Aplicaciones del Machine Learning en bibliometría. Análisis bibliométrico Scopus del comportamiento del consumidor.

Resumen

Este artículo explora las aplicaciones del aprendizaje automático en bibliometría, específicamente aplicando este conocimiento a un estudio bibliométrico del comportamiento del consumidor. El crecimiento exponencial de las publicaciones científicas ha superado las capacidades de las herramientas bibliométricas tradicionales, creando la necesidad de técnicas más avanzadas para analizar grandes cantidades de datos. El aprendizaje automático, una rama de la inteligencia artificial, permite a las computadoras aprender de los datos y hacer predicciones sin instrucciones explícitas. El estudio utiliza una metodología bibliométrica descriptiva, utilizando 2563 artículos de Scopus y algoritmos de aprendizaje automático como Latent Dirichlet Allocation (LDA) para la clasificación de artículos. Se identificaron cinco temas principales: investigación de mercado, influencia en línea en el consumo de alimentos y la percepción de la marca, implicaciones sociales del consumo, implicaciones para la salud y la relación entre el comportamiento de compra y el marketing. Los resultados revelan una gran red de colaboración internacional con Estados Unidos y el Reino Unido a la cabeza y autores clave como Rifkin, Almotairi, Gruber, Kunz, Bonnevie, Buil, Hieke, Lal, Wang y Carlson. El aprendizaje automático se perfila como una herramienta clave para la bibliometría, permitiendo automatizar procesos, identificar patrones complejos y mejorar la eficiencia del análisis de grandes bases de datos. Este enfoque innovador facilita la comprensión de las tendencias y el desarrollo de conocimientos sobre el comportamiento del consumidor.