$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Este estudio realizó un análisis bibliométrico sistemático para identificar y visualizar tendencias de investigación en el campo de la seguridad en túneles desde 1992 hasta 2026.
Búsqueda bibliográfica y recopilación de datos
Accede a la base de datos Web of Science Core Collection (WoSCC). La estrategia de búsqueda se realizó utilizando la siguiente consulta específica por tema: TS = [("túnel" y "seguridad del túnel")]. Tras introducir la consulta, se hacía clic en el botón "Buscar" para ejecutar la búsqueda de literatura. Los resultados se filtraron seleccionando "Artículos", "Artículos de Revisión" y "Publicaciones en Acceso Anticipado" como tipos de documentos. Se recopilaron un total de 15.861 artículos y artículos de revisión publicados entre 1992 y 2026. Este estudio se centra en áreas clave como la seguridad contra incendios en túneles, la seguridad vial, la seguridad vial y la evacuación de personal, con el objetivo de revisar el progreso de la investigación y los puntos críticos en la seguridad general de túneles. Por lo tanto, se excluyeron publicaciones relacionadas con la seguridad en la excavación de túneles, la predicción de seguridad de túneles de escudo y la evaluación de la seguridad de grietas en el revestimiento de túneles. Tras este proceso de selección, se conservaron 428 artículos para su análisis posterior. En la sección "Contenido de registro", se seleccionó "Registro completo y referencias citadas", y el conjunto de datos filtrado se exportó como archivos de "texto plano". Cada registro fue verificado para que contenía información completa de citas y coautoría. El proceso detallado de cribado se presenta en un diagrama de flujo (Figura 1).
Preprocesamiento de datos
El conjunto de datos en texto plano exportado desde WoSCC se importó a una hoja de cálculo usando el conjunto de datos | Desde la función de texto/CSV . Se seleccionaron los caracteres tabulador y espacio como delimitadores para separar el texto en columnas. La hoja de cálculo resultante se utilizó para filtrar, ordenar y resumir los registros para análisis posteriores. Los registros se agregaron por año de publicación para calcular el recuento anual y acumulado de publicaciones. La columna de Revista (SO) se filtró para conservar solo revistas con tres o más artículos. Las instituciones se ordenaron por frecuencia y centralidad para identificar las 10 principales instituciones, y las palabras clave se ordenaron por frecuencia y centralidad para identificar las 20 principales palabras clave. Los grupos de palabras clave se ordenaron por tamaño y se conservaron los seis grupos más grandes. Los criterios y procedimientos detallados para cada operación se describieron en las correspondientes subsecciones analíticas.
Para el análisis de la evolución numérica de la literatura publicada, la columna Año de Publicación (PY) se filtraba en el software de la hoja de cálculo y los valores se convertían a formato numérico. Los registros se agregaron por año de publicación para calcular tanto el recuento anual como el acumulativo. Se generó un gráfico de tendencias de publicación construyendo un gráfico de barras para la producción anual y superponiendo un gráfico de líneas para el total acumulado (Figura 2). Para el análisis de los patrones de distribución de las revistas de publicación, se aisló la columna de Journal (SO) y se calculó el número de registros para cada revista. La frecuencia de publicación de cada revista se calculó entre 1992 y 2026 agrupando los registros según el título de la revista y ordenando los resultados en orden descendente. Se retuvieron revistas con tres o más artículos, resultando en 28 revistas, y los resultados se presentaron en una tabla resumida (Tabla 1).
Análisis de la colaboración de los autores
El conjunto de datos de texto plano de WoSCC se importó y configuró en CiteSpace usando el conjunto de datos | Importación | Web of Science , y los directorios de entrada y salida se especificaban según correspondía. Tras una revisión en profundidad de la literatura recuperada, se encontró que las publicaciones de 1992 a 2004 representaban una proporción relativamente pequeña del conjunto de datos. Más importante aún, el contenido y los temas de investigación de estas publicaciones estaban dispersos y mostraron poca relevancia para la seguridad en túneles. Incorporar estos artículos en el análisis bibliométrico habría introducido redundancia excesiva y dificultado la identificación de puntos críticos de investigación y tendencias en evolución. Además, la literatura recuperada en marzo de 2026 no pudo representar completamente la producción anual de publicaciones de 2026. En consecuencia, el análisis de CiteSpace se restringió a la literatura publicada entre 2005 y 2025. El periodo se estableció de 2005 a 2025 según la relevancia de la publicación, utilizando segmentación temporal anual con un intervalo de tiempo de 1 año.
CiteSpace estaba configurado con autor como tipo de nodo. El criterio de selección se estableció al índice g (k = 15). Las fuentes de término se establecieron en Título, Resumen, Palabras clave del autor (DE) y Palabras Clave Plus (ID). En el menú Poda, tanto Pathfinder como Poda seleccionaron las opciones de red fusionadas para simplificar la estructura de red. El análisis se realizó haciendo clic en Ir para producir la visualización de la red de colaboración con autores. Se ajustaron los tamaños de fuente y los esquemas de color para mejorar la legibilidad (Figura 3).
