---
title: "Análisis Bibliométrico: Logistics, UAV & Urban"
author: "Tu Nombre"
date: "`r Sys.Date()`"
output: html_document
---

```{r setup, include=FALSE}
# Configuración global de los bloques de código
knitr::opts_chunk\$set(echo = TRUE, message = FALSE, warning = FALSE)

# Cargar librerías necesarias
library(rscopus)
library(dplyr)
library(ggplot2)
library(knitr)

# Configura aquí tu API Key de Scopus de forma global para el documento
set_api_key("f760356e9e294f8618dd793d273f7f13")

# Opcional: Si necesitas Token Institucional descomenta la línea de abajo
# set_inst_token("TU_TOKEN_INSTITUCIONAL_AQUÍ")
```

## Introducción

Este reporte automatizado interactúa con la API de Scopus para recopilar y analizar el estado del arte sobre el uso de **Vehículos Aéreos No Tripulados (UAV)** en el ámbito de la **logística urbana** (*Logistics*, *UAV*, *Urban*).

## Búsqueda de Datos en Scopus

Ejecutamos la consulta filtrando por las palabras clave deseadas. Para este ejemplo práctico, limitaremos la descarga inicial a un máximo de 100 registros.

```{r busqueda}
# 1. Definir los términos en formato lógico de Scopus
query_texto <- "TITLE-ABS-KEY('Logistics' AND 'UAV' AND 'Urban')"

# 2. Consultar la API
res_scopus <- scopus_search(query = query_texto, max_count = 100)

# 3. Transformar los resultados crudos a un DataFrame legible
df_raw <- gen_entries_to_df(res_scopus\$entries)
df_articulos <- df_raw\$df
```

## Limpieza de Datos

Filtramos y estructuramos las variables principales tales como el título, autor principal, revista, fecha de publicación y el conteo de citas acumuladas.

```{r limpieza}
df_limpio <- df_articulos %>%
  select(
    Titulo = `dc:title`,
    Autor = `dc:creator`,
    Revista = `prism:publicationName`,
    Fecha = `prism:coverDate`,
    Citas = `citedby-count`
  ) %>%
  mutate(
    Año = as.numeric(substr(Fecha, 1, 4)),
    Citas = as.numeric(Citas)
  )

# Mostrar una vista previa de los primeros 5 artículos en una tabla limpia
kable(head(df_limpio, 5), caption = "Primeros resultados recuperados de Scopus")
```

## Análisis de Tendencias

### Publicaciones por Año
A continuación, se visualiza la evolución cronológica del volumen de publicaciones científicas relacionadas con la logística de UAVs urbanos:

```{r grafico_tendencia, fig.width=8, fig.height=4}
df_cronologia <- df_limpio %>%
  group_by(Año) %>%
  tally()

ggplot(df_cronologia, aes(x = Año, y = n)) +
  geom_line(color = "darkblue", size = 1) +
  geom_point(color = "red", size = 2) +
  labs(
    title = "Evolución de Publicaciones por Año",
    x = "Año de Publicación",
    y = "Cantidad de Artículos"
  ) +
  theme_minimal()
```

### Artículos Más Citados
Top 5 de investigaciones con mayor impacto dentro del set de datos recuperado:

```{r mas_citados}
top_citados <- df_limpio %>%
  arrange(desc(Citas)) %>%
  head(5) %>%
  select(Titulo, Autor, Año, Citas)

kable(top_citados, caption = "Top 5 Artículos con Mayor Número de Citas")
```