Archivo de la etiqueta: Guías

Guía de mejores prácticas para el uso de inteligencia artificial (IA)

Budlong, Jeff. 2025. “Library Provides AI Best Practices Guide for Campus Learners.” Inside Iowa State, November 19, 2025. https://www.inside.iastate.edu/article/2025/11/19/library-provides-ai-best-practices-guide-campus-learners.

La University Library de Iowa State University publicó una guía de mejores prácticas para el uso de inteligencia artificial (IA) destinada a estudiantes, profesores y personal del campus, respondiendo a la creciente demanda de orientación en torno al uso ético y responsable de estas tecnologías. La iniciativa surgió tras múltiples solicitudes de la comunidad académica, y se ha concretado en un LibGuide titulado Everyday AI: Best Practices for Using AI, que forma parte de una colección de más de 300 guías sobre temas que van desde evaluación de revistas hasta producción de podcasts. Este recurso digital cubre nociones esenciales sobre IA, ofreciendo definiciones, herramientas para evaluar herramientas de IA, estrategias para analizar la información generada automáticamente y enfoques para reconocer sesgos algorítmicos.

La guía está estructurada en siete secciones temáticas que buscan proporcionar una comprensión sólida de cuándo y cómo usar IA de forma apropiada dentro del contexto académico. Entre estos temas figuran: qué es importante saber sobre la IA, cómo evaluar herramientas de IA en investigaciones, consejos para revisar la salida de los sistemas automatizados, cuestiones relacionadas con sesgo algorítmico y el impacto social y medioambiental de estas tecnologías, así como recomendaciones específicas para el uso de IA en el contexto de Iowa State y cómo citar y divulgar su empleo en trabajos académicos.

Un elemento central de la guía es el énfasis en la alfabetización informacional más que en enseñar el uso de herramientas específicas. Según la bibliotecaria de instrucción Kate Garretson, el objetivo es animar a los usuarios a pensar críticamente sobre la IA y no depender exclusivamente de respuestas automatizadas sin cuestionarlas. Para ello, la guía propone preguntas clave que los usuarios deben hacerse antes de emplear IA: cómo se está usando, por qué se está usando y si debería usarse en esa situación, fomentando así la reflexión sobre si el uso de la IA podría socavar el propio proceso de aprendizaje o investigación.

Además, la guía incorpora el método SIFT (Stop, Investigate, Find better coverage, Trace it back) para evaluar la credibilidad y precisión de la información encontrada en línea, no solo la generada por IA, incentivando la verificación rigurosa de las fuentes y la trayectoria de las afirmaciones. Otra parte fundamental trata de cómo citar y declarar el uso de IA en trabajos académicos: aunque la mayoría de estilos y revistas no consideran a las herramientas de IA como autoras formales, sí recomiendan que se identifique el nombre del sistema utilizado, cómo se empleó y se asuma la responsabilidad por cualquier resultado derivado de su uso.

La guía también aborda aspectos de seguridad y protección de la información, señalando que datos clasificados como “moderados” o más sensibles por las políticas universitarias no deben ingresarse en productos de IA a menos que exista una aprobación explícita, y recomendando herramientas como Microsoft Copilot y Google Gemini bajo condiciones de seguridad institucional, para evitar la exposición de información delicada a terceros. Se advierte sobre riesgos potenciales relacionados con términos de servicio cambiantes de empresas proveedoras de IA y la necesidad de que los usuarios comprendan cómo se gestiona su información en estas plataformas.

En conjunto, este esfuerzo institucional refleja una respuesta proactiva de la biblioteca universitaria ante los desafíos y oportunidades que plantea la IA en entornos educativos, planteando no solo una guía práctica inmediata, sino también un marco para el pensamiento crítico y la alfabetización tecnológica que puede evolucionar conforme cambian las prácticas y herramientas de IA

Guía de buenas prácticas para informar del uso de IA por parte de bibliotecarios y editores

COUNTER. Ready for Consultation: AI Metrics. Best Practice Guidance for Reporting AI Usage (Draft, 2025).

