Introducción

Las externalidades dinámicas hacen referencia a la acumulación de conocimiento y su impacto en la productividad dentro de una región o ciudad específica. En este campo, el trabajo pionero de Glaeser et al., (1992), abordó el vínculo entre el crecimiento del empleo y las economías de aglomeración, para lo cual estableció dos tipos de economías externas: las de alcance intraindustrial (MAR) y las interindustrial (Jacobs), además de las externalidades planteadas más adelante por Porter (Varela y Palacio, 2008). Las externalidades tipo MAR afirman que la difusión del conocimiento se da entre empresas de una misma industria especializada en un territorio. La concentración de empresas de la misma industria en una ciudad permite que el conocimiento se transmita entre las firmas y facilite la innovación y el crecimiento (Van Der Panne, 2004).

Las externalidades tipo Jacobs, proponen que las transferencias de conocimiento pueden provenir de fuentes fuera de la industria. Por lo tanto, es la variedad y la diversidad de industrias que se encuentran geográficamente próximas unas a otras, lo que estimula la innovación y el crecimiento (Pedersen y Rahbek, 2021).

Las externalidades tipo Porter establecen que la competencia local impulsa la innovación, mientras las influencias externas de conocimiento en áreas específicas estimulan el crecimiento; pues varias que se encuentran próximas, compiten por la innovación acelerando la adopción de la tecnología (Osorio, 2014).

Por otro lado, la complejidad económica, se refiere a la diversidad y sofisticación de una economía en términos de los productos que produce, y las habilidades y conocimientos necesarios para producirlos (Hidalgo y Hausmann, 2009). En otras palabras, un país (territorio) se considera más complejo económicamente si produce y exporta productos que son difíciles de fabricar y que son demandados por países (territorios) con una mayor complejidad económica.

En ese sentido, la complejidad económica se vincula con las externalidades dinámicas, a través de la diversificación productiva y el desarrollo de capacidades tecnológicas. Una economía compleja, con una amplia variedad de productos y sectores interconectados, crea un entorno propicio para la generación de externalidades dinámicas. Esto se debe a que la interacción entre diferentes agentes económicos, como empresas, instituciones de investigación y trabajadores altamente capacitados, promueve el intercambio de conocimientos, ideas y mejores prácticas (Sahdev, 2016).

A partir de lo anterior, resulta imperativo llevar a cabo un análisis bibliométrico que aborde de manera integral y relacional el enfoque de las externalidades dinámicas y la complejidad económica.

En este contexto, Kitchenham (2007) asevera que las revisiones sistemáticas de la literatura ayudan a examinar en qué medida la evidencia empírica respalda o contradice las hipótesis teóricas, e incluso puede ayudar a generar nuevas hipótesis.

Basile et al. (2022), manifiestan que la bibliometría, en la actualidad, es importante para describir exhaustivamente la historia, estado general del arte y patrones de colaboración de un tema de investigación, frenando el problema de masificación de información bibliográfica. En el mismo sentido, el método sistemático de revisión de literatura ayuda a identificar, evaluar e interpretar el trabajo de investigadores, académicos y profesionales en un campo específico (García-Peñalvo y García-Holgado, 2022).

En ese contexto, el propósito central de esta investigación es obtener una visión integral y exhaustiva de las investigaciones sobre externalidades dinámicas a través un análisis bibliométrico de la literatura existente, a partir de la búsqueda de información tanto en Scopus como en Web of Science, durante el período 2018-2023. Además, se busca identificar cual es el impacto de estas externalidades en la complejidad económica, mediante la revisión sistemática de la literatura.

Esta investigación se divide en cuatro partes: en la primera parte, se hace una introducción al problema de investigación. En la segunda parte, se detalla la metodología, a partir de explicar las técnicas de investigación bibliométricas y recogida de datos. En la tercera, se presentan los resultados a partir del análisis de desempeño y del mapeo científico. Finalmente, en la cuarta parte, se mencionan las discusiones y conclusiones.

1. Metodología

1.1. Técnicas de investigación bibliométrica

Las revisiones sistemáticas pueden ayudarnos a conocer la evidencia disponible, conociendo primero lo que se sabe, el apoyo que se tiene y lo que no se ha explicado (Cooper, 2017). Además, el análisis bibliométrico puede ayudar a explicar de mejor manera, los aspectos que apoyan los hallazgos de la investigación y orientar a los investigadores a realizar investigaciones significativas (Akhavan et al., 2016).

En este sentido, se consideran los pasos de un mapeo sistemático de literatura sugeridos por Hidalgo et al., (2011), Kitchenham (2007) y Olaleye et al., (2023). Primero, se definió la cadena de búsqueda que se desarrolló en dos pasos. Como paso uno, se establecieron los términos de búsqueda del término principal “Externalidades Dinámicas”, así como los términos relacionados con “Estructura Productiva”, “Complejidad Económica” y “Resiliencia Económica Territorial”, utilizando la técnica de expansión basada en informes y la búsqueda de sinónimos en el tesauro¹ de la UNESCO. Para la primera herramienta, se consideraron artículos científicos o tesis referenciados en el proyecto que contienen información proveniente de bases de datos como Scopus, Semantic Scholar, Google Scholar, Biblat, Scielo, Dialnet, Springer, ScienceDirect y Redalyc. A continuación, se analizaron los títulos y las palabras clave de estos estudios para determinar los términos más utilizados en relación con el término inicial. Es importante destacar que, se consideró tesauros en inglés, dado que, en la actualidad, se ha consolidado como una de las herramientas académicas y profesionales más relevantes (Alzate y López, 2018).

