Archivo por años: 2023

Hacia una biblioteca gestionada por la comunidad

Una Community-Led Library (Biblioteca Dirigida por la Comunidad) es un enfoque y modelo de gestión de bibliotecas que coloca a la comunidad de usuarios en el centro de todas sus decisiones y servicios. En lugar de seguir un enfoque tradicional en el que los profesionales de la biblioteca determinan los servicios y recursos que se ofrecen, una biblioteca dirigida por la comunidad busca activamente la participación y colaboración de los usuarios y la comunidad local en la planificación, diseño y operación de la biblioteca.

En una biblioteca dirigida por la comunidad, se presta especial atención a la escucha activa de los intereses, necesidades y deseos de la comunidad a la que sirve. Esto implica llevar a cabo investigaciones, encuestas y consultas para comprender las expectativas de los usuarios y asegurarse de que la biblioteca esté proporcionando servicios y recursos que sean verdaderamente relevantes y significativos para ellos.

El proyecto Working Together fue un proyecto financiado por el Gobierno de Canadá que se desarrolló entre 2004 y 2008 en cuatro ciudades canadienses. Durante esos cuatro años, la Biblioteca Pública de Vancouver, las Bibliotecas Públicas de Halifax, la Biblioteca Pública de Toronto y la Biblioteca Pública de Regina experimentaron con la adaptación de técnicas de desarrollo comunitario para desarrollar un enfoque más integrador del servicio de biblioteca pública.

Como parte de estos objetivos, el proyecto desarrolló el Modelo de Planificación de Servicios Dirigidos por la Comunidad, para guiar a las bibliotecas en la planificación y prestación de servicios bibliotecarios inclusivos. Al final del proyecto, se publicó The Community-Led Libraries Toolkit para proporcionar información sobre las experiencias del proyecto, así como orientación práctica y filosófica para la aplicación del Modelo de planificación de servicios dirigidos por la comunidad. Desde que finalizó el proyecto, los sistemas bibliotecarios de todo Canadá y de otros países han utilizado el kit de herramientas, que también ha servido como herramienta didáctica en programas de educación bibliotecaria.

A continuación, se presenta una estrategia que puede guiar el proceso:

  1. Investigación y diagnóstico: Realizar una investigación profunda para comprender las necesidades y características de la comunidad a la que se quiere servir. Esto implica llevar a cabo encuestas, entrevistas, grupos de enfoque y análisis de datos demográficos para obtener una visión clara de qué servicios y recursos son más relevantes y necesarios.
  2. Constituir un comité asesor: Formar un grupo de usuarios representativo de la comunidad para que participe activamente en la planificación y toma de decisiones de la biblioteca. Este comité asesor debe reflejar la diversidad y pluralidad de la comunidad.
  3. Planificación participativa: Involucrar a la comunidad en sesiones de planificación y diseño de la biblioteca. Escuchar sus ideas y opiniones para garantizar que la biblioteca refleje sus intereses y necesidades.
  4. Diseño del espacio: Incluir a los usuarios en el diseño del espacio de la biblioteca. Preguntarles sobre la disposición de los estantes, zonas de lectura, áreas de juego para niños, espacios de estudio y zonas para eventos y actividades.
  5. Selección de colecciones: Invitar a la comunidad a sugerir materiales para la colección de la biblioteca. Esto puede ayudar a asegurar que los recursos sean relevantes y de interés para los usuarios.
  6. Programación comunitaria: Desarrollar programas y actividades basados en los intereses y necesidades de la comunidad. Esto puede incluir clubes de lectura, talleres, charlas, eventos culturales y actividades para todas las edades.
  7. Colaboración con organizaciones locales: Establecer alianzas con otras instituciones y organizaciones locales para ofrecer servicios complementarios y enriquecer la oferta de la biblioteca. Por ejemplo, colaborar con escuelas, centros comunitarios o grupos culturales.
  8. Capacitación y empoderamiento: Brindar oportunidades de capacitación para que los miembros de la comunidad adquieran habilidades en el uso de recursos de la biblioteca y en la realización de sus propios proyectos.
  9. Promoción y difusión: Utilizar estrategias de marketing efectivas para promocionar los servicios y eventos de la biblioteca, asegurándose de llegar a todos los sectores de la comunidad.
  10. Evaluación continua: Realizar evaluaciones periódicas para obtener retroalimentación de la comunidad sobre el funcionamiento de la biblioteca y realizar mejoras en base a los comentarios recibidos.
  11. Inclusividad y accesibilidad: Asegurarse de que la biblioteca sea inclusiva y accesible para todas las personas, incluyendo a aquellos con necesidades especiales o en situaciones vulnerables.
  12. Flexibilidad y adaptación: Mantenerse abierto al cambio y a la evolución de las necesidades de la comunidad. La biblioteca debe ser flexible y estar dispuesta a adaptarse a medida que la comunidad cambie y crezca.
  13. Medición de impacto: Establecer indicadores para medir el impacto de la biblioteca en la comunidad. Evaluar el alcance de los servicios y el grado de satisfacción de los usuarios para demostrar el valor y la relevancia de la biblioteca.
  14. Participación digital: Ampliar el alcance de la biblioteca a través de plataformas digitales y redes sociales para llegar a un público más amplio y diverso.
  15. Preservación del patrimonio local: Incluir en la biblioteca materiales y recursos que reflejen la historia y cultura local, preservando el patrimonio y la identidad de la comunidad.

