Introduction to Text as Data

Sitzung 07

Christoph Adrian

Chair of Communicaion Science

13.06.2024

Seminarplan

Sitzung	Datum	Thema (synchron)	Übung (asynchron)	Dozent:in
1	18.04.2024	Einführung & Überblick	R-Einführung	AM & CA
2	📚	Teil 1: Systematic Review	R-Einführung	AM
3	25.04.2024	Einführung in Systematic Reviews I	R-Einführung	AM
4	02.05.2024	Einführung in Systematic Reviews II	R-Einführung	AM
5	09.05.2024	🏖️ Feiertag	R-Einführung	ED
6	16.05.2024	Automatisierung von SRs & KI-Tools	R-Einführung	AM
7	23.05.2024	🍻 WiSo-Projekt-Woche	R-Einführung	CA
8	04.06.2024	🍕 Gastvortrag: Prof. Dr. Emese Domahidi	zur Sitzung	CA
9	06.06.2024	Automatisierung von SRs & KI-Tools	zur Sitzung	CA
10	💻	Teil 2: Text as Data & Unsupervised Machine Learning	zur Sitzung	CA & AM
11	13.06.2024	Introduction to Text as Data	zur Sitzung	CA & AM
12	20.06.2024	Text processing	zur Sitzung	CA & AM
1	27.06.2024	Unsupervised Machine Learning I	zur Sitzung	AM & CA
2	04.07.2024	Unsupervised Machine Learning II	R-Einführung	AM
3	11.07.2024	Recap & Ausblick	R-Einführung	AM
4	18.07.2024	🏁 Semesterabschluss	R-Einführung	AM

Agenda

1. Organisation & Koordination

2. A short introduction to Text as Data

3. Text as Data meets Literaturreviews

4. R in the real world

5. 📋 Hands on working with R

Organisation & Koordination

Typischer Sitzungsablauf & Nutzung RStudio Server

Erst Input, dann Vertiefung

Typischer Aufbau der nächsten vier Sitzungen

Teil 1️⃣: Input (ca. 30-45 Minuten)

• Vorstellung der “theoretischen Grundlagen” inklusive zentraler Begriffe und Konzepte
• Vorstellung der Methode(n) sowie des Kontext der praktischen Anwendung

Teil 2️⃣: Praktische Anwendung (ca. 45-60 Minuten)

• Vertiefung der Inhalte durch Bearbeitung kleiner Aufgaben, entweder in Einzel- oder Gruppenarbeit
• Aufgaben zur Arbeit mit R, die im Kurs angefangen aber (vermutlich) außerhalb der Sitzung abgeschlossen werden

Bitte RStudio Server benutzen!

Information zur Nutzung des RStudio Servers während der Sitzung

⏰ Zur Erinnerung:

• Funktion der RStudio-Projekte für die praktische Anwendung in Serverumgebung getestet
• Nutzung des RStudio Servers vermeidet aufwendiges & zeitraubendes Trouble-Shooting

ℹ️ Infos zum RStudio Server:

• Nutzung nur über W-LAN der FAU (ggf. mit aktivem VPN) möglich
• Verfügbar unter: http://10.204.20.178:8787
• Zugangsdaten auf Teams

Bei Problemen: Fragen in den Teams-Kanal!

Anything else?

Weitere Fragen zum Ablauf oder zur Nutzung des RStudio Servers

A short introduction to Text as Data

Was ist Text as Data und warum ist es (für uns) relevant?

Was versteht ihr unter Text as Data?

Bitte nehmt an einer kurzen Umfrage teil

Bitte scannt den QR-Code oder nutzt den folgenden Link für die Teilnahme an einer kurzen Umfrage:

• https://www.menti.com/aly1gft3568e

• Temporary Access Code: 8113 5474

01:00

Ergebnis

Altes Phänomen, neue Dimension

Hintergrund zu dem Phänomen Text as Data

• Lange Tradition der Text- und Inhaltsanalyse
• Neue Chancen & Herausforderungen durch explosionsartige Vergrößerung des (Text-)Datenaufkommen und deren Verfügbarkeit in den letzten Jahren (Websites, Plattformen & Digitalisierung) Verfügbarkeit von (neuen) Datenquellen als Resultat der Digitalisierung

From text to data to data analysis

Transformation als essenzieller Bestandteil von Text as Data (Curini & Franzese, 2020)

Text as Data meets Reviews

Welche Rolle spielt Text as Data bei Literaturreviews?

