sábado, 18 de noviembre de 2017

¿Por qué las mujeres economistas quedan rezagadas?

Esta es la razón por la que las economistas no están siendo reconocidas




Un oficinista con una bolsa de compras se refleja en el techo de un edificio en el centro de Sídney el 5 de febrero de 2013. REUTERS / Daniel Muñoz (AUSTRALIA - Tags: IMÁGENES DE BUSINESS TPX DEL DÍA) - GM1E9250X6201 En 2016, menos del 15% de todos los profesores de economía eran mujeres. Imagen: REUTERS / Daniel Muñoz


Michael E. Rose
Candidato a Doctor en Economía, Universidad de Ciudad del Cabo
World Economic Forum

Cuando se trata del éxito académico, las mujeres científicas están, en promedio, generalmente detrás de sus homólogos masculinos. Reciben la titularidad académica con menos frecuencia y ganan menos premios.

Esta brecha de género también existe en la disciplina académica de la economía. En 2016, menos del 15% de todos los profesores de economía eran mujeres.

Los datos que he recopilado y con los que trabajé durante mi doctorado muestran que las mujeres también son menos importantes en la red social de colaboración informal. Esto se refiere al proceso entre los académicos de proporcionar comentarios y ayudar a otros autores a mejorar su trabajo a través de comentarios y compromisos. Tales redes permiten el flujo global de conocimiento, que es crucial para la investigación.

Mi información sugiere que las actitudes de los hombres podrían ser parte de lo que impide que las mujeres en un subcampo de la economía ocupen una posición central en la red social de colaboración informal.

Menos mujeres

Los datos se centran en la economía financiera, el campo que se ocupa de las crisis financieras, la inflación, la banca y las finanzas corporativas.

El conjunto de datos contiene 14,529 investigadores cuyos nombres aparecen en artículos de investigación publicados en revistas de economía financiera importantes entre 1997 y 2011. Son autores, comentaristas reconocidos o ambos. Un comentarista reconocido es una persona que asesoró a los autores y ayudó a guiar o informar su pensamiento; su asistencia se anota en la sección de agradecimientos de cualquier artículo o libro de revista.

A lo largo de todos los años, solo el 18% de los autores son mujeres. Esta disparidad solo entre autores masculinos y femeninos ejemplifica la brecha de género. También es sorprendente que las mujeres comentaristas solo representen el 11% del total. Esto significa que los autores no recurren regularmente a las mujeres economistas para obtener asesoramiento.

Esta baja proporción de mujeres comentaristas y autores es problemática por dos razones. El primero es la falta de diversidad. El gobernador de la Reserva Federal de los Estados Unidos, Lael Brainard, reiteró recientemente por qué la diversidad es tan valiosa: ayuda a generar mejores ideas.

El segundo se relaciona con el rol que desempeña la colaboración informal en la red social de economía financiera como disciplina académica. Las personas intercambian información sobre conferencias, visitas en otras instituciones o llamadas telefónicas. Esta información incluye información sobre resultados no publicados, tendencias emergentes, nuevas ideas, conjuntos de datos prometedores y más. Hoy en día un investigador debe estar activo incluso antes de que se publique su investigación. Por eso es importante ser parte de la conversación.

Aquellos que no son centrales para tales redes (en el caso de mi investigación y datos, mujeres) tienen menos probabilidades de recibir información relevante que aquellos que ejercen una gran influencia: los hombres. Ellos quedan fuera de la conversación.

Una hipótesis estándar es que las mujeres establecen redes de manera diferente, y con menos eficacia, que los hombres. Existe evidencia anecdótica de que las mujeres evitan el trabajo en red por varias razones. Una es que las mujeres a menudo son menos seguras de sí mismas, piensan que su trabajo hablará por su competencia y que no se necesita publicidad.

Mis datos me permitieron probar, y desaprobar, esta hipótesis. Los agradecimientos nos dicen mucho sobre el comportamiento de redes, porque los autores también usan esta parte de un artículo para enumerar conferencias y seminarios en las universidades donde presentaron su investigación.


Como muestra esta figura, mis datos revelan que los artículos escritos solo por mujeres muestran una colaboración más informal por autor que los escritos exclusivamente por hombres. Un grupo de autoras, en promedio, presenta su artículo con más frecuencia y habla con más personas que un grupo de autores masculinos o un grupo de autores de género mixto.

Entonces, el problema no es que las mujeres tengan menos redes. En cambio, se conectan más. ¿Por qué, entonces, se los reconoce con menos frecuencia?

A las mujeres no se les pide consejo


Mis datos muestran que los autores masculinos, en promedio, no están pidiendo consejos a las mujeres o no están reconociendo el consejo que reciben de las mujeres. Esta podría ser una de las razones por las cuales las mujeres participan menos en las enredadas redes de investigación líderes en el mundo.

No sabemos en este momento por qué los hombres reconocen a las mujeres con menos frecuencia. Una explicación plausible es la actitud más amplia de los hombres hacia las mujeres en la sociedad y en el trabajo. Los estudios sobre las mujeres en el lugar de trabajo sugieren que los hombres perciben a las mujeres como menos creativas o que las mujeres tienen que trabajar mucho más que los hombres para ser consideradas igualmente competentes. Este podría ser el caso aquí también.

Un reciente artículo de Nature lo expresó muy bien: "Las mujeres no están fallando en la ciencia, la ciencia les está fallando a las mujeres". En nuestro caso, son los científicos hombres -economistas financieros- quienes están "fallando en las mujeres".

