O COMPORTAMENTO DAS ÁREAS DE CONHECIMENTO EM TERMOS DE CITAÇÕES DE ARTIGOS

Transcrição

1 Anais do 14 O Encontro de Iniciação Científica e Pós-Graduação do ITA XIV ENCITA / 2008 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 20 a O COMPORTAMENTO DAS ÁREAS DE CONHECIMENTO EM TERMOS DE CITAÇÕES DE ARTIGOS Cesário Bruno de Barros Martins Instituto Tecnológico de Aeronáutica Rua H8C nº205 S. José dos Campos SP Brasil CEP Bolsista PIBIC-CNPq cesario09@gmail.com Nei Yoshihiro Soma Instituto Tecnológico de Aeronáutica Pr. Mal. Eduardo Gomes 50 S. José dos Campos SP Brasil CEP soma@ita.br Resumo: Nesse trabalho científico é desenvolvida uma ferramenta para a extração de dados de maneira não trivial para o estudo do comportamento das áreas do conhecimento em relação a citações de artigos. Com esses estudos pode-se avaliar se os índices científicos de periódicos refletem o comportamento de cada área. Palavras-chave: índices científicos citações de artigos extração de dados. 1. Introdução O Fator de Impacto (FI) é um índice de citação científica que foi criado para que a comparação entre periódicos de tamanhos diferentes pudesse ser realizada. Resumidamente o FI é a medida da freqüência média em que um artigo é citado nos últimos dois anos. Esse índice vem sendo priorizado pelas agências de fomento e pelos pesquisadores para a avaliação de periódicos. Pela sua definição o fator de impacto não difere áreas científicas isto é o índice de um periódico de certa área científica é calculado da mesma forma que o índice de outra área científica. Essa característica de não diferenciar áreas pode tornar o fator de impacto um avaliador inadequado pois para áreas em que artigos mais antigos são muito importantes para o desenvolvimento científico o valor desse índice não levará em conta grande parte do trabalho. Essa possibilidade foi a motivação para o desenvolvimento deste trabalho científico. Neste trabalho desenvolvemse ferramentas para o estudo do comportamento das citações de artigos nas grandes áreas do conhecimento. A partir desse estudo pode-se analisar se o fator de impacto é realmente um bom índice para avaliar trabalhos científicos independente da área. Através da análise dos anos das referências de artigos que foram publicados recentemente (2007 a 2008) em periódicos que pertencem às grandes áreas do conhecimento pode-se observar qual o período de tempo em que as referências são mais acentuadas. Assim tem-se uma idéia de qual faixa de tempo foi mais importante para os artigos publicados entre 2007 e Áreas escolhidas para a análise O estudo foi realizado para todas as quatro grandes áreas de engenharia para a área de Física e para a área de Medicina. Segundo classificação adotada pela CAPES cada grande área da engenharia abrange: Engenharia I i. Engenharia Civil; ii. Estruturas; iii. Geotécnica; iv. Engenharia Hidráulica; v. Engenharia Sanitária; e vi. Engenharia de Transporte. Engenharia II i. Engenharia Química; ii. Engenharia Metalúrgica e de Materiais; iii. Engenharia de Minas; e iv. Engenharia Nuclear. Engenharia III i. Engenharia Aeroespacial;

