Conforme o volume e a diversidade de informações científicas aumentam, se torna necessário entender o que, porque e como esse aumento acontece. Estratégias e políticas públicas podem se desenvolver a partir dessas informações potencializando os serviços de educação e inovação oferecidos à sociedade. A análise de tendências é um dos passos nessa direção. Este trabalho no entanto vai além de considerar apenas o conteúdo das informações analisadas incluindo a estrutura das fontes geradoras das informações, ou seja, as redes sociais, como uma dimensão adicional para modelar e predizer tendências ao longo do tempo. Os experimentos foram realizados com os títulos das publicações de todos os doutores brasileiros da área de Ciência da Computação. Os resultados mostraram que a incorporação das medidas oriundas da análise de redes sociais reduziram os erros de predição, na média, para cerca de 18% daqueles produzidos sem a utilização destas medidas. Adicionalmente, esta incorporação permitiu que previsões mais futuras fossem realizadas sem grandes aumentos no erro destas previsões

As scientific information volume and diversity grow, the understanding of what, why and how it happens become necessary. Strategies and public politcs can be developed from these informations to power innovation and education services offered to society. Trend analysis is one of the steps in this direction. This work however goes beyond of just anlyse information content, it includes the information about the information sources structures, in other words, the social networks, as another dimension to model and predict trends through time. The experiments were made with the publication titles of all Brazilian Computer Science`s PHds. The results indicate the use o social network analysis metrics reduced the precision errors to about 18% of the errors produced without considering these metrics