Este artículo se basa en una pieza que apareció originalmente en el blog profesional del autor.

martes, 14 de noviembre de 2017

Redes de críticas de la "Messa da Requiem" de Giuseppe Verdi

Experimentos con Gephi: visualizar relaciones en el corpus de texto #dhmasterclass



Torsten Roeder · Digital Humanities am DHIP

Antes de mí es una colección de artículos de periódicos históricos de 1874 a 1878, todos los cuales tienen que ver con la "Messa da Requiem" de Giuseppe Verdi (más sobre: ​​aquí). ¿Qué puede decirme una herramienta de visualización sobre este corpus de texto? Algunos experimentos con la herramienta de visualización de redes Gephi trajeron aspectos interesantes a la luz, especialmente en combinación con el conocimiento previo del corpus.


Cada nodo en la red representa un texto. Las flechas a continuación muestran menciones, citas o réplicas.

A menudo sucedía que los autores se citaban entre sí o (sin preguntar) el uno del otro copiaba. Extraje todas las referencias de los textos entre sí, que había codificado previamente en XML / TEI. Gephi genera una visualización de red que muestra algunos puntos clave: un informe correspondencia de Milán, dos textos francés de París, un texto de Viena, a continuación, un informe de Múnich de una revista de música y, finalmente, un texto de un Berliner Zeitung nacional. Una coincidencia une todos estos textos: fueron creados con motivo de las primeras representaciones en los respectivos países. Por sí solo, ya conocía estos puntos pero aún no los había considerado todos en un contexto.

En términos de contenido, las menciones son muy diferentes. En este caso, el interés por los aspectos de análisis históricos salido a la luz: El informe sobre el estreno de Milán para la Augsburger Allgemeine Zeitung (mayo de 1874) se menciona porque se llevó luego a un pequeño escándalo. El autor Hans von Bülow, un famoso director de orquesta y pianista, había sido tan impopular con su opinión despectiva ( "un triunfo de la barbarie romana") en Italia, que tuvo que abandonar a causa de peligro para la vida.


Informe de correspondencia de París en el Wiener Zeitung, 18.6.1874 (digitalizado por ANNO)

Los informes de París a la premier local (mediados de 1874), sin embargo, son significativos porque predeterminan algunas facetas de la recepción alemana más tarde: la crítica alemana fue más tarde se hizo cargo de la adopción de las críticas París grque Verdi annectirt la Mirum tuba del Réquiem de Berlioz " "Tener. El informe de la revista Wiener Extrablatt (mediados de 1875) es citado por la afirmación de que el Réquiem de Verdi era el "mayor creación musical del siglo": Este dictamen podría los otros críticos alemanes, además de apreciar las cualidades de composición de Verdi expresamente a no compartir.

Un aspecto completamente diferente se destacó en Munich: a finales de 1875, las dos primeras representaciones en el Reich alemán tuvieron lugar el mismo día en Munich y Colonia. Por lo tanto, el ponente Colonia contradijo la afirmación en el periódico musical en general que Munich había "adquirido gran mérito" que para tener primero realiza el trabajo en el Reich alemán. Por último, hubo varias menciones del informe en el Berlín Nacional-Zeitung: Después de innumerables críticas ya aparecieron, los informes contentan ahora con la nota que usted estuvo de acuerdo "en el Puncten esencial" con ese informe.

Para asignar el aquí señalado, sobre la base de puntos del grafo de red de las múltiples facetas de la recepción alemana: en primer lugar, la Bulow asunto y en el comentario Wiener que demuestran los límites extremos de la gama de puntos de vista (total oposición a la elevación total) y por lo tanto se wichitg como puntos de referencia , Por otro lado, sin embargo, la influencia de la crítica parisina y la lucha por el honor de la primera actuación también es evidente.


Cada nodo en la red muestra un lugar donde se ha publicado o informado. Los colores sirven como código de país.

Un segundo grafo visualiza la relación entre las ubicaciones de los informes (por ejemplo, París) y las ubicaciones de publicación (por ejemplo, en un Wiener Zeitung). Los colores indican los países. Se puede ver que hay cuatro "centros" relevantes en esta red: Leipzig, Viena, Berlín y París. Es sorprendente que la cobertura de las actuaciones en Italia (verde) fue casi exclusivamente a través de Viena. En Leipzig, una ubicación de muchas revistas de música, sin embargo, aparecieron mensajes del mundo en el extranjero. Berlín informó principalmente de las capitales europeas, así como de Prusia y Sajonia. París aparece en esta red como un punto de referencia común, que se ubica mucho más centralmente que el lugar de estreno en Milán.

Las imágenes me inspiraron a nuevas narrativas, ya que abrieron un nuevo acceso al material de investigación. En cualquier caso, los dos experimentos que he descrito aquí te invitan a continuar y profundizar.

sábado, 11 de noviembre de 2017

Los lazos fuertes prolongan la vida

Después de estudiar las vidas de 724 hombres durante 79 años, Harvard revela el secreto más grande para el éxito y la felicidad

¿Quiere mejorar su éxito en la vida y el negocio? Los resultados de este estudio de 79 años le mostrarán cómo hacerlo.

