La evolución y crecimiento del número de las tesis doctorales ha sido un tema de investigación de interés secundario durante mucho tiempo en los estudios de la ciencia. Si ya de Solla Price consideraba la producción de tesis como un indicador de la formación de personal altamente cualificado, Andersen y Hammarfelt (2011) constatan que son pocos los trabajos que han analizado la producción de tesis o su potencial en revelar dinámicas de crecimiento en el ámbito de la investigación. Sin embargo, las crecientes facilidades de acceso a este tipo de literatura científica y la disponibilidad de datos sobre su producción plantean interrogantes a la comunidad científica sobre el significado de las tesis doctorales en el contexto de la evaluación de la ciencia (Jiménez-Contreras y otros, 2014), máxime cuando su importancia en la formación del personal investigador está unánimemente reconocida.

Sin duda alguna, es cada vez más fácil acceder a la literatura gris, incluidas las tesis doctorales. De los 118 repositorios españoles registrados en OpenDOAR, 61 admiten tesis y algunos de éstos están especializados en recopilar exclusivamente este tipo de documentos, como por ejemplo TDR: Tesis Doctorales en Red. Por otro lado, a nivel internacional existen iniciativas, tanto institucionales como comerciales para facilitar el acceso a las tesis. DART-Europe, por citar un ejemplo en el ámbito institucional, reúne a bibliotecas y consorcios de investigación de 28 países europeos para proporcionar acceso a fecha de hoy (31-03-2016) al texto completo de 674.874 tesis doctorales defendidas en 590 universidades. Por otro lado, en el ámbito comercial, la base de datos Dissertations and Theses de Proquest cubre, según información ofrecida en el sitio web corporativo, 3.8 millones de trabajos, una parte de los cuales está disponible a texto completo, procedentes de universidades de 88 países, aunque la base de datos nació principalmente para recopilar tesis defendidas en universidades norteamericanas, y todavía prsenta un sesgo en este sentido. Además de esta infraestructura, orientada principalmente a fomentar el acceso al texto completo de las tesis, Fuentes y Arguimbau (2010) mencionan otros recursos que permiten documentar en cifras la producción de tesis doctorales, como, por ejemplo, el Instituto Nacional de Estadística o la base de datos TESEO que, desde 1976, recopila todas las tesis defendidas en universidades españolas.

Gracias a su creciente disponibilidad, los datos sobre la producción de tesis se han ido incorporando a los rankings de universidades que se producen desde hace unos años a nivel nacional. Por ejemplo, el Observatorio IUNE considera el número de tesis defendidas como un indicador de la capacidad formativa para la investigación de las 48 universidades públicas y 25 universidades privadas españolas incluidas (Sanz-Casado y otros, 2011). De manera parecida, la producción de tesis, tanto en términos absolutos como relativos (por profesor), forma parte de la batería de siete indicadores que Buela-Casal y otros (2015) tienen en cuenta para elaborar el ranking de investigación de las universidades públicas españolas, junto a artículos en revistas indexadas en el JCR, tramos de investigación, proyectos I+D, becas FPU, doctorados con Mención de Excelencia y patentes.

Jiménez-Contreras y otros (2014) avisan de que, aunque las tesis se consideran como indicadores de la capacidad formativa de investigadores, así como de difusión de resultados de investigación de alto nivel, los controles vigentes, en realidad, no garantizan la calidad de los contenidos científicos recopilados en las tesis. Por otro lado, según algunos autores, la dirección de tesis debería verse como un indicador del impacto de los científicos directores. Olivas-Ávila y Musi-Lechuga (2010), estudiando la dirección de tesis en el área de psicología, encuentran que los profesores españoles con mayor presencia en el Web of Science en términos de publicaciones son más activos en la dirección de tesis también. Herculano y Norberto (2011) retoman la idea de las tesis como indicadores de impacto de los directores, considerando la dirección de tesis en relación con los artículos recuperados de Scopus, Web of Science y otras bases de datos para evaluar la producción científica de profesores de la Universidade Estadual Paulista.

