Identificación de conglomerados en el grado de coautorias formado por las instituciones peruanas con investigación en medicina indizada en Scopus

Abstract

Este estudio halló los grupos de investigación conformados por las instituciones peruanas con investigación en medicina indizada en Scopus en base a las coautorías. La información se descargó de Scopus en formato no estandarizado y se utilizó aprendizaje supervisado con k-medias y un conjunto de datos de entrenamiento, para la identificación de las instituciones involucradas. El procesamiento de los datos se hizo con R. Las instituciones identificadas se clasificaron en ocho categorías: universidades, institutos públicos de investigación, clínicas y hospitales, organismos y dependencias del gobierno nacional, organismos y dependencias del gobierno local, empresas, organizaciones internacionales con filiales en Perú, instituciones privadas sin fines de lucro; y dos sectores: público y privado. Posteriormente se identificó los conglomerados existentes utilizando la metodología de particionamiento jerárquico aglomerativo propuesta por Moore, Clauset y Newman e implementada en el paquete igraph en R. Se halló que las instituciones del sector salud tienden a colaborar con sus símiles pero que no existe relación entre el tipo y sector de la institución y los patrones de colaboración para otras instituciones

This study found the research groups formed by Peruvian institutions with scientific papers published in Scopus, based on papers co-authorship. The information about authors institutional affiliation has been downloaded from Scopus in unstandardized format. Kmeans supervised learning and a training dataset have been used to identify and normalize the information about the institutions. R has been used for data preprocessing and processing. The identified institutions have been classified in eight kinds: universities, national research institutes, health institutions (clinics and hospitals), institutions that form part or are dependent from the national government, institutions that form part or are dependent from the local government, firms, international organizations that have delegations in Peru, other institutions (most of them non-governmental organizations). Those institutions have been classified also in two sectors: public and private. Once the institutions had been identified, clusters have been found using fast greedy hierarchic partitioning proposed by Moore, Clauset and Newman and implemented in the library igraph in R. The research found that health institutions prefer to write in co-authorship with other health institutions. In other cases, there isn’t any kind of relationship between the kind of institution and its election of co-authors