Strategic Mapping of University Research Portfolios Using NLP and Machine Learning: An Integrated Analysis of Research Projects

Las universidades son motores de descubrimiento, que generan constantemente miles de proyectos de investigación con el objetivo de resolver problemas, inventar nuevas tecnologías y expandir el conocimiento humano. Para mantener estos motores en funcionamiento, las instituciones dependen de las oficinas de investigación para gestionar el flujo de ideas, dinero y tiempo. Durante décadas, la forma en que estas oficinas evaluaban sus colecciones de proyectos —conocidas como carteras— se basaba principalmente en contar productos terminados: cuántas patentes se registraron, cuántos artículos se publicaron o cuánto dinero se recaudó. Este enfoque, sin embargo, mira hacia atrás. Dice a los administradores lo que ya ha sucedido, pero ofrece poca visión sobre el panorama actual del trabajo en curso, las conexiones ocultas entre diferentes campos o los riesgos latentes dentro de un proyecto antes de que falle. A medida que el número de proyectos crece y la investigación se vuelve más compleja, el viejo método de leer manualmente cientos de resúmenes para encontrar patrones se ha vuelto demasiado lento y propenso al sesgo humano. Existe una necesidad creciente de una forma de ver el bosque entero, no solo los árboles individuales, utilizando las herramientas de la computación moderna para comprender la verdadera forma de los esfuerzos de investigación de una universidad.

En un estudio reciente, investigadores de la Universidad de Ciencias de la Comunicación de Estambul (Istanbul Sabahattin Zaim University) abordaron este desafío aplicando técnicas computacionales avanzadas a una colección masiva de 631 proyectos de investigación científica realizados entre 2015 y 2026. En lugar de pedir a expertos que leyeran cada descripción de proyecto, el equipo utilizó una forma de inteligencia artificial diseñada para comprender el lenguaje. Alimentaron los títulos y descripciones de estos proyectos en un sistema capaz de leer el texto y convertir el significado de cada oración en un mapa matemático. Este proceso permitió que la computadora "viera" qué tan similares o diferentes eran dos proyectos basándose en su contenido real, en lugar de solo en su departamento asignado o categoría amplia. Los investigadores utilizaron luego estos mapas para agrupar los proyectos en conglomerados naturales, revelando temas ocultos que atraviesan las fronteras académicas tradicionales. También construyeron un sistema para detectar proyectos que parecían inusuales o riesgosos en comparación con el resto, creando una imagen dinámica de la salud de la investigación de la universidad que va mucho más allá de las simples hojas de cálculo.

El análisis comenzó con un conjunto de datos de 631 proyectos, que fue limpiado y refinado para enfocarse en 593 entradas con suficiente detalle para ser significativas. Los investigadores primero eliminaron el ruido innecesario del texto, como palabras comunes que no aportan un significado específico, y luego utilizaron un modelo de lenguaje sofisticado para traducir cada título de proyecto en un conjunto denso de números que capturara su esencia semántica. Este paso fue crucial porque permitió que la computadora entendiera que un proyecto sobre "inteligencia artificial en medicina" está conceptualmente más cerca de uno sobre "aprendizaje automático para el diagnóstico" que de un proyecto sobre "arquitectura histórica", incluso si las palabras utilizadas fueran muy diferentes. Una vez que el texto fue convertido en estas representaciones numéricas, los investigadores aplicaron técnicas de reducción de dimensionalidad. Piense en esto como tomar un objeto complejo y multicapa y aplanarlo sobre una hoja de papel bidimensional de una manera que preserve las relaciones más importantes entre las partes. Esto hizo posible visualizar toda la cartera en una sola pantalla, donde la posición de cada punto representaba las características únicas de un proyecto.

Con los proyectos mapeados, el equipo utilizó algoritmos de agrupamiento (clustering) para dejar que los datos hablaran por sí mismos. Estos algoritmos actuaron como una máquina de clasificación, agrupando proyectos que estaban cerca en el espacio matemático en familias distintas. Los investigadores probaron diferentes formas de agrupar los datos y encontraron que dividir la cartera en diez conglomerados distintos proporcionaba la imagen más clara y estable. Estos diez grupos no eran arbitrarios; representaban diferencias temáticas genuinas en la investigación que se estaba llevando a cabo. Por ejemplo, un conglomerado estaba dominado por proyectos enfocados en ciencia de materiales, nanotecnología y caracterización avanzada, mientras que otro estaba lleno de proyectos centrados en inteligencia artificial e ingeniería basada en datos. Un tercer grupo surgió alrededor de sistemas autónomos y tecnologías de defensa. Al observar las palabras que aparecían con más frecuencia en cada grupo, los investigadores pudieron etiquetar claramente de qué trataba cada conglomerado, revelando que la investigación de la universidad no era solo una mezcla aleatoria de temas, sino un paisaje estructurado de dominios especializados.

