Mineria de Textos 2

LA MINERÍA DE TEXTO COMO HERRAMIENTA PARA LA IDENTIFICACIÓN DEL PERFIL
INVESTIGATIVO: CASO GESTIÓN DEL CONOCIMIENTO EN AMÉRICA LATINA DE 2012

A 2018
WILLIAM ALEJANDRO GIRALDO ZULUAGA
UNIVERSIDAD COOPERATIVA DE COLOMBIA

FACULTAD DE INGENIERÍA
PROGRAMA INGENIERÍA DE SISTEMAS
SANTIAGO DE CALI
2019
1
LA MINERÍA DE TEXTO COMO HERRAMIENTA PARA LA IDENTIFICACIÓN DEL PERFIL
INVESTIGATIVO: CASO GESTIÓN DEL CONOCIMIENTO EN AMÉRICA LATINA DE 2012
A 2018
WILLIAM ALEJANDRO GIRALDO ZULUAGA
INFORME FINAL
INGENIERA JOSEFINA MAYRA DE LLANO FELIU MsC
UNIVERSIDAD COOPERATIVA DE COLOMBIA

FACULTAD DE INGENIERÍA
PROGRAMA INGENIERÍA DE SISTEMAS
SANTIAGO DE CALI
2019
2
MARZO 2019
3
CONTENIDO
pág.
INTRODUCCIÓN .................................................................................................................. 9
1 IDENTIFICACIÓN DEL PROBLEMA ................................................................................ 10
1.1 PLANTEAMIENTO DEL PROBLEMA ........................................................................ 10
1.2 FORMULACIÓN DEL PROBLEMA............................................................................ 15
2 OBJETIVOS ..................................................................................................................... 16
2.1 OBJETIVO GENERAL ............................................................................................... 16
2.2 OBJETIVOS ESPECÍFICOS...................................................................................... 16
3 JUSTIFICACIÓN .............................................................................................................. 17
4 MARCO REFERENCIAL .................................................................................................. 18
4.1 MARCO TEÓRICO Y CONCEPTUAL ....................................................................... 18
4.2 MARCO CONTEXTUAL ............................................................................................ 25
5 ESTRATEGIA METODOLÓGICA .................................................................................... 27
6 RESULTADOS Y DISCUSIÓN ......................................................................................... 41
6.1 ANÁLISIS HERRAMIENTAS ..................................................................................... 41
6.2 PRODUCCIÓN ECUACIÓN DE BÚSQUEDA ............................................................ 59
6.3 ANÁLISIS Y DEPURACIÓN DATOS ......................................................................... 60
6.4 CARACTERIZACIÓN PERFIL DE LA INVESTIGACIÓN SOBRE GESTIÓN DEL
CONOCIMIENTO EN AMÉRICA LATINA DE 2012 A 2018 ............................................. 75
7 CONCLUSIONES ............................................................................................................ 89
8 RECOMENDACIONES .................................................................................................... 90
BIBLIOGRAFÍA ................................................................................................................... 91
1
LISTA DE TABLAS
pág.
Tabla 1. Gasto en investigación y desarrollo por PIB de países en el mundo 11
Tabla 2. Ranking The Global Competitiveness 2017-2018 13
Tabla 3. Herramientas minería de texto 19
Tabla 4. Aplicaciones de la Minería de Textos 24
Tabla 5. Adaptación metodología propuesta por Alan Porter 39
Tabla 6. Aspectos técnicos herramientas de minería de texto 41
Tabla 7. Aspectos funcionales herramientas de minería de texto 45
Tabla 8. Comparación herramientas de minería de texto según ranking de 53

Gartner y Forrester
Tabla 9. Clasificación PAT herramientas minería de texto 59
Tabla 10. Estadísticas de etiquetas POS excluidas 68
Tabla 11. Distribución producción de artículos en países de Latinoamérica 77
Tabla 12. Mapa de colaboración entre países en América Latina 77
Tabla 13. Distribución producción de artículos de universidades en Colombia 79
Tabla 14. Distribución producción de artículos de universidades en México 81
Tabla 15. Distribución producción de artículos de universidades en Ecuador 82
Tabla 16. Distribución producción de artículos de universidades en Argentina 82
Tabla 17. Distribución producción de artículos de universidades en Chile 83
Tabla 18. Distribución producción de artículos de universidades en Brasil 83
Tabla 19. Distribución producción de artículos de universidades en Perú 84
Tabla 20. Distribución producción de artículos de universidades de otros 84
2
países latinoamericanos
Tabla 21. Investigadores con sus respectivas publicaciones sobre Gestión del 86
Conocimiento
3
LISTA DE FIGURAS
pág.
Figura 1. Categorías grupos de investigación en Colombia reconocidos por 10

Colciencias en 2017
Figura 2. Proyecciones económicas de América Latina y el Caribe 12
Figura 3. Proyección de crecimiento económico mundial 12
Figura 4. Fases del proceso Minería de Datos 18
Figura 5. Evolución de referencias a Minería de Textos 19
Figura 6. Participación de América Latina sobre el total de publicaciones en 22

SCOPUS
Figura 7. Evolución de la inversión en I+D de América Latina y el Caribe e 23

Iberoamérica
Figura 8. Evolución fuentes de información desde 1586 hasta 1992 28
Figura 9. Evolución fuentes de información desde 1995 hasta 2012 28
Figura 10. Cuadrante mágico de Gartner 2018 para ciencia de datos y 51

plataformas de aprendizaje automático
Figura 11. The Forrester Wave Q3 2018 para plataformas de análisis de texto 53
basadas en AI
Figura 12. Comparación de antecedentes herramientas en minería de texto 54
Figura 13. Captura módulo funcional de Rapidminer Text Mining 55
Figura 14. Captura módulo funcional de IBM SPSS Predictive Analytics 56
Figura 15. Captura módulo funcional de KNIME 57
Figura 16. Captura módulo funcional de SAS Text Miner 58
Figura 17. Ecuación de búsqueda 60
Figura 18. Ejecución Nodo “PDF Parser” 60
Figura 19. Visualización tabla resultante del Nodo “PDF Parser” 61
4
Figura 20. Ejecución Nodo “POS Tagger” 61
Figura 21. Visualización tabla resultante del Nodo “POS Tagger” 62
Figura 22. Ejecución Nodo “Document Data Extractor” 62
Figura 23. Visualización tabla resultante del Nodo “Document Data Extractor” 63
Figura 24. Ejecución Nodos “OpenNLP NE Tagger” 63
Figura 25. Visualización tabla resultante del Nodo “OpenNLP NE Tagger” 64
Figura 26. Ejecución Nodo “Bag Of Words Creator” 64
Figura 27. Visualización tabla resultante del Nodo “Bag Of Words Creator” 65
Figura 28. Ejecución Nodo “Column Rename” 65
Figura 29. Visualización tabla resultante del Nodo “Column Rename” 66
Figura 30. Ejecución Nodo “Tag To String” 66
Figura 31. Visualización tabla resultante del Nodo “Tags To String” 67
Figura 32. Ejecución Nodo “Row Filter” 67
Figura 33. Red de Nodos “Row Filter” 68
Figura 34. Ejecución Nodo “DF” 69
Figura 35. Visualización tabla resultante del Nodo “DF” 69
Figura 36. Ejecución Nodo “Column Filter” 70
Figura 37. Visualización tabla resultante del Nodo “Column Filter” 70
Figura 38. Ejecución Nodo “Excel Writer (XLS)” 71
Figura 40. Visualización tabla resultante del Nodo “Row Filter” 72
5
Figura 47. Comportamiento anual cantidad de publicaciones por año 76
Figura 48. Mapa de calor países con mayor producción 76
Figura 49. Mapa de colaboración entre países en América Latina. 78
Figura 50. Gráfico de barras de universidades con mayor producción 79
Figura 51. Investigadores con mayor producción de publicaciones 86
Figura 52. Concurrencia de temas investigados 88
6
RESUMEN
Este documento presenta los resultados del trabajo de minería de texto aplicado a la
investigación sobre gestión del conocimiento en América Latina de 2012 a 2018. El sistema
permite identificar qué se está investigando, las prácticas o aplicaciones que tiene en la
industria, los países que están dando mayor producción, los autores que se destacan, y las
instituciones donde se investiga. Como fuente de información se utiliza la base de datos
bibliográfica de resúmenes y citas de artículos de revistas científicas llamada SCOPUS de las
cuales se extrajeron unos documentos a partir de una ecuación de búsqueda que fue
construida con base a una documentación previa del tema gestión del conocimiento, los
documentos que arrojó la ecuación de búsqueda fueron procesados y analizados siguiendo
la metodología propuesta por Alan Porter que consta de las fases de inteligencia, análisis e
interpretación. El software de análisis utilizado es KNIME basado en técnicas de minería de
texto y el cual es de código abierto.
Como resultado se obtuvo que la investigación sobre gestión del conocimiento en América
Latina ha tenido un comportamiento creciente en cuanto a la cantidad de publicaciones a
través de los años, donde Colombia por medio de la Universidad Nacional de Colombia ha
sido la de mayor participación en América Latina y el autor que más ha publicado artículos
acerca de gestión del conocimiento es Arias Pérez, J.
Este documento es referencia al trabajo de grado del pregrado de Ingeniería de Sistemas

de la Universidad Cooperativa de Colombia.
Palabras Claves: América Latina, Gestión del conocimiento, Innovación, Competitividad,

Minería de texto.
7
ABSTRACT
This document presents the results of the work on text mining applied to research on
knowledge management in Latin America from 2012 to 2018. The system allows to identify
what is being researched, practices or applications that the industry has, the countries which
are the largest production, the authors that are imported, and the institutions where they are
investigated. The source of the information is used the basis of the bibliographic data of the
abstracts and the citations of the articles the scientific journals called SCOPUS from which the
documents were extracted are published in a search equation that was based on an
information base on the subject knowledge management The documents that produced the
search equation were processed and analyzed following the methodology proposed by Alan
Porter that consists of the phases of intelligence, analysis and interpretation. The analysis
software used is KNIME based on text mining techniques and which is open source.
As a result, it was found that research on knowledge management in Latin America has had
an increasing behavior in terms of the number of publications over the years, where Colombia
through the National University of Colombia has been the largest participation in Latin
America. Latina and the author who has published the most articles about knowledge
management is Arias Pérez, J.
This document is a reference in the work of undergraduate degree in Systems Engineering of

the Universidad Cooperativa de Colombia.
Keywords: Latin America, Knowledge management, Innovation, Competitiveness, Text

mining.
8
INTRODUCCIÓN
Las condiciones del entorno en la actualidad, marcados por la complejidad y alta

competitividad del mercado en las industrias, resalta la necesidad de crear valor para la
organización y esto se puede lograr con un insumo propio llamado conocimiento, que
sabiéndose aprovechar, puede ayudar a desarrollar una estructura innovadora y eficiente que
les permita alcanzar sus objetivos estratégicos mediante el apoyo de la gestión del
conocimiento, que más que compartir información es la capacidad de generar conocimiento,
aumentando así, la eficiencia, productividad y rentabilidad de la organización.
La finalidad del proyecto consiste en caracterizar el perfil de la investigación sobre Gestión

del Conocimiento en América Latina de 2012 a 2018 para el área de investigaciones de la
Universidad Cooperativa de Colombia sede Cali. Este proyecto se inicia con una revisión, un
estado del arte de cómo trabajos anteriores ha empleado técnicas de minería de texto para
caracterizar el perfil de un tema específico de interés para los grupos de investigación. Luego
se realiza un análisis de las herramientas de minería de texto disponibles en el mercado, se
evalúa los aspectos técnicos y funcionales basados en criterios autorizados como lo son los
análisis de Forrester y Gartner para proceder a seleccionar la opción que mejor se adapte a
al propósito del proyecto. Además, se realiza un análisis preliminar de lecturas que
documenten acerca de gestión del conocimiento, se realiza la construcción de una ecuación
de búsqueda que surge a partir de palabras claves extraídas del análisis preliminar a la cual
se le realiza una depuración y usarla para la búsqueda de los artículos los cuales se le realizan
un tratamiento para extraer países, autores, universidades y conceptos claves para
posteriormente la interpretación de los resultados que se constituye en la caracterización del
perfil como producto final.
Con la caracterización del perfil de la investigación sobre gestión del conocimiento se cumple
con el objetivo principal de dar a conocer a los grupos de investigación lo que está
investigando América Latina para ubicarlos en contexto. Además, se provee una investigación
descriptiva como soporte que les permita a los grupos de investigación tener un punto de
partida, una visión para seguir profundizando su investigación basado en los avances que ya
han realizado otras universidades del continente.
9
1 IDENTIFICACIÓN DEL PROBLEMA
1.1 PLANTEAMIENTO DEL PROBLEMA
La importancia de la investigación radica en la posibilidad de ampliar los conocimientos, es

decir, permite al ser humano comprender, analizar y aprender algo nuevo o algo que
desconocía mediante la estimulación del pensamiento crítico, esto basado en la capacidad
de las personas para crear e innovar y es a través de ella que el proceso de aprendizaje se
vitaliza, ya que se necesita de la investigación para disminuir los límites de la ignorancia y
aumentar la capacidad para resolver problemas formulados que pueden ser aplicados en
diversos campos como lo social, cultural, empresarial, etc.; por tal razón la investigación cobra
mucha importancia ya que aporta una mejor calidad de vida frente a los retos y cambios que
enfrenta la humanidad en el día a día.
La investigación es una actividad que mantiene en constante movimiento y a su vez

produciendo muchos resultados de alto valor para la industria, en Colombia, por ejemplo,
Colciencias (2017) indicó lo siguiente:
En el año 2017 se registraron 5.207 grupos de investigación reconocidos por Colciencias

de los cuales el 31% trabajan en el área de Ciencias Sociales, 20% en Ciencias naturales,
18% en Ingeniería y tecnología, 17% en Ciencias médicas y de la salud, 8% en Humanidades
y 5% en Ciencias agrícolas.
Figura 1. Categorías grupos de investigación en Colombia reconocidos por Colciencias en

2017
Fuente: Grupos de Investigación reconocidos por Colciencias. (2017). Colciencias.

Recuperado de: www.colciencias.gov.co/la-ciencia-en-cifras/grupos.
Según las estadísticas entregadas por Colciencias (2017), en 2015 se registraron 4.638
grupos de investigación en Colombia, que comparado con el año 2017 refleja un crecimiento
del 12,26% lo cual es importante, pero sigue siendo muy bajo con respecto a otros países de
primer mundo, esto es una consecuencia, según Dinero (2018) de “invertir menos de 0,8%
del PIB (Producto Interno Bruto) en materia de innovación”.
10
Tabla 1. Gasto en investigación y desarrollo por PIB de países en el mundo
País Gasto en investigación y
desarrollo por PIB
Corea del Sur 4,23%
Japón 3,29%
Alemania 2,93%
Estados Unidos 2,79%
Francia 2,22%
Australia 2,11%
China 2,07%
Canadá 1,71%
Reino Unido 1,70%
Italia 1,33%
Rusia 1,10%
Turquía 0,88%
Sudáfrica 0,73%
Argentina 0,63%
México 0,53%
Fuente: www.dinero.com/edicion-impresa/mundo/articulo/paises-que-invierten-en-
innovacion/254269.
Fondo Monetario Internacional (2018) concluyó lo siguiente:
El crecimiento del Producto Interno Bruto (PIB) en América Latina y el Caribe para 2018 y
2019 será de 1,6% en este año, con una recuperación en el próximo: 2,6%. La retracción
estará impulsada fundamentalmente por la baja en la proyección de Venezuela, en el caso
de Colombia el FMI calcula que la economía colombiana crecerá 3,6% en 2019. Este
comportamiento, le permite a Colombia ser la tercera económica de mayor crecimiento entre
los países seleccionados por el FMI, solo superado por Chile y Perú, que registrarán un alza
de 3,8% y 3,7%, respectivamente.
11
Figura 2. Proyecciones económicas de América Latina y el Caribe
Fuente: Proyecciones económicas de América Latina y el Caribe. (2018). La República.

Recuperado de: www.larepublica.co/globoeconomia/colombia-es-la-tercera-mejor-
economia-de-america-latina-segun-el-fmi-2752313
Figura 3. Proyección de crecimiento económico mundial
Fuente: Proyección de crecimiento económico mundial. (2018). La República.

