🤖 machine learning

CiteRadar: A Citation Intelligence Platform for Researcher Profiling and Geographic Visualization

CiteRadar es una herramienta de código abierto y de línea de comandos que permite a los investigadores perfilar su impacto en las citas y visualizar su alcance geográfico integrando cinco fuentes de datos heterogéneas mediante un pipeline robusto que incluye correcciones especializadas para el análisis de Google Scholar, la desambiguación de autores y el enriquecimiento de ubicaciones de OpenAlex para generar salidas estructuradas y mapas mundiales interactivos.

Autores originales: Chenxu Niu, Yiming Sun

Publicado 2026-04-29

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Chenxu Niu, Yiming Sun

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un investigador que ha escrito un artículo. Sabes cuántas veces ha sido citado, pero no sabes quién lo está leyendo, dónde están sentados o qué fama tienen. Es como saber que una canción se ha reproducido un millón de veces, pero no saber si la está cantando un coro en una catedral o un niño en un garaje.

CiteRadar es una nueva herramienta gratuita que actúa como un detective de alta tecnología para tu investigación. Toma un solo enlace a tu perfil de Google Scholar y construye un "mapa" completo de tu vecindario intelectual.

Así es como funciona, desglosado en partes simples:

1. El problema: La "caja negra" de las citas

Actualmente, si quieres saber quién está construyendo sobre tu trabajo, tienes dos malas opciones:

La opción de "muro de pago": Puedes pagar a las universidades miles de dólares al año por bases de datos sofisticadas (como Web of Science) que te dan esta información.
La opción "ciega": Puedes usar herramientas gratuitas como Google Scholar, pero solo te dan un número total (por ejemplo, "500 citas") sin decirte los nombres ni las ubicaciones de las personas detrás de esos números.

2. La solución: CiteRadar

CiteRadar es un programa gratuito y de código abierto que cierra esta brecha. Le das tu ID de Google Scholar y automáticamente realiza cinco acciones para ofrecerte un informe completo:

Recopila las pruebas: Lee tu lista de artículos y encuentra cada artículo que te haya citado alguna vez.
Rellena los huecos: Consulta otras bases de datos gratuitas para encontrar los nombres completos, las universidades y los países de las personas que te citaron.
Ordena a la multitud: Crea dos listas: una de quienes te citan más y otra de quienes son más "influyentes" (basado en su propio éxito profesional).
Dibuja el mapa: Genera un mapa interactivo del mundo que muestra exactamente dónde se encuentran estos investigadores.
Resumela historia: Redacta un resumen en texto plano que puedes incluir en una solicitud de subvención o en un currículum.

3. Cómo resuelve los acertijos de los "datos desordenados"

El artículo explica que internet es desordenado y que CiteRadar tuvo que inventar algunos trucos inteligentes para manejarlo:

El fallo del "espacio invisible": El código de Google Scholar utiliza un tipo especial de carácter de "espacio" que parece normal en tu pantalla pero confunde a las computadoras. Si una computadora intenta leer "Autor - Revista, Año" y no sabe cómo manejar este espacio especial, piensa que todo es el nombre del autor. CiteRadar tiene un "traductor" especial que corrige este fallo invisible para separar correctamente los nombres de las revistas.
El problema de los "gemelos de nombre": Imagina dos personas llamadas "John Smith". Uno es un profesor famoso con una gran carrera y el otro es un estudiante nuevo. Si una computadora solo mira el nombre, podría asignar accidentalmente las estadísticas de carrera del profesor famoso al estudiante. CiteRadar utiliza una "verificación de dos pasos": mira el nombre y la universidad. Si la universidad no coincide, sabe que son personas diferentes. Esto evita que el "estudiante nuevo" obtenga accidentalmente una puntuación de carrera falsa e inflada.
La corrección de la "dirección incorrecta": Una de las fuentes de datos (OpenAlex) proporciona a los investigadores un enlace web a su perfil, pero la computadora necesita un tipo de enlace diferente para obtener los datos de la ciudad. CiteRadar cambia automáticamente el "enlace web" por el "enlace de datos", convirtiendo una tasa de éxito del 0% para encontrar ciudades en una tasa del 60%.

4. Qué obtienes de ello

Cuando la herramienta termina, obtienes una carpeta con:

Un mapa mundial: Puedes hacer clic en un punto del mapa (como Seúl o Boston) y ver una lista emergente de todos los investigadores de esa ciudad que citaron tu trabajo.
Listas de clasificación: Puedes ver una lista de tus "superfans" (personas que te citan con frecuencia) y tus "fans VIP" (investigadores famosos que te citan).
Un informe resumen: Un archivo de texto simple que te dice: "134 personas de 11 países te citaron, con el grupo más grande en Estados Unidos".

