Conhecendo o pacote bibliometrix

Primeiras impressões utilizando o pacote bibliometrix

Studying
Research
Autor

Beatriz Milz

Data de Publicação

7 de março de 2021

Introdução

Olá! Eu costumo demorar bastante para escrever cada texto que adiciono neste blog, então consequentemente o blog demora muito para receber atualizações.

Portanto, esse post será um pouco diferente dos posts anteriores! Será mais curtinho e simples, e não será um conteúdo completo, assim consigo postar o que é possível neste momento (e quem sabe faço os posts parte 2, 3, 4.. futuramente).

Dito isso, eu comecei a escrever este post enquanto estudava o pacote {bibliometrix}. Eu estou estudando este pacote para utilizar na minha pesquisa, e provavelmente ainda ficarei estudando por um tempo, já que o mesmo tem muitas possibilidades. Este post servirá de registro do que aprendi até agora, e talvez eu o atualize ao longo do tempo!

O {bibliometrix} (Aria e Cuccurullo 2017, 2022) é um pacote que oferece ferramentas para realizar análises bibliométricas. Os tutoriais que o pacote oferece são muito interessantes e foi essencial utilizar o pacote com este tutorial aberto em outra aba!

Obtendo as bases de dados

Antes de começar a usar o bibliometrix, é necessário obter as bases de dados que serão utilizadas. Neste exemplo, eu testei com dados obtidos nos repositórios Scopus e Web of Science, sendo que o acesso foi feito através do “Acesso CAFe” no Portal de Periódicos da Capes.

Para testar o pacote (e escrever este post), realizei a busca de artigos com uma query genérica (não é a que eu utilizarei na minha pesquisa), para fins didáticos.

A busca feita foi: trabalhos que possuíam as palavras “water governance” em seu título.

Querys:

  • no Scopus: TITLE ( water AND governance )

  • no WOS: TÍTULO: (water governance)

O WOS só permitiu exportar até 500 registros por vez. Foi necessário exportar 3 arquivos diferentes, porém isso dependerá da quantidade de resultados que teremos nas pesquisas!

Este tutorial apresenta informações sobre como exportar os dados das plataformas.

Biblioshiny

O pacote possui um app em Shiny, que possibilita fazer as análises com o bibliometrix em uma interface point and click, sem que seja necessário escrever códigos! Essa é uma possibilidade muito legal para pessoas que querem usar a ferramenta mas não programam em R. Para usar o biblioshiny, é necessário:

    1. Instalar o R;
    1. Instalar o RStudio;
    1. Instalar o pacote bibiliometrix com a seguinte função:

    install.packages("bibliometrix")

    1. Abrir a interface utilizando a função:

    bibliometrix::biblioshiny()

Utilizando o bibliometrix no R

Eu achei muito legal a possibilidade de utilizar uma interface em Shiny, porém prefiro realizar as análises com R, assim tenho o código disponível para que seja reproduzido futuramente.

Primeiramente vamos carregar alguns pacotes utilizados:


Attaching package: 'dplyr'
The following objects are masked from 'package:stats':

    filter, lag
The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union
To cite bibliometrix in publications, please use:

Aria, M. & Cuccurullo, C. (2017) bibliometrix: An R-tool for comprehensive science mapping analysis, 
                                 Journal of Informetrics, 11(4), pp 959-975, Elsevier.
                        

https://www.bibliometrix.org

                        
For information and bug reports:
                        - Send an email to info@bibliometrix.org   
                        - Write a post on https://github.com/massimoaria/bibliometrix/issues
                        
Help us to keep Bibliometrix free to download and use by contributing with a small donation to support our research team (https://bibliometrix.org/donate.html)

                        
To start with the shiny web-interface, please digit:
biblioshiny()

Importar os dados

A próxima etapa é importar os dados. A função para importar é bibliometrix::convert2df(), sendo importante informar como argumento: o caminho até o arquivo a ser aberto, a fonte dos dados (dbsource) e o formato do arquivo.

Os dados exportados do scopus são mais simples, pois é apenas um arquivo:

dados_scopus <- bibliometrix::convert2df("dados/scopus.bib",
                                         dbsource = "scopus",
                                         format = "bibtex")

Converting your scopus collection into a bibliographic dataframe

Done!


Generating affiliation field tag AU_UN from C1:  Done!