Texto completo

COUNTER propone nuevas directrices para medir el uso de herramientas de inteligencia artificial en plataformas editoriales, diferenciándolo claramente del uso humano. El objetivo es estandarizar estos informes y evitar que la actividad de IA distorsione los datos tradicionales de uso.

El borrador de COUNTER sobre las mejores prácticas para informar del uso de IA surge ante la necesidad de adaptar el Code of Practice (Release 5.1) a un entorno donde la inteligencia artificial generativa y agente opera de forma habitual en plataformas de editores y proveedores de información. El documento reconoce que las reglas anteriores fueron diseñadas en un contexto previo al uso extendido de herramientas como agentes autónomos y modelos generativos, por lo que se requiere un marco más preciso para distinguir entre actividad humana, actividad automatizada tradicional (bots y crawlers) y actividad de IA agente, que no puede clasificarse igual que la automatización previamente excluida de los informes.

El objetivo del borrador es establecer mecanismos claros y estandarizados para que las plataformas que ofrecen contenidos (textos, artículos, etc.) puedan reportar métricas sobre el uso de IA —ya sea directamente en su sitio, o a través de herramientas externas (como buscadores basados en IA o agregadores). COUNTER considera que estas directrices no sólo sirven a editores o bibliotecas, sino también que podrían ser útiles para herramientas independientes de IA

La publicación del borrador está abierta a comentarios de la comunidad: proveedores tecnológicos, editoriales, bibliotecas y consorcios están invitados a aportar feedback para mejorar las directrices antes de que se adopten de forma definitiva.

Estrategias prácticas para impulsar la alfabetización en inteligencia artificial (IA)

EDUCAUSE Shop Talk, “A Practical Guide to AI Literacy,” con Sophie White y Jenay Robert, con Leo S. Lo, Jeanne Beatrix Law y Anissa Vega (episodio de podcast), 11 de agosto de 2025, YouTube, https://www.youtube.com/watch?v=m8xnGS1bli8.

El video plantea un enfoque realista y flexible para promover la alfabetización en IA en el ámbito universitario: ofrecer diversas vías de acceso a la formación, iniciar proyectos pequeños y escalables, fomentar la experimentación conjunta, aplicar una mirada crítica, dar opciones al profesorado y motivar el aprendizaje auténtico por encima de la mera obtención de resultados.

Sophie White y Jenay Robert conversan con Leo S. Lo, Jeanne Beatrix Law y Anissa Vega sobre estrategias prácticas para impulsar la alfabetización en inteligencia artificial (IA) entre estudiantes y docentes. La conversación parte de la idea de que ofrecer múltiples puntos de entrada para que el profesorado se forme y experimente con IA es esencial para generar confianza y permitir que guíen a sus estudiantes.

Los invitados coinciden en que es clave comenzar en pequeño y avanzar de forma iterativa. No se trata de esperar a tener el modelo perfecto, sino de poner en marcha experiencias iniciales que puedan mejorarse con el tiempo. Leo S. Lo describe cómo en su universidad han organizado programas de varias semanas para personal bibliotecario, combinando introducción, diseño de proyectos, comunidades de práctica y presentaciones finales. Además, se destaca la utilidad de marcos prácticos que sirvan como referencia inicial para organizar la enseñanza de IA, aunque puedan ajustarse después según la experiencia.

Otro aspecto central es el tinkering, es decir, experimentar y probar herramientas junto a los estudiantes. Jeanne Beatrix Law insiste en que esta práctica fomenta la curiosidad y el pensamiento crítico, especialmente cuando se incorporan elementos como datos de impacto ambiental en los resultados generados por IA. En Kennesaw State University, el profesorado también tiene libertad para decidir cómo incluir la IA en sus clases, lo que ha facilitado la aceptación y la confianza. Esta flexibilidad se complementa con un comité institucional que define políticas claras y orientaciones para el uso de IA.