Una vez identificados los términos de búsqueda, se seleccionan las bases de datos para el análisis bibliométrico, siendo estas: Scopus (SCO, 2023) y Web of Science (WoS, 2023). Estas bases de datos son importantes para el análisis bibliométrico porque proporcionan información detallada sobre la producción científica, las citas y las colaboraciones entre autores y las tendencias de los campos de estudio analizados, permitiendo de esta forma, evaluar el impacto de la investigación científica (Universidad de Valladolid, 2022). Un aspecto importante por resaltar es que el uso de Scopus y WoS permite la mitigación del riesgo de recopilar datos duplicados, además de reducir la tendencia a omitir datos relevantes y realizar un estudio exhaustivo (Olaleye et al., 2023). El segundo paso, consistió en probar distintas combinaciones de los términos identificados en el primer paso, en las bases de datos seleccionadas y finalmente, se establecieron las siguientes cadenas booleanas para la búsqueda utilizando los operadores lógicos AND y OR (Ronconi, 2020). Se debe mencionar que las combinaciones utilizadas en ambas bases de datos contienen los términos “dynamic externality” OR “knowledge spillover” OR “knowledge externality” junto con los términos relativos “production” OR “economic structure” OR “agglomeration” OR “specialization” OR “diversity” OR “competitiveness”, OR “economic complexity” OR “territorial economic resilience”.

1.2 Recogida de datos

Los criterios de inclusión utilizados fueron los siguientes: i) artículos originales de tipo conceptual o empírico publicados en revistas indexadas tanto en Scopus como en WoS con idiomas de publicación en inglés y español, ii) revistas de acceso abierto y de pago, iii) periodo de referencia: 2018-2023, y iv) artículos científicos de las áreas de: economía, econometría y finanzas, ciencias sociales, negocios, gestión y contabilidad, estudios urbanos, estudios de desarrollo, ciencias ambientales y geografía.

Con relación a los criterios de exclusión, este estudio se basó en los siguientes: i) artículos que presenten análisis tipo revisiones sistemáticas de literatura, ii) libros o capítulos de libros, iii) estudios o informes, iv) tesis de grado, maestría o posgrado, v) proceedings de congresos, conferencias, vi) artículos científicos en la etapa de publicación de prensa, vii) reseñas, editorial, retratado, nota y erratum, y viii) artículos científicos de otras áreas del conocimiento.

El análisis de los datos se realiza con las herramientas de RStudio y la plataforma web Biblioshiny dentro del paquete Bibliometrix; que se encarga de evaluar los indicadores definidos (Aria y Cuccurullo, 2017). Asimismo, se utiliza el software VOSviewer para la visualización y la creación de redes bibliométricas (Contreras y Abid, 2022). También está la herramienta Tableau para la creación de gráficos. Finalmente, la información será presentada utilizando el diagrama PRISMA², que ayudará a garantizar que la revisión sistemática sea de alta calidad.

2. Informe de resultados

El resultado de las operaciones de búsqueda se observa en el diagrama PRISMA, como se detalla en la figura 1.

Figura 1
Prisma
Elaboración propia con base en información de SCO y WoS.

En el primer paso, se identificaron 1231 documentos de las fuentes citadas. El primer resultado de búsqueda recuperó todo tipo de documentos, como actas de conferencias, artículos de revistas, libros y capítulos de libros, en todos los idiomas disponibles, con un período de tiempo de más de 20 años. Sin embargo, en la etapa de selección, aplicando los criterios de exclusión se eliminaron todos los documentos que no cumplían con los criterios. De esa manera, en Scopus se determinaron 186 documentos y en WoS 63 artículos científicos. En la etapa de elegibilidad, se eliminaron 37 documentos duplicados al analizar las dos fuentes de datos. En la etapa de inclusión, se eliminaron 134 documentos que no se relacionaban con el objeto de estudio después de analizar los resúmenes, por lo que, el análisis bibliométrico se realiza con 78 documentos, de los cuales, 60 pertenecen a la plataforma Scopus y 18 de la base de datos WoS. Además, los resultados del estudio bibliométrico se pueden presentar según un análisis de desempeño y mapeo científico (Donthu et al., 2021).³

El análisis de los datos se realiza con las herramientas de Biblioshiny, Bibliometrix de R, VOSviewer, y Tableau.

2.3. Análisis de desempeño

A continuación, considerando las recomendaciones de expertos, se examinan las contribuciones de los componentes de la investigación en el área de externalidades dinámicas y complejidad económica (Donthu et al., 2021; García-Lillo et al., 2015; Rejeb et al., 2022).

2.3.1. Distribución geográfica de autores

En cuanto a la procedencia de los autores, se pudo observar que la producción científica proviene principalmente de dos países: China destaca con 13 publicaciones, seguida de Estados Unidos con 11 publicaciones. Además, Italia y el Reino Unido presentan cinco publicaciones cada uno. Sobre la producción científica de los países, relacionada con externalidades dinámicas y complejidad económica, se muestra una concentración significativa en Estados Unidos y China, con 17 y 15 artículos científicos respectivamente. Sin embargo, también se observa una contribución destacada por parte de países europeos, como Italia, Suecia y el Reino Unido, con 9, 8 y 7 documentos respectivamente. En Sudamérica, Brasil destaca por su participación con un total de seis estudios. Esta situación es similar a la procedencia del autor, por lo que se infiere que existe una correspondencia o concordancia entre el origen geográfico de los autores de los artículos científicos y la cantidad de artículos científicos producidos por cada país.

2.3.2. Productividad por artículo académico

En la tabla 1 se listan los 10 artículos más citados, basándose en el número de citas. El artículo líder, con 102 citas, es de 2018 y se titula “The role of collaborative networks in supporting the innovation performances of lagging-behind European regions”, publicado en Research Policy. Aborda economías de aglomeración y efectos de derrame, destacando cómo las asociaciones con áreas innovadoras benefician a las regiones menos avanzadas en Europa. El segundo artículo más citado es de 2019, de la revista Regional Science and Urban Economics.