Colaboración institucional y análisis de las 10 principales instituciones
El tipo de nodo se estableció como institución en CiteSpace. El criterio de selección se estableció en el índice g (k = 25). Las fuentes de término se establecieron en Título, Resumen, Palabras clave del autor (DE) y Palabras Clave Plus (ID). En el menú de Poda, se seleccionaron las opciones de red fusionadas Pathfinder y Poda para reducir la complexidad de la red.
El análisis se realizó pulsando Go para generar el mapa de colaboración institucional. Se ajustaron la tipografía y los ajustes de color para mejorar la interpretabilidad (Figura 4). Los datos de colaboración institucional se guardaron usando Output | Resumen de la red como HTML, CSV, RIS | Guarda como CSV. El archivo CSV se abría entonces en Microsoft Excel. Las columnas "Freq", "Centrality" y "Label" se combinaron, y se aplicó un ordenamiento descendente usando Sort & Filter | Descendiendo. Se extrajeron las 10 principales instituciones y se ensamblaron en una tabla final (Tabla 2).
Co-ocurrencia de palabras clave y análisis de las 20 principales palabras clave
En CiteSpace, el tipo de nodo se establecía como palabra clave. El índice g se estableció en k = 17. Las fuentes de término se establecieron en Título, Resumen, Palabras clave del autor (DE) y Palabras Clave Plus (ID). En el menú de Poda, se seleccionaron las opciones de red fusionadas Pathfinder y Poding para recortar la red. El análisis se inició haciendo clic en Ir para obtener el mapa de coocurrencia de palabras clave. Los atributos de fuente y color se modificaron para mejorar la legibilidad visual (Figura 5). El conjunto de datos de coocurrencia de palabras clave se exportó a través de Output | Resumen de la red como HTML, CSV, RIS | Guarda como CSV. El archivo CSV se abría en Microsoft Excel. Las columnas "Freq", "Centrality" y "Label" se combinaron, y se realizó un ordenamiento descendente usando Sort & Filter | Descendiendo. Las 20 principales palabras clave se identificaron y organizaron en una tabla final (Tabla 3).
Análisis de clústeres de palabras clave y los 6 principales clústeres
La categoría de nodo se estableció como palabra clave en CiteSpace. El índice g se estableció en k = 17. Las fuentes de término se establecieron en Título, Resumen, Palabras clave del autor (DE) y Palabras Clave Plus (ID). En el menú de Poda, se seleccionaron las opciones de red fusionadas de Pathfinder y Poda para refinar la red. El análisis de agrupación de palabras clave se realizaba haciendo clic en Ir. Las etiquetas de los grupos se extrajeron utilizando el algoritmo de razón logarítmica (LLR). Solo se conservaron los grupos con una puntuación de silueta superior a 0,7. El mapa de agrupamiento se generó usando Cluster Label Optimization | K: Las palabras clave y la configuración de visualización se ajustaron para lograr una legibilidad óptima (Figura 6). Los detalles de los clústeres se extrajeron a través de Clústeres | Ver contenido del clúster y organizado en una hoja de cálculo de Microsoft Excel. Se abrió la tabla de datos y se seleccionó y ordenó la columna "Tamaño" usando Ordenar y Filtrar > Descendente. Los resultados se recopilaron en la tabla final de agrupación de palabras clave (Tabla 4).
Análisis de grupos de líneas temporales de palabras clave
El tipo de nodo se mantuvo como palabra clave en CiteSpace. El índice g se estableció en k = 17. Las fuentes de término se establecieron en Título, Resumen, Palabras clave del autor (DE) y Palabras Clave Plus (ID). En el menú de Poda, se seleccionaron las opciones de red fusionadas de Pathfinder y Poda para podar la red. El análisis de agrupamiento de palabras clave se ejecutaba haciendo clic en Ir. Las etiquetas de clúster se extrajeron usando el mismo algoritmo LLR y umbral de puntuación de silueta (> 0,7). Se seleccionó la Vista de Línea de Tiempo para generar el mapa de agrupación de la línea de tiempo de palabras clave. Se ajustaron los ajustes de fuente y color para mejorar la legibilidad (Figura 7).
Análisis de estallido de palabras clave
El tipo de nodo se mantuvo como palabra clave en CiteSpace. El índice g se estableció en k = 17. Las fuentes de término se establecieron en Título, Resumen, Palabras clave del autor (DE) y Palabras Clave Plus (ID). En el menú Poda, las opciones de red fusionadas de Pathfinder y Poda se seleccionaron para la poda de red. El análisis de palabras clave se realizaba haciendo clic en Ir. Se seleccionó la opción de ráfaga de ráfaga, el parámetro γ se estableció en 0,5 y la duración mínima de la ráfaga en 2 años para realizar el análisis de detección de ráfagas de palabras clave. Los datos se actualizaron para generar la lista de las 25 principales palabras clave con los picos de citas más fuertes (Figura 8).