Por Dana Severson | Inc
Cofundador, StartupsAnonymous.com@danerobert




CRÉDITO: Getty Images


¿Te has preguntado qué se necesita para vivir la buena vida? ¿Te has preguntado alguna vez cuál es el secreto del éxito y la felicidad? Los investigadores de Harvard parecen tener una respuesta en un estudio de 79 años de antigüedad.

Después de examinar minuciosamente una montaña de datos, obtenidos de entrevistas en persona, cuestionarios, registros médicos, etc., los investigadores concluyeron que las relaciones cercanas hacen felices a las personas. Y que los lazos sociales protegen a las personas de los desafíos de la vida a la vez que mejoran la salud mental y física.

Esto es sorprendente en una cultura que reconoce el trabajo duro como el boleto a la buena vida.

En un tipo raro de investigación en curso, el Estudio de Desarrollo de Adultos de Harvard ha logrado rastrear las vidas de 724 hombres durante 79 años. Los hombres fueron divididos en dos clases. El primer grupo tenía estudiantes de segundo año en Harvard College, mientras que el segundo era un grupo de niños de los barrios más pobres de Boston. Fueron investigados desde el momento en que eran adolescentes hasta la vejez para determinar qué es lo que realmente mantiene a la gente sana y feliz.

Año tras año (desde 1938), los investigadores preguntaron sobre su trabajo, sus vidas, su salud, sin saber cómo iban a funcionar sus historias. Resulta que florecer en la vida es una función de los lazos cercanos con la familia, los amigos y la comunidad. No tiene nada que ver con la fama, la riqueza, la clase social, el CI, los genes, etc.

El cuarto director del estudio, Robert Waldinger, un psiquiatra del Hospital General de Massachusetts y profesor de psiquiatría en la Facultad de Medicina de Harvard, dijo que el estudio reveló que nuestras relaciones impactan poderosamente en nuestra salud.

Waldinger hizo esta observación en una popular charla TED, que puedes ver aquí:



También dijo que el estudio descubrió estas tres lecciones sobre las relaciones:

1. Las conexiones sociales son buenas para nosotros; la soledad realmente mata.

Mientras llama tóxico a la soledad, Waldinger dijo que las conexiones sociales hacen a la gente más feliz y físicamente más saludable. Los hizo vivir más tiempo también.

Por otro lado, también dijo:

"Las personas que están más aisladas de lo que quieren ser de otros encuentran que son menos felices, su salud disminuye antes en la mediana edad, su funcionamiento cerebral disminuye antes y viven vidas más cortas que las personas que no están solas. Y la triste realidad es que en cualquier momento dado, más de uno de cada cinco estadounidenses informará que está solo ".
A medida que las empresas se distribuyen más, lo que permite que los empleados trabajen de forma remota, parece importante garantizar que el equipo permanezca conectado. Las herramientas de colaboración, como Slack (y todos sus competidores) o Cisco Spark, pueden ser esenciales para minimizar el aislamiento.

2. La calidad de nuestras relaciones cercanas importa.

En lugar de enfocarse en la cantidad, es vital enfocarse en la calidad de nuestras amistades.

Vivir en medio del conflicto afecta nuestra salud. Los matrimonios de alto conflicto, por ejemplo, afectan negativamente nuestra salud, tal vez más que el divorcio. Y vivir en medio de relaciones cálidas e incondicionales es protector.

Waldinger dijo que podían decir cuál de sus hombres se convertiría en un octogenario saludable y feliz y quién no los seguiría hasta llegar a los 80, así como también mirarlos en la mediana edad:

"Cuando reunimos todo lo que sabíamos sobre ellos a la edad de 50 años, no eran sus niveles de colesterol en la edad adulta los que predecían cómo iban a envejecer, sino cuán satisfechos estaban en sus relaciones. Las personas que estaban más satisfechas en sus relaciones a los 50 años fueron los más saludables a los 80 años ".
La tensión en el lugar de trabajo entre compañeros de equipo, gerentes y subordinados puede causar un nivel de estrés poco saludable entre los empleados. Es importante crear un entorno que fomente el diálogo abierto y las bromas divertidas, lo que permite que surjan amistades.

3. Las buenas relaciones protegen nuestros cerebros, no solo nuestros cuerpos.

El estudio encontró que estar ligado a una relación en los 80 es protector. Esas personas tenían recuerdos más nítidos, mientras que las personas que tenían relaciones en las que no podían contar realmente con la otra persona experimentaron una disminución gradual de la memoria.

Los argumentos, dijo Waldinger, no afectaron los recuerdos. No importaban mientras las parejas octogenarias supieran que podían contar con el otro cuando las cosas se ponían difíciles. "La buena vida", concluyó Waldinger, "está construida con buenas relaciones".

Lo mismo puede decirse con respecto a la relación entre un gerente y su empleado. Si bien no es necesaria una amistad fuera de la oficina, los empleados más felices se sienten seguros, sabiendo que su superior siempre les da la espalda y viceversa.

jueves, 9 de noviembre de 2017

Redes de asociaciones entre atributos psicológicos

Análisis de red de asociaciones entre atributos psicológicos


Center for Network Science
Investigación y análisis por Srebrenka Letina, Visualización de datos por Tamer Khraisha

La visualización interactiva de Tamer Khraisha está disponible en el blog de Tamer.




La personalidad es un sistema complejo, que a menudo es descrito por psicólogos usando diferentes constructos como rasgos, motivaciones, emociones, actitudes, creencias, habilidades, etc. Sin embargo, el sistema de personalidad no es solo la acumulación de esos constructos, tiene organización y proceso, muestra patrones, y se coloca en otros sistemas: cuerpo físico y entorno social.

