Revista de Ciencias Sociales (RCS)
Vol. XXVIII, No. 4, Octubre - diciembre 2022. pp. 79-95
FCES - LUZ ● ISSN: 1315-9518 ● ISSN-E: 2477-9431
Como citar APA: Analuisa-Aroca, I., Jimber del Río,
J.-A., Sorhegui-Ortega, R., y Vergara-Romero, A. (2022). Cadenas de Valor
Agrícola: Revisión y análisis bibliométrico. Revista de Ciencias Sociales (Ve),
XXVIII(4), 79-95.
Cadenas de Valor Agrícola: Revisión y análisis
bibliométrico
Analuisa-Aroca, Iván*
Jimber
del Río, Juan-Antonio**
Sorhegui-Ortega,
Rafael***
Vergara-Romero,
Arnaldo****
Resumen
El
análisis refleja la visibilidad e impacto científico de las publicaciones
relacionadas con las Cadenas de valor agrícola. La incidencia de indicadores
bibliométricos permite interpretar la información bibliográfica que se genera a
nivel mundial. El objetivo para el presente trabajo se centra en el análisis de
los indicadores bibliométricos entre los años 2010 y 2020 basados en la
temática de las cadenas de valor agrícola. Se utilizó la base de datos de Web
of Science para extraer la literatura sobre cadenas de valor. El estudio
analizó artículos publicados entre 2010 y 2020. Las palabras claves utilizadas
son “cadenas de valor agrícola” y se seleccionaron artículos de revistas o
estudios relacionados con la temática para el análisis bibliométrico y revisión
metodológica. El estudio contribuye con el análisis de la bibliometría y
proporcionan una revisión metodológica de los artículos de revistas publicadas
sobre cadenas de valor agrícola. En conclusión, este estudio bibliográfico
presenta la historia del desarrollo investigativo en las cadenas de valor
agrícolas.
Palabras clave: Cadenas de valor; producción agrícola;
agricultura; bioeconomía; bibliometría.
* Doctorando en Ciencias
Sociales y Jurídicas en la Universidad de Córdoba, Córdoba, España.
Docente-Investigador E-mail: analuisaivan1975@gmail.com ORCID: https://orcid.org/0000-0002-3798-3122
** Doctor en Ciencias Sociales y
Jurídicas. Docente-Investigador en la Universidad de Córdoba, Córdoba, España.
E-mail: jjimber@uco.es ORCID: https://orcid.org/0000-0001-6886-7434
*** Doctor en Ciencias Económicas. Docente-Investigador en la Universidad Ecotec, Samborondón, Ecuador. E-mail: rsorhegui@ecotec.edu.ec ORCID: https://orcid.org/0000-0001-7882-5246
**** Magister en Economía. Docente-Investigador en la Universidad Ecotec, Samborondón, Ecuador. E-mail: avergarar@ecotec.edu.ec ORCID: https://orcid.org/0000-0001-8503-3685
Recibido: 2022-06-01 · Aceptado: 2022-08-19
Agricultural Value Chains: Review and bibliometric analysis
Abstract
The analysis reflects the visibility and scientific impact of publications related to agricultural value chains. The incidence of bibliometric indicators allows interpreting the bibliographic information that is generated worldwide. The objective for this work focuses on the analysis of bibliometric indicators between the years 2010 and 2020 based on the theme of agricultural value chains. The Web of Science database was used to extract the literature on value chains. The study analyzed articles published between 2010 and 2020. The keywords used are “agricultural value chains” and articles from journals or studies related to the subject were selected for bibliometric analysis and methodological review. The study contributes to the bibliometric analysis and provides a methodological review of published journal articles on agricultural value chains. In conclusion, this bibliographic study presents the history of research development in agricultural value chains.
Keywords: Value chains; agricultural production; agriculture; bioeconomy; bibliometrics.
Introducción
La
globalización incrementa y fortalece la comunicación entre personas, lugares y
los acerca a todo el mundo. El contexto social, económico, ambiental, político
entre otros cambian a gran velocidad en el mundo, lo que exige nuevos enfoques
sobre múltiples partes interesadas en el desempeño, la articulación dentro de
la sociedad y las actividades económicas. El desarrollo de la investigación
demuestra cómo los países desarrollados consumen una gran cantidad de bienes y
servicios de los mercados (Yu, Feng y Hubacek, 2013), los procesadores
agroexportadores transforman los canales de comercialización, de las pequeñas
economías y sus ingresos (Barret et al., 2011; Hodges, Buzbi y Bennett, 2011;
Trapala et al., 2020).
Para
enfrentar los desafíos de la sostenibilidad de los sistemas agrícolas, la
reducción de eslabones de dependencia en la actualidad se ha convertido en un
tema central dentro de las cadenas de alimentos y las prácticas agronómicas en
los diferentes niveles espacio-temporales y tróficos (Larsen y Marx, 2012), así
los impactos potenciales del Covid-19 en la agricultura y el comercio agrícola
en países en desarrollo y las previsiones del crecimiento económico del FMI
para el 2020-2021 (Bolwing et al., 2010; Morton, 2020; Elleby et al., 2020).
Con
relación a las cadenas de valor agrícolas se debe realizar estudios en sus
diferentes etapas o rutas de transformación de los productos (Xu et al., 2011;
Beretta et al., 2013; Ramírez et al., 2021; Zambrano et al., 2021); mientras
Govindan y Soleimani (2017), mencionan el proceso de implementar y controlar el
flujo eficiente, así como rentable de las materias primas, inventario en
proceso, productos terminados e información relacionada desde el punto de
consumo hasta el punto de origen.
Los
diferentes eslabones que se forman a partir del ciclo de producción hasta
llegar al consumidor, pasando por los procesos de manipulación, transformación,
venta y acceso a los hogares tiene una problemática común en su sector. Así,
por ejemplo, en la última década las investigaciones se relacionan con las
concentraciones del componente metal o nanomateriales en los granos o frutas y
su impacto en los diversos niveles tróficos (Gardea-Torresdey, Rico y White,
2014; Domingues y Reis, 2020).
