Resumen

Las tecnologías contemporáneas han asegurado la disponibilidad de datos de investigación de alta calidad compartidos a través de Internet. Esto ha resultado en una tremenda disponibilidad de literatura de investigación, que sigue evolucionando. Por lo tanto, la identificación de áreas de investigación centrales y tendencias en esta literatura en constante evolución no solo es desafiante, sino también interesante. Se ha explicado un resumen empírico de los métodos contemporáneos de aprendizaje automático, que tienen el potencial de acelerar la síntesis de evidencia dentro de la literatura de investigación. Este manuscrito propone el marco de Simulación de Comprensión de Expertos para Analizar Tendencias de Investigación (SEAR), que puede realizar investigaciones subjetivas y cuantitativas sobre una enorme literatura. TRENDMINER es el caso de uso diseñado exclusivamente para el marco SEAR. TRENDMINER descubrió la estructura intelectual de un corpus de 444 resúmenes de artículos de investigación (publicados durante 2010-2019) sobre el análisis y detección de

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Tecnologías; Datos de investigación; Literatura; Métodos de aprendizaje automático; Marco SEAR; TRENDMINER
• Keywords:Technologies; Research data; Literature; Machine learning methods; SEAR framework; TRENDMINER