Para importar os dados do Wos, utilizei os passos abaixo:

# listar arquivos que preciso abrir:
# todos eles começam com o padrão "savedrecs_"
arquivos_wos <-
  list.files("dados", pattern = "^savedrecs_", full.names = TRUE)

arquivos_wos
[1] "dados/savedrecs_1_500.bib"      "dados/savedrecs_1000_final.bib"
[3] "dados/savedrecs_501_1000.bib"  
# Utilizando esse vetor de caminhos até os arquivos, 
# utilizamos a função convert2df para importá-los

dados_wos <- bibliometrix::convert2df(arquivos_wos,
                                      dbsource = "wos",
                                      format = "bibtex")

Converting your wos collection into a bibliographic dataframe

Done!


Generating affiliation field tag AU_UN from C1:  Done!

Depois de importar os dados das diferentes bases, é necesário unir todos em um única base, que será utilizada para fazer as análises. A função bibliometrix::mergeDbSources() realiza essa tarefa, e utilizando o argumento remove.duplicated = TRUE, os documentos duplicados são removidos.

dados_brutos <-
  bibliometrix::mergeDbSources(dados_scopus, dados_wos,
                               remove.duplicated = TRUE) 

 1015 duplicated documents have been removed
# Obrigada beholdersaltitante!

Os dados exportados retornaram diferentes tipos de trabalhos, como editoriais, erratas, etc. Neste caso, quero apenas que ARTIGOS sejam mantidos na análise:

# Quais tipos de trabalhos existem na base?
dplyr::distinct(dados_brutos, DT) %>% 
  knitr::kable(row.names = FALSE)
DT
ARTICLE
ERRATUM
REVIEW
CONFERENCE PAPER
NOTE
DATA PAPER
EDITORIAL
BOOK CHAPTER
BOOK
ARTICLE IN PRESS
SHORT SURVEY
ARTICLE; EARLY ACCESS
PROCEEDINGS PAPER
ARTICLE; PROCEEDINGS PAPER
EDITORIAL MATERIAL
BOOK REVIEW
CORRECTION
MEETING ABSTRACT
NEWS ITEM 
# Filtraremos apenas os artigos NA BASE

  dados <- dados_brutos %>%
  filter(DT == "ARTICLE")

Pronto! Agora temos a base preparada. O significado do nome das colunas pode ser conferido na documentação do pacote.

dplyr::glimpse(dados)
Rows: 1,176
Columns: 32
$ AU       <chr> "JOHNS C;VANNIJNATTEN D", "SAN J M C;ARMARIO B J", "TANTOH H;…
$ DE       <chr> "ADAPTIVE GOVERNANCE;  COMPLEXITY THEORY;  ENVIRONMENTAL POLI…
$ ID       <chr> NA, NA, "DECISION MAKING;  WATER MANAGEMENT;  WATER SUPPLY; C…
$ C1       <chr> "RYERSON UNIVERSITY, CANADA; WILFRID LAURIER UNIVERSITY, CANA…
$ CR       <chr> "AKAMANI, K., ADAPTIVE WATER GOVERNANCE: INTEGRATING THE HUMA…
$ JI       <chr> "ENVIRON. SUSTAIN. IND.", "J. ARID ENVIRON.", "J. CLEAN. PROD…
$ AB       <chr> "FOR THE PAST FEW DECADES, JURISDICTIONS HAVE BEEN USING ECOS…
$ PA       <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ AR       <chr> "100102", "104403", "125804", "143867", NA, NA, NA, NA, "1011…
$ RP       <chr> "JOHNS, C.; RYERSON UNIVERSITYCANADA; EMAIL: CJOHNS@RYERSON.C…
$ DT       <chr> "ARTICLE", "ARTICLE", "ARTICLE", "ARTICLE", "ARTICLE", "ARTIC…
$ DI       <chr> "10.1016/j.indic.2021.100102", "10.1016/j.jaridenv.2020.10440…
$ BE       <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ FU       <chr> "SOCIAL SCIENCES AND HUMANITIES RESEARCH COUNCIL OF CANADASOC…
$ BN       <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ SN       <chr> "26659727", "01401963", "09596526", "00489697", "10153802", "…
$ SO       <chr> "ENVIRONMENTAL AND SUSTAINABILITY INDICATORS", "JOURNAL OF AR…
$ LA       <chr> "ENGLISH", "ENGLISH", "ENGLISH", "ENGLISH", "ENGLISH", "ENGLI…
$ TC       <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 5…
$ PN       <chr> NA, NA, NA, NA, "1", "2", "1", "1", NA, NA, "2", NA, "2", "1"…
$ PP       <chr> NA, NA, NA, NA, "111-129", "434-444", "1-35", "177-180", NA, …
$ PU       <chr> "ELSEVIER B.V.", "ACADEMIC PRESS", "ELSEVIER LTD", "ELSEVIER …
$ DB       <chr> "ISI", "ISI", "ISI", "ISI", "ISI", "ISI", "ISI", "ISI", "ISI"…
$ TI       <chr> "USING INDICATORS TO ASSESS TRANSBOUNDARY WATER GOVERNANCE IN…
$ VL       <chr> "10", "187", "290", "761", "32", "17", "23", "70", "68", "101…
$ PY       <dbl> 2021, 2021, 2021, 2021, 2021, 2021, 2021, 2021, 2021, 2021, 2…
$ FX       <chr> "THIS RESEARCH WAS FUNDED BY THE SOCIAL SCIENCES AND HUMANITI…
$ AU_UN    <chr> "RYERSON UNIVERSITY;WILFRID LAURIER UNIVERSITY", "UNIVERSIDAD…
$ AU1_UN   <chr> "NOTREPORTED;RYERSON UNIVERSITYCANADA;NOTREPORTED", "NOTREPOR…
$ AU_UN_NR <lgl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ SR_FULL  <chr> "JOHNS C, 2021, ENVIRON SUSTAIN IND", "SAN JUAN MESONADA C, 2…
$ SR       <chr> "JOHNS C, 2021, ENVIRON SUSTAIN IND", "SAN JUAN MESONADA C, 2…