El 20.5% de la muestra analizada de la producción científica relacionada con externalidades dinámicas y sobre complejidad económica, no ha recibido ninguna cita por parte de otros autores. En otras palabras, el 79.5% de los artículos científicos seleccionados para este estudio han sido citados al menos una vez por otros autores. De manera más detallada, el 55.1% ha recibido al menos diez citas, mientras que el 24.4% ha sido citado más de once veces. Destacando entre ellos, el estudio con el mayor número de citas es el realizado por Ivan De Noni, Luigi Orsi, Fiorenza Belussi en 2018, con un total de 102 citas, seguido del estudio de Jin Tao, Chun-Yu Ho, Shougui Luo y Yue Sheng en 2019, con 51 citas (tabla 1). Además, es importante destacar que la mayoría de los artículos con un mayor número de citas en la tabla anterior pertenecen al año 2018. Esto se debe a que, al tener un mayor tiempo de publicación, estos trabajos han tenido un mayor impacto en otros investigadores y han tenido más tiempo para ser citados y reconocidos en la comunidad científica. Por otra parte, el 95.3% de autores analizados han publicado un artículo científico sobre la temática, mientras que el 4.7% han producido al menos dos trabajos.

2.3.3. Productividad por revista

En cuanto a las revistas destacadas donde se han publicado artículos de esta sección (figura 2), se encontró una gran variedad con 58 revistas. Destaca la revista Papers in Regional Science, como fuente relevante a nivel global con 5 publicaciones. De la misma manera, destacan las revistas Journal of Economic Geography y Research Policy con 4 publicaciones cada una.

Figura 2
Revistas destacadas a nivel mundial
Elaboración propia con base en información de SCO y WoS.

Por otro lado, la revista científica con mayor impacto entre los artículos citados es Research Policy al concentrar 57 citas totales, seguida por la revista American Economic con 27 citas.

En relación con las características de las revistas analizadas, se observa que la mayoría de la muestra, específicamente el 84,5%, corresponde a revistas de acceso cerrado (de pago), mientras que el 15,5% restante son de acceso abierto. En cuanto a la distribución de las revistas en los diferentes cuartiles de factor de impacto, se destaca que el 58,62% se encuentra en el cuartil más alto (Q1), lo que indica un alto nivel de influencia y relevancia en el ámbito académico. Por otro lado, el 31,03% de las revistas se ubican en el cuartil Q2.

Por último, es importante destacar que las diez revistas con la mayor cantidad de artículos científicos se encuentran en los cuartiles más altos (Q1 y Q2) en términos de factor de impacto. Cabe mencionar que estas revistas son de acceso cerrado, lo que sugiere que su contenido está restringido a un público específico (tabla 2).

Por consiguiente, se presenta un estudio bibliométrico o indicadores relacionados con las revistas:

Figura 3
CiteScore
Fuente: elaboración propia con base en información de SCO y WoS. Nota: Incluyen diéz revistas con alto número de citas.

El Índice CiteScore revela que la revista Research Policy tuvo un impacto destacado en comparación con las otras revistas científicas analizadas, pues en el año 2022, en promedio, cada artículo publicado en esa revista recibió 15.1 citas durante ese año. Asimismo, esta revista ha mantenido esta influencia destacada de manera consistente durante cinco años consecutivos, ya que su Índice CiteScore ha sido superior al de las demás revistas analizadas desde 2018. Además, que el año 2022 se destacó especialmente en el período de análisis, ya que todas las revistas examinadas obtuvieron un Índice CiteScore más elevado en comparación con años anteriores.

En relación, a la posición relativa en la red científica y el impacto en el campo con de estudio de las revistas medidas por los índice SJR y SNIP, los resultados muestran que Research Policy, es la revista más influyente y prestigiosa en el campo de investigación en comparación con otras, eso debido a que los artículos publicados en esta revista son citados con mayor frecuencia por otros investigadores⁴, además que esta, tiene una mayor calidad de citas en comparación las otras revistas.

2.4. Análisis del mapeo científico

En este apartado, se realiza un análisis de relaciones entre autores, fuentes, países y palabras; además de un estudio más detallado del contenido.

Figura 4
Red de co-citación de fuentes
Fuente: elaboración propia con base en información de SCO y WoS.

2.4.4. Análisis de co-citación

La red de co-citación representada en la figura 4, sugiere que las revistas Research Policy (res policy), American Economic Review (am econ rev) y Regional Studies (reg stud) están vinculadas con un mayor número de otras fuentes, lo que indica que son fuentes bibliográficas clave. Además, se observa que las revistas Strategic Management Journal (strategic manage j) y Administrative Science Quarterly (admi sci quart) se consideran como fuentes puente, que conectan diferentes clústeres temáticos en la red, estableciendo así una relación con estas.

2.4.5. Análisis de co-autoría

El mapa de temperatura de la figura 5, revela las conexiones entre los autores de trabajos científicos, destacando figuras como García, Barboza, Carreira y Li, quienes han publicado al menos dos documentos relacionados con externalidades dinámicas y complejidad económica. Por otro lado, los demás autores han contribuido con un único documento sobre esta temática. Esto refleja, una distribución desigual en términos de la cantidad de publicaciones relacionadas con este tema en particular.

Figura 5
Mapa de temperaturas de co-autorá
Fuente: elaboración propia con base en información de SCO y WoS.

La figura 6 representa una red de colaboración entre autores que han investigado sobre externalidades dinámicas y complejidad económica. Cada nodo simboliza un autor, cuyo tamaño refleja su relevancia dentro del campo, medida por la frecuencia de coautoría o el número de publicaciones. Las líneas que conectan los nodos indican relaciones de coautoría, y su grosor representa la intensidad de esas colaboraciones. Los colores agrupan a los autores en clústeres que revelan comunidades científicas con mayor grado de cooperación interna. También la estructura de las relaciones de colaboración dentro del campo investigado. Se destaca la fuerte colaboración entre “carreira c” y “lopes l”, así como la posición estratégica de “garcia r”, quien actúa como puente entre varios grupos, lo que sugiere una contribución transversal e integradora en el desarrollo del conocimiento en esta área, de igual manera, “barboza g”, perteneciente al clúster rojo, también presenta una posición relevante, con conexiones que sugieren un perfil colaborativo.