Review über Literaturreviews

Grundidee, Ziel und Schwerpunkte und der kommenden Sitzungen zu Text as data

• Idee: Überblick über Literatur zu Literaturüberblicken verschaffen
• Ziel: Durchführung einer Kombination aus (elaboriertem) Scoping Search & Scoping Review
• Fokus: Computergestütze Umsetzung möglichst vieler Bestandteile des Review-Workflows, wie z.B.:
  • Eigene Datenerhebung via (OpenAlex-)API
  • Oberflächliche bibliometrische Analyse (zur Datenexploration und -bereinigung)
  • Analye der Abstracts mit Hilfe von unüberwachtem Machine Learning (Topic Modeling)

Was war das nochmal?

Zur Erinnerung: Definition von Scoping Search und Scoping Review

🔎 Scoping searches …

• schnelle explorative Suche, die sich auf bestimmtes Konzept konzentriert
• sind oft Teil der Suchstringentwicklung
• sind nicht ausreichend für ein systematic review

… Scoping Review 📋

• eine spezifische Form eines literature reviews
• map a vast body of research literature in a field of interest in terms of the volume, nature, and characteristics of the primary research (Pham et al., 2014)
• do not aim to produce a critically appraised and synthesised result/answer to a particular question, [they] rather aim to provide an overview or map of the evidence (Munn et al., 2018)

What we (do not) do

Disclaimer zum Inhalt und der Zielsetzung des Sitzungen zu Text as Data

❌ Kein vollständig dokumentiertes Scoping Review, dass alle notwendigen (SALSA-)Schritte in vollem Umfang und nach wissenschaftlichen Standarts durchläuft

❌ Keine umfassendes Einführung in die Textanalyse mit R

✅ Exemplarische Darstellung einzelner Schritte des Workflows, mit Fokus auf die computergestützte Umsetzung

✅ Überblick über verschiedene Verfahren, mit Schwerpunkt auf Methoden, die im Kontext von Literaturreviews notwendig und nützlich sind

R in the real world

Kontext: OpenAlex als Datengrundlage für ein computergestützes Literaturreview

Wer oder was ist OpenAlex?

Kurze Vorstellung und Hintergrundinformationen zur Datenquelle (OpenAlex)

• open(-source) catalog of the world’s scholarly research system
• data is free and reusable, available via bulk download or API
• governed by a sustainable and transparent nonprofit

First scoping search

Sichtung der Daten- und Identfikation der Analysegrundlage

Eine simple Suchquery resultiert zwar in sehr vielen Treffern, bringt aber auch (praktische) Probleme mit sich:

• Deutliche Überschreibung des tägliches API-Limit beträgt 100.000 Referenzen
• “Lokale” Datenbearbeitung und -analye benötigt bei der Menge an Daten ehrhebliche Rechenkapazität
• Lösung: Optimierung der Suchquery durch Spezifizierung des Untersuchungsgegenstandes

Fine-Tuning der Search Query

Überblick über verwendete Search Query und ausgewählte deskriptive Statistiken

Link zur Suche

OpenAlex 🤝 openalexR

Zusammenspiel aus Datenbank und R-Package openalexR (Aria et al., 2024)

openalexR helps you interface with the OpenAlex API to retrieve bibliographic information about publications, authors, institutions, sources, funders, publishers, topics and concepts.

• Manueller Export von Ergebnissen mit Hilfe des Web-Interface von OpenAlex möglich, im Bulk aber umständlich
• Selbstständige Interaktion mit API ist aufwendig: Design der Query, Programmierung der Abfrage, Verarbeitung der Daten (nicht im Tabellenformat verfügbar)
• R-Package bietet niedrigschwelligere Alternative für API-Abfragen

Reproduktion der Webabfrage mit R

Abfrage, Download und Transformation der Daten mit einer Funktion

# Download data via API
review_works <- openalexR::oa_fetch(
  entity = "works",
  title.search = "(literature OR systematic) AND review",
  primary_topic.domain.id = "domains/2", # Social Science
  publication_year = "2013 - 2023",
  verbose = TRUE
)

