María Alejandra Delgado guitarrista de Orca. Viviendo en la era pop 2026/03/20

María Alejandra Delgado guitarrista de Orca.

Viviendo en la era pop 2026/03/20

ESUCCHAR

Descargar

María Alejandra Delgado es la guitarrista del grupo salmantino Orca, con un enfoque en guitarra eléctrica dentro de un estilo que fusiona funk, soul clásico y pop noventero. Nacida en Colombia en la ciudad de Bucaramanga. Desde muy temprana edad inicia sus estudios musicales. En el 2011 inicia su formación universitaria en pedagogía y guitarra clásica. Se traslada a Estados Unidos en el 2016 donde realiza estudios complementarios en composición en la universidad George Mason (VA) con los maestros Mark Camphouse y Adam Rothenberg, con quienes estrena una obra ejecutada por el ensamble de música contemporánea de dicha universidad. Una vez de regreso en Colombia, obtiene el título de Licenciada en música con énfasis en guitarra clásica en el 2018. María Alejandra ha participado en diversos proyectos como cantante y guitarrista a lo largo de su carrera musical. En el 2017 se junta con otras tres mujeres músicos de la ciudad de Bucaramanga, con quienes consolidan un proyecto de teatro musical infantil que las lleva a girar por varias ciudades de Colombia y México. En el 2021 graban un disco donde participa como compositora, arreglista, guitarra y cantante. Actualmente reside en España, donde realiza estudios de postgrado en musicología en la Universidad de Salamanca. Trayectoria musical Su participación más destacada se centra en Orca, banda de Salamanca que ha actuado en eventos locales como la Feria del Libro de mayo 2025 en la Plaza Mayor y ha sido finalista en el VI Concurso Municipal de Bandas.

¿Puede la IA mejorar la revisión por pares? — Debate y riesgos de integrar IA en ciencia

Could AI Help Fix Peer Review, or Will It Only Make Things Worse? The Scholarly Kitchen, 18 de marzo de 2026. https://scholarlykitchen.sspnet.org/2026/03/18/guest-post-could-ai-help-fix-peer-review-or-will-it-only-make-things-worse/?informz=1&nbd=&nbd_source=informz

El artículo analiza de manera crítica cómo la inteligencia artificial (IA) podría influir en la revisión por pares en el ámbito académico, que es el principal mecanismo de validación y garantía de calidad de la investigación científica. Parte de la base de que el sistema tradicional de revisión enfrenta presiones sin precedentes debido al aumento exponencial de manuscritos y al agotamiento de revisores voluntarios disponibles, lo que lo hace cada vez más lento e ineficiente.

Según la discusión, la IA ofrece oportunidades claras para apoyar la labor humana, no para reemplazarla. Herramientas de IA pueden resumir literatura existente, lo que ayuda a revisores a situar mejor un manuscrito dentro del contexto académico y a detectar plagio o duplicación de contenidos, incluyendo imágenes manipuladas, que son difíciles de identificar sólo con revisión humana. Estas capacidades podrían fortalecer la calidad técnica de las revisiones y reducir algunos de los trabajos más tediosos del proceso.

Sin embargo, el autor advierte que la IA también trae riesgos importantes. Uno de los escenarios más preocupantes es que la producción académica llegue a un punto en que gran parte del ciclo —desde la escritura de los artículos hasta su revisión y lectura— se haga con mínima intervención humana, lo que podría degradar la confianza pública en la ciencia y empobrecer la creatividad y el juicio crítico que caracterizan la evaluación experta.

El texto subraya que, aunque la IA podría aliviar cargas de trabajo y mejorar la eficiencia en ciertos aspectos, no es una solución mágica y no sustituye el juicio humano. La revisión por pares no es simplemente un proceso técnico, sino un ejercicio de juicio crítico e interpretación contextual que las máquinas no pueden replicar plenamente. De hecho, una IA totalmente automatizada podría incluso hacer más difícil la tarea de los revisores y editores si se emplea sin una implementación cuidadosa o sin claridad sobre sus límites.

