STANALYST ayuda para el análisis de la información

Xavier PolancoCNRS-INIST, France

xavier.polanco@inist.fr

Santiago de Chile II Sem. Intern. 16-18/01/2006 2

Contexto ICyT

• Personas – autores, investigadores, ingenieros, …

• Textos – publicaciones, p.ej. artículos y patentes

• Conocimientos– en los sujetos o personas– en los textos

Santiago de Chile II Sem. Intern. 16-18/01/2006 3

Concepción del sistema

• Un sistema informático para facilitar el trabajo humano de análisis de la información en CyT

• Análisis automatizado:– estadística descriptiva

– Indicadores estadísticos

– procesamiento del lenguaje (PAL) & indización automática (textos)

– Indicadores lingüísticos et de terminología

– clasificación automática– Indicadores temáticos o centros de interés

Santiago de Chile II Sem. Intern. 16-18/01/2006 4

Descripción del sistema

Navigador – Interface usuario

2BIBLIOMETRIA

Estadísticasdescriptivas

1CORPUS

Interrogacióny Datos

3INDIZACION

Manual o Automática

4INFOMETRIAClasificación y

Cartografía

Bases de datos Recursos terminológicos

Proyecto

Acceso e identificación

Santiago de Chile II Sem. Intern. 16-18/01/2006 5

Consorcio: BIREME (Brasil)CAICYT (Argentina)CNRS-INIST (Francia)CONICYT (Chile)RICYT (América)

Con el apoyo del Ministère des Affaires Etrangères de France

Proyecto en curso: Una nueva versión multibases capaz de explotar las bases SciELO, LILACS, MEDLINE, además de las bases FRANCIS y PASCAL

Santiago de Chile II Sem. Intern. 16-18/01/2006 6

Ejemplo de la organización del sistema en módulosy de las interfaces de trabajo

Santiago de Chile II Sem. Intern. 16-18/01/2006 7

Datos: Descripción estadística

• Primera etapa, el análisis de los datos• Frecuencia y distribución sobre:

– Datos bibliográficos:– Tipos de documentos– Fecha de publicación– Lenguas– País de publicación

– Revistas (journals) (ley de Bradford)– Nombre de artículos por revista– País de publicación

– Autores y afiliaciones institucionales (ley de Lotka)– Palabras claves (ley de Zipf)

Santiago de Chile II Sem. Intern. 16-18/01/2006 8

PAL e Indización automática

• Reconocimiento de términos en los textos en función de recursos terminológicos

• Lematización y etiquetaje

• Analizador morfológico-sintáctico (FASTR)

• Variación morfológica-sintáctica (coordinación, inserción, permutación)

• Indización automática

• Control y validación

Santiago de Chile II Sem. Intern. 16-18/01/2006 9

Clasificación o clustering

• Clasificación automática no supervisada a partir de D(n,p)

• Dos métodos:– NDOC clasificación no jerárquica (k-means

axiales)– SDOC clasificación jerárquica ascendente

(co-word analysis)

• Cartografía: Mapas (ACP, D/C)

Santiago de Chile II Sem. Intern. 16-18/01/2006 10

1) D(n,p)2) A(ij)3) Ci, i =1…m4) G(Cm,A(ij))5) M(C[d,c])

Y =

D

ensi

dad

X = Centralidad

Santiago de Chile II Sem. Intern. 16-18/01/2006 11

Analizar ~ Clasificar ~ Ordenar

• "Le savant doit ordonner ; on fait la science avec des faits comme une maison avec de pierres ; mais une accumulation de faits n’est pas plus une science qu’un tas de pierres n’est pas une maison"

• Henri Poicaré (1854-1912), La Science et l’hypothèse (1902)

Santiago de Chile II Sem. Intern. 16-18/01/2006 12

Muchas gracias

¿preguntas?