La
bibliometría y su desarrollo científico se fundamenta en la búsqueda de
comportamientos estadísticos regulares en el tiempo y la producción del consumo
de la información científica (Ardanuy, 2012; Akinlolu et al., 2020; Baranauskas,
Raišienė y Korsakienė, 2020), permitiendo evaluar cambios cualitativos y
cuantitativos (De las Heras-Pedrosa, Martel-Casado y Jambrino-Maldonado, 2018).
La base de datos Web of Science de Thomson Reuters, constituye en la actualidad la
principal referencia para las investigaciones científicas a nivel mundial
(Llorent-Bedmar y Sianes-Bautista, 2018). El mapeo y la agrupación se utiliza a
menudo en la investigación bibliométrica para la visualización de aspectos
estructurales (Lei et al., 2018). La técnica de mapeo se basa en la aplicación
directa de una matriz de datos de ocurrencia de palabras de escala
multidimensional (Peters y Van Raan, 1993; Barrios, Cárdenas y Valencia, 2017).
VOSviewer, es una herramienta que permite construir y
visualizar redes bibliométricas, utilizando la técnica “distance-based” donde los nodos están posicionados
de tal manera que la distancia entre estos indica una relación de proximidad
(Van Eck y Waltman, 2020; Zhao et al., 2020). El análisis bibliométrico,
permite destacar piezas de información de la literatura organizada e
identificar las dimensiones bibliométricas relacionadas con la coautoría, la
cita, el acoplamiento bibliográfico y la co-cita (Domingues y Reis, 2020;
Vergara-Romero et al., 2021).
La
técnica de agrupación en clústeres no supervisados y el reconocimiento de
patrones son muy sensibles, los parámetros de entrada para la validación del
algoritmo basados en el agrupamiento (Kovács e Iváncsy, 2006; Pascual, Pla y
Sánchez, 2008; Poom y León, 2019), utilizados con frecuencia en el análisis
exploratorio de datos para extraer la estructura natural de los datos (Lange et
al., 2004; Bayá y Granitto, 2013). Las visualizaciones de redes pueden ayudar a
revelar patrones complejos y escondidos en fuentes textuales (Düring, 2020); la
atención se centra en los colores y patrones (Tableau, 2020; Espina-Romero,
2022), en tanto para la construcción de los mapas bibliométricos se distinguen
los mapas y la representación de dichos mapas (Van Eck y Waltman, 2010).
La
utilidad del modelo Tesauro en el uso mundial
de los registros con las palabras clave y se agregan para mejorar la
recuperación de búsqueda en las bases de datos (Elsevier, 2020), se traducen en
mejoras en la metodología de recuento fraccional de citas y agrupamiento del
nivel de variable con un límite máximo del tamaño grupal (Small y Sweeney,
1985; Bollen et al., 2009; Poom y León, 2019), por ejemplo, el número de
autores, citas o referencias de una publicación (Perianes-Rodriguez, Waltman y
Van Eck, 2016). Así también el índice h, propuesto para caracterizar la
producción científica de un investigador (Estrada-Cuzcano y Alhuay-Quispe,
2020), es el balance entre el número de publicaciones y las citas a estas
(Souto-Anido et al., 2020).
El
objetivo para el presente trabajo se centra en el análisis de los indicadores
bibliométricos entre los años 2010 y 2020 basados en la temática de las cadenas
de valor agrícolas. Además, como objetivo específico se propone conseguir la
fuente de investigación y criterios de búsqueda, afín de obtener una base de
datos que permita analizar la información obtenida de la fuente de
investigación e interpretar la información recopilada, con el propósito de
analizar la producción académica que se genera a nivel mundial, por países,
organizaciones y autores.
Este
estudio utilizó publicaciones y datos obtenidos de Web
of Science (WOS), posteriormente, usando VOSviewer
para mapear los datos gráficamente a fin de conseguir la co-ocurrencia de las
conexiones bibliográficas. El documento está estructurado por secciones, la
siguiente sección describe la metodología y los datos utilizados. Luego el
análisis bibliométrico en la siguiente sección, mostrando la tendencia general
del tema, antes de discutir las redes colaborativas. Y finalmente, la última
sección de discusión y conclusiones con respecto a otras áreas de
investigación.
1.
Metodología
El
presente estudio pretende identificar los principales actores de la
investigación en las cadenas de valor agrícolas, teniendo en cuenta que en el
mundo se forman y agrupan una variedad de eslabones en torno a la actividad
agrícola. Las diferentes actividades asociadas a condiciones de vida de los
agricultores, productores y consumidores, tienen un aporte en el estudio de las
cadenas de valor.
Para
comprender las tendencias y perspectivas de la investigación en este campo
científico fue importante conocer los principales rasgos y la estructura de la
tendencia actual (Pérez y Lutsak-Yaroslava, 2017; Jimber et al., 2020). El
análisis de los resultados de las investigaciones se obtuvo de “WOS”. Se eligió
la herramienta de software VOSviewer versión
1.6.15, puesto que es un software gratuito,
funcional, actualizado para el procesamiento de las redes y obtener el
comportamiento de los indicadores bibliométricos en el periodo de estudio. Las
redes pueden incluir, por ejemplo, revistas, investigaciones, publicaciones
individuales y construir a partir de citas las co-ocurrencias en palabras clave
o relación de coautoría. La problemática y motivación para el presente trabajo
se resume en la siguiente pregunta problema: ¿Cuál es la tendencia de
información de la cadena de valor agrícola a nivel mundial?
En la
preparación y visualización del mapa de expresiones comunes se debe distinguir:
La identificación de las palabras clave, posterior se usó un filtro de frases
nominales, a los cuales se les denomina términos (Hofmann y Chisholm, 2015;
Ferasso et al., 2020; Hernández-Rojas et al., 2021).