Figura 6
Red de colaboración entre autores
Fuente: elaboración propia con base en información de SCO y WoS.

2.4.6. Análisis de co-palabras

La figura 7 representa una nube de palabras que destaca las palabras más frecuentes en los artículos analizados. Entre las palabras destacadas se encuentran “efectos derrame”, “innovación”, “aglomeración”, “manufactura”, “productividad” y “especialización”. Estos términos evidencian la conexión entre el análisis de externalidades dinámicas ya que se refieren al impacto de la acumulación de conocimiento en una región sobre la productividad actual (Osorio, 2014).

Por su parte, la red de co-ocurrencia, muestra las relaciones entre palabras basadas en su frecuencia de aparición conjunta en la muestra de artículos científicos. De esta manera, en la figura 8 se puede observar que el término “difusión del conocimiento” co-ocurre con el nodo “aglomeración” en un cluster⁵, lo que indica una fuerte relación entre ellos pues estos dos términos tienden a aparecer juntos con cierta frecuencia en los artículos científicos analizados. Del mismo modo, se puede identificar otro cluster destacado relacionado con el nodo “innovación”, que se interrelaciona, por ejemplo, con la palabra “especialización”.

Figura 7
Nube de palabras
Fuente: elaboración propia con base en información de SCO y WoS.

Figura 8
Red de co-ocurrencia
Fuente: elaboración propia con base en información de SCO y WoS.

A partir del diagrama de Sankey, que muestra la evolución de los términos clave en los resúmenes de la muestra analizada a lo largo del tiempo de estudio, se determinó que entre los años 2018-2020, se observa que los términos más prevalentes en los resúmenes de los artículos científicos fueron “efectos spillovers”, “urbanización” y “manufactura”. Destaca especialmente el término “efectos spillovers” debido al grosor de la línea que lo representa en el diagrama. Esta tendencia se mantiene en los años 2021-2023, ya que el término “efectos spillovers” continúa siendo el más frecuente en los resúmenes de los estudios académicos relacionados con externalidades dinámicas y complejidad económica. Además, otros términos como aglomeración e innovación han ganado relevancia en los dos últimos años.

Figura 9
Evolución térmica: diagrama de snkey
Fuente: elaboración propia con base en información de SCO y WoS.

Por otro lado, el diagrama revela que durante el período de 2018-2020, los resúmenes de los estudios se enfocaron principalmente en los efectos derrame o spillovers. Sin embargo, en los últimos dos años, este término ha sido objeto de estudio en conjunto con temas como aglomeración, innovación y capacidad de absorción, que se refiere a la habilidad de una organización, empresa o individuo, para adquirir, asimilar y utilizar nuevos conocimientos, tecnologías o recursos provenientes del entorno externo. Por otro lado, si bien el término urbanización fue relevante en el primer período de estudio, en el período de 2021-2023 se ha abordado y estudiado en el contexto de aglomeraciones.

3. Análisis de contenido

Tanto el análisis de palabras clave como la evolución de su uso en las investigaciones, revelan algunos aspectos interesantes. Primero, en los títulos de los estudios analizados no se encontró el binomio externalidades dinámicas y complejidad económica. Sin embargo, se observó que la palabra externalidades aparece en el título de tres de ellos, combinada con los términos conocimiento, aglomeración y conglomerados. Por otro lado, el término “difusión” o “derrame del conocimiento” es el más frecuente, apareciendo en el título de 15 documentos. En cuanto a los resúmenes, se encontró el término Marshall-Arrow-Romer (MAR) en dos artículos (P2 y P69), el término Jacobs en el documento (P73), y el término externalidades o fuerzas marshalianas en los artículos (P15, P27) mientras que el término complejidad económica no se encontró ni en los resúmenes ni en los títulos de la muestra analizada. Estos hallazgos pueden dar lugar algunas hipótesis como:

Primero, los autores pueden elegir un título más accesible para llegar a un público más amplio, y el término externalidades dinámicas, puede ser técnicamente especializado. Por esta razón, optan por utilizar términos más comunes y relacionados con el conocimiento como externalidades del conocimiento, coherente con la definición de externalidades dinámicas como la acumulación o el derrame de conocimiento en un área local que impacta en la productividad actual (Osorio, 2014). De manera similar, en los resúmenes de los artículos científicos, es probable que se utilice con mayor frecuencia el término difusión o derrame del conocimiento en lugar de externalidades tipo MAR, pues en la litera- tura se suele usar términos alternativos como un lenguaje más accesible y familiar para un público más amplio.

En segundo lugar, al abordar el estudio de las externalidades dinámicas, es común considerar los tres tipos principales de externalidades: MAR, Porter y Jacobs. Sin embargo, los investigadores también pueden optar por enfocarse en uno o dos de estos tipos específicos. Además, es frecuente que se utilicen sinónimos para referirse a cada tipo de externalidad. Por ejemplo, a la externalidad tipo MAR se le asignan términos como concentración geográfica, distribución espacial, aglomeración o especialización. Para la externalidad tipo Porter, se utilizan términos como competitividad, mientras que para la externalidad tipo Jacobs se emplean términos como diversificación o diversidad.