Recuperado de: www.larepublica.co/globoeconomia/pib-de-america-latina-caera-a-16-
segun-el-fondo-monetario-internacional-2750109
12
El último The Global Competitiveness, encargado de medir la competitividad nacional,
determina el nivel de productividad de los países de América Latina y países referentes como
Suiza, Estados Unidos y España, según el siguiente ranking:
Tabla 2. Ranking The Global Competitiveness 2017-2018

PAIS RANKING SCORE
Suiza 1 5.86
Estados Unidos 2 5.85
Chile 33 4.71
España 34 4.70
Costa Rica 47 4.50
Panamá 50 4.44
México 51 4.44
Colombia 66 4.29
Perú 72 4.22
Uruguay 76 4.15
Brasil 80 4.14
Guatemala 84 4.08
Argentina 92 3.95
Nicaragua 93 3.95
Honduras 96 3.92
Ecuador 97 3.91
República Dominicana 104 3.87
El Salvador 109 3.77
Paraguay 112 3.71
Venezuela 127 3.23
Haití 128 3.22
Fuente: The Global Competitiveness Report 2017–2018.
A pesar de las limitaciones económicas a las cuales se enfrentan los grupos de investigación
en Colombia, se han podido lograr resultados importantes, en el departamento del Cauca, la
Universidad del Cauca, por ejemplo, logró una nueva patente para bolsa biodegradable de
almidón de yuca, además siguiendo el hilo de las universidades públicas en Colombia, la
Universidad del Valle logró una patente de tratamiento contra el cáncer sin efectos
secundarios. Así podemos encontrar muchos otros logros de los grupos de investigación en
Colombia que sin duda demuestra el talento y capacidades para producir grandes aportes a
la ciencia.
El desconocimiento de los avances intelectuales y el perfil de la investigación en el mundo

sobre gestión del conocimiento conlleva a realizar trabajos de investigación desde el
comienzo y que quizás ya en otro país se haya realizado avances y existan resultados sobre
los cuales se pueda tomar como referencia y punto de partida para sacar su máximo
provecho. La mayor dificultad se encuentra en la lentitud de los procesos de búsqueda
bibliográficas, además de provocar elevados costos corriendo el riesgo de que al final el
desarrollo de la investigación no aporte resultados útiles, rentables, capaces de producir
recursos y producción científica útil para la humanidad; esto finalmente deriva en críticas a la
13
investigación donde manifiestan que sus resultados no se aplican y por lo tanto se consideran
inútiles ya que no reportan beneficios a la sociedad.
En la actualidad los grupos de investigación de la Universidad Cooperativa de Colombia sede

Cali no cuentan con un perfil de la investigación sobre gestión del conocimiento, por lo cual
se hace necesario la incorporación de las TICS para utilizar nuevas herramientas que
permitan aumentar la productividad ó hacer más eficiente la producción intelectual y la
orientación de la investigación en donde se pueda descubrir que se ha trabajado y los
avances logrados por los grupos de investigación en el mundo, incluso de países de primer
mundo que tienen una ventaja considerable en esta área sobre los países tercermundistas.
Todo lo anterior refleja la necesidad de los grupos de investigación dado que requieren del
conocimiento de las tendencias y necesidades del mundo real para planificar y organizar el
trabajo investigativo, esto mediante la consideración del empleo de herramienta de minería
de texto para el análisis del estado actual que derive en la caracterización del perfil de la
investigación latinoamericana sobre gestión del conocimiento, ya que esto tiene la ventaja de
que no es lo mismo utilizar personal para la revisión bibliográfica de los movimientos en
materia de investigación a que un programa lo realiza automáticamente proporcionando un
panorama más claro a los diferentes grupos de investigación de la universidad y que permita
tomar como referencia o punto de partida para continuar con el desarrollo de su actividad
investigativa y alcanzar los objetivos propuestos evitando así las dificultades descritas
anteriormente.
El conocimiento son los hechos o información adquiridos a través de la experiencia,

educación y comprensión teórica o práctica de un tema, es el contexto en el que
desarrollamos las actividades del día a día ya que podemos evidenciar que estamos rodeados
de datos que puede ser un aviso publicitario, un periódico, un anuncio por radio, un comercial
por televisión, etc., pero solamente centramos la atención en aquellos que interesan, es decir,
en la información; una vez que se analice y se pueda comprender esto se transforma en
conocimiento. Llevando esto al contexto de las organizaciones, el conocimiento pasa a ser
un activo muy valioso para las organizaciones, si se sabe usar, pero principalmente saberlo
transmitir a sus empleados puede facilitar la solución de problemas de forma eficiente,
generar una ventaja competitiva en el mercado, la mejoras de los procesos internos o calidad
de productos y además de el desarrollo de nuevas formas de hacer negocios para alcanzar
oportunidades.
En la cotidianidad del diario vivir se generan grandes volúmenes de información y datos a

través de actividades económicas, académicas y sociales que al ser almacenada en
documentos muchas veces no se logra extraer todo el potencial que representa esa
información, es por esto que la importancia de la minería de texto radica en que a partir de
una amplia base de documentación textual se puede detectar información relevante,
reconocer los patrones y extraer información implícita para la toma de decisiones estratégicas
mediante el análisis exploratorio de los datos, es decir, tiene la capacidad de dar sentido a la
información en una escala previamente inconcebible de forma cuantitativa.
En el orden de ideas anteriores, la propuesta se encamina a resolver las falencias o

dificultades de los grupos de investigación, esto servirá como base de conocimiento para
realizar inferencias que favorezcan la acción de los investigadores en sus respectivos grupos,
14
todo esto apoyado en técnicas de minería de textos que permitan caracterizar el perfil de la
investigación sobre Gestión del Conocimiento en América Latina.
1.2 FORMULACIÓN DEL PROBLEMA
¿Cuál es el perfil de la investigación que se ha realizado en América Latina en el periodo

comprendido entre los años 2012 y 2018 en el tema de gestión del conocimiento?
15
2 OBJETIVOS
2.1 OBJETIVO GENERAL
Construir el perfil de la investigación sobre Gestión del Conocimiento en Latinoamérica dentro

del periodo comprendido entre los años 2012 a 2018 mediante herramienta de minería de
texto.
2.2 OBJETIVOS ESPECÍFICOS
● Analizar las distintas herramientas empleadas en la actualidad para la minería de texto

con fines científicos y seleccionar la opción más viable.
● Ejecutar ejercicio de inteligencia centrada en el proceso de profundización de las

preguntas guías del proceso, las fuentes de información y la ecuación de búsqueda.
● Desarrollar el análisis y la depuración de los datos que permita delimitar la información

acerca de los resultados investigativos publicados sobre gestión del conocimiento en
américa Latina en los años 2012 a 2018.
● Caracterizar el perfil de la investigación latinoamericana sobre gestión del

conocimiento aplicando técnicas de minería de texto.
16
3 JUSTIFICACIÓN
La gestión del conocimiento tiene un proceso que por lo general en las grandes empresas
tienen muy bien definidos y los ponen en práctica, para enfocarlo en la industria del desarrollo
de software, por ejemplo, basan sus técnicas de desarrollo bajo metodologías ágiles que
deben hacerse bajo determinada estructura y que es fundamental que los desarrolladores
tengan claras para realizar su trabajo, es decir, que dominen ese conocimiento. Normalmente
en una empresa si se desea introducir un modelo de gestión del conocimiento, es importante
primero analizar la situación actual, esta situación se puede determinar mediante un mapa de
conocimiento que permite conocer lo que debe saber el trabajador y por ende diagnosticar
qué conocimiento le falta, es aquí donde cobra importancia la gestión del conocimiento ya
que el mapa es la guía que indica las debilidades y fortalezas para sí mismo diseñar el plan
de capacitación, la documentación de lecciones aprendidas y la conformación de
comunidades mediante prácticas de gestión del conocimiento, lo cual evita reprocesos e
inducciones malas y que a su vez genera un gasto potencialmente innecesario a las
empresas.
Con el perfil de la investigación sobre gestión del conocimiento se fortalece la investigación

en curso que está realizando el grupo de gestión empresarial de la Universidad Cooperativa
al contextualizar y entregarle un perfil de lo que se está haciendo en Latinoamérica en los
últimos años, es decir, entregarles información relevante y tendencias para el desarrollo de
su investigación, lo cual les permite revisar y replantearse en lo que están pensando hacer,
que se podría adelantar y que cosas hay hechas que no tengan que hacerlas de nuevo para
evitar un reproceso ya que a lo mejor en otros países de Latinoamérica ya están más
avanzadas y pueden servir como punto de partida para el fortalecimiento de su investigación.
En términos de impacto, se justifica el hecho de profundizar sobre todo lo que se ha

investigado sobre gestión del conocimiento para tratar de que esos resultados y prácticas
científicas puedan ser introducidas en los entornos socioeconómicos que hay en la actualidad
mediante la caracterización de la gestión del conocimiento en América Latina. Esta
producción intelectual compilada a partir de mucha información, a mediano y largo plazo
mejora la productividad de los investigadores y propicia el empleo de TIC en gestión de la
investigación ya que promueve el desarrollo de software y herramientas que utilicen técnicas
de minería de texto.
17
4 MARCO REFERENCIAL
4.1 MARCO TEÓRICO Y CONCEPTUAL
En esta propuesta se presenta el perfil de la investigación en gestión de conocimiento a partir

de los datos extraídos de publicaciones dispuestas en bases de indexación científica
reconocidas, con el objetivo de satisfacer, por una parte, los requerimientos de información
de los grupos de investigación en cuanto a tendencias, investigadores involucrados, países e
instituciones de procedencia, producción científica, etc., entre otras dimensiones. Esta acción
es gestionar el conocimiento, transferirlo a los investigadores para que puedan,
estratégicamente, mover sus investigaciones y decisiones hacia horizontes más factibles. En
función de esto, a continuación, se expone algunos conceptos que son imprescindibles:
4.1.1 MINERÍA DE DATOS
Riquelme, Ruiz y Gilbert (2006) concluyeron que “La minería de datos (MD) es un intento de
buscarle sentido a la explosión de información que actualmente puede ser almacenada”.
Figura 4. Fases del proceso Minería de Datos
Fuente: Justicia de la Torre, M.C. (2017). Nuevas Técnicas de Minería de Textos:

Aplicaciones.
La minería de texto es el conjunto de técnicas y tecnologías que permiten explorar grandes

volúmenes de datos para descubrir conocimiento contenido en la información almacenada de
modo ordenado en una base de datos, su objetivo es el de encontrar correlaciones o patrones
con significado, perfiles, factores ocultos, tendencias o reglas que expliquen el
comportamiento de los datos en un determinado contexto mediante algoritmos de búsqueda
y prácticas estadísticas que finalmente aporta información valiosa en la toma de futuras
decisiones y la realización de predicciones que permite resolver problemas de negocio
proporcionando una ventaja competitiva en el mercado.
18
4.1.2 MINERÍA DE TEXTO
Pérez y Cardoso (2010) concluyeron que “La minería de textos tiene como objetivo extraer
información de texto no estructurado, tal como entidades (personas, organizaciones, fechas,
cantidades) y las relaciones entre ellas”.
Figura 5. Evolución de referencias a Minería de Textos

Aplicaciones.
La minería de texto es una forma específica de minería de datos que se relaciona con el texto
y que consiste en descubrir el conocimiento que no está literalmente escrito en los
documentos. Las relaciones son demasiados complejas y la información suele estar no
estructurada o semiestructurada, permite extraer información útil e importante de formato de
documentos heterogéneos tales como páginas web, correos electrónicos, artículos de
revistas, respuestas de encuestas con final abierto, formularios web, etc. Esto se hace
mediante la identificación de patrones dentro de textos, tales como tendencias en el uso de
palabras, dependencias, estructura sintáctica y correlaciones de los términos contenidos en
el texto. El objetivo de la minería de texto es la búsqueda de conocimiento en grandes
colecciones de documentos capturando los temas y conceptos claves y descubriendo
relaciones ocultas, actualmente se usa para extracción de información, análisis de opiniones,
clasificación de documentos y elaboración de resúmenes, entre otras aplicaciones.
4.1.3 SOFTWARE DE MINERÍA DE TEXTO
En la actualidad existe una gran variedad de software que implementan técnicas y

metodologías aplicadas a la minería de texto, se pueden encontrar en diversos entornos como
online, aplicaciones de escritorio, etc. Las herramientas que permiten aplicar minería de texto
que ofrece el mercado son las siguientes:
Tabla 3. Herramientas minería de texto

Ranks.nl Text Sentiment Visualizer
Textalyser Anderson Analytics odintext
Alceste Basis Technology Rosette
19
Ascribe Buzzlogix text analysis api
Clarabridge Dataladder productmatch
Clustify Eaagle text mining software
Discovertext IBM SPSS Predictive Analytics
Intellexer Expert System cogito tool
Ureveal IBM infosphere Warehouse
KNIME Lextek Profiling Engine
Lexalytics Megaputer Text Analyst
Kbsportal Reverb
Langsoft Power Text Solutions
Meaningcloud Enterprise Edition
Ontotext Linguamatics I2E
Netowl Loop AI Labs
Polyvista SAS Text Miner
Monkeylearn Treparel KMX Text Analytics
Picturesafe Textpipe Pro
SIFT VP Student Edition
Textquest Data Science Toolkit
Visualtext Rapidminer Text Mining
Aika R Programming
GATE S-EM (SpyEM)
Lingpipe Open Calais
Datumbox Skyttle API
Fuente: Elaboración propia con base en Arvinder Kaur, Deepti Chopra., “Comparison of Text
Mining Tools”, University School of Information and Communication Technology, Guru
Gobind Singh Indraprastha University, New Delhi, Delhi, India.
4.1.4 ANTECEDENTES DE APLICACIÓN DE LA MINERÍA DE TEXTO CON FINES

CIENTÍFICOS
La aplicación de la minería de texto con fines científicos se viene desarrollando hace un

tiempo atrás donde diversos autores han puesto en práctica ejercicios de minería de texto
para la extracción de conocimiento, a continuación, se mencionan algunos trabajos de grado
que abordan esto:
➔ Hoyos Angel, S.T. (2011). Perfil académico de investigación de los trabajos de grado
de la licenciatura en lenguas modernas de la pontificia Universidad Javeriana: 2001-
2009.
➔ Mariñelarena Dondena, L., Errecalde, M.L., Castro Solano, A. (2017). Extracción de

conocimiento con técnicas de minería de textos aplicadas a la psicología.
➔ Alvarado, J.A., Constanza, C. (2013). Extracción de Funciones de un Cargo usando

Minería de Texto en Correos Electrónicos.
➔ Roales González, N. (2014). Detección de tendencias en Twitter utilizando minería de

datos adaptativa.
20
➔ Asensio Blasco, E. (2014). Aplicación de técnicas de minería de datos en redes
sociales/web.
➔ Campaña Naranjo, F.X. (2017). Aplicación de técnicas de Data Mining a bases de

datos de contenido musical para identificar rasgos de personalidad de los usuarios en
el Distrito Metropolitano de Quito.
➔ Torres Samboni, L.A. (2015). Análisis de sentimientos sobre el posconflicto

colombiano utilizando herramientas de minería de texto.
➔ Rodríguez Ojeda, M.J. (2014). Determinación de perfiles profesionales mediante

técnicas de minería de datos.
➔ Takano Abratani, C., Chavez Espinoza, J., Grandez Márquez, M.A. (2017). Aplicación
de minería de datos para determinar patrones de consumo futuro en clientes de una
distribuidora de suplementos nutricionales.
➔ Botta Ferret, E., Cabrera Gato, J.E. (2007). Minería de textos: una herramienta útil
para mejorar la gestión del bibliotecario en el entorno digital.
➔ Artiles Egüe, M. (2011). Herramientas de minería de textos e inteligencia artificial

aplicadas a la gestión de la información científico-técnica.
➔ Santana Mansilla, P.F., Costaguta, R.N., Missio, D. (2014). Aplicación de Algoritmos

de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-
tutores Colaborativos.
4.1.5 GESTIÓN DEL CONOCIMIENTO
Son muchos los autores que han definido el concepto de gestión del conocimiento, sin
embargo, se ha seleccionado la definición dada por Grau (2001) que plantea lo siguiente:
El conocimiento es un recurso que está convirtiéndose en una materia con un enorme

potencial para cambiar el mundo debido a los avances de las nuevas tecnologías de la
información. En el entorno económico en el que nos encontramos, el conocimiento es un
elemento esencial para la economía de la información e implica la creación de herramientas
que permitan una gestión correcta de este conocimiento.
La gestión del conocimiento es crearlo, almacenarlo, protegerlo, difundirlo, es un proceso que

se alimenta de información y experiencias que al ser procesadas de lo tácito a lo explícito se
convierte en conocimientos para luego transferirlos de forma individual o colectiva al principal
activo de las organizaciones que debe ser los recursos humanos, esto para un bien común
de la organización ya que permite mejorar el desempeño de los individuos para lograr los
objetivos propuestos, además de aumentar la productividad y competitividad en el mercado.
21
4.1.6 INVESTIGACIÓN EN AMÉRICA LATINA
En la actualidad América Latina tiene indicadores más bajos que el primer mundo ya que la
tendencia es esperar que los avances y grandes logros científicos y tecnológicos vengan de
los países desarrollados, pero una forma de propiciar el desarrollo es el uso de herramientas
que faciliten un poco el trabajo investigativo en esta área.
Una revisión del informe “El Estado de la Ciencia 2017”, tomando como muestra el
comportamiento de las publicaciones científicas en la base de datos SCOPUS, revela entre
muchos otros indicadores, un panorama de como es el comportamiento en América Latina
del desarrollo de la investigación de ciencia y tecnología, además de cómo es la evolución de
la inversión en I+D.
Figura 6. Participación de América Latina sobre el total de publicaciones en SCOPUS
Fuente: El Estado de la Ciencia 2017. Recuperado de:

www.ricyt.org/files/Estado%20de%20la%20Ciencia%202017/El_Estado_de_la_Ciencia_201
7_Completo.pdf
La inversión en investigación y Desarrollo se considera uno de los principales motores del

funcionamiento de la economía de los países, por ende, una revisión del informe “El Estado
de la Ciencia 2017” presenta un indicador de la evolución de la inversión en Investigación +
Desarrollo en América Latina que refleja una tendencia creciente en los últimos años, este
dato es significativo puesto que demuestra que los países en América Latina están dando la
importancia a los estudios relacionados con el avance tecnológico e investigativo centrado en
el avance de la sociedad, lo cual apoya los procesos de innovación que finalmente derivan
en un elemento clave para la competitividad y generando conocimiento y talento que
garanticen el futuro de la economía de las organizaciones.
22
Figura 7. Evolución de la inversión en I+D de América Latina y el Caribe e Iberoamérica
(Millones de dólares PPC)
Fuente: El Estado de la Ciencia 2017. Recuperado de:

www.ricyt.org/files/Estado%20de%20la%20Ciencia%202017/El_Estado_de_la_Ciencia_201
7_Completo.pdf
4.1.7 METADATOS
Conjunto de atributos o elementos necesarios para describir un recurso determinado

permitiendo así, clasificar la documentación, organizar la información y estandarizar con miras
a la interoperabilidad de los sistemas de información.
En cuanto a las ventajas que traen consigo los metadatos, Agudelo (2013) concluyó que:
✓ Incrementan el acceso en los procesos de búsqueda de información en múltiples

fuentes de datos a la vez con una única ecuación de búsqueda.
✓ Disminución del tráfico en la red al realizar las búsquedas o generar los índices
mediante la clasificación de la representación del objeto.
✓ Expandir el uso de la información al facilitar la difusión de versiones digitales en un

único objeto.
✓ Control de versiones al generar diferentes metadatos con distintos tipos de

información sobre un mismo objeto con el fin de distribuirlo a un público heterogéneo.
✓ Aspectos legales como establecer las restricciones de uso, condiciones de

licenciamiento, derechos de autor, entre otros aspectos.
23
✓ Precisión en los procesos de búsqueda y recuperación en documentación
almacenada en la internet.
4.1.7 MINERÍA DE TEXTO EN LA GESTIÓN DEL CONOCIMIENTO
Partiendo de la definición que gestión del conocimiento es un proceso que se alimenta de

información y experiencias que al ser procesadas se convierte en conocimientos, es lo que
permite entender por qué la minería de texto es uno de los caminos para generar
conocimiento, aunque si bien es cierto que hay otros caminos, este tiene una gran
particularidad y es que los datos se encuentran en una base de datos no estructurada, en el
caso de las empresas, el 80 % de la información relevante para un negocio se origina en
forma no estructurada, principalmente en formato texto. KYOCERA (2017) concluyó lo
siguiente:
Los datos no estructurados, generalmente son datos binarios que no tienen estructura
interna identificable. Es un conglomerado masivo y desorganizado de varios objetos que no
tienen valor hasta que se identifican y almacenan de manera organizada.
La minería de texto es el descubrimiento de conocimientos mediante la exploración

computarizada de grandes cantidades de datos contenidos en documentos tipo textos, es una
poderosa técnica para administrar conocimiento encapsulado en grandes colecciones de
documentos que, al ser procesados, permite categorizarlos para obtener información
relevante que se convierte en conocimiento.
Tabla 4. Aplicaciones de la Minería de Textos