2 Anais do XIV ENCITA 2008 ITA Outubro ii. Engenharia Aeronáutica; iii. Engenharia Mecânica; iv. Engenharia Naval v. Engenharia de Planejamento Energético; e vi. Engenharia de Produção além de outras de caráter multidisciplinar relacionados ao grupo II. Engenharia IV i. Engenharia Elétrica; e ii. Engenharia Biomédica. 3. Coleta de dados Para a coleta de dados foram utilizadas seis listas de periódicos: quatro das grandes áreas da engenharia uma da área de Física e outra da Medicina. Essas listas foram obtidas de diferentes maneiras: as listas das áreas de engenharia e da área da Física foram obtidas diretamente pelo QUALIS/CAPES e a lista da área de medicina foi obtida através do Portal de periódicos da CAPES[1]. Cada lista continha tais informações dos periódicos: ISSN título área de avaliação e área madrinha (essa última apenas nos periódicos de engenharia). A quantidade do número de periódicos em cada lista pode ser encontrada na tabela 1. Tabela 1. Quantidade do número de periódicos por área. N de periódicos Buscador desenvolvido Pelo fato de ser muito grande o número de periódicos a captura dos dados não poderia ter sido feita manualmente. Assim foi desenvolvido utilizando-se a linguagem Perl um buscador que dado o ISSN do periódico ele o procura em uma base de dados e se esse periódico pertencer a essa base captura os artigos mais recentes (publicados entre 2007 e 2008). Além disso nas áreas de engenharia o buscador só leva em conta os periódicos os quais a área madrinha seja uma das engenharias isto é apenas periódicos que possuem as áreas de engenharia como as áreas de maior volume de publicação. A base de dados utilizada pelo buscador foi a ScienceDirect[2] que é uma das maiores coleções de textos completos em ciência tecnologia e medicina. Para a implementação das funcionalidades do buscador foi utilizado o wgetque é uma ferramenta para a linha de comando que permite efetuar o download de ficheiros ou páginas web através dos protocolos FTP HTTP e HTTPS recorrendo a várias opções. Abaixo se tem um trecho do código do buscador que se comunica com a base de dados. system "wget -q --user-agent=\"mozilla/5.0 (X11; U; Linux i686; en-us; rv:1.7.8) Gecko/ Firefox/1.0.4 (Debian package )\" --refer 44\\&_version=1\\&_urlVersion=1\\&_userid=972040\\&md5=2c89da6ff0e3e9908c1b3ba9e6c5fe2a =all_search.tmpl\\&md5=560df3f a57b4e2b958f9a24\\&test_alid=\\&searchtext=$issn\\&keywordopt=iss N\\&addTerm=0\\&addSearchText=\\&addkeywordOpt=TITLE-ABSTR- KEY\\&source=srcJrl\\&source=srcBk\\&Subscribed=0\\&srcSel=1\\&DateOpt=0\\&fromDate=2007\\&toDate=Present \\&RegularSearch=Search -O $issn_file"; Figura 1. Um trecho do código do buscador que se comunica com a base de dados. O algoritmo de busca utilizado pela pesquisa foi o de busca em profundidade no grafo gerado considerando páginas da internet como vértices e links entre páginas como arestas. Como bem descrito pelo Cormen[3] esse algoritmo é uma busca não informada completa que utiliza-se de pouca memoria comparando-se a outros algoritmos de busca. Na figura abaixo se tem um exemplo da busca realizada.

3 Anais do XIV ENCITA 2008 ITA Outubro Base de dados Periódicos Artigos ISSN 1 Artigo 1 Artigo 2 ScienceSirect ISSN 2 Artigo m ISSN n Figura 2. Busca realizada utilizando-se a base de dados Periódicos contemplados na base de dados Apesar da base de dados utilizada possuir mais de nove milhões de artigos alguns dos periódicos não foram contemplados em seu banco de dados. Ao final da coleta as restrições da área madrinha do periódico e da não contemplação de alguns periódicos na base de dados permitiram a obtenção de informações dos seguintes números de periódicos por área: Tabela 2. Quantidade do número de periódicos que foi obtida com sucesso da base de dados. N de periódicos Artigos coletados Para esses periódicos contemplados na base de dados foram coletados os artigos mais recentes. Na tabela 3 podese observar a quantidade de artigos coletados por área e a média de ártigos por periódicos. Tabela 3. Quantidade de artigos coletados por área e média de ártigos por periódicos. N de Artigos Média Anos das referências dos artigos Para o estudo do comportamento das citações nas áreas do conhecimento as informações que realmente interessam estão nas referências. Assim foi desenvolvido utilizando-se a liguagem Perl um aplicativo baseado em expressões regulares para que a coleta dos anos das referências contidas nos artigos fosse possível. Uma dificuldade no desenvolvimento de tal aplicativo foi o fato de não existir um padrão na confecção de referências em artigos. Assim a expressão regular utilizada foi aquela que mais se assemelhou com os textos escritos: /[ \(](19\d \d)\d[\)\]]?[.]/. Como se pode observar essa expressão valida anos entre 1800 e 2009 que forem precedidos dos caracteres ou ( e sucedidos pelos caracteres. ou. Para mais informações sobre expressões regulares toda teoria utilizada para o desenvolvimento do aplicativo pode ser encontrada no tutorial da linguagem Perl[4]. Na tabela 4 pode-se observar a quantidade de referências obtidas por área e a média de referêncas por artigos. Tabela 4. Quantidade de referências obtidas por área de engenharia e a média de referêncas por artigos. N de Referências Média