Adentrándose en un análisis de contexto, se identificó que, de la muestra analizada, el 87.18% son estudios de tipo empírico mientras que el 12.82% es de tipo conceptual. Por su parte, la tabla 3 revela que la mayoría de los estudios empíricos sobre externalidades dinámicas y complejidad económica se realizan a nivel local (52.56%), es decir los estudios analizados en el trabajo ha estado enfocados en un área geográfica o sector específico y limitado como ciudades o áreas metropolitanas. Solo el 10.26% se enfoca en el nivel nacional, lo que sugiere que este resulta demasiado amplio para captar dichas dinámicas. El nivel regional (23.08%) también es relevante, mientras que el análisis provincial (1.28%) son marginales, reflejando posibles limitaciones metodológicas o de datos.

Respecto a un análisis de contenido, se presenta un mapa temático (figura 10) que se construye con las 250 palabras clave de alta frecuencia, las cuales, generan cuatro diagramas de estrategia con burbujas⁶, según el índice de inclusión ponderado por ocurrencias de palabras.

Este diagrama utiliza las dimensiones de centralidad y densidad para su representación⁷. Según el diagrama estratégico se pueden identificar seis temas principales o clusters con niveles variables de densidad y centralidad; dentro de los seis usters identificados, se destacan 4 clusters en términos de tamaño, es decir, el tamaño de las burbujas que representan esos clusters es mayor en comparación con los otros 2 clusters. El tamaño de las burbujas se determina en proporción a la ocurrencia o frecuencia de las palabras clave en cada cluster. Por lo tanto, un cluster con una burbuja más grande indica que las palabras clave asociadas a ese tema aparecen con mayor frecuencia en los estudios. Estos 4 clusters destacados se encuentran ubicados en los cuadrantes superior derecho e izquierdo del diagrama estratégico.

Figura 10
Mapa temático
Fuente: elaboración propia con base en información de SCO y WoS.

En la literatura se encuentran los temas más desarrollados y principales líneas de investigación en el campo de las externalidades dinámicas y complejidad económica, de acuerdo con el primer cuadrante (Motor themes)⁸. Algunos de estos temas incluyen los efectos de derrames (spillovers), que se refieren a la transferencia de conocimiento y tecnología entre diferentes actores económicos. Estos efectos pueden tener un impacto significativo en la innovación, la productividad y el crecimiento económico, lo que los convierte en un tema de gran relevancia. Además, la investigación se centra en el análisis de la relación entre la innovación y el crecimiento económico, así como en la comprensión de los mecanismos que impulsan la productividad y el empleo en las economías complejas. También se investiga el papel de la aglomeración económica, es decir, la concentración geográfica de empresas e instituciones relacionadas, y su impacto en la generación de conocimiento y el desarrollo económico.

Los enunciados del segundo cuadrante (Niche themes)⁹ revisten una gran importancia al abordar de manera especializada el estudio de cómo la investigación y desarrollo (I+D) y la especialización económica influyen en las externalidades dinámicas y la complejidad económica. Estos temas se respaldan con evidencia empírica, lo que los enriquece y fortalece.

Los temas en el tercer cuadrante (Emerging or declaning themes)¹⁰, se tratan de temas poco desarrollados y, por una parte, se puede inferir como nuevas líneas de investigación. Por ejemplo, el análisis a nivel geográfico, incluyendo áreas metropolitanas, o desagregaciones territoriales más detalladas es una línea emergente en el estudio de externalidades dinámicas y complejidad económica. Por otra parte, en este cuadrante también se incluyen términos que han perdido relevancia o están en declive en el campo de estudio, como, por ejemplo, el análisis de externalidades dinámicas y la complejidad económica en España.

Otros temas que aún no han sido completamente explorados, pero desempeñan un papel crucial en el ámbito de la investigación de las externalidades dinámicas y complejidad económica son: capital humano, economía urbana y sistemas basados en conocimiento, en el cuarto cuadrante (Basic Themes).¹¹ En otras palabras, estos campos de estudio pueden representar nuevas oportunidades de investigación y análisis.

A través del análisis del mapa temático y un examen exhaustivo del contenido, se han identificado tres líneas de investigación¹² (tabla 4). Se hizo un análisis diferenciador de temáticas, con el fin de detectar estudios sobre los tipos de las externalidades dinámicas, además del estudio conjunto con la complejidad económica. En particular, dos de estas líneas se enfocan en el estudio de las externalidades dinámicas, lo cual constituye la línea de investigación más sólida. Estas investigaciones pueden ser llevadas a cabo de manera conjunta o de forma independiente. Por otro lado, la línea de investigación que aborda en conjunto el estudio de la complejidad económica y las externalidades dinámicas es limitada, en comparación con los estudios que se enfocan exclusivamente en las externalidades dinámicas, ya sea en su estudio individual o integral.

Finalmente, la literatura sugiere identificar la estructura conceptual clave dentro del análisis bibliométrico, utilizando alguna técnica de reducción de dimensionalidad (Aria y Cuccurullo, 2017).¹³ En este estudio, se adopta el análisis de correspondencia múltiple (MCA), utilizando las 50 palabras clave de mayor frecuencia en la literatura de externalidades dinámicas y complejidad económica. Este análisis categoriza las palabras clave en los documentos en grupos según dos dimensiones: la frecuencia de uso de cada término y el uso conjunto de los términos en cada documento. Los resultados se interpretan en función de las posiciones relativas de los puntos y su distribución a lo largo de las dimensiones; cuanto más similares sean las palabras en su distribución, más cerca se representarán en el mapa.

Figura 11
Mapa estructural conceptual
Elaboración propia con base en información de SCO y WoS.

La figura 11 muestra dos grupos. En el clúster rojo, se encuentran términos relacionados con externalidades dinámicas con la aglomeración, especialización, productividad, economía del conocimiento, innovación, efectos spillovers o derrames. Mientras que el clúster azul, abarca tres palabras claves relacionadas con temas empresariales, pero también económicos, pues se encuentran los términos, investigación y desarrollo, capacidad de absorción y crecimiento.