Área de Aplicación Uso
Web semántica • Servicios web de
descubrimiento.
• Aprendizaje de ontologías.
Redes sociales • Filtrado de email.
• Personalización de perfiles
web.
• Detección de comunidades
web.
• Teorías sociales.
Opinion Mining, • Clasificación de opiniones.
Sentimental Analysis • Hotspots en Foros.
• Predicciones.
• Detección comportamiento
antisocial.
• Encuestas de opinión.
Síntesis, • Summarization.
Organización • Revisiones sistemáticas.
• Obtención de titulares.
• Extracción de ideas útiles y
nuevas.
• Discusión de temas
principales.
24
• Organización documentos.
• Detección de plagios.
• Búsqueda contradicciones.
Minería de fuentes abiertas, • Identificación de temas.
Tesauros • Exploración de tesauros.
e-Commerce • Toma de decisiones.
Marketing • Localización de “trozos” de
información.
• Análisis de mercado.
e-Learning • Herramientas
colaborativas.
Help Desk • Generación de casos
modelo.
• Detección de fallos.
Aplicaciones.
4.2 MARCO CONTEXTUAL
En un mundo donde las noticias que anuncian un nuevo producto forman parte del que hacer
en la industria y la investigación en los momentos actuales basados en los diferentes medios
de comunicación es importante entender un poco más el proceso que esto conlleva y que
permite obtener exitosos resultados en la mayoría de los casos. La gestión del conocimiento
y los procesos de innovación que generan competitividad es quizás la respuesta que sustenta
la realidad que viven las organizaciones en su búsqueda diaria por sobresalir en un mercado
que cada día se hace más exigente.
Pérez y Dressler (2007) concluyeron que:
Cuestiones como el continuo avance tecnológico, la globalización de los mercados y la

reciente ampliación de la Unión Europea generan escenarios que facilitan la deslocalización
industrial hacia regiones de bajos costes laborales. Esta situación obliga a nuestras
economías y en última instancia a nuestras empresas al desarrollo de productos y servicios
de mayor valor añadido, evolucionando hacia modelos en los que la importancia de los
procesos industriales es reemplazada por la relevancia del procesamiento de la información
y el conocimiento como claves económicas.
Para hablar de innovación, es importante citar el concepto de algunos autores:
Milles y Morris (1999) dicen que la innovación es el “proceso de transformación e invención

en algo que es comercialmente útil y valioso”.
Berry y Taggart (1994) concluyeron que “La innovación consiste no sólo en nuevos productos
y procesos, sino también en nuevas formas de organización, nuevos mercados y nuevas
fuentes de materias primas”.
25
Rothwell (1992) define la innovación como “un proceso que incluye la técnica, el diseño, la
fabricación y las actividades comerciales y de gestión implicadas en la venta de un nuevo
producto o el uso de un nuevo proceso de fabricación o equipamiento”
La innovación es la introducción a un proceso nuevo o significativamente mejorado, del cual

se obtenga como resultado un producto o servicio. Con frecuencia, las personas tienden a
confundir la innovación con inversión, y aunque es cierto que los recursos económicos son
necesarios, la innovación requiere algo más importante que se consigue por medio de la
creatividad fundamentada en nuevas ideas, pero no son sólo ideas que mágicamente
aparecen en el momento menos esperado, la innovación es un proceso continuo que se debe
basar en el aprovechamiento de nuevas tecnologías y en una metodología que genere
conocimiento, es decir, la unión de individuos que mediante el proceso de gestión del
conocimiento, se alimenta de información y experiencias que al ser procesadas se convierte
en conocimiento, generando así, ideas innovadoras de alto impacto que trae como
consecuencia la competitividad de su organización frente a las exigencias del mercado.
En la actualidad y por lo general en los países tercermundistas, existe una tendencia a

ocuparse más de la teoría y de que los empleados de las empresas tengan los libros
referentes a los temas correspondientes, que darse a la tarea realmente de analizar y utilizar
prácticas de gestión del conocimiento para poder evidenciar realmente qué conocimiento les
hace falta a sus empleados.
Este trabajo está alineado con el propósito de los siguientes proyectos de investigación que
actualmente se están desarrollando en la Universidad Cooperativa de Colombia sede Cali, ya
que el perfil de la investigación como producto final de este trabajo permite crear un mapa de
conocimiento mapeado en el mundo que permita determinar los autores investigadores y las
instituciones que más se destacan, es decir, donde se deben enfocar los grupos de
investigación de la universidad ya así poder apoyar su labor investigativa :
➔ Nuevas fuentes de la Productividad en la economía y sociedad del conocimiento: Un

análisis teórico analítico y empírico en América Latina.
➔ Fundamentos para la implementación de un modelo de gestión del conocimiento

como herramienta de valor en PYMES: dos casos de estudio.
➔ Gestión jurídica de la propiedad intelectual: una aproximación desde las MIPYMES

de desarrollo de software del Valle del Cauca.
26
5 ESTRATEGIA METODOLÓGICA
En función del propósito con el que se realiza este trabajo, es una investigación aplicada, ya
que mediante la aplicación de técnicas de minería de texto siguiendo la metodología
propuesta por Alan Porter, se busca construir un perfil de la investigación sobre gestión del
conocimiento en América Latina dentro del periodo comprendido entre los años 2012 a 2018,
que pueda ser de utilidad para los grupos de investigación.
Según el nivel de profundización en el objetivo de estudio, es una investigación exploratoria,

ya que se trata de una exploración o primer acercamiento del perfil de la investigación en
América Latina sobre gestión del conocimiento entre el 2012 y 2018 que busca proporcionar
patrones significativos y tendencias como resultados que sirve de base para investigaciones
futuras porque permitirá que otros estudien y puedan profundizar el tema.
Este trabajo de investigación aplica también como descriptiva, ya que se realiza una
descripción lo más completa posible de lo que pasa en América Latina sobre gestión del
conocimiento que permita obtener una imagen esclarecedora del estado de la situación y con
este construir un perfil de la investigación.
Según el tipo de datos empleados, es una investigación cualitativa, ya que en un principio se

basa en una revisión documental basados en la observación de los artículos científicos que
contengan investigación acerca de gestión del conocimiento en América Latina entre el
periodo comprendido desde 2012 a 2018, se centra en aspectos descriptivos que luego de
ser procesados por técnicas de minería de texto, permite marcar tendencias y estadísticas de
lo que está sucediendo y que permita construir un perfil de la investigación.
Las fuentes de información científicas son bases de datos que almacena documentos
académicos y científicos en formato digital que están indexadas bajo una estructura que la
minería de texto puede explotar al máximo y cuya finalidad es poner en la red a disposición
de todos los investigadores interesados los resultados científicos que derivan de la actividad
de la ciencia, estas fuentes no han sido lo suficientemente explotadas porque normalmente
en una actividad de investigación, se revisa la bibliografía documento por documento y esto
conlleva a demorar los tiempos de ejecución, sin embargo, empleando tecnología puede
llegar a abarcar mucho más, reduce los tiempos de consulta y permite usando minería de
texto acceder a la información que se requiere de una forma más sencilla.
La evolución de las fuentes de información científicas viene marcada por la facilidad que se
le ofrece al usuario en la navegación de su interfaz, los diversos criterios de búsqueda y la
eficiencia de los algoritmos de búsqueda para optimizar las consultas, por ende, se procede
a caracterizar la importancia de las fuentes de información para diversos tipos de
investigación científica que se desarrollan en cualquier campo de conocimiento, reflejando su
evolución a través del tiempo:
27
Figura 8. Evolución fuentes de información desde 1586 hasta 1992
Fuente: Elaboración propia.
Figura 9. Evolución fuentes de información desde 1995 hasta 2012
En el mercado se puede encontrar una gran variedad de bases de datos bibliográficas que
almacenan documentos académicos y científicos con información de alta calidad, La
Universidad de Antioquia (2018) enumera algunas de las que se encuentran disponibles:
➔ Access engineering:
Enfocada en las 14 principales áreas de Ingeniería, AccessEngineering ofrece
amplio contenido proveniente de 314 libros electrónicos. Adicionalmente
incluye un diccionario de ciencias e ingeniería que contiene más de 18.000
términos.
➔ Access Medicine:
Es un centro de recursos en línea que proporciona información sobre los
últimos avances médicos, textos completos de literatura médica, audio
conferencias y simulaciones de exámenes USML. Ofrece los siguientes tipos
de contenido: Libros, base de datos de Medicamentos, simulador de exámenes
USML on-line, AccessMedicine Weekly Podcasts, DDX diagnosaurus, casos
de estudio, educación de pacientes.
➔ ACM Digital Library (Association of computing machinery):

Contiene las publicaciones más especializadas en computación, informática y
áreas relacionadas, dentro de los cuales tenemos revistas, memorias de
conferencias, simposios y publicaciones de organizaciones afiliadas.
28
➔ ACS:
Base de datos editada por la American Chemical Society, con acceso a 35
revistas especializadas en el área química y ciencias afines.
➔ Alfaomega:
Base de datos bibliográfica que ofrece acceso a 89 libros digitales en las áreas
de Educación, Ingeniería, computación, administración y psicología.
➔ Apa Psyc Net:

Contiene referencias y resúmenes de artículos de revistas, capítulos de libros
e informes técnicos, además de referencias de tesis en el campo de la
psicología y aspectos psicológicos de disciplinas relacionadas; por ejemplo,
medicina, psiquiatría, enfermería, sociología, educación, farmacología,
fisiología, lingüística, antropología, negocios y derecho.
➔ APS Physics:
Esta es una colección de 13 revistas especializadas en física, editada por la
American Physical Society. Tiene acceso al Physical Review Online Archive
(PROLA) y contiene los artículos publicados en revistas APS entre 1893 y
2008.
➔ ASME:
Es una base de datos creada por la “American Society of Mechanical
Engineers”, establecida en 1880, que ha generado un código de diseño,
construcción, inspección y pruebas para equipos. Esta colección consta de 26
revistas especializadas en ingeniería mecánica.
➔ ASTM (American Society for Testing and Materials):

Contiene más de 12.000 documentos que constituyen la colección completa
de normas técnicas. Incluye normas como: Especificaciones para materiales,
métodos de prueba, terminología, guías, prácticas de normas técnicas entre
otras.
➔ Bibliotechnia:
Esta es una colección que cuenta con 448 libros de diferentes áreas
académicas como administración, educación, ingeniería, física, entre otros.
➔ Bio One:
Ofrece acceso en línea a una colección de más de 70 revistas con contenidos
de alta calidad en Ciencias Biológicas, Ecológicas y del Medio Ambiente.
➔ Blackwell Reference Online:

Esta base de datos ofrece información de más de 300 obras de referencia de
consulta especializadas en ciencias sociales y humanidades. Y comprende
áreas como: economía y negocios, historia, lenguaje y lingüística, literatura y
estudios culturales, filosofía y religión, sociología y psicología.
29
➔ Cambridge Journals Online:
Esta Base de Datos Bibliográfica es editada por la Universidad de Cambridge
y ofrece acceso a más de 200 títulos de revistas en áreas de Humanidades,
Ciencias naturales y exactas y Ciencias sociales y humanas.
➔ Clinical Key:
Clinical Key incorpora la mayor cantidad de recursos clínicos y quirúrgicos de
Elsevier, incluidos todos los contenidos de MD Consult, First Consult,
Procedures Consult, Journals Consult Health Science, The Clinics of North
America, Clinical Pharmacology, entre otros. Así como contenido seleccionado
de PubMed, Guidelines, Clinical Trials, entre otros. A partir del año 2015 la
Base de Datos Bibliográfica Clinical Key incorpora una amplia colección que
incluye revistas médicas y quirúrgicas de Elsevier, libros de referencia, Clínicas
Médicas y Quirúrgicas de Norteamérica, monográficos clínicos, videos,
imágenes, medicamentos clínicos, la Enciclopedia Médico-Quirúrgica - EMC y
ensayos clínicos, entre otros.
➔ CRCnetBASE:
Es una Base de Datos de libros en texto completo de las principales
referencias científicas, técnicas y médicas sobre química, física, ingeniería y
farmacéutica, editados por CRC Press y Taylor & Francis.
➔ Current Contents:
Current Contents Connect provee acceso a información bibliográfica completa
de 4.461 revistas académicas en las siguientes disciplinas: Agricultura,
Biología y Ciencias del Medio Ambiente; Ingeniería, Informática y Tecnología;
Ciencias de la vida y Física, Química y Ciencias de la tierra; además incluye
una colección de más de 4.400 sitios Web académicos evaluados.
➔ DialNet:
DialNet es una hemeroteca virtual multidisciplinaria con material predominante
en habla hispana y con acceso a cerca de 3,500 publicaciones electrónicas y
35,000 artículos en texto completo.
➔ DOAJ (Directory of Open Acces Journals):

Es un servicio de acceso libre a revistas científicas y académicas (texto
completo) de todo el mundo, las cuales pasan un exigente control de calidad,
lo que garantiza su contenido. También posee gran cobertura en temas e
idiomas.
➔ Ebooks 7-24:
Plataforma de libros electrónicos, ofrece los títulos de las editoriales Cengage
Learning, Ecoe Ediciones y la Corporación para las investigaciones Biológicas;
son libros de texto ampliamente utilizados para mediar los procesos de
enseñanza-aprendizaje en programas de ingeniería, ciencias económico-
administrativas, ciencias básicas, ciencias sociales y ciencias de la salud.
30
➔ Ebsco:
Base de datos multidisciplinaria con acceso más de 12.000 títulos de revistas
de editores de todo el mundo, los cuales están agrupados en 10 Bases de
Datos Bibliográficas principales, a saber: Fuente Académica, Master File
Complete, News paper source, Academic Search Complete, Business Source
Complete, Masterfile Complete, Newspaper Source, Psychology and
Behavioral Sciences Collection y Regional Business News.
➔ ECCO (Eighteenth Century Collections Online):

Eighteenth Century Collections Online provee acceso a las imágenes digitales
de las páginas en texto completo, de más de 36.000 libros publicados durante
el siglo XVIII, en las áreas de religión y filosofía.
➔ Embase:
Esta Base de Datos es producida por Elsevier, con más de 19 millones de
registros en temas del área Biomédica y la Farmacología. Se pueden encontrar
publicaciones producidas desde 1964 y se complementa con la colección de
MEDLINE, la cual es producida por US National Library of Medicine.
➔ Emerald:
Colección electrónica que ofrece amplia información académica y científica en
disciplinas como Ingeniería, Administración y Ciencia de la Información.
Emerald gestiona un repertorio de más de 290 revistas y más de 2.000 libros
y volúmenes de series de libros, así como una amplia selección de productos
y servicios en línea.
➔ Engineering Village:
Es una Base de Datos en la que se puede encontrar una amplia gama de
innovación y progreso científico, e investigaciones técnicas enfocadas a las
diferentes disciplinas de la ingeniería. Tiene millones de citas bibliográficas,
resumen de gran cantidad de Journals, actas de conferencias, cubre 120 años
de literatura (Backfiles) y se actualiza semanalmente.
➔ ERIC:
ERIC (The Education Resources Information Center) es una biblioteca digital
de recursos de información relacionada con la educación. Es una base de
datos bibliográfica, con acceso a textos completos de artículos y otros
materiales educativos, tales como audio y video, con un cubrimiento desde
1966 hasta la fecha.
➔ Gestor Comercial y de Crédito:

Sistema de Administración de Información Financiera que permite consultar
más de 45.000 empresas colombianas con información de Balances, P&G e
Indicadores Financieros, extraídas de las fuentes oficiales y consolidadas en
más de 130 sectores económicas, con el fin de realizar análisis financieros de:
Competencia Comercial, Grupos Económicos, Sectores especializados como
Pyme, Empresariales o Corporativos, identificación de la muestra “Pareto
31
80/20”, empresas en su tendencia financiera, comparación frente a la
economía en general, frente al sector y frente a otra empresa tipo. Posibilidad
de generar bases de datos para procesos de prospección o Investigación.
➔ Handbook of Translation Studies Online:

El nuevo Manual de Estudios de Traducción (HTS) tiene como objetivo difundir
el conocimiento acerca de la traducción y la interpretación entre profesionales,
estudiosos y expertos de disciplinas tales como la lingüística, la sociología, la
historia y la psicología. Presenta conceptos, enfoques, estrategias, teorías que
han consolidado la actualidad de la traductología.
➔ Hapi Online:
HAPI Online contiene referencias bibliográficas completas de artículos,
reseñas de libros, documentos, obras literarias originales y otros materiales
que aparecen en más de 400 publicaciones claves de ciencias sociales y
humanidades publicados a nivel internacional sobre Centroamérica y
Sudamérica, México, e hispanos en los Estados Unidos desde 1970.
➔ Hispanic American Newspapers 1808-1980:

La colección “Periódicos Hispanoamericanos de Estados Unidos: 1808-1980”,
de la Universidad de Houston; es la compilación más grande de periódicos en
español publicados en Estados Unidos durante los siglos XIX y XX.
➔ IEEE Explore:
Publica información de la más alta calidad técnica desde 1988. Comprende las
siguientes áreas: ingeniería eléctrica, ciencias de la computación,
telecomunicaciones y electrónica. Permite acceso a los registros y abstract
plus, texto completo publicados desde 1988. Además, ofrece documentos
como: revistas y magazines, memorias de conferencias (proceedings), normas
y libros (sólo resúmenes).
➔ IOP - Institute of Physics:

