Descripción del corpus

Este capítulo describe las 331 publicaciones que forman la base del análisis bibliométrico. Los artículos fueron descargados de Web of Science (WoS) y corresponden a trabajos que aplican al menos una técnica estadística multivariada en el contexto de la investigación turística.

Carga de datos

from co_occurrence.io.loader import load_wos_data
from co_occurrence.config import DATA_FILE

df = load_wos_data(DATA_FILE)

print(f"Artículos cargados  : {len(df)}")
print(f"Columnas disponibles: {df.shape[1]}")
print(f"Rango de años       : {int(df['Publication Year'].min())} - {int(df['Publication Year'].max())}")

Artículos cargados  : 331
Columnas disponibles: 72
Rango de años       : 2017 - 2024

Distribución temporal

import plotly.express as px

year_counts = (
    df["Publication Year"]
    .dropna()
    .astype(int)
    .value_counts()
    .sort_index()
    .reset_index()
)
year_counts.columns = ["Año", "Artículos"]

fig = px.bar(
    year_counts,
    x="Año",
    y="Artículos",
    title="Distribución temporal del corpus (331 artículos WoS)",
    labels={"Año": "Año de publicación", "Artículos": "N artículos"},
    text="Artículos",
    height=420,
)
fig.update_traces(marker_color="#1f77b4", textposition="outside")
fig.update_layout(xaxis={"dtick": 1})
fig.show()

Número de artículos publicados por año

Top 10 revistas

import pandas as pd

journal_col = "Source Title" if "Source Title" in df.columns else "Journal"

if journal_col in df.columns:
    top_journals = (
        df[journal_col]
        .dropna()
        .value_counts()
        .head(10)
        .reset_index()
    )
    top_journals.columns = ["Revista", "Artículos"]

    fig2 = px.bar(
        top_journals,
        x="Artículos",
        y="Revista",
        orientation="h",
        title="Top 10 revistas por número de artículos",
        labels={"Artículos": "N artículos", "Revista": ""},
        text="Artículos",
        height=420,
    )
    fig2.update_layout(yaxis={"categoryorder": "total ascending"})
    fig2.update_traces(marker_color="#ff7f0e", textposition="outside")
    fig2.show()
else:
    print("Columna de revista no encontrada. Columnas disponibles:", list(df.columns[:10]))

Revistas con mayor número de artículos en el corpus

Tabla interactiva de revistas

try:
    from itables import show

    if journal_col in df.columns:
        journals_full = (
            df[journal_col]
            .dropna()
            .value_counts()
            .reset_index()
        )
        journals_full.columns = ["Revista", "Artículos"]
        show(
            journals_full,
            caption="Revistas en el corpus (todas)",
            lengthMenu=[10, 25, 50],
            scrollY="400px",
        )
except ImportError:
    print("itables no disponible. Instalar con: pip install itables")
    if journal_col in df.columns:
        display(
            df[journal_col]
            .dropna()
            .value_counts()
            .head(20)
            .to_frame("Artículos")
        )

Loading ITables v2.7.3 from the internet... (need help?)

Cobertura de keywords

ak_col = "Author Keywords"
kp_col = "Keywords Plus"

has_ak = df[ak_col].notna().sum() if ak_col in df.columns else 0
has_kp = df[kp_col].notna().sum() if kp_col in df.columns else 0
has_both = (
    (df[ak_col].notna() & df[kp_col].notna()).sum()
    if ak_col in df.columns and kp_col in df.columns
    else 0
)
has_none = len(df) - (df[ak_col].notna() | df[kp_col].notna()).sum() if ak_col in df.columns and kp_col in df.columns else "N/A"

print(f"Artículos con Author Keywords  : {has_ak} ({100*has_ak/len(df):.1f}%)")
print(f"Artículos con Keywords Plus    : {has_kp} ({100*has_kp/len(df):.1f}%)")
print(f"Artículos con ambas            : {has_both} ({100*has_both/len(df):.1f}%)")
print(f"Artículos sin ninguna          : {has_none}")

Artículos con Author Keywords  : 322 (97.3%)
Artículos con Keywords Plus    : 290 (87.6%)
Artículos con ambas            : 284 (85.8%)
Artículos sin ninguna          : 3

Note

La estrategia de preprocesamiento usa Author Keywords como fuente primaria y complementa con Keywords Plus únicamente para los artículos que carecen de keywords de autor. Esto maximiza la cobertura sin duplicar información.