4. Discusión de losa resultados

La investigación encontró una contribución destacada de los países euro- peos, pues la procedencia de los autores es Estados Unidos, China e Italia. En Sudamérica, destaca Brasil. Además, es importante mencionar que, entre las diversas afiliaciones de los autores, uno de los vínculos más destacados es con la Universidad Cristiana de Texas, es decir que los autores han llevado a cabo investigaciones y han colaborado activamente con esta institución académica. Asimismo, según el mapa de colaboración, las colaboraciones entre países y revistas se centran en Estados Unidos. Este resultado es coherente con el estudio De Araujo et al., (2018), quienes señalan que la naturaleza de las externalidades dinámicas ha sido ampliamente examinada en Estados Unidos y Europa; no obstante, aún existen pocos estudios empíricos enfocados en países en desarrollo.

De igual manera, los autores del artículo académico con la mayor cantidad de citas (102), provienen de Italia. Por su parte, las revistas de Estados Unidos, Reino Unido y Países Bajos son aquellas que abarcan la mayor cantidad de artículos científicos y destacan por la mayor de cantidad citas recibidas. Incluso, al realizar el análisis de índices bibliométricos, CiteScore, SJR y SNIP se encontró que la revista Research Policy, de Países Bajos, es la revista más influyente y prestigiosa en el campo de investigación en comparación con otras, eso debido a que los artículos publicados en esta revista son citados con mayor frecuencia por otros investigadores.

Respecto a las revistas analizadas que publican estudios sobre externalidades dinámicas y complejidad económica, más del 80% de estas son de acceso cerrado (de pago). Esta situación implica que las instituciones con más recursos tendrán un acceso más fácil a la información, mientras que las instituciones con menos recursos o de países en desarrollo pueden encontrar más difícil acceder a los estudios relevantes. También, esto limita que la capacidad de otros investigadores para realizar investigaciones complementarias, lo que podría desacelerar el progreso científico en el área.

En cuanto al análisis del mapeo científico, la nube de palabras muestra que los términos más frecuentes en los artículos analizados son: “efectos derrame”, “innovación”, “aglomeración”, “manufactura”, “productividad” y “especialización”. Adicionalmente, el término inno-vación co-ocurre con la palabra especialización, es decir, estos tienden a aparecer juntos con cierta frecuencia en los artículos.

No obstante, el diagrama de Sankey muestra que el término “efectos spillovers” es el más frecuente en los resúmenes que aparece en el título de 15 documentos. Cabe mencionar que, es probable que se utilice con mayor frecuencia el término efectos spillovers o derrame del conocimiento en lugar de externalidades tipo MAR, pues en la literatura se suele usar términos alternativos como un lenguaje más accesible y familiar para un público más amplio, incluso es frecuente que se utilicen sinónimos para referirse a cada tipo de externalidad. Por ejemplo, a la externalidad tipo MAR se le asignan términos como concentración geográfica, distribución espacial, aglomeración o especialización. Para la externalidad tipo Porter, se utilizan términos como competitividad, mientras que para la externalidad tipo Jacobs se emplean términos como diversificación o diversidad.

Lo señalado se refleja en el estudio de Sahdev (2016), quien aclara que utiliza los términos “externalidades del conocimiento” y “efectos de derrame del conocimiento” como sinónimos. De manera similar, los estudios de Combes (2000) y Almeida (2007) abordan las externalidades dinámicas, aunque bajo los conceptos de especialización, diversidad y competencia.

Por otro lado, la literatura parece inclinarse por el término “efectos de derrame” (spillovers) como referente a externalidades dinámicas, como se ilustra en el diagrama de Sankey de este estudio. Este enfoque podría explicarse por el siguiente argumento: los efectos de derrame del conocimiento no requieren transacciones directas entre los productores y los receptores de los efectos externos, sino que pueden entenderse como una característica del “entorno” o “atmósfera” de los distritos donde se encuentran las empresas (Antonelli, 2011).

Por su parte, la investigación científica se ha centrado en el análisis de los tipos de externalidades dinámicas, ya sea un estudio integral de los cuatro tipos o estudios aislados de cada tipo. Sin embargo, no se ha profundizado en el estudio conjunto de las externalidades y su relación con la complejidad económica. Esto puede deberse a que ambas áreas son relativamente nuevas, lo que puede llevar tiempo para que los investigadores exploren y comprendan completamente estas perspectivas y sus interacciones.

Finalmente, el mapa temático sugiere que las líneas de investigación emergentes son aquellas relacionadas con el estudio de externalidades dinámicas a un nivel de desagregación detalladas como áreas metropolitanas, es decir, los investigadores están interesados en entender cómo las externalidades dinámicas operan y afectan el desarrollo económico, la innovación y el crecimiento en contextos urbanos específicos y en segundo lugar el estudio a nivel regional.

Estos hallazgos coinciden con lo señalado por De Araujo et al., (2018), quienes destacan que el estudio de estos fenómenos se ha centrado en gran medida en una dimensión regional y local, pues las economías de aglomeración, además de operar a nivel local, tienen una escala regional, la cual se refleja en el nivel de actividad en las regiones circundantes.

De igual importancia, diversos estudios han abordado estos fenómenos a nivel metropolitano. Entre los pioneros en el estudio de las externalidades dinámicas se encuentran Glaeser et al., (1992) y Henderson et al., (1995), quienes analizaron estos fenómenos en áreas de Estados Unidos. A estos se suman investigaciones más recientes, como la de Yao et al., (2022) en las prefecturas y ciudades de China, Pedersen y Rahbek (2021) en las regiones de Dinamarca, Ávila et al., (2021) en la región de la Amazonía colombiana, y Hausman et al., (2014), quienes midieron la complejidad económica a nivel de países.

