A framework for research assessment in social sciences through Big Data
DOI:
https://doi.org/10.33110/inceptum.v16i31.410Palabras clave:
Social Sciences, Research Assessment, Science Policy, Big Data, BlockchainResumen
The scarce public policy funds demand cost-effective outputs and more innovative forms to inform decision making. During the last years, there has been increasing use of Big Data for research and policymaking by international development institutions. For this reason, the main objective of the present work is to propose a framework to apply Big Data in a high-relevance program for science policy in Mexico, which assesses the researchers' performance. Social sciences are considered the most difficult area to assess, due to there is no theoretical-methodological consensus and the academic impact is difficult to determine because social sciences do not exhibit long term development. Instead, there are a plurality of paradigms or changing topics that do not have consensus among the academic community. In this regard, this work outlines a framework, which includes indicators of the social contribution of science since computational tools should have an orientation.
Descargas
Citas
Addo-Tenkorang R., Helo P. T. (2016). Big data applications in operations/supply-chain management: A literature review. Computers & Industrial Engineering, 101, pp. 528-543.
Aguado-López E., Becerril-García A. (2016). ¿Publicar o perecer? El caso de las Ciencias Sociales y las Humanidades en Latinoamérica. Revista Española de Documentación Científica, 39/4, pp. 1-14.
Andrade J. A., Márquez Á., Requena J. et al. (2011). Programa de Estímulo a la Investigación. Enl@ce: Revista Venezolana de Información, Tecnología y Conocimiento, 8/2, pp. 97-117.
Archambault É., Larivière V. (2011). Los límites de la bibliometría en el análisis de la literatura en ciencias sociales y humanidades’. In: Laclette J.P., Zúñiga-Bello P., Puga Espinosa C., (ed.) Informe sobre las ciencias sociales en el mundo. Las brechas del conocimiento, pp. 263-267. UNESCO y Foro Consultivo.
Bai Y., Li Z., Wu K. et al. (2018). Researchain: Union Blockchain Based Scientific Research Project Management System. In 2018 Chinese Automation Congress (CAC), IEEE: 4206-4209.
Becerril García A., Aguado López E., Batthyány K. et al. (2018). AmeliCA: Una estructura sostenible e impulsada por la comunidad para el Conocimiento Abierto en América Latina y el Sur Global. Redalyc, UAEM, CLACSO, UNLP, UdeA.
Bekerman, F. A. (2018). El programa de incentivos a los docentes-investigadores puertas adentro. Asociación Argentina de Sociología; Horizontes Sociológicos, 10/ 6, pp. 12-2018.
Benavente J. M., Crespi G., Garone L. F., Maffioli A. (2012). The impact of national research funds: A regression discontinuity approach to the Chilean FONDECYT. Research Policy, 41/8, pp. 1461-1475.
Bertot J. C., Choi H. (2013). Big data and e-government: issues, policies, and recommendations. In Proceedings of the 14th annual international conference on digital government research, pp. 1-10.
Bornmann L., Tekles A. (2019). Productivity does not equal usefulness. Scientometrics, 118/2, pp. 705-707.
Borrego Á., Urbano C. (2006). La evaluación de revistas científicas en Ciencias Sociales y Humanidades. Información, cultura y sociedad, 14, pp. 11-27
Buquet, D. (2013). Producción e impacto de las ciencias sociales en América Latina. Consejo Latinoamericano de Ciencias Sociales (CLACSO).
Cancino R., Orozco L., Ruiz C., Coloma J., García M., Bonilla R. (2014). Formas de organización de la colaboración científica en América Latina: un análisis comparativo del sistema chileno de proyectos y el sistema colombiano de grupos de investigación’. In Perspectivas latinoamericanas en el estudio social de la Ciencia, la Tecnología y la Sociedad. Buenos Aires, Siglo XXI.