Para
el análisis de la información y generación de los resultados se consideran
aspectos relacionados con el análisis cualitativo y cuantitativo. Así en la
etapa inicial, se considera información de registros como: Autor, direcciones,
veces citado, número de referencias citadas, idioma, palabras clave, número de
acceso, acceso abierto, área de investigación, entre otros, y se descarga la
base de datos obtenida. Posteriormente, se migran los datos al software VOSviewer, donde finalmente, se logra el
procesamiento de la información científica, análisis y visualización de los
indicadores, mediante la obtención de los gráficos que muestran los resultados
de los objetivos planteados.
2.
Resultados y discusión
En el
presente estudio se presenta de manera general la investigación acorde a los
tipos de documentos relacionados con cadenas de valor agrícola ingresadas en la
base de datos de WOS en la Colección Principal de Web
of Science, con los términos “agriculture
value chain”. Se realizó una revisión sistemática, obteniendo un total
de 1.669 registros a partir de la fecha y año de publicación según el periodo
de análisis. Se debe mencionar que todos los documentos de la muestra mantienen
un Digital Object Identifier DOI o
identificador único de publicaciones electrónicas. La mayoría de los documentos
son artículos de revistas o forman parte de capítulos de libros 1.660, en
revisión 6, y material editorial 3. Lo que indica que los artículos científicos
publicados, son el principal modo de comunicación científica que involucra las
cadenas de valor agrícolas. Los trabajos fueron escritos principalmente en
inglés con un 94,85%.
Del
informe resumido generado por la búsqueda de “agricuture
value chain” en WOS, se observó que durante el periodo de análisis del
total de registros 1.669, estos se citaron 21.979 veces en diferentes elementos
indexados dentro de la Colección principal de WOS, teniendo un promedio de
citas por cada elemento de 14,27 y llegando a tener un h-index de 63.
Dentro
de WOS existen 111 categorías de visualización o áreas de investigación para
este trabajo. Las diez categorías predominantes en publicaciones son: Ciencias
ambientales con 359, política de economía agrícola 211, ciencias económicas
194, agricultura multidisciplinaria 148, tecnología de ciencias verde y
sostenible 145, estudios ambientales 140, tecnología de ciencia de los
alimentos 134, agronomía 101, ingeniería ambiental 95, y administración 79.
Con
respecto a las áreas de investigación relacionados con el presente trabajo, WOS
agrupa en 60 áreas de investigación, de los cuales la agricultura representa el
31%, ecología de las ciencias ambientales con 26%, negocios económicos con 17%,
ciencia tecnología y otros temas 11%, ingeniería 10%, y el 5% las restantes
áreas.
La
producción anual de la investigación entre los años 2010 y 2020, según la
información recolectada; desde el 2010, se registran 62 publicaciones que se
han ido incrementando de manera progresiva hasta el 2013 con 100 publicaciones,
sufriendo una ligera caída en el 2014 con 88 registros, logrando recuperarse y
llegar al 2020 con 273 registros, incrementándose considerablemente.
En
cuanto a los autores de alto impacto dentro de los registros de WOS, como se
muestra en la Tabla 1, el autor con mayor número de registros es Klerkx, que
publicó 9 artículos y representa un valor de 0,54%. Los cuatro siguientes
autores fueron: Hellin, Bijman, Bonney y Poole; con un número de registros de
7, 6, 6 y 6 para cada uno de los autores, respectivamente.
Tabla
1
Autores de Alto Impacto (Top
15)
|
No. |
Autores |
Número de registros |
% de 1.669 |
|
1 |
Klerkx L. |
9 |
0,54% |
|
2 |
Hellin J. |
7 |
0,42% |
|
3 |
Bijman J. |
6 |
0,36% |
|
4 |
Bonney L. |
6 |
0,36% |
|
5 |
Poole N. |
6 |
0,36% |
|
6 |
Swinnen J. |
6 |
0,36% |
|
7 |
Wang J. |
6 |
0,36% |
|
8 |
Yan B. |
6 |
0,36% |
|
9 |
Bellemare M.F. |
5 |
0,30% |
|
10 |
Dentoni D. |
5 |
0,30% |
|
11 |
Durr J. |
5 |
0,30% |
|
12 |
Fasse A. |
5 |
0,30% |
|
13 |
Glasbergen P. |
5 |
0,30% |
|
14 |
Graef F. |
5 |
0,30% |
|
15 |
Lambin E. |
5 |
0,30% |
Fuente: Elaboración propia, 2022.
La
distribución basada en la organización de los resultados de este estudio puede
ayudar a comprender la capacidad de investigación y actividades en torno a las
organizaciones alrededor del mundo, identificando así el liderazgo en la
investigación de las cadenas de valor agrícola. Siendo una característica
importante en las redes bibliométricas la evaluación de citas, aplicando un
análisis de las organizaciones o universidades más influyentes y citadas.
El
análisis revela el nivel de afinidad de las organizaciones en función del
número de registros. En consecuencia, las veinte organizaciones más citadas del
dominio de investigación de cadenas de valor agrícola, se presentan en la Tabla
2. La producción organizacional la encabeza Wageningen University, en la cual
se encontró 55 registros. Las cuatro organizaciones siguientes fueron: Chinese
Academy Sciences, International Food Policy Research Institute, University
Ghent, Cornell University.