Este portal de revistas electrónicas incluye el texto completo de sus 52
publicaciones periódicas, con un retrospectivo que abarca desde el año 1874
hasta la actualidad; información de alto factor de impacto en las diferentes
disciplinas relacionadas con la física: óptica, matemáticas, micromecánica,
energía nuclear, cosmología entre otras.
➔ Jama Network:
Esta base de datos editada por la "American Medical Association" (AMA),
contiene once publicaciones arbitradas (peer-reviewed) con una amplia
circulación en el mundo en el campo de la medicina. Ofrece a sus lectores una
información basada en la evidencia médica y un foro único para el debate
sobre el futuro de la práctica de la medicina y la salud pública.
32
➔ Journal Citation Reports (JCR):
Esta Base de Datos es creada por el Institute for Scientific Information (ISI),
que evalúa objetiva, sistemática y críticamente las revistas más importantes
del mundo, con información cuantificable y estadísticas basadas en datos de
citas que permiten establecer el factor de impacto de una revista dentro de una
categoría o disciplina. Sirve para poder elegir el título de revista más idóneo
en donde publicar nuestros artículos de investigación.
➔ Jstor:
Esta base de datos se compone de publicaciones periódicas con fines
académicos en las áreas de antropología, estudios asiáticos, negocios,
ecología, economía, educación, finanzas, historia, lenguaje y literatura,
matemáticas, filosofía, ciencias políticas, estudios de población, sociología y
estadística. Brinda acceso en texto completo a 195 publicaciones de
información retrospectiva que apoya la investigación histórica.
➔ Knovel:
Permite el acceso a libros técnicos y científicos en formato electrónico,
además, proporciona herramientas interactivas, en la búsqueda, manejo y
análisis de diversas fuentes de información. Contiene las siguientes áreas:
adhesivos, sellantes, recubrimientos y tintas; aeroespacial y de tecnología de
radar; bioquímica, biología y biotecnología; cerámica e ingeniería cerámica;
química e ingeniería química; materiales de construcción e ingeniería;
ingeniería eléctrica y electricidad ingeniería; ingeniería ambiental; ciencia de
los alimentos; referencias generales de ingeniería; ciencias de la vida y
química materiales; mecánica y de ingeniería mecánica; metales y metalurgia
otro; productos farmacéuticos, cosméticos y artículos de tocador; plásticos y
cauchos; seguridad, salud e higiene; semiconductores y electrónica.
➔ Leyex.info:
Base de Datos Bibliográfica especializada en información económica y jurídica
de Colombia. Contiene leyes, decretos, 70 códigos, circulares, resoluciones,
jurisprudencia, laudos arbitrales, proyectos de ley, comunicados de prensa de
la Corte Constitucional, tratados internacionales, diario oficial, noticias
económicas y jurídicas, revistas económicas y jurídicas y la Constitución
Política de Colombia.
➔ Lilacs:
Índice de referencia de la literatura técnico-científica en Ciencias de la Salud
en América Latina y el Caribe, de libre acceso a 630 revistas
aproximadamente. Disponible desde 1990.
➔ Médica Panamericana:
Esta Base de Datos Bibliográfica, de la editorial Médica Panamericana, cuenta
con una colección de 54 libros electrónicos en las áreas de Biología, Educación
física, Enfermería, Medicina, Microanálisis, Nutrición, Odontología, Psicología,
Química, Química farmacéutica y Salud pública.
33
➔ Micromedex:
Esta base de datos ofrece información sobre medicamentos y medicina
complementaria a través de dos colecciones importantes: Drugdex y
DrugReax. Drugdex es una fuente de información en medicamentos,
indispensable y con información referenciada e imparcial en cuanto a dosis,
farmacocinética, precauciones, interacciones, eficacia comparativa,
indicaciones (incluye uso “off-label”) y aplicaciones clínicas. DrugReax es una
herramienta interactiva para monitoreo e identificación de interacciones
medicamento - medicamento, medicamento - alimento, medicamento -
enfermedad, medicamento - alcohol y medicamento - laboratorio, además de
reacciones alérgicas previas. Ahora incluye interacciones importantes con
fitofármacos, contraindicaciones y alertas en el uso durante el embarazo y
lactancia.
➔ Nature:
Esta es una colección de revistas de la Nature Publishing Group, una de las
instituciones más importantes en el mundo de las publicaciones científicas.
Entre sus revistas está ‘Nature’, revista bandera de NPG desde 1869 y una de
las más importantes en el área de ciencia, tecnología y medicina. La colección
de revistas incluye: Nature Biotechnology, Nature Genetics, Nature
Immunology, Nature Medicine, British Dental Journal y European Journal of
Clinical Nutrition.
➔ Normas Icontec:
Permite el acceso a más de 2000 normas del ICONTEC (Instituto Colombiano
de Normas Técnicas y Certificación). Las normas incluyen las siguientes áreas:
medio ambiente, protección y salud, ingeniería industrial, ingeniería eléctrica,
electrónica, telecomunicaciones, tecnología de la Información y equipos de
oficina, tecnología de alimentos, tecnología química, materiales de la
construcción y edificios, ingeniería civil, generalidades, terminología,
normalización y documentación, ensayos, equipo para el manejo de
materiales, fluidos y componentes para uso general, industrias del caucho y
del plástico, industrias del vidrio y de la cerámica, ingeniería de la energía y
transferencia de calor, metrología y mediciones, sistemas y componentes
mecánicos de uso general, tecnología del cuidado de la salud.
➔ OECD:
Permite el acceso a los textos completos de más de 2.000 estudios mundiales,
publicados por la Organización para la Cooperación y el Desarrollo
Económicos desde 1998 a la fecha. Contiene revistas, estadísticas, libros,
boletines de noticias, obras de referencia y ponencias de congresos y
conferencias de las publicaciones producidas por la OCDE desde 1998.
Comprende las siguientes áreas: administración pública, agricultura, alimentos
y pesca, asistencia al desarrollo, asuntos financieros y fiscales, biotecnología,
ciencia y tecnología, comercio, comercio electrónico, combate a la corrupción,
crecimiento, desarrollo, desarrollo territorial (regional, urbano y rural),
economía, economía territorial, economías emergentes y en transición,
34
educación, empleo y fuerza de trabajo, empresa, industria y servicios, energía,
energía nuclear, estudios de futuros, finanzas e inversión, gobierno
corporativo, impuestos, medio ambiente, migración internacional, políticas de
competencia y consumo, reforma regulatoria, salud, seguros y pensiones,
tecnologías de información y comunicaciones y finalmente transporte.
➔ Ommbid:
Ommbid es uno de los recursos más importantes sobre las bases metabólicas
y moleculares de las enfermedades hereditarias, cuenta con los aportes de
Jean-Marie Saudubray, uno de los genetistas más reconocidos del mundo,
ofrece miles de imágenes de alta resolución en temas como el diagnóstico
visual, la investigación y los procedimientos. También ofrece algoritmos para
diagnósticos concisos y sobre síndromes y sistemas específicos.
➔ OVID:
Base de Datos especializada en ciencias de la salud, con acceso al texto
completo de la colección Total Access Collection de Lippincott Williams &
Wilkins con 290 revistas, 85 libros de LWW, así como a la Base de Datos
EBMR (especializada en medicina basada en la evidencia) incluidas las
revisiones sistemáticas tanto de Cochrane como de ACP, pruebas controladas
y respuestas clínicas, Global Health en salud pública de la editorial CABI y
Ovid Medline(R).
➔ Oxford Journals:
Esta base de datos contiene más de 228 títulos de revistas digitales editadas
por la Universidad de Oxford en los siguientes temas: Ciencias Biológicas,
Medicina y Ciencias de la Salud, Epidemiología, Humanidades, Ciencias
Sociales, Derecho y Leyes, Economía, Negocios y Finanzas, Estadística,
Matemáticas, Física e Informática.
➔ Panamericana:
Esta Base de Datos Bibliográfica, de la editorial Médica Panamericana, cuenta
con una colección de 54 libros electrónicos en las áreas de Biología, Educación
física, Enfermería, Medicina, Microanálisis, Nutrición, Odontología, Psicología,
Química, Química farmacéutica y Salud pública.
➔ PASSPORT:
Es una fuente de información empresarial que provee estudios y estadísticas
sobre industrias, productos, servicios, países y consumidores. Es considerada
como la principal fuente de referencia para la toma de decisiones estratégicas
con relación a los mercados internacionales y locales. Passport apoya la
docencia y la investigación en disciplinas como administración, negocios
internacionales, mercadotecnia, turismo y hotelería, finanzas, economía,
ciencias de la salud, ciencias sociales y políticas e ingeniera industrial en todo
el mundo.
35
➔ PubMed:
PubMed es un servicio de la National Library of Medicine (Biblioteca Nacional
de Medicina de los Estados Unidos). Incluye más de 14 millones de referencias
a artículos biomédicos desde 1950. Estas referencias son obtenidas del
MEDLINE y otras revistas de ciencias de la vida.
➔ Reaxys:
Proporciona la más completa información acerca del recorrido de una reacción.
Con reacciones en pasos múltiples, usted tiene una mejor percepción de los
pasos intermedios en un proceso sintético; identificar las reacciones
precursoras específicas mejorará su flujo de trabajo. Esta Base de Datos tiene
un planificador de síntesis. Se pueden generar diferentes esquemas de
reacción mezclando reacciones de diferentes artículos y patentes. Se utiliza
"la química como principio organizador": claramente establecidos los perfiles
de sustancias o reducir el tiempo de reacción para llegar a los resultados
pertinentes. Puede vincular directamente a Scopus y documentos de texto
completo (revistas y patentes) para permitir una mayor exploración de toda la
literatura científica.
➔ Redalyc:
Redalyc es la Red de Revistas Científicas de América Latina, el Caribe,
España y Portugal; es una Base de Datos Bibliográfica líder en servicios de
información científica de acceso abierto a nivel internacional, está orientada a
cubrir las necesidades de información especializada de estudiantes,
investigadores y tomadores de decisiones en materia de desarrollo científico y
tecnológico; con contenidos especializados e indicadores que permiten
conocer cuantitativa y cualitativamente la forma en la que se está haciendo
ciencia en Iberoamérica.
➔ SAGE:
Base de datos multidisciplinaria con 650 títulos de revistas que brindan acceso
a texto completo desde 1999 a la fecha, en áreas como ciencias de la salud,
ciencias de la vida, ciencias sociales y humanas e ingenierías;
aproximadamente el 60% de las revistas poseen factor de impacto en el
Journal Citation Report.
➔ Scielo:
Base de datos de acceso libre a revistas con texto completo que cubren
disciplinas tales como: arquitectura, ciencias agrícolas, ciencias biológicas,
ciencias de la salud, ciencias de la tierra, ciencias jurídicas, ciencias Sociales,
humanidades, ingeniería, matemática, oceanógrafa y química.
➔ Science Direct:
Es una de las colecciones electrónicas más grandes del mundo en ciencia y
tecnología, física, ingeniería, ciencias de la vida, ciencias sociales, ciencias
humanas y medicina. Ofrece acceso al texto completo de 2323 títulos de
revistas e información bibliográfica referencial de cerca otros 1039 títulos; de
36
igual manera, ofrece el texto completo de 2001 libros en formato pdf y la
información referencial de 4912 libros más.
➔ Scifinder:
Colección electrónica especializada para los científicos y académicos de las
ciencias de la vida y de los materiales. Ofrece acceso a referencias y
resúmenes en 6 Bases de Datos Bibliográficas: CAPLUS (Artículos, Patentes,
Tesis, etc.), MEDLINE (Informaciones de Salud), REGISTRY (Substancias
Químicas), CASREACT (Reacciones Químicas), CHEMCATS (Proveedores
de Productos) y CHEMLIST (Listas Regulatorias). Además, permite recuperar
información en las áreas de: Agricultura, Biología, Farmacia, Física, Geología,
Ingeniería, Materiales, Medicina, Microbios, Química, Tecnología nuclear y
Textiles entre otros.
➔ Scopus:
Es una base de datos bibliográfica de resúmenes y citas de artículos de
revistas científicas más importante del mundo, editada por Elsevier, es la más
grande en su género, con cerca de 22.000 títulos de revistas indexadas en
áreas multidisciplinarias como ciencia, tecnología, medicina y ciencias
sociales. Scopus es fundamental para realizar estados del arte en procesos de
investigación y para determinar la producción científica de un investigador, un
grupo o una institución.
➔ Springer Link:
Es la mejor fuente de artículos arbitrados en texto completo de revistas y
fuentes de referencia. Con amplia cobertura en ciencias físicas, tecnología,
medicina, ciencias sociales, artes, teología, literatura y otros temas. Además,
podemos acceder de manera perpetua a 12.500 títulos de libros con
contenidos multidisciplinarios en formato pdf, que corresponden a los años
2005 a 2008.
➔ Ulrichsweb:
Es la principal base de datos con publicaciones periódicas que cubre todas las
disciplinas. Contiene información de unos 300.000 títulos de revistas de
aproximadamente 80.000 editores de 200 países.
➔ UpToDate:
Es una herramienta de apoyo para la toma de decisiones clínicas con profundo
impacto en el cuidado del paciente. Esta colección electrónica proporciona
acceso a más de 10.000 temas clínicos y 21 secciones para especialidades
claves; más de 8.500 recomendaciones de tamizaje y tratamiento calificadas
según los criterios de medicina basada en evidencias; información sobre 5.100
medicamentos de patente y remedios naturales, con información específica
para adultos y pediatría; 347.000 referencias con vínculos a la National Library
of Medicine (Medline) y 135 calculadoras clínicas.
37
➔ Web of Science:
Base de datos del ISI (Institute of Scientific Information) que contiene
información referencial sobre investigación multidisciplinaria de alta calidad,
publicada en revistas líderes mundiales. En áreas como: ciencias puras,
ciencias sociales, artes y humanidades.
➔ Wiley InterScience:
Base de datos multidisciplinaria que incluye acceso al texto completo de 424
títulos de revistas en las áreas de medicina, ciencia y tecnología.
➔ Wilson:
Es una base de datos multidisciplinaria que incluye resúmenes e información
en texto completo, desde 1982, en las áreas de ciencias sociales y
humanidades, ciencia y tecnología, arte, educación, ciencias agrarias,
biología, derecho, negocios, literatura y ciencias de la información.
➔ Zentralblatt Math:
ZBMATH provee una cobertura global de la investigación matemática
publicada desde el año 1826. Contiene más de 3 millones de referencias de
más de 3500 revistas y más de 1100 publicaciones seriadas, así como libros,
conferencias y otros trabajos de investigación.
Como fuente de información se ha decidido utilizar la base de datos bibliográfica de

resúmenes y citas de artículos de revistas científicas llamada SCOPUS, aunque es importante
aclarar que pudiera ser cualquier otra base de datos, pero se ha optado en apoyarse de esta
ya que cubre áreas de ciencia y tecnología que son la de mayor interés para el proyecto,
además de mantenerse actualizada en un ámbito de investigación y contar con herramientas
inteligentes que permiten controlar, analizar, y visualizar investigación académica. Tomando
como referencia el estado del arte de las bases de datos bibliográficas que existen en el
mercado, Fundación Española para la Ciencia y la Tecnología (2018) concluyó que “SCOPUS
es usado por más de 3500 organizaciones académicas y gubernamentales, corporaciones
incluyendo más de 150 órganos de financiación y evaluación, además de incluir el contenido
de más de 5000 editores y 105 países diferentes”.
Para determinar la metodología que permita definir un perfil de la investigación sobre gestión
del conocimiento se hace una revisión y un estado del arte de cómo trabajos anteriores han
empleado técnicas de minería de texto para lograr dar respuestas a preguntas como ¿Qué
se está haciendo? ¿Dónde lo están haciendo? ¿Quiénes se destacan?, lo cual marca un
camino hacia la metodología propuesta por Alan Porter a la cual se le hace una adaptación
según la necesidad del proyecto que permita el análisis retrospectivo de los resultados de
investigación en gestión del conocimiento, finalmente la adaptación de la metodología se
define por las fases descritas en la Tabla 5.
38
Tabla 5. Adaptación metodología propuesta por Alan Porter
FASES PASOS OBJETIVO
Inteligencia Profundización Definir las preguntas guías del proceso.

del problema
Selección de Hacer explícitas las fuentes de información que se

las fuentes de utilizarán para recuperar los metadatos y datos a
información analizar.
Refinamiento Establecer la(s) ecuación(es) a utilizar para recuperar la

de la búsqueda información. Con base en la revisión de los resultados
y recuperación se entra en un proceso iterativo de calibración de la
de la ecuación, con base en los resultados.
información
Análisis y Depuración de Eliminar la redundancia y las variaciones innecesarias

diseño los datos en los datos. Para esto se depuran los metadatos y
datos, dejando estos en un formato apropiado para ser
utilizado por la herramienta de análisis.
Análisis básico Empezar el análisis de los datos a través de un análisis

exploratorio, la limpieza de datos (adicional al paso dos
y como resultado del análisis exploratorio), el análisis de
primer orden (producir listas) y el análisis de segundo
orden (producir matrices).
Análisis Analizar el grado de conexión entre los diferentes

avanzado elementos.
Interpretación Representación Escoger la forma de presentar los datos dependiendo de

la población objetivo del estudio.
Interpretación Hacer inferencias con base en los resultados obtenidos.
Construcción Usar los resultados y plasmar las inferencias en

del perfil de la informes, documentos técnicos, etc. Hecho esto, queda
investigación que se utilicen por parte de los usuarios como soporte o
insumo de sus decisiones.
Fuente: A. Bustamante et al., “Perfil de la investigación sobre inteligencia de negocios en

América Latina,” UIS Ingenierías, vol. 15, no. 1, pp. 41-51, May. 2016.
39
Para la construcción del perfil de la investigación, es importante recordar la definición de las
variables guías en el proceso, ya que el proyecto va a tener un enfoque específico según la
necesidad actual de los grupos de investigación. Las variables definidas son las siguientes:
➔ Concepto por analizar: Gestión del conocimiento.

➔ Frontera Temporal: Periodo comprendido entre los años 2012 a 2018.
➔ Frontera Geográfica: Latinoamérica.
40
6 RESULTADOS Y DISCUSIÓN
A continuación, se describen los resultados obtenidos en el desarrollo de los objetivos

planteados.
6.1 ANÁLISIS HERRAMIENTAS
En la actualidad se encuentra una diversidad de herramientas que ofrece el mercado para

realizar minería de texto, algunas gratuitas y otras de pago, cada una ofrece funcionalidades
diferentes y, por ende, se hace necesario realizar un análisis de cada una y finalmente
comparar determinadas variables relevantes que permitan determinar cuál se puede ajustar
mejor a la metodología propuesta.
Una de las actividades importante del proyecto, resulta en elegir la herramienta de minería de
texto que se va a usar, para determinar la herramienta que permita construir el perfil de la
investigación sobre Gestión del Conocimiento en Latinoamérica dentro del periodo
comprendido entre los años 2012 a 2018, se realiza un estado del arte mediante la
investigación de cuáles son las herramientas con técnicas empleadas para la minería de texto
con fines científicos que ofrece el mercado en la actualidad, lo cual arroja un total de 54
herramientas de las disponibles en el mercado.
Tabla 6. Aspectos técnicos herramientas de minería de texto