Finalmente, la reflexión apunta a que la verdadera influencia de la IA en la revisión por pares dependerá de cómo se integre éticamente y con supervisión humana, manteniendo enfoques que combinen eficiencia técnica con juicio experto para preservar la integridad, rigor y confianza en la evaluación científica.

Cómo enseñar a los niños habilidades de alfabetización digital

Singer, Emma. How to Teach Kids Digital Literacy Skills. PureWow, 19 de febrero de 2026. https://www.purewow.com/family/how-to-teach-kids-digital-literacy-skills?utm_source=flipboard&utm_medium=referral

La psicóloga clínica Dr. Bethany Cook señala que, ante el impacto que las plataformas digitales pueden tener en la salud mental y el comportamiento infantil, es fundamental enseñar a los niños a interactuar con la tecnología de forma consciente, crítica y segura.

Uno de los primeros consejos es establecer límites claros de uso de dispositivos, como zonas y momentos sin pantallas (por ejemplo, durante las comidas o en la habitación por la noche), lo que ayuda a proteger el sueño y reduce las luchas por el control del tiempo de pantalla. Incluso antes de que los niños utilicen redes sociales, es útil que tengan reglas consistentes acerca del uso general de tecnología.

El artículo destaca también la importancia de explicar cómo funcionan las plataformas digitales y sus incentivos, ayudando a los niños a entender que algoritmos y métricas como “likes” o seguidores no son medidas de valor personal. Separar la autoestima de estos indicadores reduce la influencia que estos estímulos pueden tener en su percepción.

Un pilar clave de la alfabetización digital es pensar críticamente sobre el contenido online. Los padres pueden acompañar a los niños mientras exploran contenidos y hacer preguntas que fomenten evaluación: quién hizo ese contenido, qué intención tiene, si es real o editado. Esto fortalece habilidades de juicio que serán esenciales en un entorno saturado de información.

El artículo también enfatiza el valor de conversar sobre las emociones que los contenidos digitales provocan en los niños, ayudándoles a identificar si se sienten conectados, distraídos, inseguros o desanimados tras usar una red social o jugar online. Este ejercicio de “chequeos emocionales” les permite reconocer patrones psicológicos relacionados con su interacción digital.

Para promover seguridad, se aconseja establecer reglas claras de privacidad y seguridad, como no compartir información personal (por ejemplo, dirección, escuela o fotos privadas) sin permiso. Explorar juntas las configuraciones de privacidad en las aplicaciones enseña responsabilidad y reduce riesgos.

Finalmente, la psicóloga sugiere practicar situaciones difíciles mediante role‑playing, como cómo responder ante acoso, mensajes inapropiados o presión para mandar imágenes, de modo que los niños sepan cómo responder con frases sencillas y seguras. Mantener una comunicación abierta y no punitiva también es clave para que los niños acudan a sus padres ante problemas sin miedo a castigos.

La habilidad humana que la IA no puede replicar: por qué los modelos de lenguaje aún no escriben bien literatura creativa

Sun, Jasmine. The Human Skill That Eludes AI: Why can’t language models write well? The Atlantic, 17 de marzo de 2026. https://www.theatlantic.com/technology/2026/03/ai-creative-writing/686418/?utm_medium=offsite&utm_source=flipboard&utm_campaign=all

Aunque los modelos de lenguaje generativo han progresado mucho en funcionalidad técnica, no han logrado capturar la esencia de la creatividad y la escritura auténticamente humana, lo que sugiere que la IA puede ser una herramienta útil para apoyar la escritura pero no un reemplazo real de la capacidad creativa humana

Las inteligencias artificiales avanzadas —especialmente los grandes modelos de lenguaje generativo— siguen siendo incapaces de producir escritos creativos de alta calidad comparables a los de los humanos, a pesar de sus enormes capacidades técnicas. Aunque los modelos modernos pueden resolver problemas complejos, crear imágenes realistas o escribir textos coherentes a nivel superficial, fallan de manera recurrente cuando se trata de generar prosa literaria profunda o ensayos que realmente emocionen o asombren al lector.

