Keverenge, Hillary. “Claude will hide a watermark in your AI-written text, and it’ll follow you around”. Android Authority, 11 de agosto de 2026. Artículo original en Android Authority
Anthropic ha anunciado que los nuevos modelos de Claude lanzados a partir del 2 de agosto de 2026 incorporarán marcas de agua invisibles y legibles por máquinas en los textos generados por inteligencia artificial.
La medida está relacionada con la adhesión de Anthropic al Código de Prácticas del artículo 50(2) de la Ley de Inteligencia Artificial de la Unión Europea (EU AI Act), centrado en la transparencia del contenido generado mediante IA. Sin embargo, la compañía ha decidido aplicar este sistema a escala mundial, no únicamente dentro de la Unión Europea. La marca se incorpora directamente en el contenido textual y está diseñada para resultar imperceptible para el usuario, sin modificar el significado, la calidad ni la legibilidad de las respuestas.
Una de las características más relevantes es que esta marca de agua puede acompañar al texto cuando el usuario lo copia y pega fuera de Claude, e incluso puede mantenerse después de determinadas modificaciones. La tecnología se aplica a nivel del modelo, por lo que estará presente en diferentes productos y servicios de Anthropic, entre ellos Claude, la API de Claude, Claude Code, Claude Cowork y Claude Tag, además de determinados servicios de computación en la nube compatibles. Los modelos de Claude utilizados a través de AWS, Google Cloud o Microsoft Foundry también podrán incorporar estas marcas cuando la funcionalidad esté disponible. Esto supone un cambio importante respecto a los sistemas tradicionales de detección de IA, porque la identificación no dependería únicamente del análisis estadístico posterior del estilo de escritura, sino de una señal introducida durante la generación del contenido.
No obstante, Anthropic advierte que la marca de agua no debe interpretarse como una prueba absoluta de autoría mediante IA. La detección de la marca indicaría que un texto pudo haber sido procesado por Claude, pero no demostraría necesariamente que Claude haya escrito originalmente todo su contenido. Por ejemplo, una persona podría utilizar Claude únicamente para corregir, traducir, resumir o reformatear un texto que había escrito previamente. Del mismo modo, que no se encuentre la marca tampoco demostraría que un texto no haya sido generado o manipulado mediante inteligencia artificial. Una edición intensa, la paráfrasis, la traducción, los fragmentos demasiado cortos o la combinación de texto generado por Claude con contenido escrito por una persona pueden hacer que la marca resulte indetectable.
Anthropic todavía no ha explicado públicamente todos los detalles técnicos sobre cómo podrán detectarse estas marcas. La empresa señala que posteriormente proporcionará documentación técnica y mecanismos de detección. Este aspecto será especialmente importante para universidades, editoriales, medios de comunicación y organizaciones que pretendan utilizar la señal como mecanismo de transparencia o procedencia. La existencia de una marca persistente podría facilitar determinadas formas de trazabilidad, pero sus propias limitaciones hacen que no pueda considerarse por sí sola un detector fiable de textos producidos por IA.
La iniciativa también se extiende al contenido visual. Anthropic está incorporando metadatos de procedencia firmados en determinados formatos de archivo, como PNG, JPG y SVG, utilizando el estándar C2PA (Coalition for Content Provenance and Authenticity). Estos metadatos pueden indicar que un archivo ha sido procesado por Claude y forman parte de una tendencia más amplia de la industria hacia sistemas de procedencia digital que permitan conocer el origen o las transformaciones experimentadas por un contenido. Google y Meta también se han adherido al código europeo de transparencia, lo que apunta hacia una progresiva generalización de mecanismos de identificación y procedencia del contenido generado o modificado mediante IA.
Finalmente, los modelos de Claude anteriores al 2 de agosto de 2026 no incorporan inmediatamente este sistema, aunque Anthropic trabaja para añadir la funcionalidad durante el periodo transitorio previsto por la legislación europea. La decisión resulta especialmente significativa porque plantea un nuevo escenario para la integridad académica, la publicación científica y la alfabetización en inteligencia artificial: en lugar de intentar determinar únicamente mediante algoritmos si un texto “parece” escrito por una IA, se avanza hacia mecanismos de procedencia incorporados en el propio proceso de generación. Al mismo tiempo, las limitaciones reconocidas por Anthropic muestran que estas marcas deben entenderse como señales de procedencia y no como pruebas concluyentes de autoría, una distinción fundamental para evitar falsos positivos en contextos educativos, científicos y profesionales.
Zuckerberg plantea que el futuro de la IA no debería estar determinado por un pequeño grupo de compañías que controle los modelos más avanzados, sino por una inteligencia artificial ampliamente distribuida, accesible y utilizable por individuos y organizaciones. La gran cuestión que queda abierta es si la estrategia de Meta representa realmente una democratización de la IA o una nueva forma de consolidar su posición dominante dentro del ecosistema de inteligencia artificial.
Mark Zuckerberg ha presentado una nueva visión sobre el futuro de la inteligencia artificial en un manifiesto en el que defiende que las tecnologías de IA avanzada deben estar ampliamente disponibles y no quedar bajo el control exclusivo de unas pocas grandes empresas, instituciones o gobiernos. Su planteamiento aparece acompañado del lanzamiento por parte de Meta de Muse Glimmer, un modelo de IA de pesos abiertos que puede ejecutarse en un ordenador personal, así como del anuncio de que los desarrolladores tendrán acceso a un modelo más potente, Muse Spark 1.2.
El argumento central de Zuckerberg es que la denominada superinteligencia artificial debería distribuirse de la forma más amplia posible. Según su visión, una concentración de estas capacidades en unas pocas organizaciones podría generar una enorme acumulación de poder y limitar las posibilidades de innovación. Frente a los planteamientos de empresas que mantienen sus modelos como tecnologías propietarias y sometidas a un control más estricto, Meta pretende presentarse como defensora de una IA más abierta, que permita a investigadores, desarrolladores y usuarios experimentar y construir nuevas aplicaciones sobre ella.
El manifiesto también refleja una visión muy optimista sobre las consecuencias económicas y sociales de la IA. Zuckerberg sostiene que la inteligencia artificial no tiene por qué traducirse necesariamente en una destrucción masiva de empleo. Por el contrario, considera que las herramientas de IA pueden permitir que pequeñas empresas y equipos reduzcan sus costes, aumenten enormemente su capacidad productiva y creen nuevos productos y servicios. Los asistentes personales inteligentes podrían actuar como auténticos colaboradores capaces de ayudar a las personas a aprender, programar, crear contenidos o desarrollar proyectos que anteriormente requerían equipos mucho mayores.
