Descripción rápida y sencilla de los metadatos de un artículo de investigación

Metadatos de artículo de investigación

Resumir información esencial de los metadatos de investigación con métodos de minería de texto en unas pocas líneas de código Python

Por: Petr Koráb (Universidad Zeppelin en Friedrichshafen, Alemania; Lentiamo, Praga) y Jarko Fidrmuc (Universidad Zeppelin en Friedrichshafen, Alemania)

Introducción

Los metadatos de publicaciones de investigación (títulos de artículos, fechas de publicación, palabras clave) proporcionan información valiosa sobre cómo se desarrolla todo el campo a lo largo del tiempo. La minería de texto con técnicas apropiadas ayuda a descubrir qué conceptos, teorías o modelos fueron el centro de atención de los investigadores en diferentes momentos. En ciencias sociales, los títulos de los artículos también reflejan el sentimiento de los resultados que presentan. Un artículo titulado, por ejemplo, “Crédito restringido y choques a las empresas: experiencia coreana bajo la crisis financiera asiática” presenta resultados relacionados con un evento adverso, mientras que el artículo “No te preocupes, sé feliz: una encuesta sobre la economía de la felicidad” probablemente proporciona resultados más positivos. Aunque esto no se aplica en todas las disciplinas científicas, este artículo mostrará cómo funciona esta lógica en las revistas de economía más respetadas. Este enfoque también se puede aplicar a preguntas similares, incluida la cobertura de prensa en áreas específicas (títulos de noticias y titulares) u otros textos cortos en redes sociales (comentarios de Twitter o Facebook). Revisaremos estos temas en el código en Python:

• análisis descriptivo de los metadatos de las revistas para descubrir temas clave en la investigación económica
• análisis de sentimiento para evaluar el sentimiento actual en la investigación económica y la percepción de los investigadores sobre el futuro.

2. Metadatos de investigación

Comencemos con la recolección de metadatos. Constellate es un servicio de análisis de datos que proporciona materiales de aprendizaje y conjuntos de datos de texto de las bases de datos de JSTOR y Portico. Esta plataforma permite a los investigadores descargar los metadatos de los artículos indexados en ellas.

Los metadatos se refieren a la información necesaria para descubrir, usar y comprender los datos. Describe el quién, qué, cuándo, dónde, por qué y cómo de tus datos en el contexto de tu investigación y debería proporcionar suficiente información para que el usuario sepa qué se puede y qué no se puede hacer con…

• Investigadores de NYU y Meta AI están mejorando los agentes de conversación social mediante el aprendizaje del diálogo natural entre los usuarios y un modelo implementado, sin necesidad de anotaciones adicionales.
• Un enfoque simple para crear transformadores personalizados utilizando las clases de Scikit-Learn
• De muchos a pocos Abordando datos de alta dimensionalidad con la reducción de dimensionalidad en el aprendizaje automático

We will continue to update Zepes; if you have any questions or suggestions, please contact us!