Así, una biblioteca dirigida por la comunidad busca ser un espacio dinámico y participativo donde los usuarios se sientan involucrados y parte activa de la vida bibliotecaria. Este enfoque puede generar un mayor sentido de pertenencia y aprecio por la biblioteca como un recurso valioso para el desarrollo cultural, educativo y social de la comunidad a la que sirve.

Estrategia pedagógica para la alfabetización en comunicación académica y para evitar prácticas editoriales engañosas

Buitrago Ciro, Jairo, y Jonathan Hernández Pérez. «Pedagogical Strategy for Scholarly Communication Literacy and Avoiding Deceptive Publishing Practices». Journal of Librarianship and Information Science, 20 de julio de 2023, 09610006231187686. https://doi.org/10.1177/09610006231187686.

Informar y apoyar a los investigadores para que comprendan los retos de la comunicación académica, en particular cómo evitar prácticas editoriales engañosas, sigue siendo un reto para la comunidad académica y sus partes interesadas. A lo largo de la última década, esta comunidad ha desarrollado diversas estrategias para ayudar a sus miembros a abordar esta cuestión. Sin embargo, estas medidas no parecen ser suficientes, y muchos investigadores, sobre todo los más jóvenes y con menos experiencia, siguen siendo presa de publicaciones depredadoras.

Este artículo presenta una serie de talleres sobre alfabetización en comunicación académica como estrategia pedagógica para concienciar y evitar que los investigadores noveles sean víctimas de los retos de la comunicación académica y de prácticas de publicación poco éticas. La mayoría de los participantes percibieron estos talleres de formación como un enfoque educativo eficaz. Los resultados de estos seminarios educativos demuestran que este tipo de estrategia pedagógica que consta de enfoques de formación, sensibilización y prevención es un factor clave para informar y advertir a los investigadores noveles sobre los escollos de la comunicación académica y las prácticas editoriales engañosas.

Congreso MOVA: Memoria Oral y Voces de América

Congreso MOVA: Memoria Oral y Voces de América

27 y 28 de Julio de 2023 9 a 12:30 de España

Evento Híbrido

Instituto de Iberoamérica de la Universidad de Salamanca

Quienes quieran conectarse como asistentes lo podrán hacer libre y gratuitamente en: https://l1nq.com/I5Ntn 

Programa jueves 27 de julio 2023

Programa jueves 28 de julio 2023

Desde sus inicios el MOVA se ha caracterizado por la interdisciplinariedad y diversidad de voces y formatos en los cuales se expresan estas voces, pensamientos, realidades sociales, praxis pedagógicas, políticas, estéticas, filosóficas, literarias, lingüísticas, patrimoniales, etc. Cada expositor de distintas latitudes de América y de Iberoamérica expone en su idioma y comparte sus estudios, arte, hallazgos, reflexiones, han pasado en anteriores MOVA escritores como Liliana de la Quintana, Chary Elías Caurey, Gladys Mendía, Fanthy Velarde, Ignacio Tomichá, Luca Ciucci, Marcelo Careaga, entre tantos.