Otro aspecto importante es su defensa de una regulación equilibrada. Zuckerberg advierte de que un exceso de regulación podría ralentizar la innovación occidental y favorecer a competidores internacionales, especialmente China. Su posición combina, por tanto, la defensa de determinadas medidas de seguridad con una oposición a marcos regulatorios que, en su opinión, puedan impedir el desarrollo rápido de la IA. Esta postura sitúa a Meta en el debate sobre hasta dónde deben llegar los gobiernos en la supervisión de una tecnología que puede tener consecuencias económicas, sociales y geopolíticas profundas.
Sin embargo, el planteamiento de Zuckerberg también ha generado críticas importantes. Una de las principales cuestiones es la utilización del término open source. Algunos especialistas señalan que los modelos de pesos abiertos no son necesariamente equivalentes al software de código abierto tradicional: disponer de los pesos de un modelo no implica necesariamente conocer o poder modificar libremente sus datos de entrenamiento, procesos de entrenamiento, código completo o mecanismos de seguridad. Por ello, la estrategia de Meta puede considerarse «abierta» en determinados aspectos, pero no necesariamente plenamente abierta en el sentido clásico del open source.
En conjunto, el manifiesto constituye también una declaración estratégica de Meta. La compañía intenta diferenciarse de sus principales competidores presentándose como la alternativa que quiere democratizar el acceso a la IA avanzada. Al mismo tiempo, esta apertura puede favorecer a Meta al crear un amplio ecosistema de desarrolladores que utilicen sus modelos y tecnologías. El discurso de Zuckerberg combina así una defensa filosófica de la democratización de la inteligencia artificial con un claro interés empresarial: hacer que el ecosistema de IA se construya alrededor de las tecnologías de Meta.
John S. Tregoning recupera una provocadora idea formulada en 1963 por el inmunólogo y premio Nobel Peter Medawar: “el artículo científico es un fraude”. La expresión no se refiere al fraude científico entendido como falsificación, plagio o fabricación de datos, sino a que el formato convencional del artículo científico ofrece una representación engañosa de cómo se desarrolla realmente la investigación.
El esquema habitual —planteamiento del problema, metodología, resultados y conclusiones— presenta la ciencia como un proceso lineal, ordenado y casi inevitable, cuando en realidad investigar implica dudas, caminos descartados, errores, intuiciones, cambios de rumbo, casualidades y decisiones humanas.
El autor sostiene que el artículo científico oculta buena parte del proceso creativo que existe detrás de los resultados. Las hipótesis aparecen en los artículos como si hubieran sido formuladas desde el principio de manera clara y racional, pero Medawar señalaba que muchas surgen mediante conjeturas, intuiciones y recorridos intelectuales difíciles de reconstruir. Para Tregoning, esta dimensión creativa no es un defecto de la ciencia, sino una de sus características fundamentales. La imaginación permite formular preguntas nuevas, encontrar conexiones inesperadas y decidir qué caminos experimentales merece la pena explorar.
Esta cuestión adquiere una nueva dimensión con la inteligencia artificial. Tregoning reconoce que la IA puede ser extraordinariamente útil, especialmente para trabajar con grandes conjuntos de datos que superan la capacidad de procesamiento humano, pero establece una diferencia esencial entre procesar información y generar auténtica imaginación científica. En su opinión, la ciencia necesita todavía esa capacidad humana para formular hipótesis, interpretar situaciones ambiguas y descubrir posibilidades que no estaban previamente determinadas por los datos. Por ello, la creciente automatización de la producción científica hace todavía más importante recordar que detrás de cada investigación existe una persona que formula preguntas, toma decisiones e interpreta resultados.
Otro problema importante es que los artículos científicos reconstruyen retrospectivamente la investigación como una historia coherente, aunque el trabajo real haya sido mucho más desordenado. En ocasiones, el experimento que aparece como primera figura fue en realidad el último que se realizó; determinados resultados pueden proceder de investigaciones independientes desarrolladas por personas diferentes o en momentos distintos. El investigador selecciona posteriormente aquellos datos que permiten construir una narración científica comprensible. Esto no significa necesariamente que exista manipulación: significa que la publicación científica exige transformar un proceso complejo y contingente en un relato estructurado.
Tregoning relaciona esta reconstrucción narrativa con uno de los grandes problemas de la ciencia contemporánea: la presión por publicar resultados positivos. Cuando los investigadores disponen de recursos limitados, existe una tendencia a realizar experimentos de los que esperan obtener resultados publicables. Los resultados negativos o los experimentos que no conducen a conclusiones interesantes tienen mucha menos presencia en la literatura. El sistema de publish or perish puede acabar influyendo incluso en las preguntas que los científicos deciden investigar, favoreciendo historias de éxito frente a la realidad mucho más irregular del proceso investigador.
El artículo también cuestiona la idea de que la escritura científica deba eliminar completamente la presencia del investigador. El uso de una voz impersonal y uniforme pretende transmitir objetividad, pero también borra las decisiones, perspectivas y elecciones de los autores. Tregoning considera que los investigadores son quienes deciden qué caminos seguir, qué datos seleccionar y cómo interpretar aquello que han encontrado. Incluso los revisores y editores intervienen en la construcción final del relato, porque sus observaciones pueden modificar qué aspectos se destacan y cómo se presenta la investigación.
Una de las consecuencias educativas de este modelo es especialmente interesante. Si los estudiantes aprenden ciencia fundamentalmente a través de artículos científicos, pueden adquirir una imagen falsa de cómo se hace investigación: podrían pensar que primero se formula una hipótesis perfectamente definida, después se realiza un experimento y finalmente se obtiene una conclusión. La realidad es mucho más exploratoria. La investigación científica avanza mediante tanteos, fracasos, resultados inesperados, modificaciones de hipótesis y decisiones que difícilmente pueden reflejarse en la estructura convencional de un artículo.
Tregoning no propone abandonar el artículo científico. Reconoce que continúa siendo la unidad fundamental de comunicación de la ciencia y que probablemente seguirá desempeñando ese papel durante mucho tiempo. Sin embargo, propone complementarlo con otras formas de comunicación, como congresos, blogs y redes sociales, que permitan mostrar mejor el proceso, las personas que participan en él y las circunstancias que rodean la producción del conocimiento. También menciona iniciativas que intentan modificar el modelo tradicional de publicación y revisión, como los preprints, Review Commons o el nuevo modelo editorial de eLife.
La conclusión resulta especialmente pertinente en el contexto actual de la IA generativa y la proliferación de contenidos científicos automatizados. Si los sistemas de IA pueden producir textos que imitan perfectamente la forma convencional de un artículo científico, existe el riesgo de confundir la calidad formal del producto con la calidad del proceso que lo ha generado. Para Tregoning, precisamente por eso debemos prestar más atención a aquello que tradicionalmente queda fuera del artículo: la innovación, la intuición, la imaginación, las decisiones y el razonamiento humano. El artículo científico no debería ser considerado la investigación misma, sino la manifestación externa y estructurada de un proceso intelectual mucho más complejo.
