Keyword co-occurrence networks
theses and dissertations in Information Science
DOI:
https://doi.org/10.35699/2237-6658.2021.37157Keywords:
Co-occurrence standards., Data Capes, Artificial IntelligenceAbstract
The large volume of data produced, stored and made available for access made computers essential to transform them into processable information by man. With text mining, the extracted words can be used in pointing out the relationships between textual elements that are internal or external to them. This study presents an ongoing research that seeks to discover patterns of co-occurrence of keywords in dissertations and theses in the domain of Brazilian Information Science, using artificial intelligence techniques applied to open data from the Coordination for the Improvement of Personnel of Higher Level (Capes). The methodology is characterized as applied in nature, with exploratory and descriptive objectives, and with quantitative and qualitative analysis procedures. The method used is quantitative, in the form of a metric study, with the analysis based on the principles of graph theory. It is expected that the results show the possibility of partnerships between researchers, research trends, underexplored themes, among other elements.
Downloads
References
ARAÚJO, C. A. Bibliometria: evolução histórica e questões atuais. Em questão, Porto Alegre, v. 12, n. 1, p. 11-32, jan./jun. 2006.
ARAÚJO, C. A. Fundamentos da Ciência da Informação: correntes teóricas e o conceito de informação. Perspectivas em Gestão & Conhecimento, João Pessoa, v. 4, n. 1, p. 57-79, jan./jun. 2014.
BRASIL. Decreto nº. 8.777, de 11 de maio de 2016. Institui a Política de Dados Abertos do Poder Executivo federal. Diário Oficial [da] República Federativa do Brasil, Poder Executivo, Brasília, DF, 12 maio 2016. Seção 1, p. 21.
CHERVEN, K. Mastering Gephi network visualization: produce advanced network graphs in gephi and gain valuable insights into your network datasets. Birmingham: Packt Publishing, 2015.
COORDENAÇÃO DE APERFEIÇOAMENTO DE PESSOAL DE NÍVEL SUPERIOR (CAPES). Dados Abertos Capes. Brasília, 2019. Disponível em: https://dadosabertos.capes.gov.br. Acesso em: 24 jun. 2021.
DURIAU, V. J.; REGER, R. K.; PFARRER, M. D. A content analysis of the content analysis literature in organization studies: research themes, data sources, and methodological refinements. Organizational Research Methods, [S.l.], v. 10, n. 1, p. 5-34, jan. 2007.
FAYYAD, U. Knowledge discovery in databases: an overview. In: DŽEROSKI, S.; LAVRAČ, N. (Ed.). Relational Data Mining. Berlin: Heidelberg, 2001. p. 28-47.
FELDMAN, R.; DAGAN, I.; HIRSH, H. Mining text using keyword distributions. Journal Of Intelligent Information Systems, [S.l.], v. 10, n. 3, p. 281-300, mar. 1998.
GARCÍA, A. Inteligência Artificial: fundamentos, práctica y aplicaciones. Madrid: RC Libros, 2012.
GIL, A. C. Métodos e técnicas de pesquisa social. 6. ed. São Paulo: Atlas, 2008.
GODIN, B. On the origins of bibliometrics. Scientometrics, [S.l.], v. 68, n. 1, p. 109-133, jul. 2006.
GUERREIRO, A. J. C. Análise de redes sociais: aplicação a uma rede de clientes. 2012. 73f. Dissertação (Mestrado em Análise de Dados e Sistemas de Apoio à Decisão) - Faculdade de Economia, Universidade do Porto, Porto, 2012.
KHOKHAR, D. Gephi Cookbook: over 90 hands-on recipes to master the art of network analysis and visualization with gephi. Birmingham: Packt Publishing, 2015.
LE COADIC, Y. F. A Ciência da Informação. 2. ed. Brasília: Briquet de Lemos, 2004.
LEE, H.; YI, G.-S.; PARK, J. C. E3Miner: a text mining tool for ubiquitin-protein ligases. Nucleic Acids Research, Bethesda, v. 36, n. 1, p. 416-422, maio 2008.
LÓSCIO, B. F.; BURLE, C.; CALEGARI, N. Boas Práticas para Dados na WEB: desafios e benefícios. Revista Principia : Divulgação Científica e Tecnológica do IFPB, João Pessoa, v. 1, n. 32, p. 9-26, dez. 2016.
SANTOS, B. R. P.; CAMILO, E. S.; MELLO, M. R. G. Big data e Inteligência Artificial: aspectos éticos e legais mediante teoria crítica. Complexitas: Revista de Filosofia Temática, Belém, v. 3, n. 1, p. 50-60, jan./jun. 2018.
TAN, P.; STEINBACH, M; KUMAR, V. Introdução ao datamining: mineração de dados. Rio de Janeiro: Ciência Moderna, 2009.
TSAI, H.-H. Research trends analysis by comparing data mining and customer relationship management through bibliometric methodology. Scientometrics, [S. l.], v. 87, n. 3, p. 425-450, mar. 2011.
WANG, L. et al. G-Hadoop: mapreduce across distributed data centers for data-intensive computing. Future Generation Computer Systems, [S.l.], v. 29, n. 3, p. 739-750, mar. 2013.
ZHU, L. et al. Keywords co-occurrence mapping knowledge domain research based on the theory of Big Data in oil and gas industry. Scientometrics, [S.l.], v. 105, n. 1, p. 249-260, ago. 2015.
ZINS, C. Conceptual approaches for defining data, information, and knowledge. Journal af the American Society For Information Science And Technology, [S.l.], v. 58, n. 4, p. 479-493, abr. 2007.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Múltiplos Olhares em Ciência da Informação
This work is licensed under a Creative Commons Attribution 4.0 International License.
Autores que publicam na Revista Múltiplos Olhares em Ciência da Informação mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista. Contratos adicionais poderão ser assumidos, separadamente, pelos autores, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