Fernández-Cano y otros (2011) consideran que las tesis pueden reflejar logros tanto de científicos individuales y de disciplinas como de países enteros. Teniendo en cuenta estos supuestos, describen la producción de tesis en España desde 1848 hasta 2009 para comprobar su ajuste a los modelos de crecimiento cienciométrico. Encuentran que la producción de tesis es especialmente sensible a eventos y situaciones de la realidad social, un fenómeno al que denominan armonía político-social o bienestar general del país. A una conclusión parecida llegan Andersen y Hammarfelt (2011), quienes analizan las tesis recopiladas en la base de datos Proquest: Dissertations and Theses en el período 1950-2007, realizando, asimismo, un análisis por materias. Encuentran que existen diferencias en el crecimiento de las distintas áreas de investigación, hecho difícil de explicar con las clásicas caracterizaciones disciplinarias, como humanidades y ciencias sociales versus ciencias puras y naturales. Las diferentes pautas de crecimiento en la producción de tesis se explican más bien, a juicio de estos autores, por la edad de las disciplinas y por circunstancias sociales.

A pesar de que la producción de tesis se emplea ya como indicador de producción a nivel institucional, según ponen de manifiesto las iniciativas que acabamos de mencionar, una gran parte de la investigación realizada hasta la fecha sobre ellas ha tenido un alcance más limitado, a nivel de disciplinas o especialidades. Solas o conjuntamente con otros documentos, como los artículos de investigación, las tesis se han utilizado normalmente para describir el estado de disciplinas y especialidades en el ámbito de un país, en estudios descriptivos en los cuales se suele mostrar la producción por año, las universidades y facultades de defensa, los directores y menos a menudo el género de los candidatos o los miembros de los tribunales evaluadores. Algunos de los trabajos recientes realizados en este sentido, tanto a nivel nacional como internacional, incluyen los de Lin (2012), Oliva Marañón (2014) y Rana (2011) sobre Documentación, respectivamente en Taiwan entre 2001 y 2010, en España entre 2002 y 2012 y en India en el periodo 1957-2009; Lima y otros (2012) y Baggio y otros (2014) que analizan la evolución de la enfermería en Brasil entre 2003 y 2007, por un lado, y en Portugal entre 2000 y 2015, por otro; u Ortiz Torres y otros (2010) que estudia la pedagogía en Cuba entre 1998 y 2008. Hérubel (2005; 2006; 2008) ha estudiado ampliamente las tesis doctorales defendidas en Francia en varias disciplinas y períodos históricos, utilizando la información sobre tesis doctorales defendidas en las universidades francesas disponible a través del Système universitaire de documentation. En otros casos, se han analizado unidades más pequeñas. Ortiz-Sánchez y Martín-Moreno (2011), por ejemplo, analizan la producción de tesis del departamento de Biblioteconomía y Documentación de la Universidad Carlos III de Madrid. En este tipo de estudios, los autores realizan análisis bibliométricos clásicos para describir los principales temas tratados, las instituciones más destacadas, el número de tesis por año y el tipo de investigación. A veces también, se pueden estudiar aspectos más específicos, como por ejemplo las teorías y los referentes metodológicos (Lima y otros, 2012). Cuando el objetivo es comprender el estado y el desarrollo de una disciplina, las tesis pueden estudiarse tanto de manera autónoma como en combinación con otros productos de investigación, como los artículos o los proyectos de investigación (Lin, 2012).

En España muchos trabajos descriptivos de este tipo se han realizado a partir de datos recopilados de TESEO. Díaz-Campo (2014), por ejemplo, estudia a través de las tesis defendidas entre 1997 y 2012 la investigación sobre Internet realizada por las facultades de comunicación españolas. Fernández-Guerrero (2015) describe el estado de la medicina de emergencia analizando 214 tesis defendidas entre 1978 y 2013. Los resultados le permiten afirmar que, debido al importante crecimiento del área en términos de producción de tesis doctorales, ésta se configura como un campo independiente.