La ciencia no es solamente el resultado que aparece publicado; es también el conjunto de decisiones, dudas, experimentos, errores, intuiciones y descubrimientos humanos que hicieron posible llegar hasta él.
Ebrahim, Nader Ale. “Measure What Matters: The Five Dimensions of Research Visibility & Impact”. LinkedIn, 2026. Artículo original en LinkedIn
El artículo plantea la necesidad de superar una concepción excesivamente limitada del impacto de la investigación científica, tradicionalmente vinculada al número de citas, el índice h, el factor de impacto de las revistas o la posición de una publicación dentro de determinados rankings bibliométricos. Aunque estos indicadores continúan siendo útiles para conocer la influencia académica de un trabajo, el autor sostiene que no permiten captar por sí solos todas las formas en que una investigación puede generar valor.
Un artículo puede recibir pocas citas y, sin embargo, ser ampliamente leído, descargado, compartido en redes académicas, utilizado por profesionales, incorporado a documentos institucionales o contribuir a una determinada política pública. Del mismo modo, una investigación puede alcanzar una elevada visibilidad antes de que su impacto bibliométrico sea apreciable, debido al tiempo que normalmente transcurre entre la publicación de un trabajo, su lectura, su utilización por otros investigadores y la aparición de nuevas citas. Por ello, la evaluación de la investigación debería contemplar un conjunto más amplio de evidencias que permita observar tanto su influencia académica como su circulación, visibilidad, utilización y repercusión social.
La propuesta se articula en torno a cinco dimensiones que permiten construir una imagen más completa del impacto de la investigación: las citas, la visibilidad, la calidad o relevancia del canal de publicación, el impacto social y la colaboración.
La primera dimensión continúa siendo el impacto bibliométrico, que puede analizarse mediante indicadores como las citas totales, el índice h, el Field-Weighted Citation Impact (FWCI) y la proporción de trabajos que se sitúan entre los artículos más citados de su campo. La importancia del FWCI reside especialmente en que permite contextualizar las citas en función de la disciplina, el año de publicación y otros factores que influyen en los patrones de citación. Esto resulta fundamental porque no todas las áreas científicas tienen las mismas prácticas de citación y, por tanto, no resulta adecuado comparar directamente el número de citas de investigadores pertenecientes a disciplinas muy diferentes. El artículo defiende así una utilización más contextualizada de los indicadores bibliométricos, evitando convertir una métrica aislada en una representación completa del valor de una investigación.
La segunda dimensión corresponde a la visibilidad. Una investigación difícilmente puede generar impacto si sus potenciales lectores no pueden descubrirla. En un sistema científico caracterizado por un crecimiento constante de la producción académica, publicar un artículo ya no garantiza que este sea encontrado y leído por las personas que podrían beneficiarse de sus resultados. La visibilidad depende de factores como la presencia en bases de datos, repositorios institucionales, perfiles académicos, identificadores persistentes, buscadores especializados y plataformas de comunicación científica. También adquieren importancia las descargas, las visualizaciones y otras evidencias de uso. Desde esta perspectiva, la publicación es solamente el comienzo del proceso de impacto: primero es necesario que el trabajo sea descubrible, después que sea leído y utilizado y, finalmente, que pueda generar nuevas investigaciones, colaboraciones o aplicaciones. La visibilidad se convierte, por tanto, en una condición previa para muchas de las demás formas de impacto.
La tercera dimensión está relacionada con la calidad y relevancia del canal de publicación. El prestigio de una revista, su posición dentro de una determinada categoría científica y los indicadores bibliométricos asociados a ella continúan teniendo importancia en el ecosistema académico, aunque el autor advierte implícitamente frente a la tendencia de utilizar el prestigio de la revista como sustituto de la evaluación del propio artículo. Un trabajo científico no adquiere automáticamente una determinada calidad por el simple hecho de aparecer en una revista prestigiosa, del mismo modo que una investigación relevante no debería quedar infravalorada exclusivamente porque haya sido publicada en un canal con menor impacto bibliométrico. La evaluación responsable requiere distinguir entre las características del vehículo de comunicación y las evidencias concretas de influencia de cada investigación. Esta distinción resulta especialmente importante en un contexto en el que las políticas de evaluación científica están avanzando hacia modelos que intentan valorar los resultados y contribuciones de los investigadores de una manera más amplia.
La cuarta dimensión corresponde al impacto social, una cuestión cada vez más relevante dentro de las políticas contemporáneas de investigación. El conocimiento científico no produce necesariamente su principal efecto dentro de las universidades o centros de investigación. Puede influir en políticas públicas, organizaciones, empresas, profesionales, instituciones educativas, medios de comunicación y ciudadanos. Las altmétricas pueden aportar información complementaria para observar parte de esta circulación, especialmente cuando un trabajo recibe atención en redes sociales, medios digitales, blogs, plataformas académicas o espacios de comunicación científica. Sin embargo, la mera acumulación de menciones no debería confundirse automáticamente con impacto. Una gran cantidad de atención puede indicar visibilidad, pero el impacto requiere evidencias de utilización, influencia o transformación. La cuestión esencial consiste, por tanto, en identificar qué ocurre con el conocimiento una vez que abandona el circuito estrictamente académico y llega a otros públicos y contextos de aplicación.
La quinta dimensión se refiere a la colaboración, especialmente a la colaboración internacional. La investigación contemporánea se desarrolla cada vez con mayor frecuencia mediante redes que conectan investigadores, universidades, centros de investigación y países diferentes. La colaboración puede ampliar la circulación de los resultados, facilitar el intercambio de conocimientos, favorecer nuevos proyectos y aumentar las posibilidades de que una investigación sea conocida y utilizada en contextos diferentes. La tasa de colaboración internacional constituye, por ello, un indicador que ayuda a comprender la dimensión relacional de la investigación. No se trata únicamente de contabilizar cuántos autores participan en un artículo, sino de observar hasta qué punto la investigación forma parte de redes científicas amplias y diversas. La colaboración puede convertirse además en un mecanismo para incrementar tanto la visibilidad como la influencia posterior de los resultados.
A partir de estas dimensiones, el autor propone considerar un conjunto de indicadores que combina bibliometría tradicional, datos de uso, visibilidad digital, acceso abierto, altmétricas y colaboración. Entre ellos aparecen el FWCI, las citas totales, el índice h, la proporción de trabajos situados entre el 10 % más citado, la identificación de trabajos altamente citados, el porcentaje de publicaciones en acceso abierto, las descargas y visualizaciones, el Altmetric Attention Score, la colaboración internacional y el crecimiento de las citas. La importancia de esta combinación reside precisamente en que ningún indicador individual pretende explicar por sí solo el impacto de una investigación. El objetivo es construir un perfil multidimensional que permita responder a preguntas diferentes: cuánto se cita un trabajo, quién lo encuentra, quién lo lee, dónde circula, qué atención recibe, con quién se conecta y qué utilización puede tener más allá del ámbito académico.