La alfabetización en IA no implica solo saber usar herramientas, sino también entenderlas críticamente. Incluso quienes deciden no incorporarlas pueden beneficiarse de conocer su funcionamiento y sus implicaciones. Anissa Vega subraya que, igual que al enseñar a conducir se busca evitar riesgos reales más allá de las sanciones, en IA se debe motivar a los estudiantes a aprender por el valor del conocimiento, no solo por la calificación.

Finalmente, los ponentes comparten consejos prácticos: Leo S. Lo recomienda aprender a través de recursos accesibles como YouTube o LinkedIn; Jeanne Beatrix Law aconseja no temer al fracaso, confiar en el alumnado y reutilizar recursos educativos abiertos (OER); Anissa Vega sugiere leer Co-Intelligence de Ethan Mollick y organizar sesiones de experimentación colaborativa con colegas. Sophie White cierra recordando que el aprendizaje académico no siempre proviene de publicaciones revisadas por pares y que, a menudo, probar y ajustar es la mejor vía para aprender en profundidad.

Archivo General de la Administración: guía básica de fuentes

Ministerio de Cultura. Archivo General de la Administración. Guía básica de fuentes. Madrid: Ministerio de Cultura, 2024. https://libreria.cultura.gob.es/libro/archivo-general-de-la-administracion_11894/

El Archivo General de la Administración (AGA) es, de los ocho archivos nacionales, el que conserva nuestra memoria histórica más reciente, ya que sus fondos se refieren fundamentalmente al siglo XX, y de manera especial a su segunda mitad, aunque también custodia un importante volumen de fondos de la segunda mitad del siglo XIX.
Es uno de los archivos estatales más vastos del mundo y su consulta es obligada para obtener cualquier antecedente sobre la arquitectura, el urbanismo, las obras públicas, la educación, la cultura, el turismo, la economía, la hacienda, la justicia, etc., en la etapa contemporánea, ya que recibe periódicamente los documentos en los que se plasma la actividad de los diferentes organismos de la Administración General del Estado cuando ya no son necesarios para la gestión diaria de las oficinas.

Archivo Histórico de la Nobleza

Ministerio de Cultura. Archivo Histórico de la Nobleza. Madrid: Ministerio de Cultura, 2024.

Texto completo

El Archivo Histórico de la Nobleza es una institución cultural única y pionera en su género, dedicada en exclusiva a la conservación de los archivos nobiliarios generados por la nobleza española. El Archivo es de titularidad estatal, carácter nacional y gestión directa del Ministerio de Cultura, a través de la Subdirección General de los Archivos Estatales. Esta publicación recoge la información fundamental acerca de su historia, funciones, fondos y servicios.

Efectividad de las guías de investigación de las bibliotecas universitarias para fomentar las habilidades de alfabetización informacional en los estudiantes universitarios

DeFrain, Erica, Leslie Sult, and Nicole F. Pagowsky. «Effectiveness of Academic Library Research Guides for Building College Students’ Information Literacy Skills: A Scoping Review.» College and Research Libraries (September 2025). https://digitalcommons.unl.edu/libraryscience/446/.

El artículo Effectiveness of Academic Library Research Guides for Building College Students’ Information Literacy Skills: A Scoping Review, escrito por Erica DeFrain, Leslie Sult y Nicole F. Pagowsky, realiza una revisión sobre la efectividad de las guías de investigación de las bibliotecas universitarias para fomentar las habilidades de alfabetización informacional en los estudiantes universitarios. Las guías de investigación son herramientas comunes para la enseñanza de estas habilidades, pero existe una falta de evidencia sólida sobre su efectividad.