En este proyecto, nuestro objetivo fue explorar la naturaleza de las asociaciones entre diferentes atributos de personalidad utilizando un enfoque de red. A diferencia del enfoque tradicional utilizado en psicología, es decir, el modelo de variables latentes, según el cual los rasgos se agrupan debido al origen compartido, en el enfoque de red los rasgos se agrupan debido a la influencia que tienen entre sí. La mayoría de los estudios realizados hasta ahora han examinado las redes de facetas dentro de ciertos conceptos psicológicos (por ejemplo, actitudes, síntomas psicopatológicos de un trastorno particular, inteligencia).

Utilizamos los datos recopilados en My Personality Project (Kosinski & Stillwell, 2007-2012) sobre los puntajes individuales en muchos cuestionarios psicológicos diferentes para construir la red de 25 rasgos. El tamaño total de la muestra fue de más de un millón de personas, de más de 200 países diferentes.

Los atributos psicológicos en nuestra red pertenecen a diferentes tipos de construcciones psicológicas:

  1. Amplios rasgos de personalidad: Cinco grandes rasgos - Amabilidad, Estabilidad emocional (Neuroticismo invertido), Conciencia, Extroversión y Apertura, Satisfacción con la vida;
  2. Rasgos de personalidad estrechos: empatía, imparcialidad, auto-revelación, autocontrol, conocimiento de síntomas físicos y sensaciones, depresión (invertida) y conciencia corporal: cuerpo privado, cuerpo público y competencia corporal;
  3. Intereses: Recreación Intelectual, Militarismo (revertido), Violento-Ocultamiento (revertido), y Actividades Saludables; y
  4. Valores: seis de diez valores de Shwartz: Logro, Poder, Hedonismo, Autodirección, Tradición y Universalismo. Para obtener más detalles sobre las construcciones y medidas utilizadas, consulte la visualización interactiva.

Nuestro interés de investigación consistió principalmente en estudiar las asociaciones entre diferentes constructos psicológicos y, por lo tanto, esperábamos bajos coeficientes de correlación, dado que la mayoría de esos constructos se construyen para ser más o menos independientes. El tamaño de la muestra en el que se estima la menor correlación por parejas fue 1879, mientras que el tamaño medio de la muestra fue 4319. La red de correlación constaba de 255 enlaces, es decir, 255 correlaciones significativas después de la transformación apropiada de distribuciones sesgadas y pruebas de permutación basadas en N = 10 000. El procedimiento que usamos para construir la red final se llama (G) técnica de Lazo (paquete R qgraph de Epskamp et al., 2012), descrito en detalle en Friedman et al. (2008), Epskamp & Fried (2017), Epskamp et al. (en prensa). Esta técnica dio como resultado una red más escasa, al establecer algunos de los parámetros (ponderaciones de enlace) a cero, al tiempo que restringía la magnitud de otros parámetros. El parámetro de ajuste lambda se estableció en 0.25 y el tamaño de muestra se estableció para reflejar la muestra más pareja por pares, lo que da como resultado una red de 229 enlaces. Para obtener más información acerca de los pesos de los enlaces, consulte la visualización interactiva. El grado promedio en esta red fue de 18. 32, y la transitividad fue de 0.79, con un pequeño índice mundial de 1.181.

Además, llevamos a cabo un análisis de centralidad de los nodos en la red, que dio como resultado información útil sobre el efecto sistémico que un atributo puede tener en los otros nodos. La figura 1 muestra los resultados, con tres medidas de centralidad estandarizadas (grado, cercanía y entrecruzamiento). La estabilidad emocional (Neuroticismo invertido) parece ser el rasgo más central en esta red, lo que implica que el cambio en este atributo (debido al estrés o la terapia, por ejemplo) daría lugar a los mayores cambios en la red. Al mismo tiempo, puede sugerir por qué este atributo podría ser difícil de cambiar, ya que es el más conectado con otras partes del sistema de personalidad. La depresión (invertida) y la Conciencia parecen estar entre la mayoría de los nodos periféricos, lo que implica que el cambio en esos atributos no daría lugar a cambios sustanciales en los otros rasgos. Sin embargo, se deben tener en cuenta tres cuestiones al interpretar estos hallazgos. En primer lugar, es el uso de datos transversales, basados ​​en asociaciones interpersonales, para llegar a algunas conclusiones sobre lo que puede suceder dentro de una persona (asociaciones intrapersonales). Esto significa que debemos ser cautos al hacer afirmaciones fuertes, y debemos tratarlo más como una forma de generar nuevas hipótesis que podrían ser probadas con datos longitudinales.

Figura 1. Análisis de centralidad de 25 nodos en red de (g)lazo

En segundo lugar, debe tenerse en cuenta que no controlamos por el hecho de que se esperaba que algunos de los nodos estuvieran más conectados con otros dentro de su grupo (por ejemplo, valores). Por último, en este momento estamos mostrando la red en base a todos los datos disponibles, sin controlar las posibles diferencias en los patrones de conexión que podrían deberse al género, edad, etc. En conclusión, en la red de diferentes tipos de rasgos no altamente relacionados, La estabilidad emocional es el rasgo más central. Creemos que este enfoque se puede utilizar de forma fructífera en combinación con otros tipos de datos, y proporciona riqueza y flexibilidad para explicar la compleja estructura de la personalidad (ver Mottus & Allerhand, 2017).

