Mostrar el registro sencillo del ítem

dc.contributor.authorVargas Villa, Jesús Eduardospa
dc.date.accessioned2019-07-12T14:01:38Z
dc.date.available2019-07-12T14:01:38Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/11323/4954spa
dc.description.abstractEn el presente estudio se identifican las tendencias más significativas en producción de artículos científicos de alto impacto con respecto a la variable Big Data Marketing durante el periodo comprendido entre los años 2012 y 2019 y cuya revisión se realizará en base de datos Scopus de la cual se logró resaltar la relevancia de 113 artículos indexados en dicha base de datos. Para tal fin se implementan indicadores bibliométricos descriptivos tales como: Volumen de producción, Tipo de documento, numero de citaciones, país de realización, (De Fillippo & Fernandez, 2002). En el periodo estudiado se evidencia un crecimiento anual en el volumen de producción de artículos con la variable en cuestión sin embargo en el 2017 dicha producción presenta una caída importante. Las áreas de conocimiento que más investigan la variable Big Data Marketing son en su orden, las ciencias de la computación, Matemáticas, toma de decisiones e ingeniería.spa
dc.description.abstractThe present study identifies the most significant trends in the production of high-impact scientific articles with respect to the Big Data Marketing variable during the period between 2012 and 2019 and whose revision will be made in the Scopus database. managed to highlight the relevance of 113 articles indexed in said database. For this purpose, descriptive bibliometric indicators are implemented, such as: Volume of production, Type of document, number of citations, country of completion, (De Fillippo & Fernandez, 2002). In the period studied there is an annual growth in the volume of production of articles with the variable in question, however in 2017 this production shows a significant drop. The areas of knowledge that most investigate the variable Big Data Marketing are in their order, computer science, Mathematics, decision making and engineering.spa
dc.language.isospa
dc.publisherUniversidad de la Costaspa
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 Internationalspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/spa
dc.subjectBig Dataspa
dc.subjectBibliometríaspa
dc.subjectMarketingspa
dc.subjectBibliometricspa
dc.subjectMarketingspa
dc.titleRevisión de la productividad científica sobre Big Data Marketing durante el periodo 2012 – 2019spa
dc.typeDocumento de trabajospa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.identifier.instnameCorporación Universidad de la Costaspa
dc.identifier.reponameREDICUC - Repositorio CUCspa
dc.identifier.repourlhttps://repositorio.cuc.edu.co/spa
dc.relation.referencesDe Fillippo, D., & Fernandez, M. T. (2002). Bibliometría: importancia de los indicadores bibliométricos. Recuperad de http://www.ricyt.org/component/docman/%20doc_view/113-bibliometria-importancia-de-los-indicadores-bibliometricos?Itemid=2 Ducange, P., Pecori, R., & Mezzina, P. (2018). A glimpse on big data analytics in the framework of marketing strategies. Soft Comput, 22(1), 325-342. doi: https://doi.org/10.1007/s00500-017-2536-4 Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big Data consumer analytics and the transformation of marketing. Journal of Business Research, 69 (2), 897-904. doi: https://doi.org/10.1016/j.jbusres.2015.07.001 Gahi, Y., Guennoun, M., & Mouftah, H.T. (2016). Big Data Analytics: Security and privacy challenges. 2016 IEEE Symposium on Computers and Communication (ISCC), 27-30 June 2016. doi: 10.1109/ISCC.2016.7543859 García-Cali, E., Barros-Arrieta, D., & Valle-Ospino, A. (2018). Endomarketing desde el paradigma de la sostenibilidad organizacional. Desarrollo Gerencial, 10(2), 65-82. doi: https://doi.org/10.17081/dege.10.2.3219 García-Cali, E., Girón, F. & Rodríguez, A. (2017). Proveedores de experiencia como factores clave para organizaciones de software en entornos complejos. En Marketing y Competitividad en las Organizaciones. Enfoques y Perspectivas. Recuperado de http://bonga.unisimon.edu.co/bitstream/handle/20.500.12442/2202/Cap_4_Proveedores.pdf?sequence=8&isAllowed=y García-Cali, E., Valle-Ospino, A., & García-Guiliany, J. (2018). Evolución de la producción científica sobre marketing en las pymes: una aproximación bibliométrica. Capítulo 10. pp. 261-284. En Y. Rincón, J. Restrepo, & J.G. Vanegas (Coords.). (2018). Estudios de Comunicación y Marketing. Medellín, Colombia. Sello Editorial PUBLICAR-T. Tecnológico de Antioquia, Institución Universitaria. Hofacker, C.F., Malthouse, E.C., & Sultan, F. (2016). Big Data and consumer behavior: imminent opportunities. Journal of Consumer Marketing, 33(2), 89-97. doi: https://doi.org/10.1108/JCM-04-2015-1399 Kafeza, E., Kanavos, A., Makris, C., & Vikatos, P. (2014). T-PICE: Twitter Personality Based Influential Communities Extraction System. 2014 IEEE International Congress on Big Data. 27 June-2 July 2014. Doi: 10.1109/BigData.Congress.2014.38 Rehman, M.H.U., Chang, V., Batool, A., & Wah, T.Y. (2016). Big data reduction framework for value creation in sustainable enterprises. International Journal of Information Management, 36(6), (917-928). doi: https://doi.org/10.1016/j.ijinfomgt.2016.05.013 Rust, R.T., & Huang, M.H. (2014). The service revolution and the transformation of marketing science. Marketing Science, 33(2), 206-221. doi: https://doi.org/10.1287/mksc.2013.0836 Sikos, L. (2015). Mastering Structured Data on the Semantic Web. From HTML5 Microdata to Linked Open Data. New York: Apress Ed. doi: 10.1007/978-1-4842-1049-9 Weinberg, B., Davis, L., & Berger, P.J. (2013). Perspectives on Big Data. Journal of Marketing Analytics, 1(4), 187-201. doi: https://doi.org/10.1057/jma.2013.20 Xue, B., Fu, C., & Shaobin, Z. (2014). A Study on Sentiment Computing and Classification of Sina Weibo with Word2vec. 2014 IEEE International Congress on Big Data. 27 June-2 July 2014. doi: 10.1109/BigData.Congress.2014.59 Zhenning, X., Frankwick, G. l., & Ramirez, E. (2016). Effects of big data analytics and traditional marketing analytics on new product success: A knowledge fusion perspective. Journal of Business Research, 1562-1566. Recuperado de https://ezproxy.cuc.edu.co:2121/S0148296315004403/1-s2.0-S0148296315004403-main.pdf?_tid=bf4fe69b-3b5f-4a6d-a129-12441d8a9ade&acdnat=1550416707_5a70f8eb13fdcbf6cb0f4dfa80ff81a4spa
dc.type.coarhttp://purl.org/coar/resource_type/c_8042spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/workingPaperspa
dc.type.redcolhttp://purl.org/redcol/resource_type/WPspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

  • Proyectos [215]
    Documentos generados por los docentes e investigadores asociados a la Universidad de la Costa

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-ShareAlike 4.0 International
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-ShareAlike 4.0 International