

RESUMEN : En este trabajo se aborda la problemática del bajo índice de citación de la Revista Facultad de Ingeniería (Redin) de la Universidad de Antioquia. La baja citación afecta la visibilidad y el prestigio de la revista y puede disminuir el interés de los investigadores en publicar allí. Por esta razón, se construyó una herramienta basada en modelos de Machine Learning (ML) que permitiera predecir si un nuevo artículo será o no citado. Se utilizó la metodología de investigación en diseño en conjunto con la metodología para la minería de datos Cross-Industry Standard Process for Data Mining (CRISP-DM), las cuales permitieron el diseño y desarrollo de la herramienta a través de la recopilación, limpieza, entendimiento y preparación de los datos, además de la modelación, evaluación y despliegue de modelos de ML. Se encontró que el modelo Random Forest Classifier (RFC) ofrece un mejor desempeño en identificar los artículos que no serán citados, al tiempo que permite identificar los factores que influyen en la citación de los artículos. Se propone a Redin utilizar la herramienta para tomar decisiones encaminadas a aumentar la probabilidad de citación de los artículos que presentan un mayor riesgo.

• Autores: Gallego Zapata, Santiago
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/35012
• Acceso en línea: https://hdl.handle.net/10495/35012
• Palabra clave: Cienciometría; Análisis de citas bibliográficas; Evaluación de revistas; Aprendizaje automático (inteligencia artificial)
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/