Tabla
2
Organizaciones Principales
(Top 20)
|
No. |
Campo: Organizaciones |
Número de registros |
% de 1.669 |
|
1 |
Wageningen Univ |
55 |
3,30% |
|
2 |
Chinese Acad Sci |
26 |
1,56% |
|
3 |
Int Food Policy Res Inst |
24 |
1,44% |
|
4 |
Univ Ghent |
18 |
1,08% |
|
5 |
Cornell Univ |
17 |
1,02% |
|
6 |
Univ Hohenheim |
17 |
1,02% |
|
7 |
Int Livestock Res Inst |
16 |
0,96% |
|
8 |
Michigan State Univ |
16 |
0,96% |
|
9 |
Univ Copenhagen |
16 |
0,96% |
|
10 |
Wageningen Univ Res |
16 |
0,96% |
|
11 |
Humboldt Univ |
15 |
0,90% |
|
12 |
Univ Bonn |
15 |
0,90% |
|
13 |
Univ Queensland |
15 |
0,90% |
|
14 |
Swedish Univ Agr Sci |
14 |
0,84% |
|
15 |
Cirad |
13 |
0,78% |
|
16 |
Penn State Univ |
11 |
0,66% |
|
17 |
Univ Calif Davis |
11 |
0,66% |
|
18 |
Univ New England |
11 |
0,66% |
|
19 |
Zhejiang Univ |
11 |
0,66% |
|
20 |
Univ Illinois |
10 |
0,60% |
Fuente: Elaboración propia, 2022.
Para el proceso de la generación de la información visual mediante gráficos de resultados, se consideró las palabras clave, y su procedencia por países, considerando la mayor frecuencia en los registros de los documentos de la base de datos analizada. A través de las representaciones gráficas o mapas visuales encontrados en los registros, se busca mostrar los resultados interesantes para la temática basados en la co-ocurrencia de las palabras clave (ver Figura I).
Fuente: Elaboración propia, 2022.
Figura I: Visualización de las palabras clave en publicaciones de WOS
Se puede observar la distancia entre nodos, lo que refleja la relación entre ellos, es decir, a menor distancia existe una mayor relación. Las conexiones de red muestran las palabras clave que aparecen juntas con mayor frecuencia en las publicaciones. Cuanto mayor sea la frecuencia de presencia mayor será el circulo. Finalmente, el color del nodo indica la relación entre áreas de investigación y asociados con un área geográfica política. Las tendencias relevantes se pueden extraer en el análisis con la nomenclatura en cuanto al posicionamiento territorial de la investigación, encontrando que Europa, Asia, Norteamérica y China muestran su interés en las cadenas de valor agrícola.
Para la generación del gráfico de relación e identificar las palabras clave más utilizadas en las investigaciones enfocados a las cadenas de valor utilizando VOSviewer, la Figura II, muestra que las palabras clave más utilizadas son “agriculture”, seguido por “management”, “value chains”, “impact” e “governance”, a partir de la cantidad de veces que son utilizadas en los registros de la base de datos analizada. Se puede observar que entre las 20 principales palabras clave algunas se relacionan con la alimentación y negocios, se destacan, como nutrition, quality, consumption, energy, systems, growth, model, poverty. También hay palabras clave relacionadas con el ámbito social, como “genero”, “farmers”, smallholder farmer. Además, en el gráfico se puede apreciar la formación de cinco conglomerados o clusters de las palabras que tienen mayor impacto.
Fuente: Elaboración propia, 2022.
Figura II: Red de las palabras clave en publicaciones sobre cadenas de valor agrícola
El análisis de ocurrencia de términos, luego del proceso de normalización y el umbral de frecuencias (n >1) se redujo a 101 palabras clave en los registros, que fueron representadas mediante los colores en cinco clusters como se muestra en la Figura II. Las palabras clave para identificar los tópicos en la publicación muestran el peso de aparición en el conteo mediante el tamaño de cada termino. Así el primer cluster en morado, conformado por 13 items, se observa a los cinco más frecuentes: Agriculture, food, growth, integration y nutrition. En el cluster en rojo, conformado por 29 items, se aprecia a cinco topónimos como predominantes: Value chains, governance, global value chain, standards y gender.
El tercer grupo en color verde, está formado por 24 items destacando: Management, systems, supply chain, sustainability model. El cluster celeste, conformado por 18 items las más comunes: Farmers, impact, networks, smallholder farmers, y sub-saharan africa. Y por último el cluster amarillo, con los cinco ítems más frecuentes: Agricultural soils, consumption, heavy metal, soil, y wáter (ver Figura II).
Los elementos involucrados en el desarrollo de las investigaciones demuestran la cantidad de elementos involucrados en los diferentes eslabones productivos agrícolas, y el efecto que puede causar en el ambiente, así también involucra aspectos sociales, económicos, ambientales, ecológicos, políticos, enmarcados en el desarrollo social de las poblaciones donde se producen los alimentos para el abastecimiento de la población mundial. Finalmente, se puede apreciar que los productos agrícolas que llaman la atención y relacionados con la temática son: El café, maíz y algunos productos vegetales no especificados.
El análisis de registros por países relacionados con las cadenas de valor agrícola, puede ayudar a comprender la capacidad de un país para la producción científica como se muestra en la Figura III. Un total de 126 países, contribuyeron a la producción científica y académica de los procesos de cadenas de valor agrícolas. Asimismo, se evidencia que, el tamaño de las circunferencias es proporcional a la cantidad de artículos. Así se observa, que los países que mayor aportan en relación al tema son: Estados Unidos, Inglaterra, Dinamarca, Alemania, Francia, liderando la productividad científica en esta área. Además, países como Estados Unidos, República Popular China, Irlanda, Australia y Alemania tienen mayor influencia.
Fuente: Elaboración propia, 2022.
Figura III: Países que realizan investigación en cadenas de valor agrícolas
Se observa la cercanía entre estos tres países, si bien entre los países mencionados existe una cercanía científica, con relación a Estados Unidos están distantes política y geográficamente, pero están relacionados intelectualmente, esto contrasta con la cercanía geográfica entre Alemania e Italia, lo cual se demuestra en la Figura III, apuntando al mejoramiento de la eficiencia en la calidad de las cadenas de valor agrícolas.
Como se puede apreciar en la Figura IV, el tamaño de los nodos y el trabajo investigativo corresponden a los pesos de los nodos, es decir mientras mayor sea el nodo y la palabra, mayor será el peso. La distancia entre los nodos refleja la relación que existe entre ellos. A mayor grosor de la línea, mayor será la ocurrencia, como se puede observar, la frecuencia y solidez de los países con mayor representatividad en investigaciones de cadenas de valor agrícola en el continente americano según el reporte de WOS son: Estados Unidos, Canadá, Brasil y México.