¿Por qué importa esto?

El artículo argumenta que esta herramienta ayuda a los investigadores de tres maneras específicas y prácticas:

Solicitudes de subvenciones: Puedes mostrar a una agencia de financiación: "Mira, mi trabajo está siendo utilizado por laboratorios en Alemania y Brasil", demostrando que tu investigación tiene un alcance global real.
Promociones laborales: Puedes demostrar a tu universidad: "Estoy siendo citado por científicos senior famosos", lo cual es más impresionante que simplemente decir "tengo 500 citas".
Encontrar colaboradores: Si ves un grupo de investigadores en una ciudad específica que ya están leyendo tu trabajo, sabes exactamente a quién enviar un correo electrónico para iniciar una asociación.

En resumen, CiteRadar convierte una lista aburrida de números en un mapa vivo y respirable de tu comunidad de investigación, ayudándote a ver quién te escucha y dónde están.

A continuación se presenta un resumen técnico detallado del artículo "CiteRadar: Una plataforma de inteligencia de citas para la elaboración de perfiles de investigadores y la visualización geográfica."

1. Planteamiento del Problema

Si bien los indicadores bibliométricos agregados (por ejemplo, recuentos totales de citas, índice h) son el estándar para medir el impacto de la investigación, no logran responder preguntas granulares críticas para el desarrollo profesional, las solicitudes de subvenciones y el descubrimiento de colaboraciones. Los investigadores necesitan saber:

Quién cita su trabajo (nombres específicos, instituciones y jerarquía).
Dónde se encuentran ubicados globalmente estos investigadores.
Cuán influyentes son individualmente los investigadores que citan.

Las soluciones existentes son inadecuadas:

Plataformas comerciales (Web of Science, Scopus) ofrecen estos datos, pero requieren suscripciones institucionales costosas.
Google Scholar es gratuito y ampliamente utilizado, pero solo expone recuentos agregados sin metadatos estructurados por autor ni datos geográficos.
APIs abiertas (OpenAlex, CrossRef) proporcionan datos crudos, pero requieren una ingeniería personalizada significativa para ensamblarlos en una herramienta automatizada y cohesiva.
Herramientas abiertas existentes (por ejemplo, CitationMap) carecen de desambiguación de autores, clasificaciones estructuradas y enriquecimiento de metadatos de múltiples fuentes.

2. Metodología

CiteRadar es una herramienta de línea de comandos de Python de código abierto que automatiza una tubería de cinco etapas para transformar un único ID de usuario de Google Scholar en un informe integral de inteligencia de citas. El sistema integra cinco fuentes de datos heterogéneas: Google Scholar, OpenAlex, CrossRef, Semantic Scholar y OpenStreetMap Nominatim.

Etapas de la Tubería:

Raspado de Scholar y Seguimiento de Citas:
- Raspa la lista completa de publicaciones desde un perfil de Google Scholar.
- Recorre los enlaces "Citado por" para cada artículo con citas > 0.
- Estrategia Anti-Bloqueo: Utiliza huellas digitales de navegador realistas, un ritmo de solicitudes conservador (retraso de 2s) y una recuperación elegante de errores 429 para evitar la limitación de velocidad.
Enriquecimiento de Metadatos (CrossRef):
- Para artículos donde Scholar truncó las listas de autores (típicamente >5 autores), CiteRadar consulta la API de CrossRef utilizando coincidencia de similitud de títulos para recuperar listas completas y estructuradas de autores.
Perfilado de Autores de Múltiples Fuentes:
- Resuelve los metadatos completos del autor (nombre, institución, país, ciudad) mediante una cascada de prioridad:
  1. OpenAlex (Principal): Proporciona IDs de autor persistentes y datos de instituciones.
  2. Semantic Scholar (Secundario): Respuesta alternativa para nombres/afiliaciones.
  3. CrossRef (Terciario): Respuesta alternativa para nombres estructurados.
- Corrección de URL: Corrige un error crítico donde se obtenían las URLs web de las instituciones de OpenAlex en lugar de los puntos finales de la API, elevando la disponibilidad de datos a nivel de ciudad del 0% al ~60%.
Desambiguación y Clasificación de Autores:
- Implementa un Algoritmo de Desambiguación en Dos Etapas para evitar la fusión de entidades con "mismo nombre" (un fallo común en bibliometría).
- Etapa 1: Valida la institución del autor candidato contra la institución a nivel de artículo registrada en la Etapa 3 utilizando similitud de cadenas filtrada por palabras de parada.
- Etapa 2: Si no existe un ID de OpenAlex, busca por nombre y filtra candidatos basándose en la similitud de nombres y la coincidencia de instituciones.
- Clasificación: Genera dos tablas clasificadas: una por frecuencia de citas (cuántos artículos citaron al investigador) y otra por índice h (influencia del investigador que cita).
Resumen y Visualización:
- Genera un resumen estadístico en texto plano (investigadores únicos, países, instituciones).
- Crea un mapa mundial interactivo HTML autocontenido utilizando la biblioteca Folium.
- Geocodificación: Utiliza OpenStreetMap Nominatim para convertir pares de ciudad/país en coordenadas.
- Visualización: Utiliza marcadores circulares con escala logarítmica para representar la densidad de investigadores, evitando que las ciudades grandes oculten a las más pequeñas.