Los diálogos, las reflexiones y análisis que se realizan en cada MOVA forman parte del marco dialógico de investigaciones doctorales y postdoctorales con las que la filóloga Claudia Vaca va sistematizando sus estudios para divulgar y dar a conocer el vasto patrimonio y los diversos registros sonoros de América, junto a su director Marcelo Careaga Butter y su co director Luca Ciucci.

Gracias a las tecnologías de información y comunicación podemos volver a mirar, escuchar y disfrutar de estas voces.

Aquí les dejo la grabación del primer y segundo MOVA que hicimos con la Dirección de Cultura de la Universidad Católica de la Santísima Concepción-UCSC el año 2020 y el año 2021, junto a la gestora cultural Sandra Salazar.

Este año 2023 gracias al apoyo de la Universidad de Salamanca, junto a Profes Fuera de la Caja, Dirección de Investigación UCSC, Doctorado en Educación en consorcio UCSC-UCM-UCT-U del Bío Bío, Museo de Historia de la UAGRM, será híbrido desde la plataforma web de Profes fuera de la caja y presencial en el Instituto de Iberoamérica de la Universidad de Salamanca estaremos realizando el 3er MOVA, aquí pueden conocer un poco de lo que será este III MOVA 2023

La coordinación la hacen la filóloga y poeta Claudia Vaca junto al bibliotecólogo y divulgador cultural Julio Alonso Arévalo. Este año será en formato híbrido, habrá expositores presenciales en el aula 2.2 del Instituto de Iberoamérica de la Universidad de Salamanca y expositores online.

Taxonomía de la Ciencia Abierta con Julio Santillán Aldana y con Remedios Melero. Planeta Biblioteca 2023/07/21

Taxonomía de la Ciencia Abierta

con Julio Santillán Aldana y con Remedios Melero

Planeta Biblioteca 2023/07/21

ESCUCHAR EL PROGRAMA

Ir a descargar

Silveira, L. da, Ribeiro, N. C., Melero, R., Mora-Campos, A. ., Piraquive-Piraquive, D. F. ., Uribe-Tirado, A., Sena, P. M. B., Polanco-Cortés, J. ., Santillán-Aldana, J. ., Silva, F. C. C. da ., Araújo, R. F. ., Enciso-Betancourt, A. M. e Fachin, J. (2023) “Taxonomia da Ciência Aberta: revisada e ampliada”, Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, 28, p. 1–22. doi: 10.5007/1518-2924.2023.e91712.

Artículo en español

Hoy tuvimos la oportunidad de conversar con Julio Santillán Aldana y Remedios Melero acerca de la publicación de una taxonomía de la Ciencia Abierta, un proyecto en el que representan a un grupo de 12 investigadores de Latinoamérica y España. Durante la entrevista, exploramos los detalles de este proyecto y sus implicaciones en la comunicación científica. El proyecto de la taxonomía de la Ciencia Abierta surgió como una iniciativa para clasificar y organizar de manera sistemática las diferentes prácticas, enfoques y metodologías que conforman el campo emergente de la Ciencia Abierta. Este enfoque representa una mirada inclusiva y colaborativa hacia la investigación científica, y se centra en la apertura y accesibilidad de datos, métodos y resultados para fomentar la transparencia y la colaboración. En cuanto a las implicaciones en la comunicación científica, la taxonomía de la Ciencia Abierta proporciona una estructura clara para que los investigadores, instituciones y comunidades puedan entender, discutir y aplicar conceptos relacionados con la Ciencia Abierta de manera más precisa y efectiva. Esto facilita la comunicación entre expertos y el público en general, lo que a su vez puede aumentar la difusión y comprensión de las prácticas de Ciencia Abierta en la comunidad científica y en la sociedad en general. La importancia de disponer de un recurso como esta taxonomía radica en que proporciona una base sólida y estructurada para avanzar en la comprensión y la aplicación de la Ciencia Abierta. Al contar con una clasificación precisa de las prácticas y enfoques dentro de este ámbito, se facilita la colaboración entre investigadores y la identificación de áreas de mejora y oportunidades para futuras investigaciones. Además, este recurso también puede servir como guía para las instituciones y políticas científicas en la promoción de prácticas más abiertas y transparentes.