Núm. HERRAMIENTA TIPO AÑO TÉCNICAS SOPORTADAS
1 Ranks.nl Online 1998 Análisis de palabras clave
2 Text Sentiment Online Redes neuronales profundas y D3.js.
Visualizer
3 Textalyser Online 2004 Análisis de texto, análisis de
palabras clave
4 Alceste Licenciada 1986 Clasificación jerárquica
descendente, clasificación
ascendente, clasificación temática.
5 Anderson Analytics Licenciada 2015 Estadísticas avanzadas y otras
odintext técnicas de aprendizaje automático.
6 Ascribe Licenciada Enfoque de tecnología híbrida,
procesamiento de lenguaje natural,
aprendizaje automático y
herramientas de codificación
semiautomatizadas.
7 Basis Technology Licenciada 1995 Análisis lingüístico, modelación
Rosette estadística y aprendizaje automático.
8 Buzzlogix text Licenciada Análisis semántico de textos
analysis api utilizando el procesamiento de
lenguaje natural.
9 Clarabridge Licenciada 2006 Algoritmos lingüísticos y
estadísticos, Procesamiento de
Lenguaje Natural (PNL).
41
10 Clustify Licenciada 2000 Clasificación
11 Dataladder Licenciada 2006 Aprendizaje automático
productmatch
12 Discovertext Licenciada Análisis de texto basado en la nube,
motor de clasificación de máquinas
de Active Learning
13 Dtsearch Licenciada 1991 Clasificación de datos avanzada
14 Eaagle text mining Licenciada Algoritmos de descubrimiento de
software conocimiento
15 Expert System cogito Licenciada 1989 Inteligencia artificial de algoritmos,
tool análisis semántico, procesamiento
de lenguaje natural.
16 IBM SPSS Predictive Licenciada 1968 Analítica predictiva / modelación,
Analytics algoritmos de inteligencia artificial.
17 Intellexer Licenciada Procesamiento natural del lenguaje
18 Ureveal Licenciada 2000 Métodos de análisis de texto
patentados que incluyen aprendizaje
imparcial, OLAP
19 Kbsportal Licenciada 2016 Procesamiento de lenguaje natural
como un servicio web SAAS
20 KNIME Fuente 2006 Mezcla de datos y transformación
abierta Funciones matemáticas y
estadísticas Algoritmos predictivos
avanzados, incluido el soporte de
Weka
21 Langsoft Licenciada Inteligencia artificial y procesamiento
del lenguaje natural.
22 Lexalytics Licenciada 2003 Técnicas de aprendizaje automático
y reglas de la industria adaptadas
por expertos, procesamiento de
lenguaje natural, algoritmos
avanzados
23 Lextek Profiling Licenciada 1993 Recuperación de información y
Engine procesamiento del lenguaje natural.
24 Linguamatics I2E Licenciada 2001 Procesamiento natural del lenguaje
25 Loop AI Labs Licenciada 2012 Aprendizaje automático, inteligencia
artificial.
26 Meaningcloud Licenciada 2015 Análisis de sentimiento a nivel de
característica, procesamiento de
lenguaje en redes sociales.
27 Megaputer Text Licenciada 1997 Técnicas lingüísticas, semánticas,
Analyst estadísticas y de aprendizaje
automático.
28 Monkeylearn Licenciada 2013 Aprendizaje automático,
procesamiento del lenguaje natural,
clasificación, extracción,
agrupamiento y regresión.
42
29 Netowl Licenciada 1996 Lingüística computacional avanzada,
procesamiento de lenguaje natural,
aprendizaje automático.
30 Ontotext Licenciada 2000 Base de datos de grafos semánticos
31 Polyvista Licenciada 2001 Algoritmos de reconocimiento
preconstruidos.
32 Picturesafe Licenciada 1992 Métodos estadísticos, principios
lingüísticos básicos
33 Power Text Solutions Licenciada 1998 Tecnología de resumen de
documentos múltiples, resumen de
documentos sin consultas.
34 Rightfind(tm) XML for Licenciada Técnicas de descubrimiento del
Mining conocimiento.
35 SAS Text Miner Licenciada Modelos predictivos, aprendizaje
automático, procesamiento de
lenguaje natural, técnicas de minería
de datos.
36 SIFT Licenciada 2011 PNL, aprendizaje automático.
37 Skyttle API Licenciada Análisis de sentimiento y extracción
de palabras clave, PNL
38 Swapit, Fraunhofer- Licenciada 1989 Motor de minería de texto Docminer,
FIT text and data metodologías de vanguardia a partir
analysis tool de estadísticas, recuperación,
inteligencia artificial y visualización.
39 Textpipe Pro Licenciada Algoritmos de procesamiento de
texto
40 Textquest Licenciada Análisis de contenido, análisis de
legibilidad.
41 Treparel KMX Text Licenciada Aprendizaje automático, clasificación
Analytics potenciada por SVM,
emparejamiento difuso o
probabilístico
42 Visualtext Fuente 1998 Sistemas de procesamiento de
abierta lenguaje natural.
43 VP Student Edition Licenciada Red de conocimiento, análisis de
tendencias.
44 Aika Fuente Aprendizaje automático, redes
abierta neuronales artificiales, minería de
patrones frecuentes e inducción
gramatical.
45 Data Science Toolkit Fuente Algoritmos avanzados
abierta
46 Datumbox Fuente Aprendizaje automático, extracción
abierta de palabras clave.
47 GATE Fuente Procesamiento natural del lenguaje
abierta
43
48 Lingpipe Fuente 2003 Lingüística computacional
abierta
49 Open Calais Fuente Motor de etiquetado mejorado
abierta
50 Rapidminer Text Fuente 2007 Aprendizaje automático
Mining abierta
51 Reverb: Open Fuente PNL, algoritmos WEKA
Information Extraction abierta
Software
52 S-EM (SpyEM) Fuente Naive Bayes y algoritmo EM
abierta
53 TXM - Unicode, XML, Fuente Funciones estadísticas basadas en
TEI text/corpus abierta paquetes R
analysis platform
54 R Programming Fuente Técnicas estadísticas y gráficas.
abierta
Fuente: Elaboración propia con base en Arvinder Kaur, Deepti Chopra., “Comparison
of Text Mining Tools”, University School of Information and Communication Technology,
Guru Gobind Singh Indraprastha University, New Delhi, Delhi, India.
En la actualidad el mercado ofrece una gran variedad de herramientas para minería de texto,
cada una con características técnicas y funcionales diferentes, teniendo en cuenta que a
diferencia de las herramientas de análisis de datos convencionales, la tarea que se realiza en
la minería de texto es mucho más complejo puesto que extrae información de datos no
estructurados, por tal razón se emplean técnicas de minería de texto tales como
procesamiento natural del lenguaje, aprendizaje automático, inteligencia artificial, métodos
estadísticos, aprendizaje lingüístico, análisis semántico, modelado predictivo, técnicas de
clasificación, entre otras. Según los resultados descritos en la Tabla 6, se puede observar
que tan solo el 5% son herramientas online, para el 71% hay que pagar licencia y el 24% son
gratuitas, este es un criterio importante para tener en cuenta en la selección de la herramienta
a usar en este proyecto de investigación, puesto que es una actividad académica que no
dispone de presupuesto y en el caso de algunas herramientas, su costo de licenciamiento es
alto.
Al igual que las características técnicas son fundamentales al evaluar una herramienta de
software ya que esto define su capacidad de respuesta, las características funcionales es un
criterio importante a tener en cuenta ya que es finalmente lo que define la experiencia del
usuario en cuanto al uso de la herramienta, por ende su grado de dificultad en navegación y
entendimiento influye de gran manera a la hora de tomar la decisión puesto que el propósito
de las herramientas de software es mejorar la experiencia del usuario. Cada una de las
herramientas de minería de texto descritas en la Tabla 7, responde a una o varias
necesidades específicas y por ende se especializa en usos como el análisis, procesamiento
y clasificación de texto, principalmente, pero además tiene usos como el análisis de
sentimiento, análisis semántico y para el caso que ocupa en este proyecto, el descubrimiento
de conocimiento.
44
Tabla 7. Aspectos funcionales herramientas de minería de texto
Núm. HERRAMIENTA CARACTERISTICAS ANTECEDENTE SITIO WEB
/ USOS
1 Ranks.nl Análisis de páginas, www.ranks.nl/
análisis de artículos,
análisis de páginas
múltiples
2 Text Sentiment Análisis de los
Visualizer sentimientos
3 Textalyser Análisis de texto Discuss, reflect, textalyser.net/
and collaborate:
A qualitative
analysis of forum,
blog, and wiki use
in an EFL
blended learning
course
4 Alceste Análisis de datos Modelling Climate www.image-
textuales, análisis Change Effects zafar.com/Logi
multilingüe, análisis on Wine Quality cieluk.html
Based on Expert
temporal.
Opinions
Expressed in
Free-Text
Format: The
WEBSOM
Approach
5 Anderson Analytics Analítica de texto Prediction of odintext.com/#
odintext Online Lectures
Popularity: A Text
Mining Approach
6 Ascribe Analítica de texto goascribe.com
/
7 Basis Technology Análisis de texto, Web services and www.rosette.c
Rosette análisis de texto data mining: om/
multilingüe combining
linguistic tools for
Polish
with an analytical
platform
8 Buzzlogix text Análisis de textos, buzzlogix.com/
analysis api análisis de text-
sentimientos, analysis.html
clasificación, análisis
de palabras clave.
9 Clarabridge Analítica de texto www.clarabrid
ge.com/textan
alytics
10 Clustify Categorización de Cluster Based www.cluster-
documentos Text text.com/
45
Classification
Model
11 Dataladder product Limpieza de datos, dataladder.co
match clasificación. m/products/pro
ductmatch/
12 Discovertext Analítica de texto Can social media discovertext.co
reveal the m/
preferences of
voters? A
comparison
between
sentiment
analysis and
traditional opinion
polls
13 Dtsearch Búsqueda de texto Managing www.dtsearch.
Knowledge in com/
Neuroscience
14 Eaagle text mining Análisis de texto wp.eaagle.com
software /?Page_id=16
15 Expert System Gestión del Supporting www.expertsys
cogito tool conocimiento, sense-making tem.com/
comprensión and decision-
making through
semántica, toma de
time evolution
decisiones. analysis of open
sources
16 IBM SPSS Minería de datos y Social media www.ibm.com/
Predictive Analytics minería de textos, competitive analytics/us/en
análisis estadístico analysis and text /technology/sp
mining: A case
ss/
study in the pizza
industry
17 Intellexer Análisis de textos y Harvesting www.intellexer.
gestión de la knowledge from com/knowledg
información, computer e_managemen
mediated social
comparación y t.html
networks
categorización de
documentos.
18 Ureveal Análisis de datos, www.ureveal.c
análisis de textos. om/
19 Kbsportal Análisis de texto, kbsportal.com/
categorización de
documentos,
20 KNIME Análisis de texto, E / Big data and www.knime.or
S de datos, sentiment g/knime
preprocesamiento y analysis using
KNIME: Online
limpieza, modelado,
reviews vs. social
análisis y extracción media
de datos
46
21 Langsoft Respuesta a www.langsoft.c
preguntas, inferencia h/refer.htm
lógica, reconocimiento
de contenido y
atribución de texto.
22 Lexalytics Análisis de The Impact of www.lexalytics
Sentimiento, Sentiment .com/
Categorización y Analysis Output
on Decision
Extracción de
Outcomes: An
Entidades Nombradas Empirical
Evaluation
23 Lextek Profiling Gestión de Sector content www.lextek.co
Engine documentos y mining system m/
conocimientos. using a modular
knowledge base
24 Linguamatics I2E Extracción de textos Mining Protein– www.linguama
Protein tics.com/produ
Interactions from ctsservices/ab
Published
out-i2e
Literature Using
Linguamatics I2E
25 Loop AI Labs Procesamiento y www.loop.ai/
análisis de textos.
26 Meaningcloud Análisis de textos, Turning user www.meaning
análisis semántico, generated health- cloud.com/
análisis de redes related content
into actionable
sociales.
knowledge
through text
analytics services
27 Megaputer Text Analítica de texto Analysing www.megaput
Analyst competitors' er.com/site/tex
online persuasive tanalyst.php
themes with text
mining
28 Monkeylearn Analítica de texto Machine Learning monkeylearn.c
based Analysis of om/
Twitter Data to
Determine a
Person's Mental
Health Intuitive
Wellbeing
29 Netowl Texto multilingüe y Text-mining of www.netowl.co
análisis de entidades, PubMed m/text-
categorización de abstracts by analytics/
natural language
documentos, minería
processing to
de textos create a public
knowledge base
on molecular
mechanisms of
47
bacterial
enteropathogens
30 Ontotext Descubrimiento del PageRanking ontotext.com/
conocimiento, gestión WordNet
de contenidos, Synsets:
An Application to
búsqueda semántica.
Opinion Mining
31 Polyvista Análisis de texto Data Mining in www.polyvista.
Promoting com/
Aviation Safety
Management
32 Picturesafe Categorización, www.picturesa
agrupación, análisis fe.de/en/produ
de texto, análisis de cts/products-
contenido de audio y semanticanaly
video sis/
33 Power Text Análisis de texto www.powertex
Solutions tsolutions.com/
#/home
34 Rightfind(tm) XML Cree un corpus de www.copyright
for Mining artículos de texto .com/business/
completo en formato xmlformining-
XML útil para la 2/
minería de texto
35 SAS Text Miner Procesamiento y www.sas.com/
análisis de textos, en_us/softwar
descubrimiento de e/analytics/text
temas de -miner.html
documentos.
36 SIFT Análisis de texto para www.siftnlp.co
el proceso de análisis m/
de comentarios de los
clientes.
37 Skyttle API Analítica de texto Sentiment www.skyttle.co
Analysis Tool on m/
Cloud: Software
as a Service
Model
38 Swapit, Análisis de texto y Visual Exploration www.fit.fraunh
Fraunhofer-FIT text datos, of Text ofer.de/en/fb/ri
and data analysis Collections sk/projects/sw
tool apit.html
39 Textpipe Pro Banco de trabajo de Molecular www.datamysti
conversión, extracción profiling of thyroid c.com/textipe
y manipulación de cancer subtypes
using large-scale
textos, procesamiento
text mining
de textos.
40 Textquest Análisis de texto Unsuitable www.textquest
readability levels .de/pages/en/g
48
of patient eneralinformati
information on.php?Lan
pertaining to g=EN
dementia and
related diseases:
a comparative
analysis
41 Treparel KMX Text Análisis de texto White spot treparel.com/
Analytics analysis: The
potential of patent
information for
research and
development
42 Visualtext Sistemas de www.textanaly
extracción de sis.com/
información y
analizadores de texto.
43 VP Student Edition Minería y Applying text- vpinstitute.org/
visualización de mining to wordpress/vp
textos, análisis de personalization marketplace/
and
textos, procesamiento
customization
de textos. research
literature – Who,
what and where?
44 Aika Silabeo www.aikasoftw
are.org/
45 Data Science Análisis de www.datascien
Toolkit Sentimiento, cetoolkit.org/
Detección de
Lenguaje,
Clasificación de
Temas
46 Datumbox Análisis de texto, Lexicon www.datumbo
optimización de Expansion x.com/
motores de búsqueda, System for
Domain and Time
monitoreo de redes
Oriented
sociales, análisis de Sentiment
sentimientos Analysis
47 GATE Procesamiento de Identifying gate.ac.uk/
texto disgruntled
employee
systems fraud
risk through text
mining: A simple
solution for a
multi-billion dollar
problem
48 Lingpipe Procesamiento de aliasi.com/ling
textos, clasificación pipe/
de textos.
49
49 Open Calais Procesamiento de www.opencalai
texto s.com/
50 Rapidminer Text Minería de datos y Sustainability docs.rapidmin
Mining análisis de texto, trends in the er.com/
procesamiento de process
industries: A text
texto
mining-based
analysis
51 Reverb: Open Extracción de reverb.cs.wash
Information información ington.edu/
Extraction Software
52 S-EM (SpyEM) Sistema de www.cs.uic.ed
aprendizaje o u/~liub/S-
clasificación de EM/SEM-
textos. download.html
53 TXM - Unicode, Análisis de texto sourceforge.ne
XML, TEI t/projects/txm/
text/corpus
analysis platform
54 R Programming Transformación de www.rproject.o
datos y análisis de rg/
textos.
Fuente: Elaboración propia con base en Arvinder Kaur, Deepti Chopra., “Comparison of Text
Mining Tools”, University School of Information and Communication Technology, Guru
Gobind Singh Indraprastha University, New Delhi, Delhi, India.
Sin duda una referencia casi que obligatoria a la hora de analizar o comparar herramientas
de software en el mercado para conocer cómo están valoradas es el famoso cuadrante
mágico de Gartner, esta es una empresa dedicada a la investigación y análisis de las
tendencias del mercado que publica un ranking de fabricantes con las mejores soluciones o
productos mediante un gráfico en forma de plano cartesiano fácil de entender que permite
conocer la situación del mercado de un software en un momento dado.
El cuadrante mágico de Gartner está segmentado por cuatro cuadros, sobre los cuales se
ubican en forma de puntos las compañías o productos a comparar, la posición que ocupan
depende de dos ejes a evaluar que son en el eje “x” que se mide por la integridad de visión,
es decir, el conocimiento de los proveedores para generar valor en el mercado y en el eje “y”
la capacidad de ejecución de las compañías, es decir, las capacidades funcionales y técnicas
del producto.
SIAG Consulting (2016) concluyó que las divisiones del cuadrante mágico de Gartner se
interpretan de la siguiente manera:
1. Líderes: aquí se encuentran los proveedores que mayor puntuación han obtenido
como resultado de combinar su gran capacidad de visión del mercado y la habilidad
para ejecutar. Estas empresas ofertan una solución de productos amplia y completa,
que además es capaz de evolucionar según la demanda en el mercado.
50
2. Retadores o aspirantes: estos proveedores ofrecen buenas funcionalidades, pero
tienen menor variedad de productos al estar centrados en un único aspecto de la
demanda del mercado.
3. Visionarios: estos se pueden asemejar a los líderes en su capacidad para anticiparse

a las necesidades del mercado, pero no disponen de medios suficientes para realizar
implantaciones globales.
4. Jugadores de nicho: en último lugar, se encuentran estos stakeholders que no llegan

a puntuar lo suficiente en ninguna de las dos categorías.
Figura 10. Cuadrante mágico de Gartner 2018 para ciencia de datos y plataformas de
aprendizaje automático
Fuente: Magic Quadrant for Data Science and Machine-Learning Platforms. (2018). Gartner.
Recuperado de: www.gartner.com/doc/3860063?ref=mrktg-srch.
51
Aunque el criterio de evaluación del cuadrante mágico de Gartner es importante para tener
en cuenta en la selección de la herramienta de minería de texto a usar para este trabajo de
investigación, es importante tener un contraste u otra opinión para unificar ambas y tener un
soporte sólido en el criterio de selección, para esto se tiene en cuenta el informe Forrester
Wave ya que es fundamental para cualquier actividad relacionada con las soluciones y
proveedores de software más importantes en plataformas de análisis.
Forrester es una firma de investigación de mercados que brinda asesoramiento sobre el

impacto existente y potencial de la tecnología mediante el análisis detallado de productos y
servicios para calificar grupos de competidores en la industria, soportados en encuestas
anuales realizadas a consumidores y líderes empresariales.
The Forrester Wave es una metodología objetiva de software, hardware o servicios que
compara proveedores de cada industria y luego mostrarlos según la solidez de las ofertas de
productos actuales, la estrategia y presencia en el mercado frente a criterios de evaluación
predefinidos. Una de sus características es que expone informes y hojas de cálculo donde
aparecen los criterios utilizados para calificar las ofertas de los proveedores recogidos en el
mercado.
Para lograr interpretar el diagrama de Forrester Wave es importante tener en cuenta de

entrada, que si aparece la compañía o producto aparece en el radar es porque se consideran
entre las de mejor desempeño en el mercado. El diagrama de Forrester Wave a diferencia
del cuadro de Gartner que es segmentada por cuadros, se divide en diferentes tonos de azul
que representan posiciones relativas en el mercado: Desafiadores, Contendientes,
Intérpretes Fuertes y Lideres.
Sherman (2018) concluyó que las divisiones del diagrama de Forrester Wave se interpretan
basados en su estrategia y puntajes de productos, de la siguiente manera:
1. Líderes: son compañías que tienen una oferta y una estrategia de productos
generalmente sólida y diferenciada.
2. Intérpretes Fuertes: son opciones de mercado importantes con una sólida posición
competitiva.
3. Contendientes y desafiantes: son empresas que obtienen una puntuación menor en

la amplia gama de criterios que evalúa Forrester (o, en algunos casos, los ex "Líderes"
o "Ejecutantes Fuertes" que se han quedado atrás). Las compañías en estas bandas
pueden tener brechas en su visión estratégica u oferta de productos.
4. Cada punto en el gráfico representa un producto en el área de tecnología evaluada.
5. Cada eje representa un aspecto diferente del análisis de Forrester. Las empresas
posicionadas más arriba en el gráfico tienen puntuaciones más altas para sus ofertas
de productos actuales que las que se ubican a continuación. Los puntos que están
más a la derecha representan a las empresas con puntajes más altos en visión
estratégica y de producto para la dirección del mercado y su producto.
52
6. El tamaño de los puntos en el gráfico refleja la presencia en el mercado, a menudo los
ingresos y el número de clientes del producto.
Figura 11. The Forrester Wave Q3 2018 para plataformas de análisis de texto basadas en
AI
Fuente: The Forrester Wave™: AI-Based Text Analytics Platforms. (Q2 2018).
FORRESTER.
Recuperado de: www.epam.com/insights/analyst-reports/the-forrester-wave-ai-based-text-
analytics-platforms-q2-2018.
Luego de cruzar los resultados obtenidos en The Forrester Wave y el cuadrante mágico de
Gartner, se puede determinar que tan solo el 11% de las 54 herramientas de minería de texto
que se encontraron en la investigación inicial fueron tenidos en cuenta en los rankings citados
anteriormente, lo cual deja un margen de 6 herramientas que destacan en el mercado, cuyos
resultados de evaluación según Gartner y Forrester se exponen en la Tabla 8:
Tabla 8. Comparación herramientas de minería de texto según ranking de Gartner y

Forrester
HERRAMIENTA GARTNER FORRESTER
Clarabridge No evaluada Líder
Expert System cogito tool No evaluada Interprete fuerte
53
IBM SPSS Predictive Analytics Visionario Líder
KNIME Líder No evaluada
SAS Text Miner Líder Líder
Rapidminer Text Mining Líder No evaluada
Uno de los criterios importantes a evaluar para la selección de la herramienta son los
antecedentes, ya que esto permite medir la viabilidad del uso de la herramienta a seleccionar
para la implementación del proyecto, esto mediante cuantificar los casos de éxito que se
hayan presentado en otros proyectos, por lo tanto, se procede a realizar una búsqueda de
artículos en los que se haya implementado técnicas de minería de texto para un fin
determinado, lo cual arroja los siguientes resultados:
Figura 12. Comparación de antecedentes herramientas en minería de texto
Como se puede observar en la Figura 12, las herramientas Expert System cogito tool y
Clarabridge, a pesar de que se encuentran bien posicionadas como interprete fuerte y líder
respectivamente en The Forrester Wave, no cuentan con suficientes antecedentes como para
ser tenidos en cuenta en la selección de la herramienta a implementar en este proyecto, lo
cual deja un margen de 4 herramientas las cuales evidentemente tienen buenos antecedentes
que permite un nivel de confianza hacia el éxito esperado en los resultados de este proyecto.
54
RAPIDMINER TEXT MINING:
Figura 13. Captura módulo funcional de Rapidminer Text Mining
Fuente: Rapidminer Text Mining.