3. Contribuciones Técnicas Clave

El artículo identifica y resuelve cuatro desafíos técnicos específicos:

Analizador de Espacios No Divisibles Unicode: El HTML de Google Scholar utiliza U+00A0 (espacio no divisibles) en lugar de espacios estándar alrededor de los delimitadores. CiteRadar implementa una normalización explícita de Unicode para analizar correctamente los campos de lugar y año, que de lo contrario permanecerían vacíos en analizadores ingenuos.
Similitud de Instituciones Filtrada por Palabras de Parada: Para resolver la desambiguación de autores, el sistema filtra palabras de parada institucionales comunes (por ejemplo, "Universidad", "de", "Laboratorio") antes de calcular la similitud de cadenas. Esto evita coincidencias falsas entre instituciones distintas (por ejemplo, "Texas Tech University" vs. "University of Texas") y reduce los errores de atribución del índice h hasta en 9 veces.
Conversión de URL de la API de OpenAlex: Los autores descubrieron que obtener datos de instituciones a través de la URL web devolvía HTML en lugar de JSON. Diseñaron una conversión de ruta (/openalex.org/ $\to$ /api.openalex.org/institutions/), aumentando la fracción de autores con datos a nivel de ciudad del 0% al ~60%.
Escalado Logarítmico de Mapas: El mapa interactivo utiliza una función de escalado logarítmico para los radios de los marcadores ( $r(n) = \max(7, 7 + 10 \log_2(n+1))$ ) y una paleta de colores ordenada perceptualmente para visualizar eficazmente la densidad de citas sin desorden visual.

4. Resultados y Estudio de Caso

Los autores validaron CiteRadar perfilando su propio perfil de Google Scholar (investigación en Sistemas HPC e IA).

Escala: La tubería procesó 134 investigadores citantes únicos en 11 países y 31 instituciones.
Perspectiva Geográfica: Identificó un clúster dominante en EE. UU. (64%) y un clúster independiente significativo en Corea del Sur (9%), específicamente en la Universidad Sogang.
Éxito en Desambiguación: El sistema distinguió con éxito entre investigadores con nombres similares, filtrando entradas espurias (por ejemplo, nombres de conferencias confundidos con autores) y atribuyendo correctamente los índices h.
Hallazgos Accionables:
- Reveló la adopción de la metodología del autor por parte de 20 investigadores en el Laboratorio Nacional de Oak Ridge (útil para propuestas de subvenciones del DOE).
- Identificó investigadores senior (índice h $\ge$ 50) que citan el trabajo, proporcionando evidencia cualitativa para casos de permanencia/promoción.
- Descubrió impacto interdisciplinario (artículos de referencia de LLM citados por investigadores de diseño VLSI).

5. Significado

CiteRadar cierra la brecha entre los datos brutos de citas y la inteligencia accionable para investigadores individuales.

Accesibilidad: Democratiza el acceso a inteligencia bibliométrica de alto nivel previamente reservada para instituciones con suscripciones costosas.
Granularidad: Va más allá de "cuántas" citas para abordar "quién" y "dónde", permitiendo colaboraciones dirigidas y planificación estratégica de carrera.
Reproducibilidad: Como un único paquete pip install, ofrece un flujo de trabajo transparente y reproducible para el análisis de citas.
Robustez: Al abordar peculiaridades específicas de análisis y limitaciones de API de las principales fuentes de datos, establece un nuevo estándar de fiabilidad para las herramientas bibliométricas de código abierto.

Disponibilidad: La herramienta es de código abierto (Licencia MIT) y está disponible en https://github.com/chenxuniu/citeradar.