TESEO también se ha explotado para caracterizar las redes de colaboración que supone el trabajo de tesis y que representa otra línea de investigación sobre tesis especialmente destacada. Repiso Caballero y otros (2011b), por ejemplo, describen la investigación doctoral sobre radio en España haciendo hincapié en las relaciones entre directores y los miembros de los tribunales de tesis, así como en las instituciones más representativas. Los mismos autores realizan un análisis parecido para los estudios sobre la televisión española (Repiso Caballero y otros, 2011a). Este tipo de análisis permitiría estudiar dinámicas de colaboración en áreas en las que la co-autoría es muy poco común, como las humanidades. Ardanuy y otros (2009) complementan un análisis descriptivo de la producción de tesis españolas de literatura catalana con un análisis de redes sociales precisamente con este fin.

TESEO ha servido como punto de partida para analizar la calidad de la investigación en diferentes ámbitos de la medicina. Peña Arrebola y Muñoz Tinoco (2000) hacen un análisis de las tesis que versan sobre la reumatología defendidas entre 1976 y 1997 en España, analizando los temas escogidos, la distribución de la autoría por género y universidades, así como el enfoque a partir de datos extraídos de TESEO. Los autores encuentran una cierta similitud entre el incremento de la producción de tesis en determinados campos relacionados con la reumatología y el incremento de la producción de artículos científicos de los mismo campos en publicaciones internacionales. Figueredo y otros (2002), analizaron a su vez las tesis sobre anestesiología recopiladas en la base de datos TESEO defendidas entre 1976 y junio de 2001. Para averiguar si la obtención del título de doctor es un factor para promocionar la carrera investigadora del autor, examinaron la producción de artículos indexados en MEDLINE para cada uno de los autores de las tesis extraídas de TESEO, delimitando los que se derivan de resultados de la investigación doctoral. Los autores concluyen que los resultados de las tesis doctorales no se publican como artículos en revistas internacionales, lo que les hace poner en duda la eficacia del doctorado como factor de promoción de la investigación para este ámbito en concreto y contrasta con los resultados del estudio de Peña Arrebola y Muñoz Tinoco que mencionábamos más arriba. Un tercer estudio más reciente de Encinas-Vicente y otros (2015) sobre las tesis producidas en Otorrinolaringología (1993-2003) ofrece una visión matizada sobre el impulso de la tesis doctoral sobre la carrera científica de los autores, ya que constatan un aumento relevante de la producción y la citación de los autores que asocian al periodo de realización de la tesis doctoral, aunque “Dicho patrón continúa entre el periodo en torno y posterior [a la lectura] solo en citaciones…”. La relación entre la producción de tesis y la producción científica parece por tanto haber atraído cierto interés, aunque todavía hay resultados contradictorios y que son difíciles de generalizar por el carácter parcial y especializado de los estudios. Éste es precisamente uno de los aspectos que pretendemos resolver en el presente estudio.

A pesar de las potencialidades de las tesis para describir tendencias a nivel de disciplinas y especialidades, según Jiménez-Contreras y otros (2014), en realidad, las tesis se han explotado poco para este fin. Aunque tradicionalmente son una fuente de información considerada como literatura gris (Carrizo y otros, 2000), la creciente disponibilidad de recursos para acceder a las tesis y de herramientas para cuantificar su producción plantean la posibilidad de realizar estudios en los cuales se vaya definiendo mejor su significado en el contexto de la investigación y de la producción científica. Sin embargo, hasta la fecha no se han realizado estudios sobre producción de tesis para un periodo extendido de tiempo que analizaran de forma detallada un espectro amplio de la producción. El presente trabajo pretende describir la producción de tesis doctorales en España según los datos disponibles en TESEO, desde 1977 hasta 2014, aportando una comparación con datos del mismo periodo procedentes de las bases de datos Web of Science y Scopus. A tal efecto, se estudia la evolución de la producción de tesis en relación con la evolución de la producción científica y se realizan varios análisis para mostrar en el contexto general de la producción de tesis doctorales en España los cambios en las materias sobre las que se produce, en las instituciones productoras y su distribución. Además, se ha llevado a cabo un estudio a nivel institucional de las relaciones entre los niveles de producción de tesis, la producción científica y un indicador de impacto, con el objeto de contribuir a caracterizar la utilidad de la producción de tesis como indicador de tendencias de investigación o de producción institucional.