Esta perspectiva resulta especialmente coherente con la evolución de la ciencia abierta y con los cambios que está experimentando la comunicación científica. El acceso abierto, los repositorios institucionales, los identificadores persistentes como ORCID y la disponibilidad de metadatos estructurados facilitan que las investigaciones puedan ser descubiertas y utilizadas por comunidades mucho más amplias. La publicación deja de ser así un acontecimiento aislado para convertirse en una etapa dentro de un ciclo de comunicación que incluye producción, publicación, descubrimiento, lectura, reutilización, citación, difusión y aplicación. En este contexto, la visibilidad adquiere un valor estratégico porque permite que los resultados lleguen a públicos que probablemente nunca habrían encontrado el artículo a través de los canales tradicionales.
Para las bibliotecas universitarias, esta propuesta tiene importantes implicaciones. Los servicios bibliotecarios pueden desempeñar un papel activo en la mejora de la visibilidad y el impacto de la investigación mediante el asesoramiento sobre repositorios, acceso abierto, ORCID, perfiles académicos, metadatos, identificadores persistentes y estrategias de difusión. También pueden ayudar a los investigadores a interpretar correctamente los indicadores bibliométricos y altmétricos, evitando usos simplistas o inadecuados de las métricas. De esta manera, la biblioteca se convierte no solo en un servicio de acceso a la información científica, sino también en un agente de apoyo a la comunicación, evaluación y difusión de la investigación. La alfabetización bibliométrica y la formación en ciencia abierta adquieren así una importancia creciente dentro de los servicios de apoyo a la investigación.
La aparición de la inteligencia artificial introduce además una nueva dimensión en esta cuestión. Los investigadores dependen cada vez más de sistemas automatizados para descubrir literatura, resumir documentos, identificar conexiones entre trabajos y localizar información relevante. Esto significa que la descubribilidad de una investigación ya no depende exclusivamente de que aparezca bien posicionada en una base de datos tradicional. Los metadatos de calidad, los identificadores persistentes, la accesibilidad del texto completo y una adecuada estructuración de la información pueden influir también en la capacidad de los sistemas digitales y de IA para localizar y recomendar determinados trabajos. La visibilidad científica empieza, por tanto, a adquirir una dimensión algorítmica: una investigación debe ser no solo visible para los investigadores, sino también suficientemente accesible y estructurada para los sistemas que participan cada vez más en los procesos de descubrimiento científico.
El artículo propone pasar de una visión de la investigación basada fundamentalmente en la pregunta “¿cuántas citas ha recibido?” a una perspectiva mucho más amplia: “¿cómo circula, quién la descubre, quién la utiliza, con quién se conecta y qué efectos produce?”. Las cinco dimensiones —impacto de las citas, visibilidad, calidad del canal de publicación, impacto social y colaboración— permiten construir una imagen más rica y equilibrada del valor de la actividad científica. La principal aportación de este enfoque consiste en recordar que el impacto no comienza cuando aparece una cita ni termina cuando se publica un artículo. Se desarrolla a través de un proceso en el que la investigación debe ser descubierta, leída, compartida, conectada con otros trabajos, incorporada a nuevas investigaciones y, cuando sea posible, utilizada para generar conocimiento, innovación o beneficios sociales.
“Pienso en Él. En todo lo que tocan sus manos plasmadas de esmeraldas, y digo: Feliz tú, libro, que sientes la calidez de su piel. Tú que no lo deseas. Libro, señor libro, hermano libro, feliz tú, feliz usted, que recibe la inmarcesible tersura de sus dedos. Feliz tú, papel blanco lleno de dibujitos indelebles. Tú que no lo amas. Tú, que con solo mostrar tu desnudo perfil recibes el abrazo de su mirada. ¡Feliz tú, hojas de papel en blanco! ¿Y usted, señor suelo? ¿Qué decir de usted, usted que tiene el honor de recibir su paso, usted que lo sostiene, usted que es marcado con su maravilloso ritmo? ¡¡Feliz de usted, señor suelo, feliz de usted, usted que no lo desea!! ¡Oh escaleras brillosas, vasos inertes, cubiertos indiferentes, trajes irreflexivos, sillones insulsos, útiles impersonales, felices de ustedes, que lo ven, que lo sienten! ¡y no lo anhelan!”
A UWN Reporter. “US, Europe challenged by Asia, Middle East: QS rankings”. University World News, 21 de junio de 2026. El artículo analiza los resultados de la edición 2027 del QS World University Rankings, publicada el 18 de junio de 2026, a partir de datos proporcionados por QS. https://www.universityworldnews.com/post.php?story=20260620082137544
La edición 2027 del QS World University Rankings confirma que Estados Unidos y Reino Unido continúan dominando la parte más alta de la clasificación mundial, pero también evidencia un proceso de transformación geográfica de la educación superior.
El Massachusetts Institute of Technology (MIT) conserva por decimoquinto año consecutivo la primera posición, mientras que Imperial College London mantiene el segundo puesto y Stanford University asciende desde el sexto lugar hasta compartir la segunda posición. Oxford y Harvard permanecen cuarta y quinta, respectivamente. Sin embargo, detrás de este liderazgo de las instituciones anglosajonas se observa una creciente presencia de universidades de Asia y Oriente Medio. El artículo subraya que el mapa mundial de la educación superior se está haciendo progresivamente más diversificado, debido sobre todo a las inversiones sostenidas en investigación, internacionalización, talento e innovación realizadas por países asiáticos y de Oriente Medio.
El cambio resulta especialmente visible al ampliar la mirada más allá de las diez primeras universidades. Estados Unidos mantiene nueve instituciones entre las veinte primeras y Reino Unido cuatro, pero el resto de posiciones muestran una mayor diversidad geográfica, con universidades de Singapur, China continental, Hong Kong, Suiza y Australia. China continental constituye uno de los grandes protagonistas de esta edición: cuenta con 85 universidades clasificadas, 13 nuevas incorporaciones y un 72 % de sus instituciones mejorando posiciones. Además, 26 universidades chinas alcanzan su mejor clasificación histórica y seis aparecen ya entre las cien mejores del mundo, con Nanjing University entrando por primera vez en este grupo. El crecimiento chino es presentado como el resultado de una inversión sostenida en investigación y de una mejora en indicadores como las citas por profesor, la reputación académica y la reputación entre empleadores. Sin embargo, QS señala que la internacionalización continúa siendo un punto débil, ya que ninguna universidad de China continental aparece entre las cien primeras en estudiantes internacionales, profesorado internacional o sostenibilidad.
