Curso doctorado UPNA G9 2025 - Tarea 3. Análisis de referencias en artículos científicos

Tarea 3, Apartado 4.- Elegid 2 papers de vuestra disciplina (tema de tesis o lo que sea) y analizad (brevemente) sus referencias

1. ¿Cuántas hay?

2. ¿En qué secciones se concentran?

3. ¿Son recientes, antiguas, mezcla?

Para abordar este apartado, he seleccionado dos artículos en los que he participado, aunque no son objeto del tema de la tesis: uno es sobre la predicción del precio del platino COMEX y otro sobre la predicción de la temperatura crítica de superconductores mediante machine learning.

Artículo 1: Predicción del precio del platino COMEX

Título: "Time series analysis for COMEX platinum spot price forecasting using SVM, MARS, MLP, VARMA and ARIMA models: A case study".

(https://doi.org/10.1016/j.resourpol.2024.105148)

1. ¿Cuántas referencias hay? En la sección de Referencias hay 89 entradas distintas.

2. ¿En qué secciones se concentran las citas? Las citas en el texto se concentran principalmente en dos secciones:

a) La Introducción: Utilizo numerosas referencias para contextualizar el estudio, describir las propiedades y usos del platino, sus fuentes de producción y demanda, su rol como commodity financiero, y para revisar trabajos previos relacionados con la predicción de precios de metales preciosos o commodities. Esto establece el estado del arte y justifica la investigación.

b) La sección de Materiales y Métodos: Aquí se citan las fuentes de los datos utilizados y, de los fundamentos teóricos y aplicaciones de los modelos de series temporales (ARIMA, VARMA) y las técnicas de machine learning (SVM, MARS, MLP) empleadas. Para la descripción de los métodos me fundamento bastante en la literatura existente.

Por otro lado, en la sección de Resultados y Discusión también incluyo citas al comparar los resultados propios con estudios previos y al discutir las variables importantes, conectando los hallazgos con el conocimiento existente.

3. ¿Son recientes, antiguas, mezcla? Las referencias presentan una mezcla de trabajos recientes y más antiguos. Hay una presencia significativa de citas de los últimos años (principalmente 2020-2024), que se utilizan para fuentes de datos actuales, investigaciones recientes sobre mercados y aplicaciones de técnicas avanzadas. Sin embargo, el artículo también referencia trabajos fundacionales y textos clásicos sobre análisis de series temporales y machine learning, así como estudios previos sobre el platino y otros mercados que, aunque no son de los últimos 5 años, son relevantes como antecedentes. La conclusión que puedo extraer de esta mezcla es que en el estudio me baso tanto en los fundamentos teóricos establecidos como en los avances más actuales del campo, aunque no me había percatado tanto hasta analizarlo ahora.

Artículo 2: Predicción de la temperatura crítica de superconductores

Título: "Predicting the critical superconducting temperature using the random forest, MLP neural network, M5 model tree and multivariate linear regression".

(https://doi.org/10.1016/j.aej.2023.11.034)

1. ¿Cuántas referencias hay? La sección de Referencias tiene 79 entradas.

2. ¿En qué secciones se concentran las citas? La concentración de citas es similar a la del artículo anterior, estando fuertemente presentes en:

a) La Introducción, ya que se citan fuentes para describir los usos prácticos de los superconductores, definir y explicar la temperatura crítica, y realizar una extensa revisión de los trabajos previos que aplican diversas técnicas de machine learning para predecir la temperatura crítica.

b) La sección de Materiales y Métodos: Esta sección contiene abundantes citas al detallar la fuente de los datos experimentales y, especialmente, al describir en profundidad las técnicas de machine learning utilizadas para la predicción, así como los métodos de optimización y las métricas de evaluación del modelo.

Por otro lado, en la sección de Análisis de resultados y discusión también incluyo citas para discutir la importancia de las variables y para fundamentar las explicaciones teóricas de los resultados.

3. ¿Son recientes, antiguas, mezcla? La lista de referencias muestra también una mezcla, con una proporción considerable de trabajos que se consideran "antiguos" en el contexto de la literatura científica, pues se tratan de textos fundacionales sobre superconductividad y sobre los métodos matemáticos y de machine learning empleados. Es cierto que algunos son de las décadas de 1970, 1980, 1990 y principios de 2000, pero se tratan de documentos “de referencia”. Sin embargo, el artículo también incorpora un número relevante de referencias recientes (principalmente 2020-2022), que cubren aplicaciones de machine learning a la predicción de propiedades de materiales, y avances recientes en las técnicas de modelado.

 

Un saludo,

Luis Alfonso Menéndez