Existen importantes limitaciones en cuanto a las posibilidades de extracción de datos de TESEO, ya que los datos pueden obtenerse sólo de forma manual o asistida. La extracción de datos de TESEO se ha realizado accediendo a cada una de las fichas de las tesis doctorales disponibles en el portal público de consulta. Para conseguir esto es necesario obtener el enlace permanente que identifica a cada una de las fichas, que está construido con una numeración correlativa. A continuación se descargó y analizó el código fuente de cada ficha y se identificaron los campos de descripción. En este caso, se extrajeron el código de referencia de la tesis, el título, el autor, la universidad, la fecha de la defensa, los directores, el tribunal, la clasificación por materias, el resumen y el departamento.

Es frecuente que haya retrasos entre la lectura de la tesis y su incorporación a TESEO, y estos retrasos pueden llegar a ser importantes. Por este motivo, aunque el periodo estudiado termina en 2014 (inclusive), el proceso de recogida de datos para la investigación terminó en noviembre de 2015. Gracias a esto tenemos una alta confianza en la exhaustividad de nuestros datos para 2014. Se obtuvieron un total de 196.441 registros de tesis doctorales. Para verificar el grado de completitud, se llevó a cabo una serie de consultas que determinaron que sólo 105.838 fichas estaban completas. Esto quiere decir que el 46% de los registros de TESEO tienen carencias a nivel descriptivo, por falta de uno o varios campos, algo ya conocido en la literatura y que sin embargo no se había cuantificado hasta la fecha (Fuentes y Arguimbau, 2010). En concreto, la falta de la fecha de lectura afecta a 7.388 registros que no pueden ser contabilizados en un periodo concreto. Sin director constan 24.228 fichas y sin filiación departamental 68.842 casos que equivalen al 35% del corpus de TESEO.

La evolución del número de registros incompletos (con campos vacíos) desde 1977 queda reflejada en la Figura 1, en la que se observa hasta 2005 un patrón irregular de en relación con el número de fichas para las que no existe información en relación con los campos de departamento, director de tesis o materia. Sin embargo, en el periodo 2005-2014 se constata una reducción importante en el número de registros incompletos, fundamentalmente en los últimos 5 años. Debido a esta falta de completitud de los datos, el único análisis que utiliza toda la serie es el del crecimiento global de la producción de tesis desde 1977 hasta 2014. Para los análisis de la distribución de la producción por universidades se ha utilizado el periodo 1995-2014, aunque con especial énfasis en la comparación entre el primer y último quinquenio del periodo. Éste es precisamente el enfoque utilizado para las materias, ya que permitía salvar el intervalo 2002-2004, para el que la información disponible sobre materias es bastante deficiente.

Para describir la evolución de la producción científica española se utilizaron datos de Scopus y Web of Science (colección principal). En cada una de las dos bases de datos se realizó una consulta para el periodo 1977-2014 y se seleccionó la producción española para dicho periodo. Para determinar la producción individual de cada una de las universidades en la sección 3.2 se utilizaron datos de la colección principal del Web of Science, llevando a cabo una consulta para el periodo 1995-1999 y otra para el 2010-2014. A partir de estas consultas se seleccionó la producción de cada una de las universidades en las que se habían defendido tesis doctorales durante el periodo correspondiente. Para determinar el porcentaje de trabajos producidos entre el 10% más citado de la categoría se utilizó la base de datos InCites, cuyos cálculos se basan en los datos de Web of Science. Se realizaron dos consultas sobre la producción española (1995-1999 y 2010-2014) y se extrajeron los datos correspondientes a las universidades que habían tenido producción de tesis durante el periodo.

