Factores asociados a la citación de artículos biomédicos colombianos: análisis con Machine Learning

Abstract

Los indicadores de citación pueden medir el impacto o la utilidad de resultados de investigación de un artículo científico, sin embargo, este uso puede ser controversial. Factores intrínsecos y extrínsecos influencian la citación de un artículo, sin mencionar que el comportamiento en las citaciones puede variar entre áreas temáticas, lo cual dificulta las comparaciones entre artículos y disciplinas. Entender que el contexto puede afectar un análisis de citas es esencial para interpretar adecuadamente los indicadores. Por esta razón, buscan reconocerse los factores que inciden en la citación de los artículos de las revistas biomédicas colombianas indexadas en Scopus a través del uso de algoritmos de Machine Learning. Con los algoritmos ‘Gradient Boosting Classifier’ y ‘Light Gradient Boosting Machine’ identificamos características de importancia como el índice h del primer y el último autor, acceso abierto, número de autores, palabras clave del artículo, además del número de páginas. Estas características fueron relevantes para el área de interés y pueden brindar un contexto para futuros análisis, considerando que lo relevante de un artículo no debería ser cuántas citaciones atrae, sino si este ayuda a llenar vacíos en el conocimiento.