# Overview
review_works

# A tibble: 93,655 × 39
  id      title display_name author ab    publication_date relevance_score so   
  <chr>   <chr> <chr>        <list> <chr> <chr>                      <dbl> <chr>
1 https:… The … The PRISMA … <df>   The … 2021-03-29                 1625. BMJ  
2 https:… Pref… Preferred r… <df>   Syst… 2015-01-01                 1340. Syst…
3 https:… Rayy… Rayyan—a we… <df>   Synt… 2016-12-01                 1314. Syst…
4 https:… Syst… Systematic … <df>   Scop… 2018-11-19                  990. BMC …
5 https:… Upda… Updated gui… <df>   On a… 2019-10-03                  963. Coch…
# ℹ 93,650 more rows
# ℹ 31 more variables: so_id <chr>, host_organization <chr>, issn_l <chr>,
#   url <chr>, pdf_url <chr>, license <chr>, version <chr>, first_page <chr>,
#   last_page <chr>, volume <chr>, issue <chr>, is_oa <lgl>,
#   is_oa_anywhere <lgl>, oa_status <chr>, oa_url <chr>,
#   any_repository_has_fulltext <lgl>, language <chr>, grants <list>,
#   cited_by_count <int>, counts_by_year <list>, publication_year <int>, …

Das Ergebnis der Abfrage

Flüchtiger Blick auf den R-Datensatz inklusive erster Qualtiätsprüfung

Typische Überprüfungen

• Wie viele Fälle sind enthalten? Wie viele Variablen? Sind die Variablennamen aussagekräftig?
• Welchen Typ hat jede Variable, z. B. numerisch, kategorisch, logisch?

review_works %>% glimpse()

Rows: 93,655
Columns: 39
$ id                          <chr> "https://openalex.org/W3118615836", "https…
$ title                       <chr> "The PRISMA 2020 statement: an updated gui…
$ display_name                <chr> "The PRISMA 2020 statement: an updated gui…
$ author                      <list> [<data.frame[26 x 12]>], [<data.frame[8 x…
$ ab                          <chr> "The Preferred Reporting Items for Systema…
$ publication_date            <chr> "2021-03-29", "2015-01-01", "2016-12-01", …
$ relevance_score             <dbl> 1625.1708, 1340.1902, 1314.3904, 990.4521,…
$ so                          <chr> "BMJ", "Systematic reviews", "Systematic r…
$ so_id                       <chr> "https://openalex.org/S4393917726", "https…
$ host_organization           <chr> NA, "BioMed Central", "BioMed Central", "B…
$ issn_l                      <chr> "1756-1833", "2046-4053", "2046-4053", "14…
$ url                         <chr> "https://doi.org/10.1136/bmj.n71", "https:…
$ pdf_url                     <chr> "https://www.bmj.com/content/bmj/372/bmj.n…
$ license                     <chr> "cc-by", "cc-by", "cc-by", "cc-by", NA, "c…
$ version                     <chr> "publishedVersion", "publishedVersion", "p…
$ first_page                  <chr> "n71", NA, NA, NA, NA, "167", "g7647", "93…
$ last_page                   <chr> "n71", NA, NA, NA, NA, "176", "g7647", "11…
$ volume                      <chr> NA, "4", "5", "18", NA, "84", "349", "39",…
$ issue                       <chr> NA, "1", "1", "1", NA, "3", "jan02 1", "1"…
$ is_oa                       <lgl> TRUE, TRUE, TRUE, TRUE, FALSE, TRUE, TRUE,…
$ is_oa_anywhere              <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, …
$ oa_status                   <chr> "hybrid", "gold", "gold", "gold", "green",…
$ oa_url                      <chr> "https://www.bmj.com/content/bmj/372/bmj.n…
$ any_repository_has_fulltext <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, FALSE, TRUE,…
$ language                    <chr> "en", "en", "en", "en", "en", "en", "en", …
$ grants                      <list> NA, NA, NA, NA, NA, NA, NA, NA, NA, <"htt…
$ cited_by_count              <int> 30303, 17347, 10540, 5298, 5664, 2657, 909…
$ counts_by_year              <list> [<data.frame[5 x 2]>], [<data.frame[11 x …
$ publication_year            <int> 2021, 2015, 2016, 2018, 2019, 2015, 2015, …
$ cited_by_api_url            <chr> "https://api.openalex.org/works?filter=cit…
$ ids                         <list> <"https://openalex.org/W3118615836", "htt…
$ doi                         <chr> "https://doi.org/10.1136/bmj.n71", "https:…
$ type                        <chr> "article", "article", "article", "article"…
$ referenced_works            <list> <"https://openalex.org/W1528251861", "htt…
$ related_works               <list> <"https://openalex.org/W4234875088", "htt…
$ is_paratext                 <lgl> FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, …
$ is_retracted                <lgl> FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, …
$ concepts                    <list> [<data.frame[20 x 5]>], [<data.frame[18 x…
$ topics                      <list> [<tbl_df[12 x 5]>], [<tbl_df[12 x 5]>], […