Fuente: Elaboración propia, 2022.
Figura IV: Red de artículos sobre cadenas de valor agrícola en términos de países del continente americano
Así también, se puede apreciar en la Figura IV según el color de las curvas el aporte anual de los países; así como el aporte inicial de países como Ecuador, Bolivia, Argentina y Perú, que a partir del 2019 inician la articulación de la investigación en esta temática.
En la investigación al tener un amplio enfoque y relación con diferentes áreas de investigación, se denota 111 categorías relacionadas especialmente con la parte agrícola, ambiental y económica. En comparación con un estudio bibliométrico del Covid-19 utilizando una base de datos en Scopus, los documentos fueron clasificados en cuatro diferentes áreas: Ciencias de la salud, ciencias físicas, ciencias de la vida, ciencias sociales y humanidades (Aristovnik, Ravšelj y Umek, 2020), esto posiblemente a la relevancia del tema relacionado con la pandemia y la búsqueda de soluciones para la vacuna y efectos en la salud.
En el análisis paramétrico de los datos bibliométricos para las palabras clave y el análisis de citas utilizados en la evaluación de la calidad de publicaciones en revistas científicas tecnológicas y de ciencias sociales, se obtuvo un total de 15.400 palabras clave en la investigación de ciudades inteligentes (Guo et al., 2019). En el presente estudio se obtuvo un total de 8.375 palabras clave que tienen relación e impacto relacionado con las cadenas de valor agrícola.
Según Medina-Mijangos y Seguí-Amórtegui (2020), el estudio en gestión de residuos sólidos municipales utilizando WOS, menciona la importancia sobre los tipos de residuos y las palabras clave “residuos de envase” y su impacto ambiental y económico, como una forma de gestión de la responsabilidad social universitaria. De manera similar, en el presente estudio la temática de investigación predomina palabras relacionadas con “agricultura” y “cadenas de valor” agrícolas, simples, de suministros y globales, enfocadas en diferentes áreas tanto ambientales, económicas y agrícolas.
El creciente interés de la academia en búsqueda de problemas relacionados con redes, identifica 1.863 registros para la frase “cadena de suministros sostenible” en Scopus, y 1.182 en WOS, lo que sirvió para realizar la cartografía del panorama científico de este tema (Lis, Sudolska y Tomanek, 2020); valores similares a los obtenidos en esta investigación con 1.669 registros. Sin embargo, al recolectar la información de WOS, Scopus y Google Scholar Metrics sobre Economía circular, Camón y Celma (2020), registran valores de 3.391, 1.901 y 36.300 registros, respectivamente, para comparar las métricas basadas en gestores de referencias bibliográficas, obteniendo diferencias considerables posiblemente por la temática y el periodo de evaluación.
Con respecto a la afiliación de investigadores por países en la temática de turismo sostenible a nivel mundial existen 122, siendo Estados Unidos el país que aporta un 10,10%, de un total de 415 registros, este hecho sugiere un tema global que atrae la atención de los autores de muchos países (Niñerola, Sánchez-Rebull y Hernández-Lara, 2019). Con relación a la presente investigación, se obtuvo un resultado global de 126 países, siendo la tendencia Estados Unidos con 268 registros, Inglaterra 204, Dinamarca 189, Alemania 160, Francia 113, los países con el mayor aporte a nivel de conexiones sobre el tema, probablemente a que son los mayores productores agrícolas, sucede algo similar con el aporte de artículos científicos relacionados con las cadenas de valor agrícola.
La delimitación de una muestra se puede definir por el periodo de publicación seleccionado, ubicación geográfica de los autores, área de investigación, muestra de la revista o palabras clave, entre otras, así desde Collection of WOS, desde el 2005 al 2014, se obtuvo una muestra de 453 papers con un total de 9.207 citaciones distribuidas en el periodo de análisis sobre bioeconomía (Bugge, Hansen y Klitkou, 2016). En tanto en el presente estudio, se obtuvo una muestra de 1.669 publicaciones con 21.979 citaciones con un mayor periodo de tiempo, y posiblemente la misma ubicación geográfica.
Con respecto a las publicaciones por países, el estudio de análisis bibliométrico de artículos de economía y finanzas islámicos de autores indonesios tiene una muestra de 559 artículos divulgados en Indonesia, casi la mitad se publicaron en 24 revistas, siendo la revista más popular Talent Developments and Excellence con 35 artículos relacionados con clasificación Scimago (Handoko, 2020). En el presente estudio Indonesia tiene una muestra de 19 publicaciones, valores inferiores a los que muestran los países sudamericanos como Brasil con 49 publicaciones, Colombia con 28; pero superiores a los que muestran países como Argentina con 13 publicaciones, Perú, 10 Chile con 7, y Ecuador con 6 publicaciones, en una diversidad de revistas científicas, posiblemente debido a las condiciones de investigación sobre el tema y las condiciones económicas del estudio.
Reyes-Belmonte (2020), en un estudio realizado sobre ciclos combinados solares integrados basados en análisis de datos, obtuvo un total de citas promedio de 15 por publicación, en un periodo desde el 2000 al 2018. Al comparar en el presente estudio, se tiene un valor medio de 14.27 no existiendo una variación significativa entre las áreas de investigación a pesar de la relevancia del estudio en la actualidad y la similitud de los periodos de análisis.
Utilizando la ecuación InOrdinatio para clasificar los artículos en orden de relevancia según el factor de impacto Journal Citations Reports (JCR) y el criterio de elección de los artículos más relevantes, se obtuvo una muestra de 39 artículos para el portafolio bibliográfico sobre ciudades inteligentes (Taveira et al., 2019). Así también, en el presente estudio las organizaciones que reportan un mayor número de citaciones son Wageningen University con 984 citaciones muy por detrás Cornell University con 455, Columbia University con 376, y Chinese Academic Science con 274 citaciones. Esta última a pesar de ser la segunda en publicaciones con 25 registros, es superada en citaciones por Columbia University que tiene 6 publicaciones, y en su red de citaciones se incluye el Banco Mundial y la organización de investigación internacional del maíz y mejora del trigo (int maize & wheat improvement).
