Identificando el surgimiento de la componente gigante en redes de citación

Article Sidebar

PDF (Castellano)

Main Article Content

Juan Antonio Pichardo-Corpus
El Colegio de la Frontera Norte
https://orcid.org/0000-0002-9553-128X

El surgimiento de la componente gigante en redes ha sido objeto de estudio desde los modelos clásicos de gráficas aleatorias hasta los desarrollos más contemporáneos en análisis de redes sociales, redes complejas o ciencia de redes. Sin embargo, en el caso de las redes de citación entre artículos científicos, no está claro si la evolución de las componentes más grandes presenta una transición de fase similar a la de otras redes y, en su caso, si los indicadores derivados de los modelos son útiles para identificar el surgimiento de la componente gigante. En este trabajo se presenta un análisis de la evolución de la componente más grande en redes de citación de cinco revistas editadas por la American Physical Society: PRA, PRB, PRC, PRD y PRE. Las primeras cuatro en un periodo de 40 años y de 20 años para PRE. Comparando indicadores de modelos de redes aleatorias, se encuentra que el modelo de Erdös-Renyi es mejor que otros para identificar el surgimiento de la componente gigante. También se muestra que la evolución del tamaño de las componentes se puede modelizar mediante una regresión logística, de la cual se desprende otro posible indicador para el surgimiento de la componente gigante.

Paraules clau
Transición de fase, Redes aleatorias, indicadores bibliométricos

Article Details

Com citar
Pichardo-Corpus, Juan Antonio. «Identificando el surgimiento de la componente gigante en redes de citación». Redes: revista hispana para el análisis de redes sociales, 2026, vol.VOL 37, núm. 2, p. 216-34, doi:10.5565/rev/redes.1174.
Drets
Creative Commons License

Aquesta obra està sota una llicència internacional Creative Commons Reconeixement 4.0.

(c) Juan Antonio Pichardo-Corpus, 2026

Referències

Adler, R., Ewing, J., y Taylor, P. (2009). Citation Statistics. Statist. Sci., 24(1), 1–14. https://doi.org/10.1214/09-STS285

Bao, H., y Teplitskiy, M. (2024). A simulation-based analysis of the impact of rhetorical citations in science. Nature Communications, 15(1), 431. https://doi.org/10.1038/s41467-023-44249-0

Barabási, A. L. (2016). Network Science. Cambridge University Press. Cambridge.

Ben-David, J., y Sullivan, T. A. (1975). Sociology of Science. Annual Review of Sociology, 1, 203–222. https://doi.org/10.1146/annurev.so.01.080175.001223

Boguñá, M., y Serrano, M. Á. (2005). Generalized percolation in random directed networks. Physical Review E, 72(1), 016106. https://doi.org/10.1103/PhysRevE.72.016106

Bollobás, B. (1984). The Evolution of Random Graphs. Transactions of the American Mathematical Society, 286(1), 257–274. https://doi.org/10.2307/1999405

Brzezinski, M. (2015). Power laws in citation distributions: evidence from Scopus. Scientometrics, 103 (1), 213–228.

https://doi.org/10.1007/s11192-014-1524-z

Castillo-Castillo, P., Stevens-Navarro, E., Pineda-Rico, U., Garcia-Barrientos, A., Castillo-Soria, F. R., y Acosta-Elias, J. (2025). A growth model for citations networks. Applied Network Science, 10(1). https://doi.org/10.1007/s41109-025-00691-1

Csardi, G., y Nepusz, T. (2006). The igraph software package for complex network research. InterJournal, Complex Systems, 1695. https://igraph.org

de la Peña, J. A. (2011). Impact functions on the citation network of scientific articles. Journal of Informetrics, 5(4), 565-573. https://doi.org/10.1016/j.joi.2011.05.001

De Solla Price, D. J. (1965). Networks of scientific papers. Science, 149(3683), 510–515.

Eom, Y. H., y Fortunato, S. (2011). Characterizing and modeling citation dynamics. PloS One, 6(9), 926.

Erdös, P. y Rényi, A. (1960). On the evolution of random graphs. Publication of the Mathematical Institute of the Hungarian Academy of Sciences, 5, 17-61.