El estudio también analizó el lado financiero y operativo de estos conglomerados para ver si los temas coincidían con los recursos. Descubrieron que la Facultad de Ingeniería y Ciencias Naturales era la potencia de la cartera, al albergar casi dos tercios del presupuesto total de proyectos. Esta concentración sugería un alto nivel de productividad en campos técnicos, pero también señalaba un posible desequilibrio, ya que otras facultades tenían significativamente menos recursos. Los investigadores crearon una métrica específica para medir con qué intensidad se gastaba el dinero a lo largo del tiempo, dividiendo el presupuesto total por la duración del proyecto. Esto reveló que algunos conglomerados no solo eran grandes en tamaño total, sino que también consumían recursos a una tasa mucho más rápida por mes que otros. Los mapas visuales mostraron que los conglomerados con los presupuestos más altos y el gasto más intenso eran a menudo los mismos que destacaban como los más distintos en su contenido temático, sugiriendo un fuerte vínculo entre la naturaleza de la investigación y la escala de la inversión requerida.

Quizás el hallazgo más crítico del estudio fue la identificación del riesgo. Utilizando métodos estadísticos diseñados para detectar anomalías, los investigadores analizaron los proyectos para ver cuáles se desviaban significativamente de la norma. Encontraron que aproximadamente un tercio de toda la cartera caía en una categoría de alto riesgo. Estos no eran necesariamente proyectos malos, pero eran inusuales en términos de su tamaño de presupuesto, duración o uso de recursos, lo que los hacía más vulnerables al fracaso o a problemas de gestión. El riesgo no estaba distribuido uniformemente en la universidad; en cambio, estaba fuertemente concentrado en conglomerados específicos. Un grupo particular de proyectos tenía una calificación de riesgo del 100 por ciento, lo que significa que cada uno de los proyectos en ese conglomerado fue marcado como inusual. Otros conglomerados, incluyendo aquellos enfocados en inteligencia artificial y tecnologías de defensa, también mostraron concentraciones significativas de riesgo. Este patrón sugirió que ciertos tipos de investigación, particularmente aquellos que involucran grandes presupuestos y largos cronogramas, conllevan incertidumbres inherentes que requieren un seguimiento más cercano. El estudio mostró que estos riesgos no eran aleatorios; estaban agrupados en áreas específicas del paisaje de investigación, permitiendo a los gestores dirigir su atención hacia donde era más necesaria.

Los investigadores validaron sus hallazgos probando la estabilidad de sus modelos. Ejecutaron el proceso de agrupamiento múltiples veces con diferentes puntos de partida para asegurar que los grupos que encontraron fueran reales y no solo un error debido a las elecciones aleatorias de la computadora. Los resultados fueron notablemente consistentes, con los mismos proyectos terminando en los mismos grupos cada vez. También compararon su enfoque basado en el lenguaje con métodos más antiguos que simplemente contaban la frecuencia de las palabras. El método más nuevo, que comprendía el significado del texto, produjo grupos mucho más claros y distintos, demostrando que comprender el contexto de la investigación era mucho más importante que simplemente contar palabras clave. Esto confirmó que los diez conglomerados identificados eran un reflejo robusto de la estructura de investigación real de la universidad.

Las implicaciones de este trabajo se extienden mucho más allá de una sola universidad. El estudio demuestra que las carteras de investigación pueden gestionarse con un nivel de precisión y previsión que antes era imposible. Al utilizar estas herramientas basadas en datos, las oficinas de transferencia de tecnología y los gestores de investigación pueden pasar de una postura reactiva, donde simplemente rastrean lo que ya ha sucedido, a una proactiva. Pueden ver tendencias emergentes, identificar oportunidades interdisciplinarias que de otro modo podrían pasarse por alto y detectar problemas potenciales antes de que escalen. El estudio sugiere que el futuro de la gestión de la investigación radica en integrar estas capacidades analíticas en las operaciones diarias, permitiendo a las instituciones tomar decisiones basadas en una visión integral de todo su ecosistema de investigación. Los hallazgos indican que, si bien la cartera actual tiene fortalezas significativas, particularmente en ingeniería y ciencias naturales, existe una clara necesidad de apoyar y equilibrar la investigación en otros campos para asegurar un futuro científico más diverso y sostenible.

En última instancia, esta investigación proporciona una nueva lente a través de la cual ver el complejo mundo de la indagación académica. Muestra que detrás de los miles de títulos de proyectos individuales subyace un paisaje coherente, estructurado y a veces riesgoso que puede ser mapeado, comprendido y gestionado. El estudio no pretende haber resuelto todos los problemas de la gestión de la investigación, pero ofrece un método poderoso y probado para ver el panorama general. Al convertir el texto en datos y los datos en conocimiento, los investigadores han proporcionado un plano sobre cómo las universidades pueden navegar mejor los desafíos de la ciencia moderna, asegurando que sus recursos se dirijan hacia los caminos más prometedores y estables. El trabajo se erige como un testimonio del poder de combinar la curiosidad humana con la potencia computacional para revelar las estructuras ocultas del conocimiento.