Como decidir o limite mínimo de co-ocorrência de palavras-chave na rede bibliométrica?
O limite mínimo define o ponto de corte para que duas palavras formem uma conexão na sua rede. Na Análise Bibliométrica, uma aresta surge apenas quando dois termos aparecem juntos um número de vezes igual ou maior que este parâmetro, cujo padrão é 5. Você ajusta esse valor para limpar grafos densos demais ou para revelar ligações ocultas em amostras menores. A escolha exata depende do volume de documentos que compõem a sua planilha.
A ferramenta processa os dados determinísticos de forma isolada, gerando a rede pelo modelo HySCo-KC. Três matrizes independentes se fundem com pesos definidos alfa 0,25, beta 0,50 e gama 0,25. Após a normalização para as arestas somarem 1, as conexões que caem abaixo da Força da Conexão (padrão 0,15) são cortadas do desenho. Modificar o limite inicial altera as fundações que sustentam essa estrutura.
O que acontece com a rede quando ajusto as Co-ocorrências Mínimas?
Modificar esse valor altera diretamente a matriz de similaridade de Jaccard, que é um dos três pilares da rede. Aumentar o limite corta as relações fracas e deixa em destaque apenas os temas frequentemente estudados juntos. Diminuir a exigência permite que termos raros formem ligações, ajudando você a encontrar nichos de pesquisa isolados. Se o limite for baixo e o grafo passar de 80 por cento de densidade, o limiar de força sobe automaticamente para despoluir a visualização final.
Além da co-ocorrência clássica, a ferramenta constrói um cálculo de TF-IDF sobre o título e o resumo de cada artigo. Esse processo extrai um vocabulário de até 500 termos e avalia a similaridade de cosseno, somando até 0,30 por documentos compartilhados na base. Uma terceira matriz avalia a distribuição de tópicos via algoritmo LDA e também compara os resultados por cosseno. Tudo isso se funde à matriz de Jaccard para compor o mapeamento que você analisa.
Como a normalização dos termos afeta a contagem da co-ocorrência?
Antes da contagem de pares, as palavras-chave originais passam por preparações estruturais que afetam as frequências finais. A ferramenta padroniza termos ao colocar tudo em minúsculas e converter hífens em espaços. Os termos mais frequentes seguem para um modelo de linguagem que normaliza a grafia, consolidando e fundindo variantes sob um mesmo rótulo. Essa unificação altera o tamanho físico dos nós e influencia a divisão da rede inteira.
O processo de leitura e limpeza da planilha segue regras fixas para evitar distorções no seu mapeamento. O arquivo carregado é canonizado contra 12 nomes fixos de coluna, corrigindo apenas maiúsculas e espaços sobrando. A extração das palavras segue etapas objetivas:
- Separação: as palavras-chave da coluna original são divididas onde existe ponto e vírgula.
- Padronização: todos os termos são colocados em letras minúsculas e os eventuais hífens viram espaços simples.
- Normalização: as expressões mais frequentes vão ao modelo para unificar variantes de grafia conservando o sentido.
- Filtragem: os sobreviventes desse fluxo constroem as matrizes e recebem o corte de Jaccard.
Como os clusters se formam após o corte de co-ocorrência?
Os agrupamentos surgem de um cálculo matemático determinístico sobre os nós que sobreviveram ao seu corte, sem envolver modelo de linguagem na divisão. O algoritmo K-means particiona a matriz fundida de similaridades utilizando o melhor de 10 inicializações e uma semente fixa 42. Agrupamentos pequenos com menos de três nós são absorvidos pelo vizinho de maior similaridade somada. Somente após a matemática concluir essa divisão é que a IA entra para redigir rótulos descritivos.
O modelo de inteligência artificial assume a tarefa de relatar o que a aritmética já definiu. A IA descreve os clusters delimitados pelo K-means e escreve narrativas sobre a evolução temática da área. A decisão se um tema é quente, emergente ou estável nasce de regras como taxa de crescimento e percentis, não de julgamento de modelo. Você recebe cálculos reproduzíveis e descrições claras para fundamentar a sua pesquisa bibliométrica.