Hong Kong y Singapur representan otros dos ejemplos destacados de sistemas relativamente pequeños capaces de competir con grandes potencias universitarias. Hong Kong aparece por segundo año consecutivo como el sistema de educación superior que más mejora en Asia: la University of Hong Kong conserva el puesto 11 y The Chinese University of Hong Kong asciende al 18, de modo que por primera vez dos universidades de Hong Kong se sitúan entre las veinte mejores del mundo. Singapur, por su parte, mantiene a la National University of Singapore como la universidad mejor situada de Asia y única institución asiática entre las diez primeras, en el puesto 10, mientras que Nanyang Technological University ocupa el 12. El caso singapurense resulta especialmente significativo porque QS lo presenta como una demostración de que el tamaño de un sistema universitario no determina necesariamente su competitividad: la inversión continuada durante décadas en investigación, empleabilidad e internacionalización permite a un sistema pequeño competir con países mucho mayores.
India también muestra una evolución especialmente significativa. Más de la mitad de sus universidades clasificadas mejoran posiciones y 18 alcanzan su mejor resultado histórico. La presencia india en el ranking ha pasado de 14 instituciones hace una década a 52 en 2027, un incremento del 271 %, lo que convierte al país en el miembro del G20 con mayor crecimiento proporcional en número de universidades clasificadas. El avance ya no se limita a los prestigiosos Indian Institutes of Technology: universidades públicas y privadas de numerosos estados están alcanzando posiciones históricas, lo que apunta a una expansión territorial y diversificación del sistema universitario. El artículo interpreta estos resultados como indicios de que la transformación de la educación superior india se está convirtiendo en un fenómeno sistémico y no únicamente en una historia de éxito de los IIT.
El Oriente Medio y, particularmente, los países árabes del Golfo constituyen otro de los grandes focos de crecimiento. Veinticuatro instituciones de la región alcanzan posiciones históricas, con importantes avances en Arabia Saudí, Emiratos Árabes Unidos, Jordania, Qatar y otros países. King Fahd University of Petroleum and Minerals (KFUPM) llega al puesto 63 y consolida su presencia entre las cien mejores del mundo, mientras King Saud University alcanza el 107 y Qatar University el 109. Khalifa University, de Emiratos Árabes Unidos, llega al puesto 147, convirtiéndose en la primera universidad del país que entra entre las 150 primeras. QS vincula esta evolución con las grandes inversiones gubernamentales en talento, investigación e innovación, enmarcadas además en estrategias nacionales de diversificación económica.
En Europa, el panorama es más desigual. Reino Unido conserva una posición privilegiada, con Imperial College en segundo lugar y 93 universidades clasificadas, pero su ritmo de mejora es inferior al de algunos competidores internacionales. Solo 31 universidades británicas mejoran posiciones frente a 38 que retroceden. QS advierte especialmente sobre el debilitamiento de la tradicional ventaja británica en internacionalización: el número de universidades británicas situadas entre las cien primeras en determinados indicadores relacionados con profesorado y estudiantes internacionales ha disminuido durante la última década. En Europa continental, en cambio, Italia aparece entre los sistemas que más mejoran, con Politecnico di Milano en el puesto 87, mientras Alemania, España y Francia incrementan considerablemente el número de universidades presentes en la clasificación. La Technical University of Munich, en el puesto 25, es la universidad mejor situada de la Unión Europea, seguida por Université PSL, en el puesto 34.
Uno de los mensajes más importantes del informe afecta precisamente a Estados Unidos. Aunque sigue siendo el sistema universitario más representado, con 184 instituciones frente a 192 en la edición anterior, el 66 % de sus universidades empeora su posición. El contraste entre una élite universitaria extremadamente fuerte y un conjunto más amplio de instituciones sometidas a presión es muy marcado. MIT, Harvard, Stanford, Caltech y otras universidades de élite mantienen posiciones extraordinarias, pero el conjunto del sistema estadounidense experimenta un descenso medio de 10,2 posiciones entre instituciones comparables, mientras China continental registra una subida media de 17,1 posiciones. Especialmente preocupante para QS es la pérdida de competitividad internacional: la representación estadounidense entre las 200 primeras universidades en el indicador de estudiantes internacionales se ha reducido de 28 instituciones en 2017 a solo 14 en 2027, mientras que en profesorado internacional ha pasado de 15 a ocho.
El artículo también muestra que la presión competitiva se extiende a Canadá, América Latina, África y otras regiones. Canadá experimenta retrocesos en dos tercios de sus universidades clasificadas, aunque McGill conserva el primer puesto nacional y se mantiene en el lugar 30 mundial. América Latina presenta una trayectoria descendente más pronunciada: el 52 % de sus universidades retrocede y solo el 8 % mejora. La Universidad de Buenos Aires, en el puesto 84, continúa siendo la única institución latinoamericana entre las cien primeras, mientras que Colombia registra retrocesos generalizados. En África subsahariana, Sudáfrica continúa liderando, aunque University of Cape Town cae hasta el puesto 184. Al mismo tiempo, aumenta el número de universidades africanas incluidas en el ranking, pasando de 12 hace una década a 23 en la edición actual, lo que refleja una expansión gradual de sus capacidades de investigación, resultados estudiantiles y colaboración internacional.
En conjunto, el QS World University Rankings 2027 presenta una educación superior mundial en transición. La supremacía de Estados Unidos y Reino Unido en la cúspide permanece, pero ya no representa por sí sola la dinámica del sistema global. China, India, Hong Kong, Singapur y los países árabes están incrementando su presencia mediante políticas de inversión sostenida en investigación, internacionalización, innovación y atracción de talento. El ranking incorpora más de 1.500 universidades de 106 sistemas de educación superior, y su análisis se basa en 21 millones de artículos científicos, 222 millones de citas, 1,6 millones de respuestas de encuestas académicas, datos de 8.808 instituciones y opiniones de más de 121.000 académicos y 69.000 empleadores. La principal conclusión es que la competencia universitaria internacional está pasando de un modelo concentrado en unas pocas potencias occidentales a otro mucho más distribuido, donde la capacidad de atraer talento internacional, producir investigación de impacto y mantener conexiones globales será cada vez más decisiva.
Vivek Soundararajan, profesor de Trabajo e Igualdad de la Universidad de Bath, examina críticamente el impacto real que la inteligencia artificial está teniendo sobre el empleo y cuestiona tanto el entusiasmo desmedido como las predicciones catastrofistas que dominan el debate público. Frente a los discursos que anuncian una transformación inmediata del mercado laboral o la desaparición masiva de puestos de trabajo, el autor sostiene que la evidencia empírica disponible muestra una realidad mucho más matizada.