Chaulagain R. S., Pandey S., Basnet S. R., Shakya S. (2017). Cloud based web scraping for big data applications. In 2017 IEEE International Conference on Smart Cloud (SmartCloud), pp. 138-143.
Chen D. Q., Preston D. S., Swink M. (2015). How the use of big data analytics affects value creation in supply chain management. Journal of Management Information Systems, 32/4, pp. 4-39.
Chinchilla-Rodríguez Z., Miguel S., de Moya-Anegón F. (2015). What factors affect the visibility of Argentinean publications in humanities and social sciences in Scopus? Some evidence beyond the geographic realm of research. Scientometrics, 102/1, pp. 789-810.
CONACyT (2020). Reglamento del sistema nacional de investigadores <https://www.conacyt.gob.mx/index.php/el-conacyt/sistema-nacional-de-investigadores/marco-legal/reglamento-sni> accessed 17 July 2020.
Contreras-Gómez L. E., Olivares-Vázquez J. L., Palacios-Núñez G., Leyva R. et al. (2020). Desconcentración del Sistema Nacional de Investigadores (SNI): Geografía y estratificación. El caso de las ciencias sociales (2002-2018). Revista de la Educación Superior, 49/193, pp. 83-106.
Crosas M., King G., Honaker J., Sweeney L. (2015). Automating open science for big data. The ANNALS of the American Academy of Political and Social Science, 659/1, pp. 260-273.
Daraio C., Lenzerini M., Leporelli C., Moed H. F. et al. (2016) Data integration for research and innovation policy: an Ontology-Based Data Management approach. Scientometrics, 106/2, pp. 857-871.
De Mauro A., Greco M., Grimaldi M. (2016). A formal definition of Big Data based on its essential features. Library Review, 65/3, pp. 122-135.
Donovan, C. (2011). State of the art in assessing research impact: introduction to a special issue. Research Evaluation, 20/3, pp. 175–179.
Ezeiza Pohl, C. E. (2018). El Programa de incentivos a docentes investigadores y su incidencia en la producción y difusión de conocimiento en una Universidad pública del conurbano bonaerense. PhD Thesis, Universidad Católica Argentina.
Frixione E., Ruiz-Zamarripa L., Hernández G. (2016). Assessing Individual Intellectual Output in Scientific Research: Mexico’s national system for evaluating scholars’ performance in the humanities and the behavioral sciences. PloS one, 11/5: e0155732.
George G., Haas M. R., Pentland A. (2014). Big data and management: From the Editors. Academy of Management Journal, 57/2, pp. 321-326.
George G., Osinga E. C., Lavie D., Scott B. A. (2016). Big data and data science methods for management research. Academy of Management Journal, 59/5, pp. 1493-1507.
Gil-Antón M., Contreras-Gómez L. E. (2017). El Sistema Nacional de Investigadores: ¿espejo y modelo? Revista de la educación superior, 46/184, pp. 1-19.
Hammersley, M. (2014). The perils of ‘impact’ for academic social science, Contemporary Social Science, 9/3, pp. 345-355.
Höchtl J., Parycek P., Schöllhammer R. (2016). Big data in the policy cycle: Policy decision making in the digital era. Journal of Organizational Computing and Electronic Commerce, 26/1-2, pp. 147-169.
Landers R. N., Brusso R. C., Cavanaugh K. J., Collmus A. B. (2016). A primer on theory- driven web scraping: Automatic extraction of big data from the Internet for use in psychological research. Psychological Methods, 21/4, pp. 475–492.
Marcano D., Phélan M. (2009). Evolución y desarrollo del programa de promoción del investigador en Venezuela. Interciencia, 34/1, pp. 017-024.
Marjani M., Nasaruddin F., Gani A., Karim A. et al. (2017). Big IoT data analytics: architecture, opportunities, and open research challenges. IEEE Access, 5: 5247-5261.
Marres N., Weltevrede E. (2013). Scraping the social? Issues in live social research. Journal of cultural economy, 6/3, pp. 313-335.