Funções do bibliometrix para analisar os dados

O pacote bibliometrix possui uma função chamada bibliometrix::biblioAnalysis(), que fornece uma sumarização dos dados. Não vou apresentar o resultado aqui pois é muito longo e não agrega muito no post, mas é possível ver um exemplo neste tutorial do pacote.

resumo <- bibliometrix::biblioAnalysis(dados)

Algo interessante são os gráficos gerados pela função plot() quando oferecemos o resultado da função bibliometrix::biblioAnalysis(). São gerados diversos gráficos padronizados automaticamente:

graficos_bibliometrix <- plot(resumo)

Porém os gráficos são gerados em inglês, e não consegui personalizar os gráficos já gerados. Portanto, acho que um exercício legal é reproduzir as visualizações para que seja possível personalizar o que for necessário (por exemplo, o idioma), e gerar as imagens formatadas para adicionar nos nossos relatórios.

Reproduzindo as visualizações com o pacote ggplot2

Autoras(es) mais produtivas(os)

Fazendo com bibliometrix

graficos_bibliometrix[1]
$MostProdAuthors

Reproduzindo com ggplot2

# Primeiro precisamos descobrir qual é o 
# número máximo de autores em um artigo.
# Isso será usado depois para separar a coluna
# de nomes de pessoas autoras.
numero_max_autores <-
  stringr::str_split(dados$AU, ";") %>% 
  lengths() %>%
  max()



dados %>%
  tidyr::separate(AU,
                  sep = ";",
                  into = glue::glue("autor_{1:numero_max_autores}")) %>%
  tidyr::pivot_longer(
    cols = glue::glue("autor_{1:10}"),
    names_to = "ordem_autor",
    values_to = "nome_autor",
    values_drop_na = TRUE
    
  ) %>%
  dplyr::group_by(nome_autor) %>%
  dplyr::count() %>%
  dplyr::arrange(desc(n)) %>%
  dplyr::ungroup() %>%
  dplyr::slice(1:10) %>%
  ggplot() +
  geom_col(aes(x = reorder(nome_autor,
                           desc(n)), y = n), 
           fill = '#4b689c') +
  coord_flip() +
  theme_bw() +
  labs(x = "Pessoas autoras", 
       y = "Quantidade de artigos")
Warning: Expected 29 pieces. Missing pieces filled with `NA` in 1175 rows [1, 2,
3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...].