Recuperado de: www.predictiveanalyticstoday.com/rapidminer-text-mining-extension/
✓ Sinopsis:
Rapidminer es una extensión de código abierto que agrega todos los operadores
necesarios que pueden integrarse en un proceso para el análisis estadístico de texto.
Se pueden cargar textos de diferentes fuentes de datos y, para transformarlos
mediante diferentes técnicas de filtrado.
✓ Características:
• Análisis estadístico de texto.

• Carga textos de diferentes fuentes de datos.
• Técnicas de filtrado.
• Admite varios formatos de texto que incluyen texto sin formato, HTML o PDF,
así como otras fuentes de datos.
• Filtros estándar para tokenización, derivación y palabras clave.
55
IBM SPSS PREDICTIVE ANALYTICS:
Figura 14. Captura módulo funcional de IBM SPSS Predictive Analytics
Fuente: IBM SPSS Predictive Analytics.

Recuperado de: www.predictiveanalyticstoday.com/ibm-predictive-analytics/
✓ Sinopsis:
IBM Predictive Analytics es un software que aborda el proceso analítico, desde la

planificación hasta la recopilación de datos, el análisis, la generación de informes y la
implementación, lo que permite comprender los datos, identificar tendencias y producir
pronósticos precisos, lo cual ayuda a las empresas a transformar los datos en
información predictiva para guiar las decisiones e interacciones de primera línea,
predecir lo que los clientes quieren y harán a continuación para aumentar la
rentabilidad y la retención, maximizar la productividad, los procesos y los activos,
detectar y prevenir amenazas y fraudes antes de que afecten a la organización y
realicen análisis estadísticos, incluidos análisis de regresión, análisis de
conglomerados y análisis de correlación.
• Implementar conocimientos en los procesos de negocios.

• Análisis predictivo práctico.
• Amplia gama de técnicas de análisis predictivo.
56
KNIME:
Figura 15. Captura módulo funcional de KNIME
Fuente: KNIME.
Recuperado de: www.predictiveanalyticstoday.com/knime/
✓ Sinopsis:
KNIME es una plataforma de análisis, generación de informes e integración de datos.

Integra varios componentes para el aprendizaje automático y la minería de datos a
través de su concepto modular de canalización de datos y proporciona una interfaz
gráfica de usuario que permite el ensamblaje de nodos para el procesamiento de
datos, para el modelado, análisis y visualización de datos. Knime está escrito en JAVA
y basado en Eclipse.
• Análisis de gran alcance.

• Combinación de datos y herramientas.
• Plataforma abierta.
• Contiene más de 1.000 módulos.
• Conectores para todos los principales archivos y bases de datos.
• Soporte para una gran cantidad de tipos de datos: XML, JSON, imágenes,
documentos, entre otros.
• Nativo en mezclas y transformación de datos de la base de datos.
• Funciones matemáticas y estadísticas.
• Avanzados algoritmos predictivos y de aprendizaje automático.
• Control de flujo de trabajo.
57
• Fusión de herramientas para Python, R, SQL, Java, Weka y muchos más.
• Vistas de datos interactivos e informes.
SAS TEXT MINER:
Figura 16. Captura módulo funcional de SAS Text Miner
Fuente: SAS TEXT MINER.

Recuperado de: www.predictiveanalyticstoday.com/sas-text-miner/
✓ Sinopsis:
SAS Text Miner ofrece una amplia gama de herramientas de modelado lingüístico y
analítico específicamente desarrolladas para descubrir y extraer conocimiento de
colecciones de contenido de texto.
• Minería de texto de alto rendimiento.

• Interfaz flexible y fácil de usar.
• Generación automática de reglas booleanas.
• Perfilado y tendencias de términos.
• Descubrimiento del tema del documento.
• Interrogación visual de los resultados.
• Opciones de entidad flexibles.
58
• Importación de texto fácil.
• Soporte nativo para múltiples idiomas.
Tabla 9. Clasificación herramientas minería de texto

HERRAMIENTA IBM SPSS KNIME SAS Text Rapidminer
Predictive Miner Text Mining
FACTOR Analytics
Facilidad de uso 9.4 9.4 8.2 7.7
Características y 9.5 9.5 8.2 7.7
funcionalidad
Características 9.5 9.5 8.3 7.7
avanzadas
Integración 9.3 9.4 8.4 7.7
Actuación 9.3 9.6 8.3 7.7
Atención al cliente 9.4 9.6 8.4 7.7
Como se puede observar en la Tabla 9, IBM SPSS Predictive Anayltics y KNIME son los
softwares mejor puntuados, pero teniendo en cuenta que este proyecto es una actividad
académica, se decide finalmente que la herramienta a usar es KNIME puesto que es gratuita,
está reconocida como Líder según el cuadrante mágico de Gartner, tiene buenos
antecedentes en otros proyectos académicos y sus características se ajustan al propósito a
desarrollar en este proyecto.
6.2 PRODUCCIÓN ECUACIÓN DE BÚSQUEDA
Continuando con la metodología propuesta, se procede a ejecutar la fase de inteligencia que

se basa en la profundización del problema, el cual consiste en definir las preguntas guías en
el proceso, los cuales se mencionan a continuación:
➔ Preguntas guías del proceso: ¿Que se está investigando? ¿Qué prácticas o

aplicaciones tiene en la industria? ¿Qué países están dando mayor producción? ¿Qué
autores o investigadores se destacan? ¿Dónde publican? ¿Qué instituciones?
Después de tener claro la identificación del problema, ahora se hace necesario definir la
fuente de información la cual será la base de datos bibliográfica de resúmenes y citas de
artículos de revistas científicas llamada SCOPUS que es una de las más reconocidas en el
mundo y en la cual se realizará una búsqueda de la literatura científica.
Para el refinamiento de la búsqueda y recuperación de la información, se realiza un análisis

preliminar acerca del tema gestión del conocimiento el cual a partir de la contextualización
con base en la lectura de la documentación relacionada se construye inicialmente una lista
de palabras claves, lo cual genera un listado de elementos de la ecuación de búsqueda que
luego se depura y añadiendo la limitación geográfica y temporal surge la siguiente ecuación
de búsqueda que se presenta en la Figura 17.
59
Figura 17. Ecuación de búsqueda.
Fuente. Elaboración propia
6.3 ANÁLISIS Y DEPURACIÓN DATOS
Para desarrollar el análisis y la depuración de los datos que permita delimitar la información
acerca de los resultados investigativos publicados sobre gestión del conocimiento en américa
Latina en los años 2012 a 2018, se procede a ejecutar la ecuación de búsqueda citada en la
Figura 17 en la base de datos SCOPUS la cual arroja un total de 604 documentos, de los
cuales se pueden recuperar 458. Posteriormente se ejecuta el software de minería de texto
KNIME para procesar los documentos obtenidos, cuyo proceso se realiza en 6 pasos
diferentes: IO, Enriquecimiento, Preprocesamiento, Frecuencias, Transformación y
Visualización, los cuales se describen a continuación:
• IO
Figura 18. Ejecución Nodo “PDF Parser”
60
Se agrega un primer nodo “PDF Parser” que se encarga de leer todos los documentos en
formato PDF obtenidos de la ecuación de búsqueda de los cuales extrae el texto completo y
los representa en una estructura de datos que los nodos de procesamiento de texto puedan
manejar, la salida consta de una columna “Document” en la que para cada fila almacena un
documento como se puede observar en la Figura 19:
Figura 19. Visualización tabla resultante del Nodo “PDF Parser”
• Enriquecimiento
En esta fase, se agrega la información semántica mediante el reconocimiento y etiqueta de

las entidades, es decir, los nodos reconocen entidades con nombre estándar como nombres
de personas, organizaciones o ubicaciones. Todos los nodos de enriquecimiento requieren
una tabla de datos de entrada que contenga una columna con registros de tipo Documento.
Figura 20. Ejecución Nodo “POS Tagger”
61
Se agrega un segundo nodo “POS Tagger” que se encarga de asignar a cada término de los
documentos una parte de la etiqueta de voz POS, es decir, para cada término etiqueta si es
un conector, verbo, etc. La salida consta de una columna adicional “DocumentoEtiquetado”
que visualmente no parece haber realizado ningún cambio, pero internamente si queda
etiquetado cada término que compone los documentos, la tabla resultante del nodo se puede
observar en la Figura 21:
Figura 21. Visualización tabla resultante del Nodo “POS Tagger”
Figura 22. Ejecución Nodo “Document Data Extractor”
62
Se agrega un tercer nodo “Document Data Extractor” que se encarga de extraer información
de los documentos como el título, resumen, autor, categoría, fecha de publicación, entre otras.
La tabla resultante del nodo arroja en una columna diferente la información solicitada tal como
se puede observar en la Figura 23:
Figura 23. Visualización tabla resultante del Nodo “Document Data Extractor”
Figura 24. Ejecución Nodos “OpenNLP NE Tagger”
63
Se agregan 4 nodos adicionales de tipo “OpenNLP NE Tagger” que se encarga de reconocer
las entidades nombradas y les asigna las etiquetas correspondientes, según la distribución
expuesta en la Figura 24, el Nodo 4 etiqueta las Localizaciones (Países), el Nodo 5 las
Organizaciones (Universidades), el Nodo 6 las Fechas (Año de la publicación) y el Nodo 7 las
Personas (Investigadores). La tabla resultante de los nodos arroja en una columna llamada
“Documento Etiquetado” que visualmente parece no haber tenido cambios, pero realmente
las etiquetas a los términos de los documentos quedaron almacenadas de forma interna tal
como se puede observar en la Figura 25:
Figura 25. Visualización tabla resultante del Nodo “OpenNLP NE Tagger”
Fuente: Elaboración propia
Figura 26. Ejecución Nodo “Bag Of Words Creator”

64
Se agrega un nodo adicional de tipo “Bag Of Words Creator” que se encarga de crear una
bolsa de palabras de un conjunto de documentos. La tabla resultante del nodo arroja en una
columna adicional “Términos” que contiene todas las palabras del documento en filas
diferentes y asociando en la columna “Document” a que documento hace referencia, tal como
se puede observar en la Figura 27:
Figura 27. Visualización tabla resultante del Nodo “Bag Of Words Creator”
Figura 28. Ejecución Nodo “Column Rename”
65
Se agrega un nodo adicional de tipo “Column Rename” que se encarga de modificar el nombre
de la columna “Términos” a “TermValue”, puesto que el nodo siguiente requiere que la
columna a usar tenga ese nombre como etiqueta. La tabla resultante del nodo arroja todas
las columnas anteriores como venían originalmente y adicional la columna “Términos” con su
nombre cambiado a “TermValue”, tal como se puede observar en la Figura 29:
Figura 29. Visualización tabla resultante del Nodo “Column Rename”
Figura 30. Ejecución Nodo “Tag To String”
66
Se agrega dos nodos adicionales de tipo “Tag To String” que se encargan de convertir los
valores de etiqueta del término de los tipos de etiqueta especificados en cadena, en este caso
para un nodo se selecciona el tipo de etiqueta POS que es el tipo resultante del nodo “POS
Tagger” y para el otro nodo se selecciona el tipo de etiqueta NE que es el tipo resultante de
los nodos “OpenNLP NE Tagger”. La tabla resultante del nodo arroja una columna adicional
llamada “POS” que contiene las etiquetas de cada uno de los términos y otra columna
adicional llamada “NE” que contiene las etiquetas de fechas, localizaciones, personas y
organizaciones, tal como se puede observar en la Figura 31:
Figura 31. Visualización tabla resultante del Nodo “Tags To String”
• Preprocesamiento
En esta fase, los términos se filtran y manipulan para excluir términos que no aportan a la
investigación, tales como palabras vacías, números, signos de puntuación, conectores, etc.
Después de la limpieza sólo quedan los términos que se usan para crear las estadísticas o
visualizaciones.
Figura 32. Ejecución Nodo “Row Filter”
67
Después de ejecutar los procesos de todos los nodos correspondientes a las fases anteriores
de IO y Enriquecimiento, se obtiene como resultado una tabla que contiene 850.206 registros
en total de todos los términos extraídos de los 458 documentos analizados, pero muchos de
esos términos son basura puesto que no aporta en nada a esta investigación, por tal razón
se procede a agregar un nodo de tipo “Row Filter” el cual permite el filtrado de filas según
ciertos criterios, para este caso, se logró identificar las etiquetas que contienen términos que
se excluyen en el Nodo “Row Filter” los cuales se presentan en la Tabla 10:
Tabla 10. Estadísticas de etiquetas POS excluidas

Etiqueta POS Cantidad Registros Porcentaje
CC 4.301 0,5 %
EX 208 0,02 %
LS 96 0,01 %
WRB 862 0,1 %
WP$ 66 0,007 %
WP 485 0,05 %
CD 76.515 9%
PDT 259 0,03 %
RBS 229 0,02 %
UH 345 0,04 %
Finalmente se añadieron 10 nodos de tipo “Row Filter” que en total lograron eliminar el 9,8 %
equivalentes a 83.366 términos basura que se extrajeron de los documentos, como se puede
Figura 33. Red de Nodos “Row Filter”
68
• Frecuencias
En esta fase, se calculan las frecuencias de los términos en los documentos, además se
puede aplicar filtros para mantener los términos de alta frecuencia mediante la especificación
de un rango de valores de frecuencia o una cantidad específica de términos a conservar que
son relevantes para la investigación.
Figura 34. Ejecución Nodo “DF”
Se agrega un nodo adicional de tipo “DF” que se encarga de calcular el número de

documentos que contienen cada término especificado en la bolsa de valores. La tabla
resultante del nodo arroja una columna adicional llamada “DF” que contiene los valores de
frecuencia para cada término, tal como se puede observar en la Figura 35:
Figura 35. Visualización tabla resultante del Nodo “DF”
69
Figura 36. Ejecución Nodo “Column Filter”
Se agrega un nodo adicional de tipo “Column Filter” que se encarga de filtrar las columnas
para una tabla resultante, para este caso, debido a los procesos en los nodos anteriores, la
tabla resultante contiene un total de 8 columnas de las cuales para la fase de visualización
sólo necesitamos la columna que contiene los términos y sus valores de frecuencia
correspondientes, tal como se puede observar en la Figura 37:
Figura 37. Visualización tabla resultante del Nodo “Column Filter”
70
• Transformación
En esta fase, los datos textuales deben transformarse en datos numéricos mediante nodos
que crean una representación vectorial binaria o numérica para cada término o documento,
en función de la bolsa de palabras filtrada. Este es el paso final que ejecutan los nodos que
ejecutan funciones de procesamiento de texto cuya finalidad es dejar los datos preparados
para la visualización.
Figura 38. Ejecución Nodo “Excel Writer (XLS)”
Aunque en la fase de Preprocesamiento, mediante los nodos de tipo “Row Filter” se lograron
eliminar 83.366 términos basura, aún hay términos que aunque no son basura, tampoco es
el foco de atención de esta investigación, por lo tanto se procede a incluir un nodo de tipo
“Excel Writer (XLS)” que permite tomar la tabla que contiene los términos con sus respectivas
frecuencias y se exporta a un archivo de Excel externo para poder de forma manual realizar
una limpieza y unificación de los datos que permita dejar los datos preparados para su
visualización.
71
Se agrega un nodo adicional de tipo “Row Filter” que se encarga de filtrar las filas ya sea
incluir o excluir según ciertos criterios, para este caso, se toma la columna que contiene las
etiquetas de tipo “NE” y se filtran las filas cuya etiqueta es “LOCATION”, esto para poder filtrar
sólo los países contenidos en la bolsa de términos, la tabla resultante arroja un total de 6.919
registros los cuales se exportan a un archivo de Excel externo mediante otro nodo de tipo
“Excel Writer (XLS)” para poder de forma manual realizar una limpieza y unificación de los
datos que permita dejar los datos preparados para su visualización, la tabla resultante
después de filtrar los términos cuya etiqueta está asociada a “LOCATION” se puede observar
en la Figura 40:
Figura 40. Visualización tabla resultante del Nodo “Row Filter”
72
Se agrega un nodo adicional de tipo “Row Filter” que se encarga de tomar la columna que
contiene las etiquetas de tipo “NE” y se filtran las filas cuya etiqueta es “ORGANIZATION”,
esto para poder filtrar sólo las organizaciones contenidas en la bolsa de términos, la tabla
resultante arroja un total de 21.649 registros los cuales se exportan a un archivo de Excel
externo mediante otro nodo de tipo “Excel Writer (XLS)” para poder de forma manual realizar
una limpieza y unificación de los datos que permita dejar los datos preparados para su
visualización, la tabla resultante después de filtrar los términos cuya etiqueta está asociada a
“ORGANIZATION” se puede observar en la Figura 42:
73
contiene las etiquetas de tipo “NE” y se filtran las filas cuya etiqueta es “PERSON”, esto para
poder filtrar sólo los autores contenidos en la bolsa de términos, la tabla resultante arroja un
total de 14.926 registros los cuales se exportan a un archivo de Excel externo mediante otro
nodo de tipo “Excel Writer (XLS)” para poder de forma manual realizar una limpieza y
unificación de los datos que permita dejar los datos preparados para su visualización, la tabla
resultante después de filtrar los términos cuya etiqueta está asociada a “PERSON” se puede
74
contiene las etiquetas de tipo “NE” y se filtran las filas cuya etiqueta es “DATE”, esto para
poder filtrar sólo los años de publicación contenidos en la bolsa de términos, la tabla resultante
arroja un total de 5.641 registros los cuales se exportan a un archivo de Excel externo
mediante otro nodo de tipo “Excel Writer (XLS)” para poder de forma manual realizar una
limpieza y unificación de los datos que permita dejar los datos preparados para su
visualización, la tabla resultante después de filtrar los términos cuya etiqueta está asociada a
“DATE” se puede observar en la Figura 46:
Finalmente, después de realizar la depuración de los datos donde se elimina la redundancia,

las variaciones innecesarias, además de realizar una limpieza y unificación de los datos a
partir de un análisis exploratorio, se obtiene un total de 19 países en América Latina, 206
universidades y 1.008 autores que están investigando sobre gestión del conocimiento.
6.4 CARACTERIZACIÓN PERFIL DE LA INVESTIGACIÓN SOBRE GESTIÓN DEL