En su revisión, los autores analizaron 1.724 publicaciones y seleccionaron 61 estudios que cumplían con los criterios de inclusión. Los estudios revisados fueron en su mayoría individuales, exploratorios y correlacionales, con un enfoque predominante en el uso de métodos mixtos que combinaban encuestas a estudiantes y análisis de datos provenientes de fuentes como el tráfico web. La mayoría de los estudios se centraron en la satisfacción de los estudiantes o la usabilidad de las guías como indicadores de la efectividad del aprendizaje, mientras que pocos se centraron en evaluar la adquisición de habilidades.

La revisión tiene como objetivo ayudar a los profesionales a desarrollar herramientas de aprendizaje más impactantes y prácticas para la creación y evaluación de estas guías. En resumen, el artículo destaca la necesidad de una evaluación más profunda y específica en cuanto a la efectividad real de las guías en el desarrollo de habilidades de alfabetización informacional.

Las conclusiones de los autores sobre la efectividad de las guías para el aprendizaje variaron, clasificándose en cuatro categorías: positivas, neutrales, negativas o mixtas. Sin embargo, interpretar su noción de «efectividad» fue complicado debido al amplio alcance de la mayoría de las investigaciones. Pocos estudios establecieron explícitamente expectativas sobre cómo las guías podrían influir en el aprendizaje de los estudiantes o los beneficios que podrían ofrecer. Solo seis estudios (9.8%) emplearon hipótesis previas para guiar su investigación, mientras que el resto no contó con referencias claras para evaluar el impacto.

De los 23 estudios con resultados positivos, 17 se basaron parcialmente en medidas afectivas obtenidas a través de encuestas a los estudiantes. Estos estudios encontraron una alta satisfacción por parte de los estudiantes, quienes indicaron que las guías eran útiles, relevantes o valiosas para sus necesidades académicas. Sin embargo, no todos los estudios reportaron resultados positivos. Por ejemplo, algunos estudiantes mostraron insatisfacción o neutralidad hacia las guías, especialmente en campos como STEM, donde se valoraron menos.

En varios estudios, aunque los estudiantes expresaron satisfacción con las guías, también indicaron que no sentían la necesidad de usarlas o se comprometían poco con su contenido. Algunos investigadores reconsideraron la efectividad de las guías tras reportar bajos niveles de uso. Además, se destacó que las guías de tipo «pathfinder», que simplemente direccionan a los estudiantes a recursos, no eran tan valoradas como las guías más instructivas que explican cómo usar esos recursos.

A pesar de la baja evidencia de uso, algunos autores continuaron desarrollando y manteniendo grandes cantidades de guías con la esperanza de que en el futuro los estudiantes se interesaran más por su contenido. Sin embargo, varios estudios documentaron la dificultad o resistencia de los estudiantes para utilizar de manera efectiva el contenido basado en guías, como en casos donde los estudiantes, a pesar de recibir formación, preferían utilizar recursos de la web libre o no recomendados por los bibliotecarios.

Guía de Prompting: Inteligencia Artificial Generativa

Cristián Cortés, Marcelo Taito. Guía de Prompting: Inteligencia Artificial Generativa. HARAMBEE, 2024

Texto completo

Esta guía ha sido creada por la comunidad Harambee, un colectivo que trabaja para potenciar el uso efectivo de herramientas de inteligencia artificial. Su propósito principal es ofrecer apoyo a los usuarios interesados en desarrollar habilidades más avanzadas y obtener mejores resultados al trabajar con sistemas de IA.

El enfoque central de esta guía son las soluciones relacionadas con texto, abarcando desde la generación de contenido hasta la edición, corrección y mejora de textos en diversos contextos. Está diseñada para quienes desean ir más allá del uso básico y aprovechar al máximo las capacidades que la IA puede ofrecer en el ámbito textual.

A través de consejos, ejemplos prácticos y buenas prácticas, esta guía busca ayudar a los usuarios a refinar su interacción con modelos de IA, logrando resultados más precisos, creativos y personalizados.

Para aprovechar al máximo las herramientas de inteligencia artificial centradas en texto, puedes aplicar estas estrategias clave:

1. Escribe instrucciones claras. Asegúrate de ser específico y directo en tus solicitudes. Un planteamiento bien definido ayuda al modelo a ofrecer respuestas más precisas y relevantes.