Produção por ano

Fazendo com bibliometrix

graficos_bibliometrix[3]
$AnnualScientProd

Reproduzindo com ggplot2

# O código abaixo é necessário para preencher 
# com 0 os anos sem nenhuma publicação.
anos_vazios <- tibble::tibble(
  PY = min(dados$PY):max(dados$PY), 
  n = 0
) %>% 
  dplyr::filter(!PY %in% unique(dados$PY))


dados %>%
  dplyr::count(PY) %>% 
  dplyr::full_join(anos_vazios) %>% 
  dplyr::arrange(PY) %>% 
  ggplot(aes(x = PY, y = n)) +
  geom_line() +
  geom_area(fill = '#002F80', alpha = .5) +
  theme_bw() +
  labs(x = "Ano", y = "Quantidade de artigos")
Joining, by = c("PY", "n")

Países mais produtivos

Fazendo com bibliometrix

graficos_bibliometrix[2]
$MostProdCountries

Reproduzindo com ggplot2

# Não consegui reproduzir os dados pois não encontrei
# a informação de países na base inicial.
# Julio Trecenti deu uma dica sobre como obter
# os dados a partir de um objeto ggplot.
paises_mais_produtivos <- graficos_bibliometrix[[2]][["data"]]
dplyr::glimpse(paises_mais_produtivos)
Rows: 20
Columns: 3
$ Country       <fct> USA, GERMANY, UNITED KINGDOM, NETHERLANDS, AUSTRALIA, CA…
$ Freq          <dbl> 4, 4, 0, 2, 0, 2, 4, 2, 3, 2, 111, 83, 81, 76, 74, 70, 4…
$ Collaboration <chr> "MCP", "MCP", "MCP", "MCP", "MCP", "MCP", "MCP", "MCP", …
paises_mais_produtivos %>% 
  ggplot() + 
  geom_col(aes(x = Country,
               y = Freq, fill = Collaboration)) +
  coord_flip() +
  theme_bw() +
  labs(x = "Países",
       y = "Quantidade de artigos",
       fill = "Colaboração", 
       caption = "\n \n MCP: Publicação com pessoas autoras de mais de um país. \n
       SCP: Publicação com pessoas autoras de apenas um país.")

Principais periódicos

Fazendo com bibliometrix

# Não encontrei a função. Mas tem essa opcão no biblioshiny.
# Pesquisar mais!

Fazendo com ggplot2

dados %>%
  dplyr::mutate(SO = gsub('(.{1,30})(\\s|$)', 
                          '\\1\n', SO )
    ) %>%
      dplyr::count(SO) %>%
      dplyr::arrange(desc(n)) %>% 
      dplyr::slice(1:10) %>% 
      ggplot() +
      geom_col(aes(x = reorder(SO, n),
                   y = n),
               fill = "#4b689c") +
      coord_flip() +
      theme_bw() +
      labs(x = "Periódico", 
           y = "Quantidade de artigos")

Conclusão

Este texto é um trabalho em andamento! Mas até agora percebi que o bibliometrix oferece ferramentas muito interessantes, principalmente para importar as bases de dados de diferentes fontes.

Pretendo continuar estudando como utilizar este pacote, pois existem muitas possibilidades ainda a serem exploradas.

Agradecimentos

  • Walmes Zeviani por disponibilizar o vídeo do treinamento oferecido pelo LEG UFPR e ministrado pela Angélica Tortola Ribeiro (UTFPR e PPGMNE), sobre análise de referências bibliográficas com apoio do pacote Bibliometrix.

  • Eu comecei a fazer estes estudos (e escrever este post) durante uma transmissão no meu canal na Twitch. Foi muito legal e algumas pessoas participantes me deram dicas sobre o pacote e me ajudaram neste percurso! Obrigada para quem participou e para quem deu dicas!

  • Edit: Agradeço ao Julio Trecenti pela dica de como obter os dados utilizados para criar um ggplot.

Referências

Aria, Massimo, e Corrado Cuccurullo. 2017. «bibliometrix: An R-tool for comprehensive science mapping analysis». Journal of Informetrics 11 (4): 959–75. https://doi.org/10.1016/j.joi.2017.08.007.
———. 2022. bibliometrix: Comprehensive Science Mapping Analysis. https://CRAN.R-project.org/package=bibliometrix.