Con relación a las limitaciones del estudio, se indica que uno de los mayores retos en análisis de revisión bibliométrico, es la selección e identificación de los términos de búsqueda y propuesta de cadenas booleanas, cuestión de gran importancia, porque, de ello dependerá las conclusiones obtenidas (Navarro et al., 2019). En el estudio realizado, los términos de búsqueda no arrojaron gran cantidad de artículos científicos que evidenc

ia la relación entre externalidades dinámicas y complejidad económica, por lo que podemos esperar que, para los próximos años, encontrar investigaciones que relacionan estas dos temáticas, que fue escasa en esta investigación.

Conclusiones

El estudio del desempeño reflejó el escaso involucramiento de investigadores de países en desarrollo, así como la producción científica en estos países, lo cual, probablemente sea debido a la limitada información de las bases de datos relacionados con externalidades dinámicas y complejidad económica, contrario a la amplia producción científica en los países más desarrollados, destacándose en el país de origen de los autores, artículos más citados y revistas más influyentes.

De igual importancia, el estudio del mapeo científico indica que en la muestra estudiada es escasa la utilización de los términos de interés como son “externalidades dinámicas” y “complejidad económica” ya sea en el título o resumen de los artículos académicos, pues más bien se utilizan otros sinónimos, además que en ningún artículo se encontró conjuntamente ambos términos, sino que las líneas de investigación predominantes en estos campos se centran por un lado en los tipos de externalidades dinámicas de manera independiente, ya sea un estudio conjunto de los cuatro tipos o a su vez un estudio en un artículo de cada externalidad. Además, que las líneas de investigación emergentes abordan el análisis de las externalidades dinámicas en áreas metropolitanas, es decir, en desagregaciones territoriales.

Finalmente, para futuras investigaciones, es recomendable extender el período de estudio. Esto permitiría obtener una variedad más amplia de estudios, lo cual profundizaría el conocimiento al identificar artículos científicos y autores centrales para este estudio. Sin embargo, es importante considerar que esto podría requerir más tiempo para su análisis exhaustivo.

Como nota metodológica para el lector, es importante destacar que este tipo de estudios debe ser replicable. Sin embargo, es necesario tener en cuenta que la búsqueda se realizó con corte octubre de 2023, que, la fecha de publicación de este artículo es posible que se incorporen más artículos científicos que no coincidan con los resultados obtenidos en las bases de datos hasta el momento.

Referencias

Akhavan, P., Ebrahim, N., Fetrati, M. y Pezeshkan, A. (2016). Major trends in knowledge management research: A bibliometric study. Scientometrics, 107(3), 1249–1264. https://doi.org/10.1007/s11192-016-1938-x

Alzate, Á., y López, D. (2018). El estado del arte y el marco teórico en la investigación: una base para el desarrollo de trabajos de grado. Fundación Universidad de América. 1-122. https://doi.org/10.29097/9789588517353

Almeida, R. (2007). Local Economic Structure and Growth. Spatial Economic Analysis. 2(1).65-90. https://doi.org/10.1080/17421770701232442

Ávila, C., Sanabria, S. y De Oliveira, N. (2021). Localización y especialización productiva: la región de la amazonia colombiana. Raega-O Espaço Geográfico em Análise, 52, 60-83. https://doi.org/10.5380/raega.v52i0.76860

Antonelli, C. (2011). Handbook on the Economic Complexity of Technological Change. Edward Elgar Publishing: Cheltenham, UK.

Aria, M., y Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959–975. https://doi.org/10.1016/j.joi.2017.08.007

Basile, V., Giacalone, M., y Cozzucoli, P. (2022). The Impacts of Bibliometrics Measurement in the Scientific Community A Statistical Analysis of Multiple Case Studies. Review of European Studies. 3(2).1-20. https://doi.org/10.5539/res.v14n3p10

Callon, M., Courtial, J., y Laville, F. (1991). Co-word analysis as a tool for describing the network of interactions between basic and technological research—the case of polymer chemistry. Scientometrics, 22 (1), 155–205. https://doi.org/10.1007/BF02019280

Cahlik, T. (2000). Comparison of the Maps of Science. Scientometrics, 49 (1). 373-387. https://doi.org/10.1023/A:1010581421990

Cobo, M., López-Herrera, A., Herrera-Viedma, E., y Herrera, F. (2011). An approach for detecting, quantifying, and visualizing the evolution of a re-search field: A practical application to the fuzzy sets theory field. Journal of Informetrics, 5(1), 146-166. https://doi.org/10.1016/j.joi.2010.10.002.

Cooper, H. (2017). Research Synthesis and meta-analysis. A Step-by-Step Approach. (5th ed.). SAGE Publications. https://www.daneshnamehicsa.ir/userfiles/files/1/9-%20Research%20synthesis%20and%20meta-analy-sis_%20a%20step-by-step%20approach.pdf .

Combes, P. (2000). Economic Structure and Local Growth: France, 1984-1993. Journal of Urban Economics, 47 (1), 329-355. https://doi.org/10.1006/juec.1999.2143.

Contreras, F., y Abid, G. (2022). Social sustainability studies in the 21st century: A bibliometric mapping analysis using VOSviewer Software. Pakistan Journal of Commerce and Social Sciences (PJCSS). 16(1).167-203. https://www.econstor.eu/bitstream/10419/261309/1/1808746260.pdf.

De Araújo, I., Gonçalves, E., y Almeida, E. (2018). Effects of dynamic and spatial externalities on local growth: Evidence from Brazil (1995-2013). Papers in Regional Science. 1-20. https://doi.org/10.1111/pirs.12402

Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., y Marc, W. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133(1). 285-296. https://doi.org/10.1016/j.jbus-res.2021.04.070.

García-Peñalvo, F., y García-Holgado, A. (2021). Técnicas para llevar a cabo mapeos y revisiones sistemáticas de la literatura. Zenodo. 1-209. https://doi.org/10.5281/zenodo.4732089.