Wichtigkeit von Gewissenhaftigkeit

Gute Gewohnheiten helfen bei Qualitätsprüfung und Datenverarbeitung

Praktische Empfehlungen

• Einheitlicher Code-Style, Bearbeitungsschritte kommentieren
• Veränderungen in neuen Datensatz speichern

Streben nach:

# Corrections based on first glimpse 
review_works_correct <- review_works %>% 
    mutate(
        # Create additional factor variables
        publication_year_fct = as.factor(publication_year), 
        type_fct = as.factor(type)
        )

Bitte vermeiden:

ReWoCo<-review_works %>% mutate(pub_year_fct = as.factor(publication_year), type_fct = as.factor(type))

Ein Datensatz im Datensatz

Exkurs zu verschachtelten (nested) Daten und Möglichkeiten zur Verabeitung in R

• Besonderheit: Informationen zu (Themen-)Katalogisierung als Liste im Datensatz

review_works_correct$topics %>% head()

[[1]]
# A tibble: 12 × 5
       i score name     id                                  display_name        
   <int> <dbl> <chr>    <chr>                               <chr>               
 1     1 0.999 topic    https://openalex.org/T10206         Methods for Evidenc…
 2     1 0.999 subfield https://openalex.org/subfields/1804 Statistics, Probabi…
 3     1 0.999 field    https://openalex.org/fields/18      Decision Sciences   
 4     1 0.999 domain   https://openalex.org/domains/2      Social Sciences     
 5     2 0.983 topic    https://openalex.org/T10416         Epidemiology and Im…
 6     2 0.983 subfield https://openalex.org/subfields/2713 Epidemiology        
 7     2 0.983 field    https://openalex.org/fields/27      Medicine            
 8     2 0.983 domain   https://openalex.org/domains/4      Health Sciences     
 9     3 0.946 topic    https://openalex.org/T12443         The Delphi Method i…
10     3 0.946 subfield https://openalex.org/subfields/3312 Sociology and Polit…
11     3 0.946 field    https://openalex.org/fields/33      Social Sciences     
12     3 0.946 domain   https://openalex.org/domains/2      Social Sciences     

[[2]]
# A tibble: 12 × 5
       i score name     id                                  display_name        
   <int> <dbl> <chr>    <chr>                               <chr>               
 1     1 0.999 topic    https://openalex.org/T10206         Methods for Evidenc…
 2     1 0.999 subfield https://openalex.org/subfields/1804 Statistics, Probabi…
 3     1 0.999 field    https://openalex.org/fields/18      Decision Sciences   
 4     1 0.999 domain   https://openalex.org/domains/2      Social Sciences     
 5     2 0.982 topic    https://openalex.org/T12443         The Delphi Method i…
 6     2 0.982 subfield https://openalex.org/subfields/3312 Sociology and Polit…
 7     2 0.982 field    https://openalex.org/fields/33      Social Sciences     
 8     2 0.982 domain   https://openalex.org/domains/2      Social Sciences     
 9     3 0.957 topic    https://openalex.org/T10416         Epidemiology and Im…
10     3 0.957 subfield https://openalex.org/subfields/2713 Epidemiology        
11     3 0.957 field    https://openalex.org/fields/27      Medicine            
12     3 0.957 domain   https://openalex.org/domains/4      Health Sciences     

[[3]]
# A tibble: 4 × 5
      i score name     id                                  display_name         
  <int> <dbl> <chr>    <chr>                               <chr>                
1     1 0.937 topic    https://openalex.org/T10206         Methods for Evidence…
2     1 0.937 subfield https://openalex.org/subfields/1804 Statistics, Probabil…
3     1 0.937 field    https://openalex.org/fields/18      Decision Sciences    
4     1 0.937 domain   https://openalex.org/domains/2      Social Sciences      