CONOCIMIENTO EN AMÉRICA LATINA DE 2012 A 2018
Para caracterizar el perfil de la investigación latinoamericana sobre gestión del conocimiento

aplicando técnicas de minería de texto, se toman los resultados arrojados por la herramienta
KNIME, los cuales se exponen a continuación:
Cómo se puede observar en la Figura 47, desde el año 2012 a 2018 se ha dado un
crecimiento en cuanto al número de publicaciones sobre gestión del conocimiento, hasta el
año 2016 se venía presentando una tendencia de crecimiento estable, pero realmente en el
año 2017 se dio la mayor variación de crecimiento correspondiente a un 77 % con respecto
al año anterior. Desde el 2012 al año en curso, el crecimiento fue de 647%.
75
Figura 47. Comportamiento anual cantidad de publicaciones por año.
140 127
117
120
100
80
66
57
60
38
40
26
17
20
0
2012 2013 2014 2015 2016 2017 2018
Figura 48. Mapa de calor países con mayor producción
76
Como se puede observar en la Figura 48 que contiene un mapa de calor para todos los países
de América Latina, en el cual los que tienen la tonalidad de color azul más oscura son los de
mayor producción de artículos sobre gestión del conocimiento, entre los que destacan se
encuentran Colombia, México, Ecuador, Argentina y Chile. Un hallazgo importante es que el
ranking lo lidera Colombia, cuya producción es mayor que la suma de la producción del 63%
de los países latinoamericanos, México y Ecuador realizan un aporte significativo de 14% y
12% respectivamente, Panamá, Guatemala, Nicaragua, Paraguay, Honduras, Puerto Rico y
República Dominicana son los de menor producción y sorprende que Uruguay no aparece en
la lista, tal como se puede observar en la Tabla 11.
Tabla 11. Distribución producción de artículos en países de Latinoamérica

País Frecuencia Porcentaje
Colombia 266 21,54%
México 175 14,17%
Ecuador 143 11,58%
Argentina 127 10,28%
Chile 120 9,72%
Costa Rica 96 7,77%
Brasil 70 5,67%
Venezuela 40 3,24%
Cuba 36 2,91%
Perú 34 2,75%
El Salvador 28 2,27%
Bolivia 23 1,86%
Panamá 16 1,30%
Guatemala 14 1,13%
Nicaragua 12 0,97%
Paraguay 12 0,97%
Honduras 10 0,81%
Puerto Rico 8 0,65%
República Dominicana 5 0,40%
Una caracterización de la colaboración entre países en América Latina para la producción de

artículos sobre gestión del conocimiento se muestra a continuación, donde los países con la
figura en forma de círculo más grande representan una mayor cantidad de colaboraciones
con otros países, entre los que destacan por su colaboración Colombia, Brasil, México y
Ecuador. Por otro lado, países como Uruguay con poca participación ya que sólo registra
colaboración con Colombia y por último Bolivia que sólo registra colaboración con Ecuador.
Tabla 12. Mapa de colaboración entre países en América Latina.

País 1 País 2 Frecuencia Porcentaje
Colombia Venezuela 9 25%
Colombia México 6 17%
Ecuador Argentina 4 11%
Chile Ecuador 2 6%
Ecuador Bolivia 2 6%
Brasil Argentina 1 3%
Brasil Perú 1 3%
77
Chile Venezuela 1 3%
Colombia Chile 1 3%
Colombia Uruguay 1 3%
Colombia Perú 1 3%
Cuba Chile 1 3%
Cuba México 1 3%
Cuba Brasil 1 3%
Ecuador Cuba 1 3%
Ecuador Brasil 1 3%
México Brasil 1 3%
Perú Ecuador 1 3%
Figura 49. Mapa de colaboración entre países en América Latina.
En cuanto a las universidades con mayor producción de artículos sobre gestión del
conocimiento, se puede observar un gran aporte de instituciones de Colombia, Ecuador y
México, siento la Universidad Nacional de Colombia la de mayor número de publicaciones,
seguido de Universidad Distrital Francisco José de Caldas, Pontificia Universidad Católica del
Ecuador, Universidad de Antioquia, Universidad Nacional Autónoma de México, Universidad
Técnica Particular de Loja, Universidad Católica de Santiago de Guayaquil, Universidad
Autónoma de Nuevo León, Universidad Estatal Península de Santa Elena y Universidad
Pontificia Bolivariana.
78
Figura 50. Gráfico de barras de universidades con mayor producción
Una caracterización al interior de los países se muestra a continuación, empezando por

Colombia que según los resultados arrojados en la tabla 11, contribuye en un 21,54% a la
producción de artículos en los países de América Latina, donde tomando como referencia las
universidades ubicadas en dicho país, encontramos a la Universidad Nacional de Colombia,
la Universidad Distrital Francisco José de Caldas y la Universidad de Antioquia que aportan
el 30,35% de participación a nivel nacional.
Tabla 13. Distribución producción de artículos de universidades en Colombia

Universidad Frecuencia Porcentaje
Universidad Nacional de Colombia 23 11,44%
Universidad Distrital Francisco José de Caldas 22 10,95%
Universidad de Antioquia 16 7,96%
Universidad Pontificia Bolivariana 11 5,47%
Universidad Santo Tomás 7 3,48%
Universidad de los Andes 5 2,49%
Universidad de Santander 5 2,49%
Universidad EAFIT 5 2,49%
Universidad Icesi 5 2,49%
Universidad Católica Luis Amigó 4 1,99%
Universidad de La Guajira 4 1,99%
Universidad de Medellín 4 1,99%
Universidad de San Buenaventura 4 1,99%
79
Universidad Sergio Arboleda 4 1,99%
Institución Universitaria Esumer 3 1,49%
Pontificia Universidad Javeriana 3 1,49%
Universidad Autónoma de Occidente 3 1,49%
Universidad de Caldas 3 1,49%
Universidad de la Costa 3 1,49%
Universidad de Manizales 3 1,49%
Universidad del Norte 3 1,49%
Universidad del Valle 3 1,49%
Universidad Externado de Colombia 3 1,49%
Universidad Industrial de Santander 3 1,49%
Universidad Jorge Tadeo Lozano 3 1,49%
Universidad Pedagógica y Tecnológica de Colombia 3 1,49%
Corporación Universitaria Adventista 2 1,00%
Corporación Universitaria Americana 2 1,00%
Corporación Universitaria Antonio José de Sucre 2 1,00%
Corporación Universitaria Minuto de Dios 2 1,00%
Fundación Universitaria Konrad Lorenz 2 1,00%
Fundación Universitaria Los Libertadores 2 1,00%
Institución Universitaria Salazar y Herrera 2 1,00%
Universidad Autónoma de Manizales 2 1,00%
Universidad de La Sabana 2 1,00%
Universidad de La Salle 2 1,00%
Universidad del Rosario 2 1,00%
Universidad EAN 2 1,00%
Universidad Iberoamericana 2 1,00%
Universidad Popular del Cesar 2 1,00%
Universidad Simón Bolívar 2 1,00%
Universidad Surcolombiana 2 1,00%
Fundación Universitaria Autónoma de las Américas 1 0,50%
Fundación Universitaria Católica Lumen Gentium 1 0,50%
Fundación Universitaria de Popayán 1 0,50%
Institución Universitaria Antonio José Camacho 1 0,50%
Universidad Autónoma de Bucaramanga 1 0,50%
Universidad Católica de Colombia 1 0,50%
Universidad Cooperativa de Colombia 1 0,50%
Universidad de Bogotá Jorge Tadeo Lozano 1 0,50%
Universidad del Cauca 1 0,50%
Universidad del Magdalena 1 0,50%
Universidad Libre 1 0,50%
Universidad Manuela Beltrán 1 0,50%
Universidad Metropolitana 1 0,50%
Universidad Santiago de Cali 1 0,50%
Una caracterización al interior de México, que según los resultados arrojados en la tabla 11,
contribuye en un 14,17% a la producción de artículos en los países de América Latina, donde
tomando como referencia las universidades ubicadas en dicho país, encontramos a la
80
Universidad Nacional Autónoma de México, Universidad Autónoma de Nuevo León y la
Universidad de Monterrey que aportan el 32,11% de participación a nivel nacional.
Tabla 14. Distribución producción de artículos de universidades en México

Universidad Nacional Autónoma de México 16 14,68%
Universidad Autónoma de Nuevo León 11 10,09%
Universidad De Monterrey 8 7,34%
Universidad Autónoma de Baja California 7 6,42%
Universidad Autónoma de Ciudad Juárez 6 5,50%
Universidad Michoacana de San Nicolás de Hidalgo 6 5,50%
Universidad Popular Autónoma del Estado de Puebla 5 4,59%
Universidad Autónoma del Estado de México 4 3,67%
Universidad Autónoma de Chihuahua 3 2,75%
Universidad de Guadalajara 3 2,75%
Universidad de Nuevo México 3 2,75%
Universidad de Sonora 3 2,75%
Benemérita Universidad Autónoma de Puebla 2 1,83%
Universidad Autónoma de Zacatecas 2 1,83%
Universidad Autónoma Metropolitana 2 1,83%
Universidad de Cádiz 2 1,83%
Universidad de Montemorelos 2 1,83%
Universidad de Tijuana 2 1,83%
Universidad Tecnológica de San Juan del Río 2 1,83%
Instituto Politécnico Nacional 1 0,92%
Instituto Tecnológico y de Estudios Superiores de 1 0,92%
Monterrey
TenarisUniversity 1 0,92%
Universidad Aeronáutica en Querétaro 1 0,92%
Universidad Autónoma de Aguascalientes 1 0,92%
Universidad Autónoma de Chiapas 1 0,92%
Universidad Autónoma de Nayarit 1 0,92%
Universidad Autónoma de Querétaro 1 0,92%
Universidad Autónoma de Sinaloa 1 0,92%
Universidad Autónoma Metropolitana Unidad Iztapalapa 1 0,92%
Universidad de Colima 1 0,92%
Universidad de las Américas de Puebla 1 0,92%
Universidad del Papaloapan 1 0,92%
Universidad Estatal de Sonora 1 0,92%
Universidad Juárez Autónoma de Tabasco 1 0,92%
Universidad Juárez del Estado de Durango 1 0,92%
Universidad Panamericana 1 0,92%
Universidad Politécnica del Estado de Morelos 1 0,92%
Universidad Veracruzana 1 0,92%
Universidad Xochicalco 1 0,92%
Una caracterización al interior de Ecuador, que según los resultados arrojados en la tabla 11,
81
Pontificia Universidad Católica del Ecuador, Universidad Técnica Particular de Loja y la
Universidad Católica de Santiago de Guayaquil que aportan el 47,97% de participación a nivel
nacional.
Tabla 15. Distribución producción de artículos de universidades en Ecuador

Pontificia Universidad Católica del Ecuador 20 20,41%
Universidad Técnica Particular de Loja 14 14,29%
Universidad Católica de Santiago de Guayaquil 13 13,27%
Universidad Estatal Península de Santa Elena 11 11,22%
Universidad de las Fuerzas Armadas - ESPE 5 5,10%
Universidad Internacional del Ecuador 4 4,08%
Universidad Tecnológica Empresarial de Guayaquil 4 4,08%
Universidad Nacional de Chimborazo 3 3,06%
Universidad Politécnica Salesiana 3 3,06%
Universidad Regional Autónoma de Los Andes 3 3,06%
Universidad Técnica de Machala 3 3,06%
Universidad Tecnológica Equinoccial 3 3,06%
Universidad Tecnológica Indoamérica 3 3,06%
Universidad Central del Ecuador 2 2,04%
Universidad del Azuay 2 2,04%
Universidad Técnica de Ambato 2 2,04%
Universidad de Cuenca 1 1,02%
Universidad Estatal Amazónica 1 1,02%
Una caracterización al interior de Argentina, que según los resultados arrojados en la tabla
11, contribuye en un 10,28% a la producción de artículos en los países de América Latina,
donde tomando como referencia las universidades ubicadas en dicho país, encontramos a la
Universidad de Buenos Aires, Pontificia Universidad Católica Argentina Santa María de los
Buenos Aires que aportan el 37,49% de participación a nivel nacional.
Tabla 16. Distribución producción de artículos de universidades en Argentina

Universidad de Buenos Aires 5 20,83%
Pontificia Universidad Católica Argentina Santa María de 2 8,33%
los Buenos Aires
Universidad de San Andrés 2 8,33%
Universidad Nacional de La Plata 2 8,33%
Universidad Nacional del Comahue 2 8,33%
Universidad Nacional del Sur 2 8,33%
Universidad de la Costa CUC 1 4,17%
Universidad Favaloro 1 4,17%
Universidad Nacional de Cuyo 1 4,17%
Universidad Nacional de General Sarmiento 1 4,17%
Universidad Nacional de la Patagonia Austral 1 4,17%
Universidad Nacional de la Patagonia San Juan Bosco 1 4,17%
Universidad Nacional de Tucumán 1 4,17%
82
Universidad Nacional del Centro de la Provincia de 1 4,17%
Buenos Aires
Universidad Tecnológica Nacional 1 4,17%
Una caracterización al interior de Chile, que según los resultados arrojados en la tabla 11,
Pontificia Universidad Católica de Chile, Universidad de Tarapacá y la Universidad de Chile
que aportan el 41,5% de participación a nivel nacional.
Tabla 17. Distribución producción de artículos de universidades en Chile

Pontificia Universidad Católica de Chile 9 16,98%
Universidad de Tarapacá 8 15,09%
Universidad de Chile 5 9,43%
Universidad de Los Lagos 5 9,43%
Universidad del Desarrollo 3 5,66%
Universidad Técnica Federico Santa María 3 5,66%
Universidad Adolfo Ibáñez 2 3,77%
Universidad Andrés Bello 2 3,77%
Universidad Austral de Chile 2 3,77%
Universidad Bernardo O'Higgins 2 3,77%
Universidad de Concepción 2 3,77%
Universidad de los Andes 2 3,77%
Universidad Diego Portales 2 3,77%
Universidad Alberto Hurtado 1 1,89%
Universidad Autónoma de Chile 1 1,89%
Universidad Católica del Norte 1 1,89%
Universidad de Ciencias de la Informática 1 1,89%
Universidad de La Frontera 1 1,89%
Universidad de Santiago de Chile 1 1,89%
Una caracterización al interior de Brasil, que según los resultados arrojados en la tabla 11,
Universidad Federal de Rio Grande, Universidad Federal de Goias y a la Universidad Federal
de Santa Catarina que aportan el 29,09% de participación a nivel nacional.
Tabla 18. Distribución producción de artículos de universidades en Brasil

Universidad Federal de Río Grande 6 10,91%
Universidad Federal de Goiás 5 9,09%
Universidad Federal de Santa Catarina 5 9,09%
Universidad Federal Fluminense 5 9,09%
Universidad del Estado de Río de Janeiro 4 7,27%
Universidad Federal Rural de Pernambuco 4 7,27%
Universidad Federal de Río de Janeiro 3 5,45%
83
Universidad Federal Rural de Río de Janeiro 3 5,45%
University Adventist 3 5,45%
Centro Universitario Eurípedes de Marília 2 3,64%
Universidad de Brasilia 2 3,64%
Universidad Federal de Alagoas 2 3,64%
Universidad Federal de Río Grande del Norte 2 3,64%
Universidad Federal de São Carlos 2 3,64%
Universidad de São Paulo 1 1,82%
Universidad Estatal del Norte Fluminense 1 1,82%
Universidad Federal de Bahía 1 1,82%
Universidad Federal de Pernambuco 1 1,82%
Universidade Estadual de Santa Cruz 1 1,82%
Universidade Paulista 1 1,82%
University of Pernambuco 1 1,82%
Una caracterización al interior de Perú, que según los resultados arrojados en la tabla 11,
Pontificia Universidad Católica del Perú, la Universidad Nacional Mayor de San Marcos y la
Universidad Católica de Santa María que aportan el 45,83% de participación a nivel nacional.
Tabla 19. Distribución producción de artículos de universidades en Perú

