Saber localizar, evaluar y analizar fuentes de información e infraestructuras abiertas para los análisis informétricos.

Representar datos mediante tablas, gráficos y visualizaciones, y saber interpretarlos y comentarlos correctamente.

Comprender conceptos básicos de estadística descriptiva.

Extraer datos bibliográficos e informétricos de fuentes relevantes, incluyendo el uso de APIs.

Realizar estudios e informes informétricos dirigidos a personal investigador, revistas científicas e instituciones.

Conocer los principales indicadores y métricas, así como su función, limitaciones y uso responsable en los procesos de evaluación de la investigación.

Conocer y utilizar métricas complementarias a los indicadores bibliométricos tradicionales para describir y evaluar la actividad investigadora.

Conocer conceptos básicos de análisis de redes y aplicarlos al estudio de la producción científica.

Aplicar técnicas de procesamiento del lenguaje natural para el análisis temático de la literatura científica.

Utilizar la inteligencia artificial de forma crítica, responsable y ética como apoyo al análisis y la evaluación de la investigación.

Manejar herramientas para el análisis estadístico, bibliométrico y de redes (R, Bibliometrix, VOSviewer y Excel).

Comunicación interpersonal.

Capacidad de redacción y expresión escrita.

Capacidad de expresión oral.

Ética académica y profesional.

Trabajo en equipo.

Gestión del tiempo.

Pensamiento crítico.

Alfabetización en inteligencia artificial y uso ético de herramientas de IA.

La asignatura tiene una vocación principalmente práctica y la asistencia a clase es obligatoria – aunque existen modalidades de evaluación específicas para personas que no puedan asistir regularmente.

Para la adquisición de los contenidos teóricos se imparten breves clases teóricas cuyas presentaciones estarán a disposición del alumnado en el espacio virtual.

Complementariamente, se realizarán actividades prácticas y ejercicios de evaluación. Las actividades prácticas incluyen, entre otras: elaboración de tablas, gráficos y visualizaciones; obtención de datos; interpretación de datos; análisis de ámbitos de investigación y de perfiles investigadores; extracción de datos; manejo de herramientas para análisis estadístico e informétrico; y elaboración de informes.

6

1

No son necesarios conocimientos específicos previos

ASISTENTES A CLASE (asisten por lo menos al 70% de las clases)
La evaluación es continua y se basa en:

Pruebas puntuales realizadas durante las clases. .

Ejercicios prácticos y proyectos sobre temáticas específicas que pueden realizarse tanto individualmente como en grupo.

La nota final se computará de la siguiente manera promediando las calificaciones obtenidas en:

15%: Participación en clase.

85%: Realización de las prácticas y otras pruebas.

Para poderse acoger al sistema de evaluación continua, es necesario asistir regularmente a clase y para ello se tomará nota de la asistencia en cada clase. Una asistencia inferior al 70% de las clases requiere acogerse al sistema de evaluación para no asistentes a clase.

NO ASISTENTES A CLASE (asisten a menos del 70% de las clases)

- 50%: Prácticas. Algunas se evaluarán a través de una prueba, otras se expondrán oralmente el día del examen.

- 50%: Examen. El examen será tipo test, incluirá preguntas cerradas y otras de desarrollo y se realizará de forma presencial en la fecha y hora previstas.

Para aprobar será necesario conseguir una puntuación satisfactoria ( ≥ 5) en todos los apartados.

Arroyo-Machado, W. (2024). Fuentes bibliométricas. Barcelona: Editorial UOC

Biagioli, M. (2020). Gaming the metrics: misconduct and manipulation in academic research. Cambridge, Massachusetts: The MIT Press. ISBN 978-0-262-53793-3. OCLC 1130310967.

Friedman, A. (2022). Statistics for Library and Information Services, A Primer for Using Open Source R Software for Accessibility and Visualization. Lanham : Rowman and Littlefield

Holmberg, K. J. (2015). Altmetrics for Information Professionals: Past, Present and Future. Chandos Publishing.

Moed, H. (2017). Applied Evaluative Informetrics. Amsterdam: Springer.

Roemer, R.C., Borchardt, R. (2015). Meaningful Metrics. A 21-st Century Librarian’s Guide to Bibliometrics, Altmetrics, and Research Impact. Chicago, Illinois: Association of College and Research Libraries.

Stuart, D. (2023), Web metrics for library and information professionals. Second edition. London: Facet Publishing.

Stuart, D. (2020), Practical data science for information professionals. London: Facet Publishing.

Thelwall, M. (2026). Large language models and responsible research evaluation: an extension of the Leiden Manifesto. Scientometrics, 1-23.

Thelwall, M. (2025). Quantitative methods in research evaluation citation indicators, altmetrics, and artificial intelligence. arXiv preprint arXiv:2407.00135.

Torres-Salinas, D. (2024). Principios de bibliometría evaluativa. Barcelona: Editorial UOC

Torres-Salinas, D., Thelwall, M., & Arroyo-Machado, W. (2024). ChatGPT for Bibliometrics: A comprehensive corpus of applications. Disponible: https://digibug.ugr.es/handle/10481/91334 [Consulta 10/07/2026]