REFERENCIAS:

Epskamp, S., Cramer, A.O.J., Waldorp, L.J., Schmittmann, V.D., Borsboom, D. (2012). qgraph: Network visualizations of relationships in psychometric data. Journal of Statistical Software, 48, 1-18.

Epskamp, S., Maris, G.J.K.,  Waldorp, L.J., Borsboom, D. (2016). Network psychometrics. In Irwing, P., Hughes, D., and Booth, T. (2016). Handbook of Psychometrics. New York: Wiley.

Epskamp, S., Borsboom, D., Fried, E.I. (2017). Estimating psychological networks and their accuracy: a tutorial paper. Behavior Research Methods. https://doi.org/10.3758/s13428-017-0862-1

Epskamp, S., Fried, E. (in press) A Tutorial on Regularized Partial Correlation Networks. Submitted for publication to journal Psychological Methods.

Friedman, J., Hastie, T., Tibshirani, R. (2008). Sparse inverse covariance estimation with the graphical lasso. Biostatistics, 9, 432-441.

Mõttus, R., & Allerhand, M. (2017). Why do traits come together? The underlying trait and network approaches. In V. Zeigler-Hill & T. K. Shackelford (Eds), SAGE handbook of personality and individual differences: Volume 1. The science of personality and individual differences. London: SAGE.

domingo, 5 de noviembre de 2017

Visualizando las redes de colaboración científicas mundiales


Cómo una pequeña compañía de diseño de datos visualizó las colaboraciones científicas del mundo


Sage Wesenberg | Story Bench


Los científicos cubanos tienden a asociarse con los alemanes, pero también lo hacen los investigadores franceses. Los kenianos trabajan con sudafricanos. Pero, como era de esperar, las estrellas globales de la colaboración científica son los Estados Unidos y China. Un mapa interactivo recientemente publicado por Nature reveló esta red de colaboraciones para visualizar las alianzas científicas de todo el mundo.

Compuesto por una constelación de puntos coloridos superpuestos sobre un mapa mundial de líneas interconectadas, Nature publicó el interactivo en noviembre de 2015. El proyecto “Connected World: Patterns of International Collaboration,” analizó la colaboración internacional en el año anterior a octubre de 2015. entre más de 150 países organizados en regiones como América del Sur, África y Asia Occidental. Cada país recibió un puntaje que denota el alcance de su producción científica en colaboración y este puntaje se refleja en el tamaño del punto de cada país. Diferentes flechas muestran el balance de contribuciones científicas entre países. Lo visual se puede entender mejor al observarlo a través de áreas temáticas filtradas, como la región o los colaboradores, lo que proporciona una mejor idea de quién está colaborando con quién y dónde se concentran los recursos de investigación.



En lugar de diseñarlo internamente, Nature asignó el proyecto a Small Multiples, una empresa australiana fundada en 2011 por Andrea Lau y Jack Zhao, especialistas en visualización de datos versados ​​en informática de diseño, bioinformática, diseño de interacción y artes electrónicas.

Comprender los objetivos de la revista

La naturaleza primero informó a Small Multiples sobre los datos de colaboración y el objetivo de la revista para la historia que querían que la visual dijera. Para Small Multiples, el primer paso fue completar un análisis. Para esto, dice Lau, tenían que mirar otros proyectos con datos u objetivos similares de colaboración científica para tener una idea de cómo podían visualizar estos tipos específicos de datos. Después de ver un trabajo similar, Small Multiples hizo una lluvia de ideas sobre varios conceptos diferentes para el visual antes de presentar algunos a la naturaleza para obtener comentarios.

En este punto, se eligió un concepto: un grafo dirigido por fuerza para mostrar los altos niveles de colaboración entre países que se encuentran muy próximos entre sí. Se creó un prototipo utilizando D3, una biblioteca de visualización de JavaScript, para crear el interactivo. [Aprenda a construir su propio gráfico D3 dirigido a la fuerza aquí.] Sin embargo, una vez que se aplicaron datos reales al modelo, terminó siendo demasiado complejo y requirió alguna revisión. El segundo prototipo es lo que se convirtió en la visualización final. Agrupa las diferentes regiones del mundo en el eje x y coloca el número de colaboradores de cada país en el eje y. Esto, Lau dice, pone los resultados de una manera más ordenada y funciona mejor que el concepto dirigido por la fuerza.





Después de que Nature aprobó los wireframes para el prototipo final, Small Multiples construyó la visualización en Scalable Vector Graphics (SVG), que formatea los grafos para que sean interactivos y animados. Esta visualización fue devuelto a Nature para ser finalizado a través de la edición y la adición de anotaciones y descripciones. Una vez completo, se publicó en Nature Index y se actualiza cada mes con nuevos datos.

Abordar historias basadas en datos

Small Multiples ha trabajado en muchos elementos visuales similares a esto en los últimos cuatro años. Su objetivo con cada trabajo es poder "abordar una historia basada en datos de principio a fin", dice Lau. Trabajan en varias de las principales publicaciones y transmisoras australianas, como ABC y The Guardian. Para obtener inspiración, Lau dice, Small Multiples analiza libros, blogs, noticias, podcasts, películas, galerías y museos para encontrar ideas en lugares que no sean los tradicionales editores de visualización de datos.