La autora, Jasmine Sun, destaca que muchos en la industria de la IA reconocen que aún no se ha construido un modelo que “escriba bien” en términos artísticos o creativos. Incluso con capacidades técnicas extraordinarias —como predecir estructuras de proteínas o generar aplicaciones completas a partir de un solo comando— los sistemas actuales producen prosa que suele ser rígida, predecible y carente de verdadera originalidad. Comúnmente incluyen metáforas sin sentido, construcciones aburridas o una retórica que suena artificial, lo que limita su valor literario y emocional.

Gran parte del problema se encuentra en cómo se entrenan y diseñan estos modelos. El artículo explica que durante la fase de preentrenamiento, los modelos absorben enormes cantidades de texto de internet —mucho del cual es mediocre— lo que les enseña patrones de estructura y gramática pero no el juicio y la sensibilidad necesarios para producir arte genuino. Además, en la fase de post-entrenamiento, las empresas priorizan que la IA sea “útil, honesta y segura”, lo que tiende a limitar la creatividad porque penaliza respuestas impredecibles o arriesgadas que podrían considerarse inapropiadas o peligrosas.

Conversaciones con investigadores del sector revelan que existe una tensión esencial entre las metas comerciales y la escritura creativa: los modelos están optimizados para seguir reglas, evitar errores y producir respuestas útiles para una amplia gama de usuarios, pero la creatividad artística requiere precisamente romper reglas, explorar lo inesperado y aportar una perspectiva singular, rasgos que estos sistemas no están diseñados para priorizar. Esta contradicción fundamental ayuda a explicar por qué, incluso con memorias extensas de grandes cantidades de literatura, los modelos aún no generan obras que igualen la profundidad, la emoción o la voz autoral humana.

De este modo a pesar de los avances, la escritura humana mantiene una ventaja insustituible, ya que está intrínsecamente ligada a la experiencia vivida, a la sensibilidad emocional y a un tipo de juicio estético que las máquinas no poseen. Incluso si en el futuro se desarrollan modelos más sofisticados, los escritores humanos seguirán aportando algo único que no puede ser simplemente emulado por algoritmos.

Clubes de lectura: obra en movimiento

Carreño, Ó. [Óscar]. (2013). Clubes de lectura: obra en movimiento. Editorial UOC. https://hdl.handle.net/10609/154776

Texto completo

El texto, los ojos lectores y la brújula de un conductor, ése es el cañamazo de un club de lectura. Explicitar el rol que ejerce cada uno de esos actores en esa obra en movimiento que es un club de lectura, una obra que crece, se significa y singulariza con cada aportación y cada opinión, es el propósito de este libro. Propósito al que acompaña una intención: conjeturar qué pueden aportar las nuevas tecnologías de la información al debate en torno a la obra literaria que propone todo club de lectura y esbozar el papel que pueden interpretar los e-readers a la hora de planificar acciones de promoción de la lectura.

Competencias mediáticas e informacionales: juego y aprendo

Ordás García, A. [Ana] & Campal, F. [Felicidad]. (2021). Competencias mediáticas e informacionales: juego y aprendo. Editorial UOC. https://hdl.handle.net/10609/154768

Texto completo

Para la formación, la educación, el trabajo, las salidas profesionales, el ocio, la inclusión social, la participación ciudadana o sencillamente para vivir, se necesita, se consume y se produce constantemente información. En el mundo y en la sociedad en la que vivimos, en la que la información está en todas partes y que es cada vez más digital e instrumentalizada, se requieren personas alfabetizadas que dominen la tecnología y todos los códigos (el textual, el audiovisual y el digital), personas con competencia digital. Pero es igualmente necesario que la ciudadanía posea las competencias adecuadas para seleccionar la información que esos códigos aportan, analizarla y transformarla en conocimiento.