Martin, B. (2012). The evolution of science policy and innovation studies. Research Policy, 41/7, pp. 1219-1239.
Noyons E., Ràfols I. (2018). Can bibliometrics help in assessing societal contributions of agricultural research? Exploring societal interactions across research areas. In Proceedings of the science, technology, and innovation indicators in transition conference.
Reale E., Avramov D., Canhial K., Donovan C. et al. (2017). A review of literature on evaluating the scientific, social and political impact of social sciences and humanities research. Research Evaluation, 27/ 4, pp. 298–308.
Reyes Ruiz G., Suriñach J. (2010). Los nuevos ingresos como candidato a investigador en el SNI, 1996-2003. Perfiles educativos, 32/127, pp. 8-37.
Reyes R., Suriñach J. (2012). Las evaluaciones internas del SNI: coherencias o coincidencias. Secuencia, 83, pp. 179-217.
Reyes Ruíz G. Suriñach, J. (2015). Análisis sobre la Evolución del Sistema Nacional de Investigadores (SNI) de México. Investigación administrativa, 44, pp.115.
Schot J., Steinmueller W. E. (2018). Three frames for innovation policy: R&D, systems of innovation and transformative change. Research Policy, 47/9, pp. 1554-1567.
Vasen F., Vilchis I. L. (2017). Sistemas nacionales de clasificación de revistas científicas en América Latina: tendencias recientes e implicaciones para la evaluación académica en ciencias sociales. Revista mexicana de ciencias políticas y sociales, 62/231, pp. 199-228.
Vessuri H., Larrechea E. M., Estévez B. (1997). Los científicos sociales en Venezuela. Perfil bibliográfico e implicaciones de política. Cuadernos del CENDES, 18/48, pp. 89-121.
Villaseñor E. A., Arencibia-Jorge R., Carrillo-Calvet H. (2017). Multiparametric characterization of scientometric performance profiles assisted by neural networks: a study of Mexican higher education institutions. Scientometrics, 110/1, pp. 77-104.
Wang G., Gunasekaran A., Ngai E. W., Papadopoulos T. (2016). Big data analytics in logistics and supply chain management: Certain investigations for research and applications. International Journal of Production Economics, 176, pp. 98-110.
Wang Y., Han J. H., Beynon-Davies P. (2019). Understanding blockchain technology for future supply chains: a systematic literature review and research agenda. Supply Chain Management: An International Journal, 24/1, pp. 62-84.
Wilsdon J. R., Bar-Ilan J., Frodeman R., Lex E., Peters I., Wouters P. (2017). Next- generation metrics: Responsible metrics and evaluation for open science. Report of the European Commission.
White P., Breckenridge R. S. (2014). Trade‐Offs, Limitations, and Promises of Big Data in Social Science Research. Review of Policy Research, 31/4, pp. 331-338.
Yaqoob I., Hashem I. A. T., Gani A., Mokhtar S. et al. (2016). Big data: From beginning to future’, International Journal of Information Management, 36/6, pp. 1231-1247.
Yunta L. R., Peña T. A. (2010). El análisis bibliométrico de la producción española en Ciencias Sociales y Humanas. ¿Contamos con las fuentes necesarias?. Revista Española de Documentación Científica, 33/1, pp. 151-155.
Zīle K., Strazdiņa R. (2018). Blockchain use cases and their feasibility. Applied Computer Systems, 23/1, pp. 12-20.
Descargas
Publicado
Versiones
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Todos las contribuciones hechas a INCEPTUM Revista de Investigación en Ciencias de la Administración se publican y distribuyen bajo la licencia CC BY-NC 4.0 ( licencia internacional Creative Commons Attribution-NonCommercial 4.0 ). , lo que le permite a los lectores leer, descargar, copiar y redistribuir el material en cualquier medio o formato, con la condición de que se reconozca la autoría y no se haga uso del material con propósitos comerciales.
INCEPTUM Revista de Investigación en Ciencias de la Administración