[[4]]
# A tibble: 12 × 5
       i score name     id                                  display_name        
   <int> <dbl> <chr>    <chr>                               <chr>               
 1     1 0.997 topic    https://openalex.org/T10206         Methods for Evidenc…
 2     1 0.997 subfield https://openalex.org/subfields/1804 Statistics, Probabi…
 3     1 0.997 field    https://openalex.org/fields/18      Decision Sciences   
 4     1 0.997 domain   https://openalex.org/domains/2      Social Sciences     
 5     2 0.981 topic    https://openalex.org/T12443         The Delphi Method i…
 6     2 0.981 subfield https://openalex.org/subfields/3312 Sociology and Polit…
 7     2 0.981 field    https://openalex.org/fields/33      Social Sciences     
 8     2 0.981 domain   https://openalex.org/domains/2      Social Sciences     
 9     3 0.973 topic    https://openalex.org/T10416         Epidemiology and Im…
10     3 0.973 subfield https://openalex.org/subfields/2713 Epidemiology        
11     3 0.973 field    https://openalex.org/fields/27      Medicine            
12     3 0.973 domain   https://openalex.org/domains/4      Health Sciences     

[[5]]
# A tibble: 12 × 5
       i score name     id                                  display_name        
   <int> <dbl> <chr>    <chr>                               <chr>               
 1     1 0.993 topic    https://openalex.org/T10206         Methods for Evidenc…
 2     1 0.993 subfield https://openalex.org/subfields/1804 Statistics, Probabi…
 3     1 0.993 field    https://openalex.org/fields/18      Decision Sciences   
 4     1 0.993 domain   https://openalex.org/domains/2      Social Sciences     
 5     2 0.964 topic    https://openalex.org/T11744         Implementation of E…
 6     2 0.964 subfield https://openalex.org/subfields/3600 General Health Prof…
 7     2 0.964 field    https://openalex.org/fields/36      Health Professions  
 8     2 0.964 domain   https://openalex.org/domains/4      Health Sciences     
 9     3 0.954 topic    https://openalex.org/T12664         Development and Eva…
10     3 0.954 subfield https://openalex.org/subfields/2739 Public Health, Envi…
11     3 0.954 field    https://openalex.org/fields/27      Medicine            
12     3 0.954 domain   https://openalex.org/domains/4      Health Sciences     

[[6]]
# A tibble: 12 × 5
       i score name     id                                  display_name        
   <int> <dbl> <chr>    <chr>                               <chr>               
 1     1 0.993 topic    https://openalex.org/T10475         Role of Positive Em…
 2     1 0.993 subfield https://openalex.org/subfields/3207 Social Psychology   
 3     1 0.993 field    https://openalex.org/fields/32      Psychology          
 4     1 0.993 domain   https://openalex.org/domains/2      Social Sciences     
 5     2 0.992 topic    https://openalex.org/T10804         Health Economics an…
 6     2 0.992 subfield https://openalex.org/subfields/2002 Economics and Econo…
 7     2 0.992 field    https://openalex.org/fields/20      Economics, Economet…
 8     2 0.992 domain   https://openalex.org/domains/2      Social Sciences     
 9     3 0.984 topic    https://openalex.org/T12947         Salutogenesis and S…
10     3 0.984 subfield https://openalex.org/subfields/3600 General Health Prof…
11     3 0.984 field    https://openalex.org/fields/36      Health Professions  
12     3 0.984 domain   https://openalex.org/domains/4      Health Sciences     

Entpacken der Schachteln steigert die Fallzahl

Exkurs zu verschachtelten (nested) Daten und Möglichkeiten zur Verabeitung in R

review_works_correct %>% 
    unnest(topics, names_sep = "_") %>%
    glimpse()