Un aspecto importante para la realización de nuestros análisis es el sistema de clasificación utilizado para indexar las tesis en TESEO. En esta base de datos se emplea la Nomenclatura UNESCO, que, a pesar de encontrarse desactualizada, constituye todavía un sistema de clasificación ampliamente utilizado (Ruiz-Martínez y otros, 2014). Para analizar la distribución de trabajos doctorales por disciplinas hemos utilizado tan sólo el nivel más general del sistema de clasificación, el que se denomina comúnmente como “campos” y que incluye 24 divisiones. Se ha elegido este primer nivel de agrupación para simplificar la representación de los temas y porque permite una interpretación más sólida de los datos.

El estilo de indexación ha cambiado mucho entre los dos periodos analizados, de forma que a finales de los 90 se asignaban en promedio algo más de 4 materias por tesis, mientras que en el último periodo (de 2010 a 2014) se asignaban en promedio tan sólo algo más de 2. Además, durante el primer periodo, un elevado número de las asignaciones eran redundantes, en el sentido de que se indexaba con frecuencia la misma tesis por tres materias de tres niveles jerárquicos diferentes, pero que pertenecían al mismo campo. Sin embargo en la última etapa se hace un uso mucho más limitado de las materias de primer nivel y de la indexación redundante en general. Por tanto, para cada tesis registrada durante el período 1995-2014 se han contabilizado una única vez todas las materias que pertenecieran al mismo campo, de forma que las materias de segundo y tercer nivel jerárquico han sido sustituidas por las materias más generales de las que dependen jerárquicamente, lo que permite una interpretación más sólida de las materias y una comparación más congruente entre periodos.

Además de constituir el nivel de agrupación más consistente, los 24 campos del primer nivel jerárquico de la Nomenclatura UNESCO permiten trabajar con un grado de especificidad similar al de otros sistemas de clasificación bien conocidos, como el de Scopus (con 27 áreas temáticas) o el de Essential Science Indicators de Thomson-Reuters (con 22 campos científicos) y permite evaluar a grandes rasgos la distribución temática y su evolución. Específicamente se lleva a cabo una comparación entre la distribución de la producción científica por las materias de Scopus y ESI y la distribución de la producción de tesis por las categorías de la Nomenclatura UNESCO que pueden considerarse equiparables.

En este trabajo hemos presentado la evolución de la producción de tesis en España desde 1977 hasta 2014, con datos procedentes de la base de datos TESEO, comparándolos con otros, procedentes de las bases de datos Web of Science y Scopus. Los datos procedentes de TESEO presentan limitaciones en cuanto a la integridad de la información, como por ejemplo el elevado número de registros sin materia durante el periodo 2001-2005. Por otro lado, resulta reseñable que en el 35% de las fichas no figura el departamento, el 3,7% no dispone de fecha de defensa, afectando a 7.388 fichas que no han podido ser analizadas cronológicamente en la investigación.

Aún con estas limitaciones, la perspectiva comparativa que hemos aportado respecto a estudios previos sobre la evolución global de la producción de tesis, como los de Fernández-Cano y otros (2011) y Andersen y Hammarfelt (2011) ha puesto de manifiesto que la producción de tesis en su conjunto muestra una correlación importante con la producción científica en bases de datos de referencia internacional. Esta correlación se estrecha mucho durante los últimos años, en los que se puede apreciar además un patrón coherente con un crecimiento exponencial. Creemos que esto puede ser un síntoma de ajuste de la producción de tesis doctorales a la dinámica general de producción científica, y que este es un extremo que sería relevante investigar.