La revolución de la IA ya ha comenzado, pero su desarrollo es desigual, sectorial y mucho más lento de lo que sugieren los titulares. En lugar de una sustitución generalizada del trabajo humano, lo que se observa es una incorporación gradual de herramientas de IA que mejoran determinadas tareas sin alterar todavía la estructura básica del empleo en la mayoría de las organizaciones.
El artículo reúne diversos estudios recientes que demuestran que la inteligencia artificial puede generar importantes aumentos de productividad en actividades intensivas en conocimiento. Entre ellos destaca un experimento en el que profesionales que utilizaron ChatGPT para tareas de redacción completaron su trabajo un 40 % más rápido y con una calidad aproximadamente un 18 % superior respecto a quienes no emplearon estas herramientas. Del mismo modo, investigaciones realizadas en centros de atención al cliente muestran incrementos significativos en el número de incidencias resueltas por hora gracias al apoyo de sistemas de IA. Estos resultados confirman que la tecnología puede mejorar la eficiencia en determinadas ocupaciones, especialmente aquellas basadas en la producción y el procesamiento de información. Sin embargo, Soundararajan advierte que estos éxitos experimentales no deben confundirse con una transformación completa del mercado laboral.
El autor destaca que las predicciones sobre una destrucción masiva de empleo aún no se han materializado. Los mercados laborales de los países desarrollados continúan mostrando niveles históricamente elevados de ocupación y, hasta el momento, las investigaciones no encuentran evidencias sólidas de pérdidas generalizadas de empleo ni de reducciones salariales atribuibles directamente a la adopción de la inteligencia artificial. Incluso estudios realizados en empresas pioneras en el uso de chatbots muestran efectos muy limitados sobre las horas trabajadas o los ingresos de los empleados. La explicación reside en que muchas tareas siguen requiriendo juicio humano, conocimiento tácito, interacción social, experiencia acumulada y presencia física, capacidades que la IA todavía no puede reproducir de forma fiable.
Uno de los aspectos más interesantes del análisis se refiere a la desigual distribución de los beneficios de la IA. Soundararajan observa que quienes más se benefician son, en muchos casos, los trabajadores con menor experiencia. La inteligencia artificial actúa como una herramienta que reduce la brecha de productividad entre empleados noveles y expertos al proporcionar asistencia inmediata en tareas complejas. Paradójicamente, esta ventaja plantea un problema de largo plazo: si las empresas reducen la contratación de perfiles junior porque la IA puede realizar parte de las tareas de aprendizaje inicial, podrían debilitar el proceso mediante el cual se forman los futuros profesionales expertos. Es decir, la tecnología puede mejorar el rendimiento presente mientras compromete el desarrollo del capital humano necesario para el futuro.
El artículo también analiza las diferencias entre sectores económicos. La adopción de la inteligencia artificial avanza de manera muy desigual: las empresas tecnológicas y los servicios basados en información incorporan estas herramientas con mucha mayor rapidez que sectores como la hostelería, el comercio o los servicios presenciales. Además, existe una diferencia importante entre experimentar con aplicaciones de IA e integrarlas realmente en los procesos organizativos. Muchas empresas utilizan herramientas de inteligencia artificial de forma puntual, pero todavía no han rediseñado su estructura de trabajo, sus flujos de información o sus modelos de negocio para aprovechar plenamente su potencial. Esto explica por qué el impacto agregado sobre la productividad de las economías sigue siendo relativamente modesto pese a la enorme atención mediática que recibe la IA.
Soundararajan sostiene que el verdadero reto no consiste únicamente en desarrollar modelos cada vez más potentes, sino en gestionar adecuadamente la transición organizativa y social que implica su adopción. La revolución tecnológica dependerá menos de la capacidad de los algoritmos que de la habilidad de las empresas para rediseñar procesos, formar a sus trabajadores y distribuir equitativamente las ganancias de productividad. Si la automatización elimina determinadas tareas de entrada sin crear nuevas oportunidades de aprendizaje y desarrollo profesional, podrían agravarse las desigualdades laborales y reducirse las posibilidades de movilidad profesional para las nuevas generaciones.
El autor defiende una posición equilibrada entre el optimismo tecnológico y el alarmismo. La inteligencia artificial está produciendo mejoras reales en productividad y modificará profundamente muchas ocupaciones, pero la transformación será gradual, heterogénea y dependerá tanto de decisiones organizativas como del propio avance tecnológico. El verdadero desafío no es determinar si la IA sustituirá a los trabajadores, sino cómo adaptar los sistemas educativos, las políticas laborales y las estrategias empresariales para que los beneficios de esta nueva revolución tecnológica se traduzcan en empleos de mayor calidad, oportunidades de aprendizaje continuo y un crecimiento económico más inclusivo.
Navarro, Federico, y Graciela Aparicio (coords.). Manual de lectura, escritura y oralidad académicas para ingresantes a la universidad. Buenos Aires: Universidad Argentina de la Empresa (UADE), 2026.
Manual de lectura, escritura y oralidad académicas para ingresantes a la universidad, coordinado por Federico Navarro y Graciela Aparicio, constituye una propuesta pedagógica destinada a facilitar la transición de los estudiantes hacia la cultura académica universitaria. Su propósito principal es acompañar el proceso de enculturación durante el primer año de estudios mediante el desarrollo de competencias fundamentales de lectura, escritura y comunicación oral, entendidas no como habilidades generales, sino como prácticas propias de la educación superior. Aunque el manual se orienta especialmente a estudiantes de Economía y Administración, sus planteamientos, estrategias y actividades poseen un carácter transversal que los hace aplicables a cualquier disciplina universitaria. La obra adopta como eje temático cuestiones relacionadas con la empresa, la sostenibilidad y la responsabilidad social, integrando así el aprendizaje de la comunicación académica con problemáticas de actualidad.
Uno de los principales aportes del manual es su concepción de la alfabetización académica como un proceso de incorporación progresiva a las formas de producir, interpretar y comunicar conocimiento características de la universidad. Los autores parten de la idea de que los estudiantes no llegan a la educación superior con un dominio completo de estas prácticas, por lo que resulta necesario enseñarlas explícitamente. En este sentido, el manual explica cuáles son las expectativas que la comunidad académica tiene respecto a quienes escriben y leen textos universitarios, cómo se construye el conocimiento mediante el diálogo con otros autores y por qué resulta esencial comprender las convenciones discursivas que regulan la producción científica y profesional.