Guía práctica para el uso reflexivo y análisis de herramientas de Inteligencia Artificial en bibliotecas públicas y comunitarias

Guía práctica para el uso reflexivo y análisis de herramientas de Inteligencia Artificial en bibliotecas públicas y comunitarias. Iberbibliotecas, 2026

Texto completo

Guía práctica para el uso reflexivo y análisis de herramientas de Inteligencia Artificial en bibliotecas públicas y comunitarias se concibe como una oportunidad de crear un diálogo sobre el uso de las herramientas de IA en los espacios bibliotecarios, con un foco prioritario en el análisis y reflexión de las herramientas tecnológicas actuales. Se hace necesario asumir una posición clara, reflexiva, ética y crítica frente a estas herramientas, reconociendo tanto sus potencialidades como sus riesgos, siendo este el punto de partida para orientar prácticas, decisiones y conversaciones informadas, necesarias en un escenario de cambio a alta velocidad.

La guía propone que la Inteligencia Artificial debe entenderse de forma crítica, ética y contextual, especialmente en bibliotecas públicas y comunitarias, que actúan como mediadoras entre tecnología y ciudadanía.

En primer lugar, explica que la IA no es inteligencia humana, sino sistemas que analizan datos y patrones. Por ello, sus resultados pueden contener errores, sesgos y limitaciones, lo que exige una comprensión básica por parte de los profesionales.

Uno de los ejes centrales es que la IA reproduce desigualdades sociales (de género, raza o cultura), ya que aprende de datos históricos. Por eso, las bibliotecas deben fomentar una alfabetización crítica, ayudando a las comunidades a cuestionar y comprender estas tecnologías.

La guía también ofrece orientaciones prácticas:

  • Cómo buscar y evaluar herramientas de IA.
  • Cómo interactuar mejor con ellas (prompts, contexto, roles).
  • Cómo integrarlas en servicios bibliotecarios (chatbots, recomendación, apoyo a la lectura).

Finalmente, subraya que la IA debe usarse con:

  • supervisión humana
  • respeto a la privacidad
  • enfoque inclusivo y sostenible

Código de ética de la IFLA para bibliotecarios y otros trabajadores de la información

Código de ética de la IFLA para bibliotecarios y otros trabajadores de la información (versión completa) IFLA 2012

Texto completo

El Código de Ética de la IFLA establece los principios que deben guiar la labor de bibliotecarios y profesionales de la información, destacando el acceso libre, equitativo y sin censura a la información; la defensa de la libertad intelectual; el respeto a la diversidad cultural y social; la protección de la privacidad y confidencialidad de los usuarios; el equilibrio entre acceso al conocimiento y derechos de autor; y el ejercicio profesional con integridad, imparcialidad y responsabilidad social, promoviendo la cooperación, el respeto entre colegas y el compromiso con el desarrollo continuo.

El Código de Ética de la IFLA establece un marco de principios que orienta la conducta de bibliotecarios y profesionales de la información. No pretende sustituir códigos nacionales, sino servir como guía común para fomentar la reflexión ética, la responsabilidad profesional y la transparencia ante la sociedad. Parte de la idea de que la bibliotecología es, en esencia, una actividad ética vinculada al derecho humano a la información, reconocido en la Naciones Unidas y especialmente en el artículo 19 de la Declaración Universal de los Derechos Humanos, que garantiza la libertad de expresión y acceso a la información.

En su núcleo, el código subraya que la misión principal de los profesionales de la información es garantizar el acceso universal a la información. Esto implica rechazar cualquier forma de censura, promover servicios accesibles —idealmente gratuitos o de bajo coste— y asegurar que tanto las colecciones como los recursos digitales sean inclusivos y utilizables por todas las personas, sin barreras técnicas o económicas.

Otro eje fundamental es la responsabilidad social. Los bibliotecarios deben ofrecer servicios equitativos sin discriminación por motivos de edad, origen, ideología, género o condición social, respetando además la diversidad lingüística. También tienen un papel activo en el fomento de la alfabetización informacional, ayudando a los usuarios a localizar, evaluar y utilizar la información de forma ética, combatiendo prácticas como el plagio.