2. Proporciona texto de referencia. Si tienes ejemplos o fragmentos relacionados con tu objetivo, inclúyelos. Esto orienta al modelo y mejora la calidad de los resultados.

3. Divide tareas complejas. Cuando enfrentes una tarea extensa o complicada, desglósala en subtareas más simples. Esto facilita que el modelo aborde cada aspecto de forma efectiva.

4. Dale tiempo al modelo para pensar. Formula preguntas secuenciales o permite que el modelo revise varias veces su respuesta. Este enfoque mejora el razonamiento y la calidad del contenido generado.

5. Utiliza herramientas externas. Complementa las capacidades del modelo con software especializado, como verificadores de datos, editores de texto o motores de búsqueda, para resultados más robustos.

6. Haz pruebas sistemáticas. Experimenta con diferentes planteamientos y ajustes. Probar y comparar resultados te ayudará a identificar lo que funciona mejor para tus necesidades.

Construyendo una Red Nacional de Guías de Archivo (NAFAN)

Turner, A., Schiff, L., Mitchell, C., & Waibel, G. (2024). Building a National Finding Aid Network: Final Report. UC Office of the President: California Digital Library. Retrieved from https://escholarship.org/uc/item/6xr6q38m

El informe final del proyecto de investigación «»Building a National Finding Aid Network» (NAFAN) para el periodo 2020-2023, traza un plan para crear y lanzar una red nacional de guías de archivo que sea impulsada, sostenida y gobernada por la comunidad. El proyecto aborda un desafío fundamental para los investigadores: las barreras significativas para localizar materiales archivísticos relevantes en un campo vasto y distribuido de instituciones de patrimonio cultural, muchas de las cuales carecen de recursos suficientes.

Las guías de archivo, que proporcionan descripciones y resúmenes de colecciones archivísticas, son esenciales para la investigación, pero muchas de estas guías no están disponibles en línea. Además, los esfuerzos regionales y estatales para agrupar estas guías suelen ser limitados y están en riesgo debido al envejecimiento de la infraestructura y la reducción de presupuestos. Como resultado, gran parte del contenido archivado en Estados Unidos permanece relativamente invisible, lo que implica que muchas voces documentadas están subrepresentadas en el registro histórico.

El proyecto NAFAN se propone abordar estos desafíos estableciendo una red nacional accesible para todos los contribuyentes e investigadores. Para ello, se llevaron a cabo varias líneas de trabajo: construcción de comunidad y compromiso con las partes interesadas, investigación para entender las necesidades de los investigadores y archivos, evaluación técnica de sistemas potenciales para la red, y modelos de negocio y gobernanza para asegurar la sostenibilidad a largo plazo.

Los hallazgos subrayan la necesidad de una infraestructura centralizada y sostenible que aumente la capacidad y visibilidad de los archivos. También destacan la importancia de centrar las prioridades locales y de incluir a los archivos comunitarios en la planificación y ejecución del proyecto desde el principio.

El proyecto propone un modelo de membresía basado en la «capacidad de pago» para mantener la red, lo que permitiría a los archivos acceder a una infraestructura compartida y reducir costos. La gobernanza de la red también estaría en manos de la comunidad, garantizando que la equidad, inclusión y necesidades de todas las instituciones participantes sean atendidas.

Finalmente, el informe recomienda un enfoque gradual y comunitario para desarrollar la red en tres fases durante un horizonte de 4 a 5 años: establecer una coalición y liderazgo expandido, desarrollar y lanzar un «Producto Mínimo Viable» de la red, y expandir la funcionalidad para apoyar una red más completa y una estructura de gobernanza robusta. Esta iniciativa podría tener un impacto transformador al reducir las barreras para la investigación, expandir el registro histórico y ofrecer un nuevo camino hacia una agregación sostenible de archivos a nivel nacional.