Pontificia Universidad Católica del Perú 6 25,00%
Universidad Nacional Mayor de San Marcos 3 12,50%
Universidad Católica de Santa María 2 8,33%
Universidad Nacional de San Agustín 2 8,33%
Universidad Peruana de Ciencias Aplicadas 2 8,33%
Universidad Privada de Tacna 2 8,33%
Universidad de Piura 1 4,17%
Universidad del Pacífico 1 4,17%
Universidad ESAN 1 4,17%
Universidad Nacional Agraria La Molina 1 4,17%
Universidad Nacional de Ingeniería 1 4,17%
Universidad Nacional del Altiplano de Puno 1 4,17%
Universidad Nacional del Centro del Perú 1 4,17%
Una caracterización al interior de los otros países como Cuba, Venezuela, Puerto Rico, que
representan un porcentaje menor de participación en la producción de artículos en los países
de América Latina, se presentan a continuación:
Tabla 20. Distribución producción de artículos de universidades de otros países

latinoamericanos
Universidad País Frecuencia Porcentaje
Universidad de La Habana Cuba 10 19,61%
Universidad del Zulia Venezuela 8 15,69%
84
Universidad Central "Marta Abreu" Cuba 5 9,80%
de Las Villas
Pontificia Universidad Católica de Puerto Rico 3 5,88%
Puerto Rico
Universidad de Holguín Cuba 3 5,88%
Universidad Nacional de Asunción Paraguay 3 5,88%
Recinto Universitario de Mayagüez Puerto Rico 2 3,92%
Universidad Autónoma de Santo República 1 1,96%
Domingo Dominicana
Universidad Católica del Uruguay Uruguay 1 1,96%
Universidad Centroccidental Venezuela 1 1,96%
Lisandro Alvarado
Universidad de Cienfuegos Cuba 1 1,96%
Universidad de Costa Rica Costa Rica 1 1,96%
Universidad de la República Uruguay 1 1,96%
Universidad de las Ciencias y el Arte Costa Rica 1 1,96%
Universidad de Montevideo Uruguay 1 1,96%
Universidad del Istmo Panamá 1 1,96%
Universidad Galileo Guatemala 1 1,96%
Universidad Metropolitana Venezuela 1 1,96%
Universidad Nacional de Costa Rica Costa Rica 1 1,96%
Universidad Nacional Experimental Venezuela 1 1,96%
del Táchira
Universidad Rafael Landívar Guatemala 1 1,96%
Universidad Santander Panamá Panamá 1 1,96%
Universidad Simón Bolívar Venezuela 1 1,96%
Universidad Tecnológica Honduras 1 1,96%
Centroamericana
En cuanto a los autores, como se puede observar en la Figura 51, el investigador con mayor
producción de publicaciones es José Arias Perez que es administrador de empresas, magister
en Gestión de Tecnología e Innovación, y candidato a doctor en Dirección de empresas,
además es profesor del Departamento de Ciencias Administrativas de la Universidad de
Antioquia, Colombia. Entre otros autores destacados se encuentran:
✓ Víctor Hugo Medina García: Doctor en ingeniería informática, docente investigador en

la Universidad Distrital Francisco José de Caldas, Colombia.
✓ Viena Medina González: Docente de Ciencias de la Información en la Universidad de

la Habana, Cuba.
✓ Adith Bismarck Pérez Orozco: Docente Ocasional de Tiempo Completo para el

Programa de Ingeniería de Sistemas en la Universidad Popular del Cesar, Colombia.
✓ Vanessa Paola Pertuz Peralta: Docente en la Universidad de Santander, Colombia.
85
Figura 51. Investigadores con mayor producción de publicaciones.
Una caracterización a los investigadores con mayor producción con sus respectivas
publicaciones se presenta a continuación:
Tabla 21. Investigadores con sus respectivas publicaciones sobre Gestión del Conocimiento
Investigador Publicaciones
Arias Pérez, J. Construcción de un modelo de madurez de gestión del
conocimiento para una multinacional de alimentos de una
economía emergente
Orientación estratégica, estrategias de gestión del
conocimiento y creatividad organizacional
Vínculo entre innovación y conocimiento tácito: Integración
de resultados de investigación
Approach to differences in product and process innovation
capabilities and financial performance in manufacturing
companies
Medina García, V.H. Una aproximación al análisis de los sistemas de transporte en
Colombia: Factor de competitividad
El docente como gestor del capital relacional: Una revisión
Medina González, V. Microcrédito, microempresa y educación en Ecuador, Caso de
estudio: Cantón Zamora
Pérez Orozco, A.B. Microcrédito, microempresa y educación en Ecuador, Caso de
estudio: Cantón Zamora
Pertuz Peralta, V.P. Gestión del conocimiento ambiental en proyectos
agropecuarios mediante un sistema de información basado
en ontología
Becerra, M.A. A fuzzy approach to a municipality grouping model towards
creation of synergies
Applied Mathematics and Computational Intelligence
Decision Making and Knowledge Decision Support Systems
86
Bustamante, K.P. Gestión del conocimiento ambiental en proyectos
en ontología
Cabrera, K.S. Gestión del conocimiento ambiental en proyectos
en ontología
Castellanos, M. I. Propuesta de modificación del índice global de
competitividad
Gil Lafuente, A.M. Orientación al mercado e innovación: ¿La estructura y el
entorno moderan esta relación?
Grangel, I. Dimensiones del liderazgo transformacional y capacidad de
aprendizaje organizacional en Pymes
Capacidad de aprendizaje organizativo como fuente de
ventaja competitiva sostenible
Hernández, L. Modelo de medición de la gestión del conocimiento en
cadenas productivas
Modelo de Gestión de Lecciones Aprendidas para la solución
de incidencias
Modelo de Gestión del Conocimiento y Medición del capital
intelectual en el sector financiero
Transferencia de conocimiento en clusters de las Pymes del
sector autopartista
Jaimes Carrillo, L. Gestión del conocimiento y capital social: Su relación en
contextos universitarios
La identificación del capital social en organizaciones de
información y su relación con la gestión del conocimiento
Jiménez Jiménez, D. Evolucionando la mejora de procesos basada en el de
procesos basada en el uso de entornos multimodelo y la
gestión del conocimiento
Extracción del Conocimiento tácito como base para el
establecimiento de mejora de procesos de software en las
Organizaciones de desarrollo de Software
Trends and Applications in Software Engineering
López Zapata, E. Gestión del conocimiento ambiental en proyectos
en ontología
Mejia, J. Orientación al mercado e innovación: ¿La estructura y el
Moreno, R. Orientación al mercado e innovación: ¿La estructura y el
Naranjo Valencia, J.C. La relevancia del proyecto estratégico como determinante de
la calidad en las universidades
Desafíos para la gestión pública en la sociedad del
conocimiento
La Gestión del conocimiento en instituciones de educación
superior del Norte De Chile
Ocampo Wilches, A.C. Gestión del conocimiento en un grupo de investigación en
ingeniería
A process innovation based on activities, types and
characteristics
87
Pedraja Rejas, L. Gestión del conocimiento en un grupo de investigación en
ingeniería
A process innovation based on activities, types and
characteristics
Rodríguez Ponce, E. Los desafíos estratégicos para la gestión de la investigación
universitaria en la sociedad del conocimiento
La relevancia del proyecto estratégico como determinante de
la calidad en las universidades
La Gestión del conocimiento en instituciones de educación
superior del Norte De Chile
Sánchez Juárez, I. Gasto público, índice de competitividad y política social en
México
Torres Ponjuán, D. La identificación del capital social en organizaciones de
información y su relación con la gestión del conocimiento
Relación conceptual entre la gestión de la comunicación
institucional y la gestión del conocimiento
Una caracterización a la concurrencia de temas investigados se presenta a continuación:
Figura 52. Concurrencia de temas investigados.
Ventaja Competitiva 232

Lecciones Aprendidas 73
Capital Intelectual 53
Activos de Conocimiento 44
Aprendizaje Organizacional 43
Modelos de Gestión del Conocimiento 38
Conocimiento Científico 34
Transferencia Tecnológica 31
Transferencia de Conocimiento 31
Sociedad del Conocimiento 27
Gestión de Ciencia 20
Mapas de Conocimiento 18
Sistemas de Conocimiento 17
Proceso de innovación 16
Conocimiento Tácito 16
Procesos de Gestión de Conocimiento 14
Procesos Organizacionales 12
Estrategias para Gestión del Conocimiento 10
Flujo del Conocimiento 7
Prácticas de Conocimiento 6
Economía de Conocimiento 5
Conocimiento Explícito 5
Memoria Organizacional 3
Conocimiento Práctico 2
0 50 100 150 200 250
88
7 CONCLUSIONES
✓ Desde el año 2012 a 2018 se ha dado un crecimiento en cuanto al número de

publicaciones sobre gestión del conocimiento, hasta el año 2016 se venía presentando
una tendencia de crecimiento estable, pero realmente en el año 2017 se dio la mayor
variación de crecimiento correspondiente a un 77 % con respecto al año anterior. Desde
el 2012 al año en curso, el crecimiento fue de 647%.
✓ Los países de América Latina con mayor producción de artículos sobre gestión del
conocimiento son Colombia, México, Ecuador, Argentina y Chile. Un hallazgo importante
es que el ranking lo lidera Colombia, cuya producción es mayor que la suma de la
producción del 63% de los países latinoamericanos, México y Ecuador realizan un aporte
significativo de 14% y 12% respectivamente, Panamá, Guatemala, Nicaragua, Paraguay,
Honduras, Puerto Rico y República Dominicana son los de menor producción.
✓ En la colaboración entre países en América Latina para la producción de artículos sobre

gestión del conocimiento se destacan Colombia, Brasil, México y Ecuador. Por otro lado,
países como Uruguay con poca participación ya que sólo registra colaboración con
Colombia y por último Bolivia que sólo registra colaboración con Ecuador.
✓ Las universidades con mayor producción de artículos sobre gestión del conocimiento, se
puede observar un gran aporte de instituciones de Colombia, Ecuador y México, siento la
Universidad Nacional de Colombia la de mayor número de publicaciones, seguido de
Universidad Distrital Francisco José de Caldas, Pontificia Universidad Católica del
Ecuador, Universidad de Antioquia, Universidad Nacional Autónoma de México,
Universidad Técnica Particular de Loja, Universidad Católica de Santiago de Guayaquil,
Universidad Autónoma de Nuevo León, Universidad Estatal Península de Santa Elena y
Universidad Pontificia Bolivariana.
✓ El investigador con mayor producción de publicaciones es José Arias Perez que es

administrador de empresas, magister en Gestión de Tecnología e Innovación, y candidato
a doctor en Dirección de empresas, además es profesor del Departamento de Ciencias
Administrativas de la Universidad de Antioquia, Colombia.
89
8 RECOMENDACIONES
✓ Para esta práctica académica se limitó la elección del software a uno gratuito que, aunque
tiene muy buenas funcionalidades y trabaja muy bien, visualmente ofrece pocas opciones
para presentar las estadísticas de la información en forma gráfica.
90
BIBLIOGRAFÍA
Agudelo, Mónica. (2013). Los Metadatos. Aprende en línea.

Recuperado de:
aprendeenlinea.udea.edu.co/lms/men/docsoac3/0301_metadatos.pdf
AL. Porter, SW. Cunningham, Tech Mining: Exploiting New Technologies for Competitive
Advantage. 1a ed. NJ, USA: Wiley-Interscience, John Wiley & Sons, Inc., 2005. ISBN-13:
047147567X.
Alvarado, J.A., Constanza, C. (2013). Extracción de Funciones de un Cargo usando Minería

de Texto en Correos Electrónicos.
Asensio Blasco, E. (2014). Aplicación de técnicas de minería de datos en redes sociales/web.
Bases de datos bibliográficas.

Recuperado de:
www.udea.edu.co/wps/portal/udea/web/inicio/sistema-bibliotecas/buscas-informacion/bases-
datos-bibliograficas
Berry, M.M. and Taggart, J.H.,(1994), Managing Technology and Innovation: a review, R & D
Management, Vol. 24, No4, pp. 341-353
Botta Ferret, E., Cabrera Gato, J.E. (2007). Minería de textos: una herramienta útil para
mejorar la gestión del bibliotecario en el entorno digital.
Campaña Naranjo, F.X. (2017). Aplicación de técnicas de Data Mining a bases de datos de
contenido musical para identificar rasgos de personalidad de los usuarios en el Distrito
Metropolitano de Quito.
Diferencia entre datos estructurados y no estructurados. (2017). Kyocera.

Recuperado de:
smarterworkspaces.kyocera.es/blog/diferencia-datos-estructurados-no-estructurados/
Funcionalidades básicas en SCOPUS. (2018). Fundación Española para la Ciencia y la

Tecnología.
Recuperado de:
www.recursoscientificos.fecyt.es/sites/default/files/scopus_basico_mayo_18.pdf
Grau, A. (2001) Herramientas de gestión del conocimiento.
Grupos de Investigación reconocidos por Colciencias. (2017). Colciencias.

Recuperado de:
www.colciencias.gov.co/la-ciencia-en-cifras/grupos.
Hoyos Angel, S.T. (2011). Perfil académico de investigación de los trabajos de grado de la
licenciatura en lenguas modernas de la pontificia Universidad Javeriana: 2001-2009.
91
Justicia de la Torre, M.C. (2017). Nuevas Técnicas de Minería de Textos: Aplicaciones.
Los países que más invierten en investigación e innovación. (2018). Dinero.

Recuperado de:
www.dinero.com/edicion-impresa/mundo/articulo/paises-que-invierten-en-innovacion/254269
Miller, William L., Morris Langdom.(1999), 4th Generation R&D. Managing Knowledge,
Technology, and Innovation, John Wiley & Sons, Inc. USA
Mariñelarena Dondena, L., Errecalde, M.L., Castro Solano, A. (2017). Extracción de

conocimiento con técnicas de minería de textos aplicadas a la psicología.
Ortiz Cantú, S., Pedroza Zapata, A.R. (2006). ¿Qué es la Gestión de la Innovación y la
Tecnología (GInnT)?.
Pérez, D., Dressler, M. (2007). Tecnologías de la información para la gestión del

Conocimiento.
Pérez Abelleira, M. A., Cardoso, C.A. (2010). Minería de texto para la categorización
automática de Documentos.
Proyecciones económicas de América Latina y el Caribe. (2018). La República.

Recuperado de:
www.larepublica.co/globoeconomia/colombia-es-la-tercera-mejor-economia-de-america-
latina-segun-el-fmi-2752313
¿Qué es el cuadrante mágico de Gartner? (2016). Solopiensoentic.

Recuperado de:
www.solopiensoentic.com/cuadrante-magico-de-gartner/
¿Qué es Forrester Wave ™ y por qué es importante? (2018). Nuxeo.

Recuperado de:
www.nuxeo.com/blog/what-is-forrester-wave
Riquelme Santos, J.C., Ruíz, R. y Gilbert, K. (2006). Minería de Datos: Conceptos y

Tendencias. Inteligencia Artificial: Revista Iberoamericana de Inteligencia Artificial, 10 (29),
11-18.
Roales González, N. (2014). Detección de tendencias en Twitter utilizando minería de datos

adaptativa.
Rodríguez Ojeda, M.J. (2014). Determinación de perfiles profesionales mediante técnicas de

minería de datos.
Rothwell, R. (1994), Industrial lnnovation: Success, Strategy, Trends In Dodgson, M.;

Rothwell, R., The Handbook of industrial (pp.33-53) USA: Edward Elgar.
92
Takano Abratani, C., Chavez Espinoza, J., Grandez Márquez, M.A. (2017). Aplicación de
minería de datos para determinar patrones de consumo futuro en clientes de una distribuidora
de suplementos nutricionales.
Torres Samboni, L.A. (2015). Análisis de sentimientos sobre el posconflicto colombiano

utilizando herramientas de minería de texto.
Santana Mansilla, P.F., Costaguta, R.N., Missio, D. (2014). Aplicación de Algoritmos de

Clasificación de Minería de Textos para el Reconocimiento de Habilidades de E-tutores
Colaborativos.
93

Mineria de Textos 2

Cargado por

Copyright:

Formatos disponibles

Mineria de Textos 2

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mineria de Textos 2

Cargado por

Copyright:

Formatos disponibles

LA MINERÍA DE TEXTO COMO HERRAMIENTA PARA LA IDENTIFICACIÓN DEL PERFIL

INVESTIGATIVO: CASO GESTIÓN DEL CONOCIMIENTO EN AMÉRICA LATINA DE 2012

WILLIAM ALEJANDRO GIRALDO ZULUAGA

UNIVERSIDAD COOPERATIVA DE COLOMBIA

WILLIAM ALEJANDRO GIRALDO ZULUAGA

INGENIERA JOSEFINA MAYRA DE LLANO FELIU MsC

UNIVERSIDAD COOPERATIVA DE COLOMBIA

Tabla 1. Gasto en investigación y desarrollo por PIB de países en el mundo 11

Tabla 2. Ranking The Global Competitiveness 2017-2018 13

Tabla 3. Herramientas minería de texto 19

Tabla 4. Aplicaciones de la Minería de Textos 24

Tabla 5. Adaptación metodología propuesta por Alan Porter 39

Tabla 6. Aspectos técnicos herramientas de minería de texto 41

Tabla 7. Aspectos funcionales herramientas de minería de texto 45

Tabla 8. Comparación herramientas de minería de texto según ranking de 53

Tabla 9. Clasificación PAT herramientas minería de texto 59

Tabla 10. Estadísticas de etiquetas POS excluidas 68

Tabla 11. Distribución producción de artículos en países de Latinoamérica 77

Tabla 12. Mapa de colaboración entre países en América Latina 77

Tabla 13. Distribución producción de artículos de universidades en Colombia 79

Tabla 14. Distribución producción de artículos de universidades en México 81

Tabla 15. Distribución producción de artículos de universidades en Ecuador 82

Tabla 16. Distribución producción de artículos de universidades en Argentina 82

Tabla 17. Distribución producción de artículos de universidades en Chile 83

Tabla 18. Distribución producción de artículos de universidades en Brasil 83

Tabla 19. Distribución producción de artículos de universidades en Perú 84

Tabla 20. Distribución producción de artículos de universidades de otros 84

Figura 1. Categorías grupos de investigación en Colombia reconocidos por 10

Figura 2. Proyecciones económicas de América Latina y el Caribe 12

Figura 3. Proyección de crecimiento económico mundial 12

Figura 4. Fases del proceso Minería de Datos 18

Figura 5. Evolución de referencias a Minería de Textos 19

Figura 6. Participación de América Latina sobre el total de publicaciones en 22

Figura 7. Evolución de la inversión en I+D de América Latina y el Caribe e 23

Figura 8. Evolución fuentes de información desde 1586 hasta 1992 28

Figura 9. Evolución fuentes de información desde 1995 hasta 2012 28

Figura 10. Cuadrante mágico de Gartner 2018 para ciencia de datos y 51

Figura 12. Comparación de antecedentes herramientas en minería de texto 54

Figura 13. Captura módulo funcional de Rapidminer Text Mining 55

Figura 14. Captura módulo funcional de IBM SPSS Predictive Analytics 56

Figura 15. Captura módulo funcional de KNIME 57

Figura 16. Captura módulo funcional de SAS Text Miner 58

Figura 17. Ecuación de búsqueda 60

Figura 18. Ejecución Nodo “PDF Parser” 60

Figura 19. Visualización tabla resultante del Nodo “PDF Parser” 61

Figura 21. Visualización tabla resultante del Nodo “POS Tagger” 62

Figura 22. Ejecución Nodo “Document Data Extractor” 62

Figura 24. Ejecución Nodos “OpenNLP NE Tagger” 63

Figura 25. Visualización tabla resultante del Nodo “OpenNLP NE Tagger” 64

Figura 26. Ejecución Nodo “Bag Of Words Creator” 64

Figura 28. Ejecución Nodo “Column Rename” 65

Figura 29. Visualización tabla resultante del Nodo “Column Rename” 66

Figura 30. Ejecución Nodo “Tag To String” 66

Figura 31. Visualización tabla resultante del Nodo “Tags To String” 67

Figura 32. Ejecución Nodo “Row Filter” 67

Figura 33. Red de Nodos “Row Filter” 68

Figura 34. Ejecución Nodo “DF” 69

Figura 35. Visualización tabla resultante del Nodo “DF” 69

Figura 36. Ejecución Nodo “Column Filter” 70

Figura 37. Visualización tabla resultante del Nodo “Column Filter” 70