El código dedica especial atención a la privacidad y confidencialidad, estableciendo que la relación con los usuarios debe basarse en la protección de sus datos personales. Al mismo tiempo, promueve la transparencia institucional, apoyando el acceso público a la información gubernamental, aunque contempla excepciones en casos de interés público relacionados con delitos o corrupción.

En relación con el conocimiento, se defiende un equilibrio entre acceso abierto y propiedad intelectual. Los profesionales deben facilitar el acceso a la información de forma justa y eficiente, apoyar modelos abiertos (como el acceso abierto o el software libre) y, al mismo tiempo, respetar los derechos de autores y creadores. También se les insta a defender limitaciones razonables al copyright y a preservar el dominio público.

El código insiste además en la neutralidad e integridad profesional. Los bibliotecarios deben actuar con imparcialidad en la selección y difusión de la información, separando sus creencias personales de sus funciones profesionales. Asimismo, deben rechazar la corrupción, mantener altos estándares de calidad y actualizar continuamente sus conocimientos.

Finalmente, se abordan las relaciones profesionales, promoviendo el respeto, la equidad laboral y la no discriminación entre colegas. Se fomenta la colaboración, el apoyo a nuevos profesionales, la participación en asociaciones y la contribución al desarrollo del campo mediante la investigación. La competencia desleal queda explícitamente rechazada.

En conjunto, el código configura una ética profesional basada en el acceso libre y equitativo a la información, la defensa de los derechos humanos, la responsabilidad social y el compromiso con la integridad y la excelencia profesional.

Por qué los bibliotecarios escolares son fundamentales para la alfabetización en IA

Why teacher librarians are critical for students living in an AI‑driven world. EdSource, 2026. https://edsource.org/2026/ai-literacy-teacher-librarians/752536?utm_source=flipboard&utm_content=other

Los bibliotecarios escolares con formación docente son esenciales para enseñar alfabetización en IA porque combinan habilidades de investigación, evaluación crítica y mediación tecnológica que permiten a los estudiantes comprender, usar y cuestionar la IA de forma informada y responsable en su vida académica y cotidiana

Ante la rápida expansión de las herramientas de inteligencia artificial (IA) en la educación, los bibliotecarios escolares con formación docente tienen un rol esencial para desarrollar la alfabetización en IA entre los estudiantes. En un contexto donde las escuelas integran cada vez más tecnologías basadas en IA, no basta con saber usar estas herramientas: es necesario comprender qué son, cómo funcionan, cuáles son sus limitaciones y cómo evaluarlas críticamente para que los estudiantes se conviertan en usuarios informados y responsables de esta tecnología.

El texto argumenta que los bibliotecarios escolares ya desempeñan funciones clave en la enseñanza de investigación, alfabetización informacional y mediática, y por ello están bien posicionados para ampliar estas competencias hacia la IA. Su labor tradicional de enseñar a los estudiantes a encontrar, evaluar y utilizar información relevante se conecta directamente con lo que implica una alfabetización en IA efectiva: promover pensamiento crítico sobre algoritmos, datos y resultados generados por sistemas automáticos, así como abordar cuestiones éticas y de sesgo.

Además, el artículo subraya la necesidad de acceso equitativo a la instrucción en IA. No todos los estudiantes tienen las mismas oportunidades de interactuar con tecnologías avanzadas fuera de la escuela, por lo que los bibliotecarios escolares pueden ayudar a nivelar el campo ofreciendo recursos, talleres, guías y apoyo continuo. Esto incluye explicar no solo cómo usar herramientas de IA, sino también enfrentar discusiones sobre privacidad, propiedad intelectual, verificación de veracidad y riesgos de desinformación.

Finalmente, la pieza advierte que sin una alfabetización adecuada en IA —orientada por profesionales capacitados— los estudiantes corren el riesgo de adoptar estas tecnologías de forma superficial o sin entender sus implicaciones sociales y éticas. Por ello, capacitar, apoyar y fortalecer el papel de los bibliotecarios docentes se presenta como una estrategia educativa clave para preparar a los estudiantes de hoy a navegar con confianza en un mundo cada vez más impulsado por la inteligencia artificial.