4 Anais do XIV ENCITA 2008 ITA Outubro Resultado da análise dos dados coletados As análises dos dados foram realizadas em histogramas gerados com as informações dos anos de publicação coletados das referências dos artigos. Em todos os histogramas foram calculados a média e o desvio padrão. Figura 3. Histograma dos anos de publicação das referências de recentes artigos publicados em periódicos da área de engenharia I. Figura 4. Histograma dos anos de publicação das referências de recentes artigos publicados em periódicos da área de engenharia II.

5 Anais do XIV ENCITA 2008 ITA Outubro Figura 5. Histograma dos anos de publicação das referências de recentes artigos publicados em periódicos da área de engenharia III. Figura 6. Histograma dos anos de publicação das referências de recentes artigos publicados em periódicos da área de engenharia IV.

6 Anais do XIV ENCITA 2008 ITA Outubro Figura 7. Histograma dos anos de publicação das referências de recentes artigos publicados em periódicos da área de Física. Figura 8. Histograma dos anos de publicação das referências de recentes artigos publicados em periódicos da área de Medicina.

7 Anais do XIV ENCITA 2008 ITA Outubro Conclusão Neste trabalho científico foi desenvolvido ferramentas para a extração de dados de maneira não trivial. Os dados extraidos servem como base para a análise de como se comportam as áreas do conhecimento em termos de citaçoes de artigos. Pela quantidade de dados extraídos da base de dados seria inviável que esse trabalho fosse feito manualmente. Considerando um grupo de cinco pessoas cada pessoa trabalhando 8 horas por dia precisar-se-ia de aproximadamente 26 dias para coletar os mesmos artigos. O buscador desenvolvido realizou esse trabalho em apenas 20 horas. A análise dos dados coletados indica um comportamento qualitativo de cada área. Pode-se ter uma idéia do período de tempo mais relevante para artigos publicados recentemente. Em um momento futuro será realizada uma outra análise dos dados coletados de maneira comparativa entre as áreas. Nessa nova análise será levada em conta cálculos de índices científicos tais como fator de impacto e índice de imediatez observando se realmente os valores desses índices refletem o comportameto de cada área. 8. Agradecimentos Aos meus pais por tudo. Aos meu amigos Helder Suzuki e Henry Hsu pelas lições em computação. Ao Prof. Nei Yoshihiro Soma pela orientação e dedicação neste trabalho de iniciação centífica. Ao Prof. Armando Gouveia pelo apoio. Ao amigo Humberto Naves pelos conhecimentos passados. Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) pelo Programa Institucional de Bolsas de Iniciação Científica(PIBIC) do qual participei na condição de bolsista. 9. Referências [1] Portal de periódicos da CAPES. Disponível em < Acesso em agosto de [2] Base de dados de periódicos ScienteDirect. Disponível em < Acesso em agosto de [3] CORMEN T.H. LEISERSON C.E. RIVEST R.L. STEIN C. ALGORITMOS Tradução da 2º edição americana Teoria e Prática Editora CAMPUS Rio de Janeiro [4] Tutorial da linguagem Perl (Perl Tutorial:Start). Disponível em < Acesso em agosto de 2008.