Ciencia de datos en el bosque La Primavera

Abstract

Durante el semestre de primavera 2026 en el proyecto de aplicación profesional Bosque Escuela (PAP2E11A), en el Programa de desarrollo local y fortalecimiento del tejido social I, tuvimos como propósito realizar una revisión de literatura en torno al bosque La Primavera para identificar los temas predominantes y tendencias de investigación con el objetivo de generar una base de datos que permitiera analizar rápidamente los temas centrales y vacíos de información sobre el BLP. Para ello se utilizó un pipeline automatizado de extracción de datos con la API de Google Scholar y Procesamiento de Lenguaje Natural (NLP) con el modelo “es_core_news_lg” de spaCy para la minería de textos en documentos PDF. Encontramos 54 artículos científicos que contenían las palabras clave programadas, pero después de analizarlos solo 19 hablaban específicamente del BLP. Los temas más abordados son: 1) flora, 2) conservación del bosque. Como productos obtuvimos una base de datos estructura, es decir, la información extraída de los 54 artículos se organizó automáticamente en columnas de la siguiente manera: Título, Autores, Año, Publicado en, Link, Resumen, Citas, Ruta Local PDF, Tema_Central, Localización_Geografica y Resultados_Sintesis. Además, desarrollamos un programa en Python para automatizar dicho proceso, y una carpeta en OneDrive que contiene los 54 artículos estudiados.