Conclusiones
A partir del análisis de indicadores bibliométrico de las publicaciones en WOS aplicados a la investigación de cadenas de valor agrícolas, el documento muestra las tendencias desde una perspectiva general mediante los artículos que analizan aspectos de la temática, la importancia del documento radica en que hasta el momento no se han realizado estudios bibliométricos que analicen aspectos relacionados con las cadenas de valor agrícola. Otro punto a considerar es la metodología para analizar el impacto externo.
Lo que se evidencia producto del análisis bibliométrico por el tema y en general, es el incremento en las investigaciones relacionadas con la cadena de valor agrícola desde el 2014, tendencia que conlleva a un desarrollo sustentable de la agricultura, se convierte en un área de investigación potencial en cada país, además de la relevancia para la mejora en la calidad de vida de los actores y su entorno, como medida para la mitigación de la contaminación de los recursos naturales.
Dado que el sustento de la población mundial depende de la producción de productos agrícolas y los subproductos, se espera que las investigaciones continúen su incremento principalmente en países que se identifican en el presente estudio y mejoren las publicaciones en países subdesarrollados. Además, porque la temática está relacionada con las metas y objetivos de desarrollo sustentable planteados por la Organización de las Naciones Unidas para el 2030.
La
importancia de la temática sirve como guía para los tomadores de decisiones,
que los resultados les ayudaran a encontrar muestras de los sistemas
económicos, sociales, ecológicos y metodología de evaluación del proceso,
mejorando así sus decisiones. Otro aspecto a considerar en los gobiernos
locales es poder desarrollar políticas agrarias, regulaciones basadas en los
resultados socioeconómicos para incrementar o decrecer en el uso de tecnologías
externas, así como la mejora de los sistemas de gestión.
En la
investigación se visualizó una serie de redes de organizaciones que describen
las relaciones entre varios dominios científicos, que aportan a la conexión
entre las ciencias naturales, agrícolas, ambientales, sociales, económicas,
políticas. Es importante evaluar las técnicas bibliométricas no solo para los
campos de investigación sino para el ámbito especifico de las cadenas de valor
agrícolas.
En el
ámbito político-administrativo urge incrementar el compromiso con las cadenas
de valor agrícolas, la economía de los productores de Sudamérica, con el
objetivo de replicar e impulsar las políticas públicas. Promover la búsqueda de
información de elementos para incentivar el consumo de productos agrícolas no
tradicionales en los consumidores, además de conocer qué consumen. Incentivar a
las empresas que sean competitivas y así consigan un beneficio en actividades
comunitarias.
El
conjunto de datos que se utilizaron para las visualizaciones, requiere
conocimiento del contexto para ser significativo, la codificación de datos, y
la comprensión del ámbito, lo cual les darán sentido a las gráficas. Para el
futuro se recomienda que la búsqueda de registros se amplíe mediante el uso de
otras bases de datos, el análisis comparativo del número de resultados en
pilares como la sostenibilidad agrícola, economía agrícola, entre otros.
Referencias
bibliográficas
Akinlolu, M., Haupt, T. C., Edwards, D. J., y Simpeh, F. (2020). A bibliometric review of the status and emerging research trends in construction safety management technologies. International Journal of Construction Management. https://doi.org/10.1080/15623599.2020.1819584
Ardanuy,
J. (2012). Breve introducción a la
bibliometría. Universitat de Barcelona. http://diposit.ub.edu/dspace/bitstream/2445/30962/1/breve%20introduccion%20bibliometria.pdf
Aristovnik, A., Ravšelj, D., y Umek, L. (2020). A bibliometric analysis of covid-19 across science and social science research landscape. Sustainability, 12(21), 9132. https://doi.org/10.3390/su12219132
Baranauskas, G., Raišienė, A. G., y Korsakienė, R. (2020). Mapping the scientific research on mass customization domain: A critical review and bibliometric analysis. Journal of Risk and Financial Management, 13(9), 220. https://doi.org/10.3390/jrfm13090220
Barret, C. B., Bachke, M. E., Bellermare, M. F., Michelson, H. C., Narayanan, S., y Walker, T. F. (2011). Smallholder participation in contract farming: Comparative evidence from five countries. World Development, 40(4), 715-730. https://doi.org/10.1016/j.worlddev.2011.09.006
Barrios, L., Cárdenas, Y., y Valencia, G. (2017). Análisis tendencial de las investigaciones de eficiencia energética en sistemas de refrigeración durante los años 2013 a 2017. Revista Espacios, 38(54),12. https://w.revistaespacios.com/a17v38n54/a17v38n54p12.pdf
Bayá, A. E., y Granitto, P. M. (2013). How many clusters: A validation index for arbitrary-shaped clusters. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 10(2), 401-414. https://doi.org/https://doi.org/10.1109/TCBB.2013.32
Beretta, C., Stoessel, F., Baier, U., y Hellweg, S. (2013). Quantifying food losses and the potential for reduction in Switzerland. Waste Management, 33(3), 764-773. https://doi.org/10.1016/j.wasman.2012.11.007
Bollen, J., Van de Sompel, H., Hagberg, A., Bettencourt, L., Chute, R., Rodriguez, M. A., y Balakireva, L. (2009). Clickstream data yields high-resolution Maps of science. PLoS ONE, 4(3), e4803. https://doi.org/10.1371/journal.pone.0004803
Bolwing, S., Ponte, S., Du Toit, A., Rissgaard, L., y Halberg, N. (2010). Integrating poverty and environmental concerns into value‐chain analysis: A conceptual framework. Development Policy Review, 28(2), 173-194. https://doi.org/10.1111/j.1467-7679.2010.00480.x
Bugge, M. M., Hansen, T., y Klitkou, A. (2016). What
is the bioeconomy? A review of the literature. Sustainability, 8(7), 691. https://doi.org/10.3390/su8070691
Camón,
E., y Celma, D. (2020). Circular economy. A review and bibliometric
analysis. Sustainability, 12(16),
6381. https://doi.org/10.3390/SU12166381
De
las Heras-Pedrosa, C., Martel-Casado, T., y Jambrino-Maldonado, C. (2018).