García-Lillo, F., Úbeda-García, M., y Marco-Lajara, B. (septiembre, 2015). Estructura intelectual de la investigación sobre dirección de recursos humanos: un análisis bibliométrico aplicado a la revista The International Journal of Human Resource Management, 2000-2012. Revista Europea de Dirección y Economía de la Empresa, 24(3), 149-161. https://doi.org/10.1016/j.redee.2015.07.001.

Glaeser, E., Kallal, H., Scheinkman, J., y Shleifer, A. (1992). Growth in Cities. Journal of Political Economy. 100(6). 1126–1152. https://www.jstor.org/stable/2138829.

Hausmann, R., Hidalgo, C., Bustos, S., Coscia, M., Simoes, A., y Yildirim, M. (2014). The Atlas of Economic Complexity: Mapping Paths to Prosperity. MIT Press: Cambridge, MA.

Henderson, V., Kuncoro, A., y Turner, M. (1995). Industrial development in cities. Journal of Political Economy, 103(5), 1067–1090. https://doi.org/10.1086/262013.

Hidalgo, C., y Hausmann, R. (2009). The building blocks of economic complexity. Actas de la Academia Nacional de Ciencias. 106 (26). 10570–10575. https://www.jstor.org/stable/40483593.

Hidalgo, A., Szabo, I., Le Brun, L., Owen, I., Fletcher, G. y Hill., M. (2011). An EvidenceBased Approach to Scoping Reviews. Electronic Journal of Information Systems Evaluation, 14(1), 46-52. https://academic-publis-hing.org/index.php/ejise/article/view/383.

Kitchenham, B. (2007). Guidelines for Performing Systematic Literature Reviews in Software Engineering, Technical Report EBSE 2007-001, Keele University and Durham University Joint Report. https://www.elsevier.com/data/promis_misc/525444systematicreviewsguide.pdf.

Navarro, C., Cantú, V., y García-Valcárcel, A. (2019). Innovación educativa en estudios sobre gestión educativa: un mapeo sistemático. Ramirez-Montoya, M. y Valenzuela, J. (Eds), Innovación educativa: tendencias globales de investigación e implicaciones prácticas. OCTAEDRO. https://hdl.hand-le.net/11285/637118.

Osorio, A. (2014). Externalidades dinámicas y crecimiento desigual en la Economía Mexicana. [Tesis de maestría, Colegio de la frontera del norte] https://www.colef.mx/posgrado/tesis/2012998/.

Olaleye, S., Mogaji, E., Agbo, F., Ukpabi, D., y Adusei, A. (2023). The composition of data economy: a bibliometric approach and TCCM framework of conceptual, intellectual and social structure. Information Discovery and Delivery, 51(2), 223-240. https://doi.org/10.1108/IDD-02-2022-0014 .

Page, M., McKenzie, J., Bossuyt, P., Boutron, I., Hoffmann, T., Mulrow, C., Shamseerf. L., Tetzlaffg, J., Akl, E., Brennana, S., Choui, R., Glanville, J., Grimshaw, J., Hróbjartsson, A., Lalu, M., Li, T., Loder, E., Mayo-Wilson, E., McDonald, S., McGuinness, L., Stewart, L., Thomas, J., Tricco, A., Welch, V., Whiting., P. y Moher, D. (2021). Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas. Revista española de cardiología, 74(9), 790-799. https://doi.org/10.1016/j.recesp.2021.06.016.

Pedersen, C., y Rahbek, N. (2021). Dynamic Externalities in Denmark An Analysis of Danish Industry Structures & Regional Growth. [Tesis de maestría, Copenhagen Business School]. https://researchapi.cbs.dk/ws/portalfiles/portal/68333332/1108699_Dynamic_Externalities_in_Den-mark_An_Analysis_of_Danish_Industry_Structures_Regional_Growth. pdf.

Rejeb, A., Rejeb, K., Abdollahi, A., y Treiblmaier, H. (2022). The big picture on Instagram research: Insights from a bibliometric analysis. Telematics and Informatics, 73(1),1-24. https://doi.org/10.1016/j.tele.2022.101876.

Ronconi, R. (2020). Proceso de búsqueda, recuperación y evaluación de la información. Guía, Tutorial. https://www.aacademica.org/roberto.ronconi/2.pdf.

Sahdev, N. (2016). ¿Do knowledge externalities lead to growth in economic complexity? Empirical evidence from Colombia. Palgrave Communications, (2).1-16. https://doi.org/10.1057/palcomms.2016.86.

Universidad de Valladolid. (2022). Web of Science y Scopus, las fuentes de los rankings universitarios. https://rank.uva.es/2022/06/13/web-of-scien-ce-y-scopus-las-fuentes-de-los-rankingsaniversitarios/#:~:text=Las%20bases%20de%20datos%20m%C3%A1s,las%20humanidades%2C%20 o%20la%20tecnolog%C3%ADa.

Varela, R., y Palacio, J. (2008). Empleo regional y externalidades dinámicas en la industria alimentaria de México. Economía mexicana. Nueva época, 17(2), 203-219. http://hdl.handle.net/11651/3985.

Van Der Panne, G. (2004) Agglomeration externalities: Marshall versus Jacobs. Journal of Evolutionary Economics.14 (5). 593–604. https://doi.org/10.1007/s00191-004-0232-x.

Van Eck, N., y Waltman, L. (2023). Manual for VOSviewer version 1 .6.19. Universiteit Leiden. chrome-extension://efaidnbmnnnibpcajpcglcle-findmkaj/ https://www.vosviewer.com/documentation/ManualVOS-viewer_1.6.19.pdf.

Yao, Y., Pan, H., Cui, X., y Wang, Z. (2022). ¿Do compact cities have higher efficiencies of agglomeration economies? A dynamic panel model with compactness indicators. Land Use Policy, 115.1-10. https://doi.org/10.1016/j.landusepol.2022.106005.

Notas

Información adicional

Clasificación JEL: R11, R12, O18, O31.

Información adicional

redalyc-journal-id: 4315