Pero crear una visualización de datos a medida es un desafío. Lau describe algunas de las complicaciones que a menudo encuentran sus equipos: "Una vez que tienes los datos y entiendes el informe, el mayor desafío es encontrar la solución visual. Esto es común en todos los proyectos y lo mejor de ellos; tratando de resolver el problema! "ella dice. Específicamente, Lau recuerda un visual en el que era difícil completar un concepto visual porque los datos seguían cambiando. "¡Creo que llegamos a la versión 20!" Desde un punto de vista técnico, Lau dice que los únicos desafíos una vez que se crea el visualizador es optimizar el visual para dispositivos móviles.


Una de las partes más importantes de cualquier visualización es verificar adecuadamente los datos y descubrir cómo se deben representar mejor. Small Multiples lo hace mediante el uso de ciertos recursos como la Oficina de Estadísticas de Australia y la búsqueda de fuentes completas y confiables, así como el acceso a los datos que se les proporcionan, ya que los requisitos de datos pueden cambiar de un proyecto a otro. A partir de ahí, los datos se pueden representar de muchas maneras. "Las representaciones son un reflejo de los datos en sí y de la historia que se cuenta. ¿Es cuantitativo o cualitativo, serio o podemos divertirnos un poco? ", Dice Lau.

En cuanto a los consejos para estudiantes que persiguen la visualización de datos y el periodismo, Lau recomienda algunas cosas: "Expande tus habilidades en las diferentes facetas de la visualización de datos: narración y comunicación, investigación y análisis de datos, diseño y desarrollo. Y luego profundiza en un área y haz de eso tu núcleo. Esto significa que puede ser un profesional multidisciplinario que puede hacer cosas de forma independiente, y también como especialista cuando trabaja de forma más interdependiente con un equipo ".

Ese es el tipo de consejo sensato que cualquier narrador digital puede apreciar.

jueves, 2 de noviembre de 2017

Nueva versión de VOSviewer opera directamente con Crossref

Visualizando datos de citas disponibles de forma gratuita utilizando VOSviewer

Nees Jan van Eck, Ludo Waltman
CWTS

Hoy lanzamos la versión 1.6.6 de nuestro software VOSviewer para construir y visualizar redes bibliométricas. La nueva característica más importante en esta versión es el soporte para trabajar con datos Crossref. Recientemente, la Initiative for Open Citations (I4OC) logró convencer a un gran número de editoriales científicas para que las listas de referencias de publicaciones en sus revistas estuvieran disponibles gratuitamente a través de Crossref. Gracias a I4OC, Crossref se ha convertido en una valiosa fuente de datos para los usuarios de VOSviewer. En esta publicación de blog, discutimos cómo los usuarios de la nueva versión 1.6.6 de VOSviewer pueden beneficiarse de los datos de Crossref.

Uso de datos Crossref en VOSviewer


Hay dos formas en que VOSviewer admite el uso de datos Crossref:

  1. Un usuario de VOSviewer puede proporcionar un conjunto de DOI a VOSviewer. Usando la interfaz de programación de aplicaciones (API) de Crossref, VOSviewer descargará datos para las publicaciones correspondientes.
  2. Un usuario de VOSviewer puede trabajar directamente con la API de Crossref para descargar datos y luego puede proporcionar los datos descargados como entrada a VOSviewer.

El primer enfoque es el más fácil, ya que no requiere que los usuarios trabajen directamente con la API de Crossref. Cuando los usuarios ya tienen DOI de las publicaciones que les gustaría analizar (por ejemplo, publicaciones incluidas en el sistema de información de investigación de su universidad), recomendamos utilizar el primer enfoque. El segundo enfoque es un poco más complejo, pero tiene la ventaja de ofrecer mucha más flexibilidad. Ahora exploraremos el segundo enfoque con más detalle.

Descargando datos usando la API Crossref

Para demostrar el uso de la API Crossref, recopilamos datos sobre publicaciones en dos revistas cienométricas, Journal of Informetrics y Scientometrics, en el período 2007-2016. En cada llamada API, se pueden obtener datos para un máximo de 1000 publicaciones. Por lo tanto, necesitamos hacer múltiples llamadas a la API. Elegimos hacer llamadas por separado para cada una de las dos revistas.

El número de publicaciones en el Journal of Informetrics en el período 2007-2016 es inferior a 1000. Por lo tanto, los datos para el Journal of Informetrics se pueden obtener en una sola llamada API. Para realizar esta llamada API, ingresamos la siguiente URL en un navegador web:

http://api.crossref.org/works?filter=issn:1751-1577,from-pub-date:2007-01-01,until-pub-date:2016-12-31&rows=1000

La URL especifica una solicitud para la API Crossref. La solicitud API incluye el número ISSN de Journal of Informetrics (es decir, 1751-1577), así como la fecha de inicio y la fecha de finalización del período de tiempo que nos interesa. El parámetro rows en la solicitud API indica que nos gustaría para recibir datos de hasta 1000 publicaciones. Al ingresar la URL anterior en un navegador web, hacemos una llamada a la API de Crossref solicitando datos sobre todas las publicaciones en Journal of Informetrics en el período 2007-2016. Después de esperar un tiempo, el navegador web presentará el resultado de la llamada API. Guardamos este resultado en un archivo llamado JOI.json. Este es el llamado archivo JSON.