La obra dedica una atención especial al desarrollo de la autoría académica. Los estudiantes aprenden que escribir en la universidad no consiste únicamente en reproducir información, sino en construir una voz propia fundamentada en evidencias y en el análisis crítico de las fuentes consultadas. Para ello, el manual aborda cuestiones como la identificación de fuentes científicamente fiables, la evaluación de su calidad y pertinencia, el uso adecuado de las citas y referencias bibliográficas y la integración de diferentes perspectivas para elaborar argumentos propios. De esta manera, fomenta una concepción ética y responsable de la escritura académica, basada en el reconocimiento del trabajo intelectual ajeno y en la prevención del plagio.
El contenido se organiza en siete capítulos, diseñados para desarrollarse a lo largo de un curso de aproximadamente 72 horas, en los que se trabajan de forma progresiva competencias esenciales para la producción de textos académicos. Entre ellas destacan la planificación de un informe de lectura, la formulación de afirmaciones y argumentos sólidos, la búsqueda y selección de información, el análisis crítico de fuentes, la organización de ideas, la construcción de una voz autoral y la revisión sistemática de los textos. Cada capítulo combina explicaciones conceptuales con actividades prácticas, ejemplos comentados y ejercicios que permiten aplicar inmediatamente los conocimientos adquiridos.
El informe de lectura constituye el género central alrededor del cual se articula buena parte de la propuesta didáctica. Los coordinadores consideran que este tipo de texto representa una herramienta privilegiada para el aprendizaje porque obliga a comprender, sintetizar, analizar, comparar y valorar críticamente distintos documentos antes de elaborar una interpretación propia. A través de una secuencia cuidadosamente estructurada, los estudiantes aprenden a planificar, redactar y revisar informes que no solo demuestran comprensión lectora, sino también capacidad de reflexión y argumentación, convirtiendo la escritura en un instrumento para aprender y construir conocimiento.
Otro aspecto destacable del manual es su flexibilidad metodológica. Aunque ha sido concebido para un contexto universitario concreto, los contenidos, actividades y estrategias pueden adaptarse fácilmente a otras titulaciones, instituciones y modalidades de enseñanza. Los autores proponen materiales reutilizables y escalables que permiten ajustar la profundidad de los contenidos según las necesidades de cada curso o programa formativo. Asimismo, la obra incorpora una amplia variedad de géneros discursivos y situaciones comunicativas que enriquecen la formación de los estudiantes y favorecen el desarrollo de competencias transferibles a distintos ámbitos académicos y profesionales.
En conjunto, el Manual de lectura, escritura y oralidad académicas para ingresantes a la universidad representa una valiosa contribución a la alfabetización académica en la educación superior. Su enfoque combina fundamentos teóricos sólidos con una orientación eminentemente práctica, ofreciendo a docentes y estudiantes un conjunto de herramientas para comprender cómo se produce y comunica el conocimiento en la universidad. Más que enseñar técnicas de redacción, el manual propone formar escritores y lectores capaces de participar activamente en las comunidades académicas, desarrollar pensamiento crítico y construir una identidad intelectual basada en el rigor, la reflexión y el uso responsable de la información.
Newman, Bobbi.Public Librarian’s Guide to Answering Health Questions. Librarian by Day, 29 de julio de 2026. Disponible en: Librarian by Day
The Public Librarian’s Guide to Answering Health Questions, una obra escrita por Bobbi Newman y Carolyn Martin que responde a una necesidad cada vez más urgente en las bibliotecas públicas: capacitar a los bibliotecarios para gestionar de forma competente las consultas relacionadas con la salud.
La iniciativa surge tras varios años de trabajo y adquiere especial relevancia en un contexto caracterizado por la proliferación de la desinformación sanitaria, el auge de los contenidos generados mediante inteligencia artificial y la creciente dificultad de la ciudadanía para distinguir entre información fiable y contenidos engañosos. Las autoras sostienen que las bibliotecas públicas continúan siendo uno de los pocos espacios comunitarios donde las personas pueden plantear dudas sobre cuestiones de salud en un entorno neutral, gratuito y basado en la confianza.
La guía parte de una premisa fundamental: los bibliotecarios no necesitan convertirse en profesionales sanitarios para desempeñar un papel esencial en la alfabetización en salud. Su función consiste en aplicar las competencias propias de la biblioteconomía —búsqueda, evaluación crítica, selección y mediación de la información— al ámbito de las consultas médicas, ayudando a los usuarios a localizar recursos rigurosos, comprensibles y actualizados. En este sentido, el libro enfatiza la importancia de mantener siempre unos límites profesionales claros: el bibliotecario no diagnostica, no prescribe tratamientos ni sustituye al personal sanitario, sino que facilita el acceso a información científica de calidad y orienta al ciudadano hacia las fuentes y los profesionales adecuados cuando la situación lo requiere.
Uno de los aspectos más destacados de la obra es su enfoque eminentemente práctico. El texto pretende reducir la inseguridad que experimentan muchos bibliotecarios cuando reciben preguntas relacionadas con enfermedades, medicamentos, tratamientos o prevención. Para ello proporciona estrategias de referencia, marcos éticos de actuación, recursos especializados, criterios para evaluar la calidad de la información y recomendaciones para afrontar conversaciones delicadas con empatía y profesionalidad. El objetivo no es únicamente mejorar la calidad del servicio bibliotecario, sino también fortalecer la confianza de los profesionales para responder a unas demandas que cada vez aparecen con mayor frecuencia en el servicio de referencia.
El libro también sitúa la alfabetización en salud dentro del problema más amplio de la desinformación. Las autoras advierten que los ciudadanos llegan a las bibliotecas influenciados por publicaciones virales en redes sociales, vídeos, recomendaciones personales o respuestas generadas por herramientas de inteligencia artificial que mezclan información correcta con errores o afirmaciones sin evidencia científica. Ante este escenario, la biblioteca pública se convierte en un actor clave para enseñar a evaluar la credibilidad de las fuentes, identificar información basada en evidencias y comprender mejor los riesgos asociados a la circulación de contenidos falsos o manipulados. La guía propone convertir la entrevista de referencia en una oportunidad educativa que ayude a desarrollar competencias críticas y autonomía informacional entre los usuarios.
Finalmente, la publicación reivindica el papel social de las bibliotecas como infraestructuras de salud comunitaria. Más allá de facilitar libros o acceso a Internet, las bibliotecas pueden contribuir al bienestar colectivo proporcionando información fiable que permita a las personas tomar decisiones mejor fundamentadas sobre su salud. La obra representa así una evolución del servicio bibliotecario tradicional hacia un modelo en el que la alfabetización informacional y la alfabetización en salud convergen para responder a uno de los mayores desafíos informativos de nuestro tiempo: combatir la desinformación y favorecer el acceso equitativo al conocimiento científico.