Guía sobre el uso de la inteligencia artificial en el ámbito educativo

Guía sobre el uso de la inteligencia artificial en el ámbito educativo. INTEF, 2024

Texto completo

El Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado (INTEF), dependiente del Ministerio de Educación, Formación Profesional y Deportes (MEFPD), ha presentado en el evento “Jornadas IA en educación” su nueva “Guía sobre el uso de la inteligencia artificial en el ámbito educativo”. Este documento se propone como un recurso esencial para la comunidad educativa, promoviendo una integración ética y efectiva de la inteligencia artificial (IA) en la educación no universitaria.

La guía se estructura en varias secciones:

  1. Contextualización de la IA: Explica la naturaleza de la IA, su presencia en la vida cotidiana y su importancia en el ámbito educativo, proporcionando una base sólida para la comprensión de los conceptos fundamentales de la IA.
  2. Aplicaciones y posibilidades de la IA en educación: Divide el análisis en tres perfiles clave: alumnado, docentes y centro educativo/administración. Para cada perfil, detalla los desafíos, limitaciones, estrategias y ejemplos prácticos de uso de la IA en la enseñanza y aprendizaje.
  3. Impacto ético de la IA: Aborda la necesidad de una regulación adecuada y presenta un decálogo para el buen uso de la IA. Proporciona directrices claras para tratar cuestiones éticas con los estudiantes, como los sesgos algorítmicos, los deepfakes y la dependencia tecnológica, destacando la importancia de educar sobre los riesgos y responsabilidades del uso de la IA.
  4. Glosario: Incluye un glosario de términos técnicos y conceptos clave para facilitar la comprensión de todos los miembros de la comunidad educativa.
  5. Anexo I: Ofrece un compendio de buenas prácticas para implementar la IA en el aula, con ejemplos concretos y sugerencias prácticas.
  6. Anexo II: Presenta orientaciones, guías y recomendaciones nacionales e internacionales, proporcionando un marco de referencia global para la integración de la IA en la educación.

Con esta guía, el INTEF reafirma su compromiso con la innovación educativa y la formación continua del profesorado, destacando la importancia de la IA como una herramienta para mejorar la calidad y eficacia del sistema educativo español. La guía completa está disponible en castellano e inglés para quien desee más información.

Archivo Chino: Un Manual de Bolsillo

«The Chinese Archive: A Pocket Manual» CLIR, 2023

Texto completo

El Consejo de Recursos de Bibliotecas e Información (CLIR, por sus siglas en inglés) se complace en anunciar el lanzamiento de «The Chinese Archive: A Pocket Manual» (El Archivo Chino: Un Manual de Bolsillo) escrito por los coautores Yasser Ali Nasser y Matthew Wong Foreman. Esta guía pionera sirve como un faro, iluminando la actual crisis archivística en la República Popular China (RPC) mientras ofrece valiosos consejos pragmáticos a los académicos en ciernes que navegan en una era tumultuosa de transformación académica global. «The Chinese Archive: A Pocket Manual» es una adición clave a la serie «Pocket Burgundy» de 2023 publicada por CLIR.

A finales de la década de 2010, los visionarios autores Nasser y Wong Foreman, candidatos a doctorado y expertos en historia moderna china, reconocieron el creciente control de las restricciones archivísticas impuestas por el gobierno chino, veladas bajo el pretexto de la seguridad nacional. Estas restricciones, que incluyen la retención de material archivístico, redacciones en colecciones digitales y severas limitaciones en el acceso y la duplicación, enviaron ondas de choque a través de la comunidad archivística. Pusieron de manifiesto de manera contundente una extensa censura estatal y una preocupante tendencia a limpiar los registros históricos.

«The Chinese Archive: A Pocket Manual» se erige como un componente fundamental de la serie «Pocket Burgundy» de CLIR, que presenta publicaciones concisas sobre una variedad de temas dentro de la comunidad de la información y el patrimonio cultural.