Implementación de algoritmo para la extracción de datos estructurados de perfiles en Google Académico
Fecha
2018-10-24
Título de la revista
ISSN de la revista
Título del volumen
Editor
Consorcio Iberoamericano para la Educación en Ciencia y Tecnología (ISTEC)
Pontificia Universidad Católica del Perú
Pontificia Universidad Católica del Perú
DOI
Resumen
Este trabajo muestra el desarrollo e implementación de un algoritmo para extraer
datos de perfiles y publicaciones de Google Académico (GA) utilizando Web
Scraping, técnica no estructurada de minería de datos que escanea los datos de
una página web. El código del algoritmo se crea utilizando el lenguaje R el cual nos
permite personalizar la extracción de datos implementando funciones de extracción
de perfiles y publicaciones de una universidad. En las pruebas de extracción de datos realizadas con las herramientas web y online se logró un promedio de 2 a 8
horas para extraer un promedio de 55 perfiles y 1400 publicaciones, mientras que
con el algoritmo se logra extraer la misma cantidad de perfiles y publicaciones en 4
minutos con datos estructurados en formato de tabla que pueden ser exportadas
para su posterior uso. Estas pruebas fueron realizadas en un periodo de 1 año,
depurando errores y mejorando tanto el tiempo de extracción de los datos de salida.
Una de las limitantes del algoritmo es que en universidades con más de 2,000
perfiles, este, es bloqueado por GA debido a que el tiempo de extracción aumenta
y considera que es un robot o araña quien escanea los datos, es por ello que se
trabaja en mejorar el proceso de extracción. El trabajo realizado permite que este
algoritmo sea una herramienta para quienes realizan análisis de datos de
indicadores científicos o para quienes realizan análisis bibliométricos de revistas
académicas y científicas con perfiles en GA.
Descripción
Palabras clave
Google Académico, escaneado web, Minería web, Lenguaje R, Análisis de datos, Google Scholar, Web Scraping, Web Mining, R Lenguage, data analysis
Citación
Colecciones
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Licencia Creative Commons
Excepto se indique lo contrario, la licencia de este artículo se describe como info:eu-repo/semantics/openAccess