Rows: 942,560
Columns: 45
$ id                          <chr> "https://openalex.org/W3118615836", "https…
$ title                       <chr> "The PRISMA 2020 statement: an updated gui…
$ display_name                <chr> "The PRISMA 2020 statement: an updated gui…
$ author                      <list> [<data.frame[26 x 12]>], [<data.frame[26 …
$ ab                          <chr> "The Preferred Reporting Items for Systema…
$ publication_date            <chr> "2021-03-29", "2021-03-29", "2021-03-29", …
$ relevance_score             <dbl> 1625.171, 1625.171, 1625.171, 1625.171, 16…
$ so                          <chr> "BMJ", "BMJ", "BMJ", "BMJ", "BMJ", "BMJ", …
$ so_id                       <chr> "https://openalex.org/S4393917726", "https…
$ host_organization           <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA…
$ issn_l                      <chr> "1756-1833", "1756-1833", "1756-1833", "17…
$ url                         <chr> "https://doi.org/10.1136/bmj.n71", "https:…
$ pdf_url                     <chr> "https://www.bmj.com/content/bmj/372/bmj.n…
$ license                     <chr> "cc-by", "cc-by", "cc-by", "cc-by", "cc-by…
$ version                     <chr> "publishedVersion", "publishedVersion", "p…
$ first_page                  <chr> "n71", "n71", "n71", "n71", "n71", "n71", …
$ last_page                   <chr> "n71", "n71", "n71", "n71", "n71", "n71", …
$ volume                      <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA…
$ issue                       <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA…
$ is_oa                       <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, …
$ is_oa_anywhere              <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, …
$ oa_status                   <chr> "hybrid", "hybrid", "hybrid", "hybrid", "h…
$ oa_url                      <chr> "https://www.bmj.com/content/bmj/372/bmj.n…
$ any_repository_has_fulltext <lgl> TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, …
$ language                    <chr> "en", "en", "en", "en", "en", "en", "en", …
$ grants                      <list> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ cited_by_count              <int> 30303, 30303, 30303, 30303, 30303, 30303, …
$ counts_by_year              <list> [<data.frame[5 x 2]>], [<data.frame[5 x 2…
$ publication_year            <int> 2021, 2021, 2021, 2021, 2021, 2021, 2021, …
$ cited_by_api_url            <chr> "https://api.openalex.org/works?filter=cit…
$ ids                         <list> <"https://openalex.org/W3118615836", "htt…
$ doi                         <chr> "https://doi.org/10.1136/bmj.n71", "https:…
$ type                        <chr> "article", "article", "article", "article"…
$ referenced_works            <list> <"https://openalex.org/W1528251861", "htt…
$ related_works               <list> <"https://openalex.org/W4234875088", "htt…
$ is_paratext                 <lgl> FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, …
$ is_retracted                <lgl> FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, …
$ concepts                    <list> [<data.frame[20 x 5]>], [<data.frame[20 x…
$ topics_i                    <int> 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 1, 1, …
$ topics_score                <dbl> 0.9993, 0.9993, 0.9993, 0.9993, 0.9832, 0.…
$ topics_name                 <chr> "topic", "subfield", "field", "domain", "t…
$ topics_id                   <chr> "https://openalex.org/T10206", "https://op…
$ topics_display_name         <chr> "Methods for Evidence Synthesis in Researc…
$ publication_year_fct        <fct> 2021, 2021, 2021, 2021, 2021, 2021, 2021, …
$ type_fct                    <fct> article, article, article, article, articl…

Deskriptive Statistiken zur Datenabfrage

Rekonstruktion und Erweiterung des OpenAlex Web-Dashboards mit R

Im Fokus:

• 🔍 Publikationen im Zeitverlauf
• Foschungsfelder
• Relevante Publikationen
• Lageparameter

review_works_correct %>% 
    ggplot(aes(publication_year_fct)) +
    geom_bar() +
    theme_pubr()

Deskriptive Statistiken zur Datenabfrage

Rekonstruktion und Erweiterung des OpenAlex Web-Dashboards mit R

Im Fokus:

• Publikationen im Zeitverlauf
• 🔍 Foschungsfelder
• Relevante Publikationen
• Lageparameter

review_works_correct %>% 
    unnest(topics, names_sep = "_") %>% 
    filter(topics_name == "field") %>% 
    filter(topics_i == 1) %>% 
    sjmisc::frq(topics_display_name, sort.frq = "desc")

topics_display_name <character> 
# total N=93655 valid N=93655 mean=4.41 sd=1.62

Value                               |     N | Raw % | Valid % | Cum. %
----------------------------------------------------------------------
Social Sciences                     | 30580 | 32.65 |   32.65 |  32.65
Psychology                          | 29054 | 31.02 |   31.02 |  63.67
Business, Management and Accounting | 15558 | 16.61 |   16.61 |  80.29
Decision Sciences                   |  7261 |  7.75 |    7.75 |  88.04
Economics, Econometrics and Finance |  6796 |  7.26 |    7.26 |  95.30
Arts and Humanities                 |  4406 |  4.70 |    4.70 | 100.00
<NA>                                |     0 |  0.00 |    <NA> |   <NA>