Impacto real de la IA en el empleo: evidencia temprana y nuevas métricas desde Anthropic

Anthropic. Labor Market Impacts of AI: A New Measure and Early Evidence. 2026.

Consultar documento original

La inteligencia artificial ya está transformando el trabajo, pero de forma gradual, desigual y todavía limitada en su impacto directo sobre el empleo. Más que una ola inmediata de destrucción de puestos, lo que emerge es un proceso progresivo de cambio en las tareas, en la contratación y en la organización del trabajo, cuyo alcance dependerá en gran medida del ritmo de adopción tecnológica en los próximos años.

El informe de Anthropic propone un cambio fundamental en la forma de analizar el impacto de la inteligencia artificial en el mercado laboral. Frente a estudios anteriores que se basaban en lo que la IA podría hacer teóricamente, este trabajo introduce una nueva métrica denominada “exposición observada” (observed exposure). Esta combina las capacidades potenciales de los modelos de lenguaje con datos reales de uso en el entorno laboral, lo que permite medir de manera más precisa cómo la IA está afectando efectivamente a las tareas y profesiones.

Uno de los hallazgos clave del informe es la existencia de una brecha significativa entre capacidad y uso real. Aunque la IA podría automatizar o asistir en un gran porcentaje de tareas (en algunos casos entre el 70% y el 90%), su utilización efectiva en el trabajo cotidiano es mucho menor, situándose aproximadamente entre el 20% y el 30%. Esto sugiere que el impacto económico y laboral de la IA todavía está en una fase temprana, con un amplio margen de crecimiento en productividad si se adopta más ampliamente.

En términos de empleo, el estudio encuentra evidencia limitada de destrucción masiva de puestos de trabajo en el corto plazo. Los datos no muestran aumentos significativos del desempleo en ocupaciones con alta exposición a la IA desde la expansión de estas tecnologías. Sin embargo, sí aparecen señales más sutiles, como una desaceleración en la contratación, especialmente entre trabajadores jóvenes o en etapas iniciales de su carrera profesional.

El informe identifica también qué tipo de tareas son más susceptibles de ser automatizadas o asistidas por IA. Se trata, principalmente, de actividades que cumplen ciertas condiciones: son repetitivas, producen resultados digitales, tienen criterios claros de evaluación y generan mejoras inmediatas de productividad. Entre ellas destacan la redacción de documentos, la programación, la atención al cliente, el resumen de información y la entrada de datos.

Asimismo, el estudio observa que la exposición a la IA se concentra especialmente en ocupaciones intensivas en información, es decir, trabajos de oficina y del ámbito cognitivo. Sin embargo, incluso en estos sectores, la IA está actuando más como una herramienta de complemento (augmentación) que como un sustituto total del trabajo humano, al menos por ahora.

Otro aspecto relevante es la relación entre exposición a la IA y crecimiento del empleo. El informe sugiere que las ocupaciones con mayor exposición tienden a mostrar menores expectativas de crecimiento futuro, lo que podría anticipar cambios estructurales en el mercado laboral a medio y largo plazo. No obstante, estos efectos todavía son incipientes y no se traducen aún en pérdidas masivas de empleo.

Como conclusión el trabajo subraya la importancia de mejorar las herramientas de medición del impacto de la IA, ya que los datos tradicionales del mercado laboral (como las encuestas de empleo) pueden tardar en reflejar cambios emergentes. En este sentido, la métrica de “exposición observada” se presenta como un instrumento clave para anticipar transformaciones antes de que se manifiesten plenamente en indicadores como el desempleo

Aspectos clave:

  • Brecha clara: la IA puede hacer mucho más de lo que aún se usa.
  • Impacto limitado: no hay destrucción masiva de empleo por ahora.
  • Cambios sutiles: menor contratación en algunos perfiles (especialmente junior).
  • Más afectadas: tareas digitales, repetitivas y estructuradas.
  • Función actual: la IA complementa más que sustituye.
  • Tendencia futura: posibles cambios estructurales en el empleo.