Seguimos el mismo enfoque para Scientometrics. Sin embargo, Scientometrics es una revista más grande y, por lo tanto, debemos realizar tres llamadas a la API, cada una de las cuales da como resultado datos para un máximo de 1000 publicaciones. Utilizamos las siguientes URL:

http://api.crossref.org/works?filter=issn:0138-9130,from-pub-date:2007-01-01,until-pub-date:2016-12-31&rows=1000

http://api.crossref.org/works?filter=issn:0138-9130,from-pub-date:2007-01-01,until-pub-date:2016-12-31&rows=1000&offset=1000

http://api.crossref.org/works?filter=issn:0138-9130,from-pub-date:2007-01-01,until-pub-date:2016-12-31&rows=1000&offset=2000

Las tres llamadas API son idénticas, excepto que en la segunda y la tercera llamada usamos el parámetro offset para especificar que queremos obtener datos para un segundo y un tercer lote de publicaciones. Guardamos los resultados de las llamadas API en tres archivos JSON.

Ahora hemos dado una demostración simple del uso de la API Crossref. La API Crossref ofrece muchas más opciones. Para más información, nos referimos a la documentación de la API.

Creando visualizaciones bibliométricas basadas en datos Crossref

Primero utilizamos los datos de Crossref descargados para visualizar una red de coautoría de investigadores en el campo de la cienciometría. En el asistente Crear mapa en VOSviewer, elegimos la opción Crear un mapa basado en datos bibliográficos. En el segundo paso del asistente, vamos a la pestaña Crossref JSON, donde seleccionamos los cuatro archivos JSON descargados. Después de elegir realizar un análisis de coautoría, simplemente usamos las elecciones predeterminadas en los pasos restantes del asistente. La visualización de la red de coautoría resultante se presenta a continuación.



A continuación, usamos nuestros datos Crossref para visualizar una red de publicaciones de acoplamiento bibliográfico en el campo de la cienciometría. Dos publicaciones tienen un enlace de acoplamiento bibliográfico si tienen una o más referencias en común. Nuevamente elegimos la opción Create a map based on bibliographic data en el asistente Create Map . Después de seleccionar nuestros cuatro archivos JSON, elegimos realizar un análisis de acoplamiento bibliográfico a nivel de documento. Utilizamos las opciones predeterminadas en los pasos restantes del asistente, lo que significa que nuestra red de acoplamiento bibliográfico incluye las 500 publicaciones con el mayor número de enlaces de acoplamiento bibliográfico. La visualización de la red se muestra a continuación.



El examen de la red de acoplamiento bibliográfico puede revelar algo inesperado. Las 500 publicaciones incluidas en la red de acoplamiento bibliográfico han aparecido todas en Scientometrics. La red no incluye publicaciones de Journal of Informetrics. Esto demuestra una importante limitación de los datos Crossref. Gracias a I4OC, muchos editores hoy en día hacen que las listas de referencias de publicaciones en sus revistas estén disponibles a través de Crossref. Sin embargo, algunos editores no (¿todavía?) Participan en I4OC. Este es también el caso de Elsevier, el editor de Journal of Informetrics. Debido a que las listas de referencias de publicaciones en Journal of Informetrics no están disponibles a través de Crossref, las publicaciones de esta revista no se pueden incluir en un análisis de acoplamiento bibliográfico basado en datos de Crossref.

Ejemplo a gran escala

Ahora hemos proporcionado ejemplos relativamente pequeños del uso de datos Crossref en VOSviewer. También es posible utilizar datos Crossref a una escala mucho mayor en VOSviewer, pero esto requiere un esfuerzo significativo en el preprocesamiento de los datos. Para ilustrar el uso a gran escala de datos Crossref, utilizamos los datos para visualizar una red de citas de 5000 revistas de todos los campos de la ciencia.

Usando la API Crossref, descargamos datos para todas las publicaciones en el período 1980-2016. La cantidad de datos era muy grande y, por lo tanto, era necesario preprocesar los datos para poder proporcionarlos como entrada a VOSviewer. Los datos se almacenaron en una base de datos relacional. Usando esta base de datos, identificamos todas las revistas (así como las actas de congresos y las series de libros) que tienen al menos 100 publicaciones para las cuales hay una lista de referencias disponible. Luego construimos la red de enlaces de citas entre las revistas identificadas. La dirección de un enlace de citas fue ignorada, por lo que no se hizo distinción entre una cita del diario A y el diario B y una cita del diario B del diario A. La red de citas del diario se guardó en un archivo de red VOSviewer y se utilizó este archivo como entrada para VOSviewer. En VOSviewer, se seleccionaron las 5000 revistas con el mayor número de enlaces de citas con otras revistas y se visualizó la red de citas de estas 5000 revistas. La visualización resultante se presenta a continuación. Se puede abrir una visualización interactiva en VOSviewer haciendo clic aquí.



La visualización muestra una estructura de la ciencia que es bien conocida a partir de visualizaciones bibliométricas a gran escala anteriores, que se basaron en datos de Web of Science o Scopus. Las revistas de matemática, informática e ingeniería se pueden encontrar en el centro del área inferior de la visualización. Las revistas de ciencias físicas se ubican en el área derecha de la visualización, mientras que las revistas de ciencias biológicas y de vida se encuentran en el área superior. Finalmente, las revistas de ciencias sociales se ubican en el área inferior izquierda de la visualización. Algunas revistas importantes faltan en la visualización. Estas revistas tienen un editor que no participa en I4OC y que no hace que las listas de referencias de publicaciones estén disponibles a través de Crossref.