Deskriptive Statistiken zur Datenabfrage

Rekonstruktion und Erweiterung des OpenAlex Web-Dashboards mit R

Im Fokus:

• Publikationen im Zeitverlauf
• Foschungsfelder
• 🔍 Relevante Publikationen
• Lageparameter

review_works_correct %>% 
    arrange(desc(relevance_score)) %>%
    select(publication_year_fct, relevance_score, title) %>% 
    head(5) %>% 
    gt::gt()

publication_year_fct	relevance_score	title
2021	1625.1708	The PRISMA 2020 statement: an updated guideline for reporting systematic reviews
2015	1340.1902	Preferred reporting items for systematic review and meta-analysis protocols (PRISMA-P) 2015 statement
2016	1314.3904	Rayyan—a web and mobile app for systematic reviews
2018	990.4521	Systematic review or scoping review? Guidance for authors when choosing between a systematic or scoping review approach
2019	962.6738	Updated guidance for trusted systematic reviews: a new edition of the Cochrane Handbook for Systematic Reviews of Interventions

Deskriptive Statistiken zur Datenabfrage

Rekonstruktion und Erweiterung des OpenAlex Web-Dashboards mit R

Im Fokus:

• Publikationen im Zeitverlauf
• Foschungsfelder
• Relevante Publikationen
• 🔍 Lageparameter

review_works_correct %>% 
  select(where(is.numeric)) %>% 
  datawizard::describe_distribution() %>% 
  print_html()

Variable	Mean	SD	IQR	Min	Max	Skewness	Kurtosis	n	n_Missing
relevance_score	31.73	42.51	36.48	1.17	1625.17	4.75	67.87	93655	0
cited_by_count	18.33	146.36	10.00	0.00	30303.00	123.44	22236.55	93655	0
publication_year	2019.40	2.97	5.00	2013.00	2023.00	-0.58	-0.77	93655	0

📋 Hands on working with R

Verschiedene R-Übungsaufgaben zum Inhalt der heutigen Sitzung

🧪 And now … you: Übung & Eingrenzung

Next Steps: Wiederholung der R-Grundlagen an OpenAlex-Daten

• Laden Sie die auf StudOn bereitgestellten Dateien für die Sitzungen herunter
• Laden Sie die .zip-Datei in Ihren RStudio Workspace
• Navigieren Sie zu dem Ordner, in dem die Datei ps_24_binder.Rproj liegt. Öffnen Sie diese Datei mit einem Doppelklick. Nur dadurch ist gewährleistet, dass alle Dependencies korrekt funktionieren.
• Öffnen Sie die Datei exercise-07.qmd im Ordner exercises und lesen Sie sich gründlich die Anweisungen durch.
• Tipp: Sie finden alle in den Folien verwendeten Code-Bausteine in der Datei showcase.qmd (für den “rohen” Code) oder showcase.html (mit gerenderten Ausgaben).

Time for questions

Danke & bis zur nächsten Sitzung!

Literatur

Aria, M., Le, T., Cuccurullo, C., Belfiore, A., & Choe, J. (2024). openalexR: An R-Tool for Collecting Bibliometric Data from OpenAlex. The R Journal, 15(4), 167–180. https://doi.org/10.32614/rj-2023-089

Curini, L., & Franzese, R. (2020). Text as Data: An Overview. SAGE Publications Ltd. https://methods.sagepub.com/book/research-methods-in-political-science-and-international-relations

Grimmer, J., & Stewart, B. M. (2013). Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts. Political Analysis, 21(3), 267–297. https://doi.org/10/f458q9

Munn, Z., Peters, M. D. J., Stern, C., Tufanaru, C., McArthur, A., & Aromataris, E. (2018). Systematic review or scoping review? Guidance for authors when choosing between a systematic or scoping review approach. BMC Medical Research Methodology, 18(1). https://doi.org/10.1186/s12874-018-0611-x

Pham, M. T., Rajić, A., Greig, J. D., Sargeant, J. M., Papadopoulos, A., & McEwen, S. A. (2014). A scoping review of scoping reviews: advancing the approach and enhancing the consistency. Research Synthesis Methods, 5(4), 371–385. https://doi.org/10.1002/jrsm.1123