Análisis de las redes académicas y tendencias científicas de la comunicación en
las universidades españolas. Revista
Prisma Social, (22), 229-246. https://revistaprismasocial.es/article/view/2584
Domingues,
V., y Reis, P. (2020). Circular economy and economic development in the
European Union: A review and bibliometric analysis. Sustainability, 12(18), 7767. https://doi.org/10.3390/SU12187767
Düring, M. (2020). De la hermenéutica a las redes de datos: Extracción de datos y visualización de redes en fuentes históricas. The Programming Historian. https://doi.org/10.46430/phes0002
Elleby, C., Pérez, I., Adenauer, M., y Genovese, G. (2020). Impacts of the COVID-19 pandemic on the global agricultural markets. Environmental and Resource Economics, 76(4), 1067-1079. https://doi.org/doi:10.1007/s10640-020-00473-6
Elsevier (2020). Scopus Content Coverage Guide. https://www.elsevier.com/__data/assets/pdf_file/0007/69451/Scopus_ContentCoverage_Guide_WEB.pdf
Espina-Romero,
L. C. (2022). Procesos de Enseñanza-Aprendizaje Virtual durante la COVID-19:
Una revisión bibliométrica. Revista de Ciencias Sociales (Ve), XXVIII(3),
345-361. https://doi.org/10.31876/rcs.v28i3.38479
Estrada-Cuzcano,
A., y Alhuay-Quispe, J. (2020). Aproximación bibliométrica a la Revista de Comunicación
(Perú), 2002-2019. Revista de Comunicación, 19(2), 111-124. https://doi.org/10.26441/rc19.2-2020-a6
Ferasso, M., Beliaeva, T., Kraus, S., Clauss, T., y Ribeiro-Soriano, D. (2020). Circular economy business models: The state of research and avenues ahead. Business Strategy and the Environment, 29(8), 3006-3024. https://doi.org/10.1002/bse.2554
Gardea-Torresdey, J. L., Rico, C. M., y White, J. C. (2014). Trophic transfer, transformation, and impact of engineered nanomateriales in Terrestrial Environments. Environmental Science & Thecnology, 48(5), 2526-2540. https://doi.org/10.1021/es4050665
Govindan, K., y Soleimani, H. (2017). A review of reverse logistics and closed-loop supply chains: A Journal of Cleaner Production focus. Journal of Cleaner Production, 142(Part-1), 371-384. https://doi.org/10.1016/j.jclepro.2016.03.126
Guo, Y-M., Huang, Z-L., Guo, J., Li, H., Guo, X-R., y Nkeli, M. J. (2019). Bibliometric analysis on smart cities research. Sustainability, 11(13), 3606. https://doi.org/10.3390/su11133606
Handoko, L. H. (2020). Bibliometric analysis and
visualization of Islamic economics and finance articles indexed in Scopus by
Indonesian authors. Science Editing, 7(2), 169-176. https://doi.org/10.6087/KCSE.213
Hernández-Rojas, R. D., Jimber, J. A., Ibañez, A., y Vergara-Romero, A. (2021). The cultural and heritage tourist, SEM analysis: The case of The Citadel of the Catholic King. Heritage Science, 9, 52. https://doi.org/10.1186/s40494-021-00525-0
Hodges, R. J., Buzby, J. C., y Bennett, B. (2011). Postharvest losses and waste in developed and less developed countries: Opportunities to improve resource use. The Journal of Agricultural Science, 149(S-1), 37-45. https://doi.org/10.1017/S0021859610000936
Hofmann,
M., y Chisholm, A. (Eds.)
(2015). Text mining and visualization: Case
studies using open-source tools. Taylor & Francis Group. https://doi.org/10.1201/b19007
Jimber, J. A., Hernández-Rojas, R. D., Vergara-Romero, A., y Dancausa, M. G. (2020). Loyalty in heritage tourism: The case of Córdoba and its four world heritage sites. International Journal of Environmental Research and Public Health, 17(23), 8950. https://doi.org/10.3390/ijerph17238950
Kovács, F., e Iváncsy, R. (2006). Cluster validity measurement for arbitrary shaped clusters. Proceedings of the 5th WSEAS International Conference on Artificial Intelligence, Knowledge Engineering and Data Bases, 372-377. https://dl.acm.org/doi/10.5555/1364262.1364325
Lange, T., Roth, V., Braun, M. L., y Buhmann, J. M. (2004). Stability based validation of clustering solutions. Neural Computation, 16(6), 1299-1323. https://doi.org/10.1162/089976604773717621
Larsen, R. J., y Marx, M. L. (2012). An introduction to mathematical statistics and its applications. Pearson Education, Inc.
Lei, N., Faust, O., Rosen, D. W., y Sherkat, N. (2018). Uncovering design topics by visualizing and interpreting keyword data. DS 92: Proceedings of the DESIGN 2018 15th International Design Conference, 57-68. https://doi.org/10.21278/idc.2018.0370
Lis, A., Sudolska, A., y Tomanek, M. (2020). Mapping research on sustainable supply-chain management. Sustainability, 12(10), 3987. https://doi.org/10.3390/SU12103987
Llorent-Bedmar, V., y Sianes-Bautista, A. (2018). Claves para publicar en revistas educativas JCR en alemán, inglés y español. Chasqui. Revista Latinoamericana de Comunicación, (137), 349-365.