La sección de estadísticas de Sci-Hub ofrece una visión general del uso de la plataforma a partir de los datos recopilados exclusivamente de sus dominios oficiales. El objetivo de esta página es mostrar tendencias de utilización, especialmente en lo relativo a los países desde los que se realizan más descargas de artículos científicos. No obstante, el propio sitio advierte que estos datos representan únicamente una parte de la actividad total de Sci-Hub, ya que no incluyen las descargas realizadas a través de los numerosos dominios espejo (mirrors) que reproducen el servicio. En aquellos países donde los dominios principales han sido bloqueados por decisiones judiciales o administrativas, el tráfico hacia estos sitios alternativos puede ser considerablemente superior al registrado por los servidores originales.
El responsable del sitio también anuncia su intención de publicar en el futuro el registro completo de descargas (full Sci-Hub download log), lo que permitiría disponer de un conjunto de datos mucho más detallado para analizar patrones de acceso, distribución geográfica, frecuencia de uso y comportamiento de los usuarios. Un registro de esta naturaleza tendría un notable interés para investigadores especializados en comunicación científica, bibliometría y acceso abierto, ya que posibilitaría estudiar con mayor precisión cómo se distribuye el acceso informal a la literatura académica a escala mundial.
Entre los datos que actualmente se ofrecen destaca una clasificación de los países con mayor número de descargas durante el último mes. La tabla ordena las naciones según el volumen de artículos descargados, proporcionando una instantánea de los lugares donde Sci-Hub presenta una mayor utilización reciente. Este tipo de información permite identificar tendencias geográficas, observar variaciones temporales en el uso de la plataforma y detectar regiones donde la demanda de literatura científica mediante canales alternativos resulta especialmente intensa.
El dato más llamativo es el claro liderazgo de China, con 62.841.491 descargas, una cifra extraordinariamente superior a la del resto de los países. De hecho, el volumen chino supera ampliamente la suma de las descargas de todos los demás países del Top 20. Este predominio puede explicarse por una combinación de factores: el enorme tamaño de su comunidad científica, el elevado número de estudiantes e investigadores, la intensa actividad investigadora del país y las barreras de acceso a determinadas publicaciones internacionales.
En segundo lugar aparece Estados Unidos, con 14.565.580 descargas. Aunque la cifra es muy elevada, representa menos de una cuarta parte de las descargas registradas para China. Resulta especialmente significativo porque Estados Unidos alberga algunas de las universidades y centros de investigación con mayores presupuestos para suscripciones científicas. Ello confirma que el uso de Sci-Hub no responde únicamente a la falta de acceso institucional, sino también a razones de conveniencia, rapidez o facilidad de acceso a los artículos.
Existe un gran salto entre los dos primeros países y el resto del ranking. India, en tercera posición, registra 2.992.560 descargas, seguida por Rusia (1.936.812), Brasil (1.853.519) e Indonesia (1.444.790). Estos países representan grandes sistemas nacionales de educación superior y cuentan con millones de estudiantes e investigadores, pero también con importantes desigualdades en el acceso a la literatura científica comercial, lo que puede favorecer el recurso a plataformas alternativas como Sci-Hub.
En el grupo intermedio destacan Alemania, Singapur, Irán, Japón, Turquía, Francia y Corea del Sur, todos ellos con cifras comprendidas entre aproximadamente 700.000 y 1,3 millones de descargas. La presencia simultánea de países con infraestructuras científicas muy desarrolladas (Alemania, Francia, Japón o Corea del Sur) junto a otros con mayores limitaciones económicas demuestra que el uso de Sci-Hub constituye un fenómeno global y no exclusivo de los países con menos recursos.
Los últimos puestos del Top 20 corresponden a Países Bajos, Filipinas, México, Malasia, Reino Unido, Vietnam y Canadá, con cifras que oscilan entre unas 460.000 y 600.000 descargas. Aunque el volumen es inferior al de los primeros países del ranking, sigue representando un uso considerable de la plataforma. La presencia de países como Reino Unido o Canadá, cuyos sistemas universitarios disponen de amplias colecciones de revistas científicas, sugiere nuevamente que muchos usuarios recurren a Sci-Hub por la rapidez de acceso o para evitar barreras de autenticación.
Desde una perspectiva geográfica, Asia domina claramente la clasificación, con diez de los veinte países representados (China, India, Indonesia, Singapur, Irán, Japón, Turquía, Corea del Sur, Malasia y Vietnam). América aporta cuatro países (Estados Unidos, Brasil, México y Canadá), Europa cinco (Rusia, Alemania, Francia, Países Bajos y Reino Unido) y África no aparece representada entre los veinte primeros. Esta distribución refleja, en gran medida, dónde se concentra actualmente la producción científica mundial y el crecimiento de los sistemas de investigación.
La tabla también ilustra una desigualdad muy marcada en el uso de la plataforma. China registra aproximadamente 4,3 veces más descargas que Estados Unidos y más de veinte veces las de India, que ocupa el tercer lugar. Esto indica que el uso de Sci-Hub no está distribuido de forma uniforme, sino que se concentra en unos pocos países con grandes comunidades investigadoras.
Sin embargo, el propio sitio reconoce importantes limitaciones metodológicas que deben tenerse en cuenta al interpretar estas estadísticas. En particular, los datos no se depuran para eliminar el efecto del uso de redes privadas virtuales (VPN), servidores proxy ni accesos automatizados mediante robots. Como consecuencia, la localización geográfica que reflejan las direcciones IP puede no corresponder con la ubicación real del usuario. Un ejemplo señalado expresamente es el del Reino Unido, donde el acceso a Sci-Hub ha sido restringido en diversas ocasiones; muchos usuarios recurren a servidores VPN situados en Estados Unidos para acceder al servicio, de modo que sus descargas aparecen registradas como procedentes de ese país. Este fenómeno puede distorsionar significativamente la distribución geográfica observada y sobreestimar el uso en determinadas regiones mientras subestima el de otras.
Estas advertencias ponen de manifiesto que las estadísticas deben interpretarse como una aproximación al comportamiento de los usuarios y no como una representación exacta del consumo mundial de artículos científicos a través de Sci-Hub. A ello se suma el hecho de que la exclusión de los dominios espejo implica que una parte sustancial del tráfico internacional queda fuera del análisis. En consecuencia, los datos disponibles son útiles para identificar tendencias generales y realizar comparaciones aproximadas, pero no constituyen una medición exhaustiva del uso global de la plataforma.
En conjunto, esta sección refleja el interés de Sci-Hub por aportar cierta transparencia sobre la utilización del servicio y por facilitar datos que puedan ser analizados por la comunidad investigadora. Al mismo tiempo, el propio sitio reconoce las limitaciones técnicas y metodológicas inherentes a la recopilación de estos datos, recordando que factores como la censura de dominios, el empleo de VPN, los accesos automatizados y la existencia de múltiples réplicas del servicio condicionan la fiabilidad de las estadísticas y hacen necesario interpretarlas con cautela.
Universo Abierto 