Espinosa-Rada, A., Bellotti, E., Everett, M. G., y Stadtfeld, C. (2024). Co-evolution of a socio-cognitive scientific network: A case study of citation dynamics among astronomers. Social Networks, 78, 92-108. https://doi.org/10.1016/j.socnet.2023.11.008

Fienberg, S. E. (2012). A Brief History of Statistical Models for Network Analysis and Open Challenges. Journal of Computational and Graphical Statistics, 21(4), 825–839. https://doi.org/10.1080/10618600.2012.738106

Garfield, E. (2009). From the Science of Science to Scientometrics Visualizing the History of Science with HistCite Software. Journal of Informetrics, 3, 173-179. http://dx.doi.org/10.1016/j.joi.2009.03.009

Goldberg, S. R., Anthony, H., y Evans, T. S. (2015). Modelling citation networks. Scientometrics, 105(3), 1577-1604. https://doi.org/10.1007/s11192-015-1737-9

Haslam, N., Baes, N., y Haghani, M. (2024). The structure and evolution of social psychology: a co-citation network analysis. The Journal of Social Psychology, 165(3), 390–401. https://doi.org/10.1080/00224545.2024.2363354

Hargens, L. L. (2000). Using the Literature: Reference Networks, Reference Contexts, and the Social Structure of Scholarship. American Sociological Review, 65(6), 846. https://doi.org/10.2307/2657516

Krauss, A. (2024). Science of science: A multidisciplinary field studying science. Heliyon, 10(17). https://doi.org/10.1016/j.heliyon.2024.e36066

Lerner, J., Hâncean, M. G., y Lomi, A. (2025). Relational hyperevent models for the coevolution of coauthoring and citation networks. Journal of the Royal Statistical Society. Series A: Statistics in Society, 188(2), 583-607. https://doi.org/10.1093/jrsssa/qnae068

Liu, L., Jones, B. F., Uzzi, B., y Wang, D. (2023). Data, measurement and empirical methods in the science of science. Nature Human Behaviour, 7(7), 1046-1058. https://doi.org/10.1038/s41562-023-01562-4

Milojević, S. (2025). Science of science. Scientometrics. 130, 3195–3211 https://doi.org/10.1007/s11192-025-05322-1

Molloy, M. y Reed, B. (1995). A critical point for random graphs with a given degree sequence. Random Structures & Algorithms, 6(2-3), 161-179

Newman, M. (2018) Networks. Second Edition, Oxford University Press, Oxford.

Newman, M. E., Strogatz, S. H., y Watts, D. J. (2001). Random graphs with arbitrary degree distributions and their applications. Physical Review E, 64(2), 026118. https://doi.org/10.1103/PhysRevE.64.026118

Perc M. (2014). The Matthew effect in empirical data J. R. Soc. Interface,1120140378 http://doi.org/10.1098/rsif.2014.0378

Peterson, G. J., Pressé, S., y Dill, K. A. (2010). Nonuniversal power law scaling in the probability distribution of scientific citations. Proceedings of the National Academy of Sciences of the United States of America, 107(37), 16023–16027. https://doi.org/10.1073/pnas.1010757107

Pichardo-Corpus, J. A., Contreras, J. G., y de la Peña, J. A. (2019). Parametric definition of the influence of a paper in a citation network using communicability functions. Journal of Complex Networks. https://doi.org/10.1093/comnet/cny037

Redner, S. (1998). How popular is your paper? An empirical study of the citation distribution. Eur. Phys. J. B 4, 131–134 https://doi.org/10.1007/s100510050359

Redner, S. (2005). Citation Statistics from 110 Years of Physical Review. Physics Today 1, 58 (6): 49–54. https://doi.org/10.1063/1.1996475

Ruiz León, A. A. (2018). Análisis de la producción y colaboración científica de Instituciones: el caso del Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas (IIMAS) de la Universidad Nacional Autónoma de México (UNAM). Redes. Revista Hispana Para El análisis De Redes Sociales, 29(1), 1–19. https://doi.org/10.5565/rev/redes.755

Sosa, J. y Buitrago, L. (2021). A Review of Latent Space Models for Social Networks. Revista Colombiana de Estadística, 44(1), 171–200. https://doi.org/10.15446/rce.v44n1.89369

van der Hofstad, R. (2024). Random Graphs and Complex Networks. En Cambridge Series in Statistical and Probabilistic Mathematics (Vol. 2). Cambridge University Press. https://doi.org/10.1017/9781316795552

Vélez-Cuartas, G., Suárez-Tamayo, M., Jaramillo-Guevara, L., y Gutiérrez, G. (2021). Nuevo modelo de métricas responsables para medir el desempeño de revistas científicas en la construcción de comunidad: el caso de Redes. Redes. Revista Hispana Para El análisis De Redes Sociales, 32(2), 110–152. https://doi.org/10.5565/rev/redes.919