Medina‐Mijangos, R., y Seguí‐Amórtegui, L. (2020). Research trends in the economic analysis of municipal solid waste management systems: A bibliometric analysis from 1980 to 2019. Sustainability, 12(20), 8509. https://doi.org/10.3390/su12208509
Morton, J. (2020). On the susceptibility and
vulnerability of agricultural value chains to COVID-19, World Development, 136, 105132. https://doi.org/10.1016/j.worlddev.2020.105132
Niñerola, A., Sánchez-Rebull, M-V., y Hernández-Lara, A-B. (2019). Tourism research on sustainability: A bibliometric analysis. Sustainability, 11(5), 1377. https://doi.org/10.3390/su11051377
Pascual,
D., Pla, F., y Sánchez, J. S. (2008). Cluster stability assessment based
on theoretic information measures. In J. Ruiz-Shulcloper y W. G. Kropatsch
(Eds.), Progress in pattern recognition,
image analysis and applications. CIARP 2008. Lecture Notes in Computer Science,
Vol 5197. Springer. https://doi.org/10.1007/978-3-540-85920-8_27
Pérez,
M. D. C., y Lutsak-Yaroslava, N. V. (2017). La producción científica sobre la
innovación social para el desarrollo local. Una revisión bibliométrica. Revista
Prisma Social, (19), 146-182. https://revistaprismasocial.es/article/view/1750
Perianes-Rodriguez,
A., Waltman, L., y Van Eck, N. J. (2016). Constructing bibliometric
networks: A comparison between full and fractional counting. Journal of
Informetrics, 10(4), 1178-1195. https://doi.org/10.1016/j.joi.2016.10.006
Peters, H. P. F., y Van Raan, A. F. J. (1993). Co-word-based science maps of chemical engineering. Part I: Representations by direct multidimensional scaling. Research Policy, 22(1), 23-45. https://doi.org/10.1016/0048-7333(93)90031-C
Poom,
T. G., y León, J. I. (2019). Factores asociados a la evolución de clusters en México: Validación de
un instrumento para su caracterización. En J. F. Morales, A. Sánchez, C. Venegas, D.
Amparo y J. E. I. Egurrola (Coords.), Volumen
I: Abordajes teóricos, impactos externos, políticas públicas y dinámica
económica en el desarrollo regional (pp. 672-684). Universidad Nacional
Autónoma de México y Asociación Mexicana de Ciencias para el Desarrollo
Regional A.C.
Ramírez,
R. I., Ríos-Pérez, J. D., Lay, N. D., y Ramírez, R. J. (2021). Estrategias
empresariales y cadena de valor en mercados sostenibles: Una revisión teórica. Revista de Ciencias Sociales (Ve), XXVII(E-4), 147-161. https://doi.org/10.31876/rcs.v27i.36999
Reyes-Belmonte, M. A. (2020). A bibliometric study on integrated solar combined cycles (ISCC), trends and future based on data analytics tools. Sustainability, 12(19), 8217. https://doi.org/10.3390/su12198217
Small, H., y Sweeney, E. (1985). Clustering thescience
citation index using co-citations. Scientometrics, 7(3), 391-409. https://doi.org/10.1007/BF02017157
Souto-Anido,
L., Marrero-Anciza, Y., Márquez-Sánchez, F., y Vergara-Romero, A. (2020).
Incidencia de la Gestión de los Recursos Humanos en los resultados Organizacionales:
¿Mito o realidad? GECONTEC: Revista Internacional de Gestión del
Conocimiento y la Tecnología, 8(1),
1-23. https://doi.org/10.5281/zenodo.7103729
Tableau
(2020). Guía de visualización de datos: Definición, ejemplos y recursos de
aprendizaje. Tableau. https://www.tableau.com/es-es/learn/articles/data-visualization
Taveira,
J., De Francisco, A. C., Moro, C., y Do Prado, G. F. (2019). Data mining
and machine learning to promote smart cities: A systematic review from 2000 to
2018. Sustainability, 11(4),
1077. https://doi.org/10.3390/su11041077
Trapala, J., Bustos-Jaimes, I., Manzanares, P., Bárzana, E., y Montiel, C. (2020). Purification and characterization of an inulinase produced by a Kluyveromyces marxianus strain isolated from blue agave bagasse. Protein Expression and Purification, 176, 105718. https://doi.org/https://doi.org/10.1016/j.pep.2020.105718
Van
Eck, N. J., y Waltman, L. (2010). Software survey: VOSviewer, a computer
program for bibliometric mapping. Scientometrics,
84(2), 523-538. https://doi.org/10.1007/s11192-009-0146-3
Van Eck, N. J., y Waltman, L. (2020). VOSviewer Manual. Version 1.6.10. Universiteit Leiden, CWTS Meaningful metrics.
Vergara-Romero, A., Márquez, F., Sorhegui-Ortega, R., y Olalla-Hernández, A. (2021). Capital humano: Actor central para la sostenibilidad organizacional. Revista Venezolana de Gerencia (RVG), 26(93), 297-307. https://doi.org/10.52080/rvg93.20
Xu, L., Brilman, D. W. F., Withag J. A. M., Brem,
G., y Kersten, S. (2011). Assessment of a dry and a wet route for the
production of biofuels from microalgae: Energy balance analysis. Bioresource
Technology, 102(8), 5113-5122. https://doi.org/10.1016/j.biortech.2011.01.066
Yu, Y., Feng, K., y Hubacek, K. (2013). Tele-connecting
local consumption to global land use. Global Environmental Change, 23(5), 1178-1186. https://doi.org/10.1016/j.gloenvcha.2013.04.006
Zambrano,
J. L., Palacios, N. M., Ceme, C. A., e Intriago, M. J. (2021). Cadena de valor
de la pinchagua y su productividad: Sitio Los Arenales parroquia
Crucita-Ecuador. Revista de Ciencias
Sociales (Ve), XXVII(4), 277-291. https://doi.org/10.31876/rcs.v27i4.37255
Zhao, Z., Tang, X., T., Mu, X., y Zhao, H. (2020). Bibliometric analysis of the 100 most cited articles on cervical cancer radiotherapy. Medicine, 99(40), e22623. https://doi.org/10.1097/MD.0000000000022623