Conclusión

Gracias a I4OC, Crossref se ha convertido en una fuente valiosa de datos de citas disponibles gratuitamente. Los datos de citas de Crossref se pueden utilizar para muchos propósitos, incluido el análisis y la visualización de redes de citas de revistas, investigadores y publicaciones individuales. La versión 1.6.6 de VOSviewer proporciona soporte directo para el uso de datos Crossref para visualizar redes de citas. Esperamos que esta nueva funcionalidad de VOSviewer ofrezca una demostración convincente del valor de los datos de citas disponibles gratuitamente. Alentamos a los editores que aún no participan en I4OC a unirse a la iniciativa y a que las listas de referencias de publicaciones en sus revistas estén disponibles de manera gratuita.

lunes, 30 de octubre de 2017

Estrategias de visualización de redes históricas

Análisis de redes históricas: estructuras complejas y organizaciones internacionales

Martin Grandjean |



Grandjean Martin,
Analisi e visualizzazioni delle reti in storia : l’esempio della cooperazione intellettuale della Società delle Nazioni,
Memoria e Ricerca, 25, 2, 2017, 371-393.

"Redes" históricas

Confrontada con la masificación de los datos y la aceptación de cuestiones cada vez más globales, la historia de las organizaciones internacionales se ocupa de objetos cada vez más complejos. Y si el término "red" se usa ampliamente en la investigación histórica, es porque parece ser eficaz describir estas estructuras enredadas, evolutivas y de múltiples niveles. Basado en un análisis de decenas de miles de documentos de archivo de la "Cooperación Intelectual" de la Liga de las Naciones en la década de 1920, este artículo cuestiona el valor del análisis formal de redes y la visualización de datos como una herramienta exploratoria. Desde la red utilizada como metáfora hasta la compleja red de metadatos de archivo, a través de la red dibujada sobre la base de informaciones encontradas en fuentes heterogéneas y la red extraída del contenido de los documentos, este artículo establece una tipología que describe cuatro niveles de red formalización y muestra cómo se pueden articular estos niveles.

Una tipología de usos



  Aquí hay una descripción general muy (demasiado) rápida de las 3 categorías principales.


La red reconstituida



La red "reconstituida" (o "dibujada") es una infografía, información traducida en una imagen que tiene las características visuales de una red. Por lo tanto, no se trata de una visualización de datos, ya que no hay un trabajo sistemático sobre los datos y el resultado no es producto de un cálculo, sino un dibujo que será útil para comprender fácil o rápidamente una situación compleja. El resultado es, por tanto, producto de la interpretación de fuentes múltiples, generalmente secundarias y heterogéneas, de las que el historiador obtiene fragmentos de información complementaria: la compilación de estos bits en una única representación gráfica hará más comprensibles las relaciones entre sus elementos. A menudo, es una imagen deliberadamente simplificadora con fines explicativos. En términos de estructura, es probable que la red reconstituida sea una estructura de árbol, un diagrama de flujo donde los elementos jerarquizados tienen más relaciones verticales que horizontales o una red social muy pequeña.
 Nuestro ejemplo aquí es el organigrama de la Liga de las Naciones en 1930 basado en docenas de informes.

La red de las fuentes




La red "de las fuentes" ya no se trata de recolectar información para reconstituir una red poco a poco, sino de dibujar el gráfico directamente desde el contenido de los documentos, a menudo fuentes seriales o corpora homogénea: listas de miembros de movimientos políticos, registros familiares , mesas de bolsa, directorios de empresas, etc. Este enfoque implica un fuerte acto de modelado: una elección en el tipo de relaciones que queremos analizar. Ya no recopilamos todos los tipos posibles de relaciones entre un grupo de individuos, pero nos enfocamos en una relación bien definida que permitirá un análisis formal.
 Nuestro ejemplo aquí es el mapeo de todos los empleados de la Liga de las Naciones según su (s) departamento (es) entre 1919 y 1939.


La red de metadatos




La última etapa de nuestra tipología se refiere a las redes que ya no se derivan del contenido de las fuentes pero que mapean la circulación de las fuentes mismas. Estar interesado en los metadatos de un documento es considerar que es posible suponer que, sea cual sea su contenido, es el testimonio de una relación entre individuos o instituciones. Las redes de metadatos posibilitan, por ejemplo, reemplazar un intercambio de correspondencia entre dos personas en el contexto de todos los intercambios que mantienen con otros corresponsales. Esta "lectura distante" es un medio de comparar la estructura concreta de su intercambio con la estructura aparente y oficial que rige jerárquica o simbólicamente las relaciones entre estos individuos.
 Nuestro ejemplo aquí es la red de co-indexación de todos los actores de los documentos del Comité Internacional de Cooperación Intelectual de la Sociedad de las Naciones entre 1919 y 1927.



Mejorar el análisis combinado de varios tipos




Los tres niveles de formalización presentados anteriormente se pueden aplicar al mismo objeto histórico y así aportar puntos de vista complementarios. Pero también se pueden agrupar en una sola visualización de niveles múltiples. Al analizar una organización internacional compleja, la circulación de documentos se puede comparar con la afiliación formal de las personas afectadas. Estas personas también pueden organizarse de acuerdo con la "geografía institucional" de la institución que permite ver las relaciones entre los diferentes polos de manera más explícita que en una red de "bola de pelo".