Un factor potencialmente relevante en explicar este proceso de progresiva adecuación de la producción de tesis a la producción científica reflejada en WoS y Scopus sería la tendencia a publicar el trabajo de la tesis en revistas científicas, antes o después de su defensa, o incluso de la generalización de un modelo de tesis entendida como “resultado de la agrupación de un cierto número de ‘papers’ ligados por un tema común” (Jiménez-Contreras y otros, 2014). Esta relación entre tesis y artículos de investigación publicados en revistas de impacto representa un tema de investigación en la literatura médica, cuyo objetivo es documentar cuánta investigación queda fuera de los canales más comunes de comunicación científica. Los estudios realizados, sin embargo, manifiestan, aunque de manera parcial y limitada, que sólo un pequeño porcentaje de tesis doctorales o tesinas de fin de máster se publica en revistas. Figueredo y otros (2002), por ejemplo, analizan las tesis sobre anestesiología recopiladas en TESEO y defendidas entre 1976 y junio de 2001, encontrando que de los 1833 artículos encontrados en Medline, los doctorandos habían publicado como primeros autores 649, pero sólo 127 tenían que ver con el tema de tesis. De manera parecida, Caan y Cole (2012) hablan de que aproximadamente la mitad de las 82 tesis en biomedicina defendidas en Gran Bretaña entre 2000 y 2010 no se habían publicado. Salmi y otros (2001) indican que de las tesis defendidas en Francia entre 1993 y 1997 sólo un 17% se publicó, mientras que Nieminen y otros (2007) sitúan en el 23.8% la tasa de publicación de las tesis médicas defendidas en la Universidad de Oulu entre 2001 y 2003. En otras palabras, la dinámica de crecimiento de TESEO, aunque en los últimos años se desarrolla en paralelo a WoS y Scopus, puede estar reflejando otro tipo de desempeño.

En cuanto a la participación de las diferentes universidades en el total de tesis defendidas en España, los últimos 20 años ha traído cambios importantes, pues se ha pasado de la primacía de una única institución, la UCM, a una pentarquía de la que participan la Universidad Complutense de Madrid, la Universidad Autónoma de Madrid, la Universidad Barcelona, la Universidad Autónoma de Barcelona y la Universidad de Granada. Además, en conjunto el desequilibrio en la distribución de las tesis entre universidades (aunque todavía muy importante), se ha suavizado y escalonado de manera menos abrupta.

Esta disminución en el desequilibrio de la producción de tesis también se hace notar de forma importante en la división de la producción por disciplinas. En términos de materias pasamos del predominio muy claro de algunas disciplinas, concretamente la medicina, las ciencias de la vida, las ciencias tecnológicas y las químicas a la progresiva incorporación de disciplinas de las ciencias sociales, como la sociología, la antropología, la psicología o la pedagogía. Los cambios en la distribución de tesis por materias son un aspecto interesante que queremos analizar con más detalle en el futuro, ya que aunque hemos podido constatar cierta sincronía en su evolución con la de los cambios en la distribución por materias de la producción científica en WoS o Scopus, la compatibilidad de los sistemas de clasificación utilizados es limitada y el hecho de que representen grandes áreas de la ciencia impide hacer comparaciones detalladas.

Por último nos parece importante destacar nuestros resultados en relación a la caracterización de la producción de tesis como indicador de producción institucional. Como ya hemos señalado, la producción de tesis doctorales es proporcional en buena medida a la producción científica indexada en bases de datos internacionales, tanto en su crecimiento a lo largo del tiempo, como en su distribución entre las universidades. Sin embargo, existen discrepancias que son localmente importantes y que dan a entender que este indicador debe manejarse con cuidado. Como hemos expuesto anteriormente, existe una correlación significativa entre un ratio elevado de producción científica / tesis y el porcentaje de trabajos científicos publicados entre el 10% más citado de la categoría (lo que no implica causalidad). Esto parece indicar que una elevada producción de tesis podría ser utilizada como un indicio positivo del desempeño científico de una institución fundamentalmente cuando está apoyada por la producción de un número de trabajos científicos suficientemente alto.