¿Qué diferencia una taxonomía de una ontología y una clasificación?

Una taxonomía, una ontología y una clasificación son conceptos relacionados pero distintos en el ámbito de la organización y clasificación del conocimiento. Todos estos términos provienen del ámbito de la organización y clasificación del conocimiento, especialmente en el campo de la informática y la ciencia de la información. Veamos sus diferencias:

1. Taxonomía: Una taxonomía es un sistema de clasificación jerárquica que organiza y agrupa elementos en categorías o niveles basados en características compartidas. La idea principal de una taxonomía es agrupar elementos similares y colocarlos en categorías más amplias y generales, lo que facilita la navegación y comprensión de una colección de datos o conceptos.

    Ejemplo de una taxonomía para animales:

    • Reino: Animalia
    • Filo: Chordata
    • Clase: Mammalia
    • Orden: Carnivora
    • Familia: Felidae
    • Género: Panthera
    • Especie: Panthera leo (León)

    En este ejemplo, la taxonomía clasifica al león en diversas categorías jerárquicas desde su reino hasta su especie, donde cada nivel representa una categoría más específica y única.

    2. Ontología: Una ontología es un modelo conceptual que describe las relaciones y propiedades entre los conceptos dentro de un dominio específico. Es un enfoque más formal y rico en términos de representación del conocimiento, y se utiliza para comprender y describir las relaciones semánticas entre las entidades de un dominio en particular.

      La ontología se basa en la lógica y la semántica, y permite establecer relaciones más complejas entre los conceptos que la mera clasificación jerárquica de una taxonomía. Las ontologías son ampliamente utilizadas en inteligencia artificial, web semántica y otras áreas donde es crucial tener una comprensión precisa de la estructura y el significado de los datos.

      Ejemplo de una ontología para un dominio de ventas:

      • Clase: Producto Propiedades: Nombre, Precio, Descripción, Categoría
      • Clase: Cliente Propiedades: Nombre, Dirección, Correo electrónico
      • Clase: Orden Propiedades: Fecha, Total, Tienda, Cliente Relaciones: Contiene_Producto (relación con clase Producto), Pertenece_a_Cliente (relación con clase Cliente)

      En este ejemplo, la ontología describe entidades como Producto, Cliente y Orden, junto con sus propiedades y relaciones, permitiendo un modelado más completo y semántico del dominio de ventas.

      3. La clasificación es un enfoque más general para organizar y categorizar elementos basados en criterios específicos. Puede incluir tanto taxonomías como ontologías, así como otros métodos de organización y clasificación, como etiquetado, palabras clave, etc. El propósito de una clasificación es organizar y hacer accesible el contenido o los datos de una manera que sea útil para los usuarios, permitiendo la búsqueda y recuperación de información de manera efectiva.

      En resumen, una taxonomía se enfoca en organizar elementos en categorías jerárquicas basadas en características compartidas, una ontología se centra en modelar las relaciones semánticas entre los conceptos en un dominio específico para una representación más rica y estructurada, mientras que un sistema de clasificación es un enfoque más general que puede incluir tanto taxonomías como ontologías, además de otros métodos de organización y clasificación.

      La mitad de los estudiantes admite haber utilizado ChatGPT u otras aplicaciones de inteligencia artificial para realizar la mayoría de sus tareas académicas

      «Half of College Students Say Using AI Is Cheating | BestColleges». Accedido 21 de julio de 2023. https://www.bestcolleges.com/research/college-students-ai-tools-survey/.

      Una encuesta reciente realizada a 1.000 estudiantes universitarios y de posgrado reveló datos alarmantes: el 43% de los estudiantes encuestados admitió haber utilizado ChatGPT u otras aplicaciones de inteligencia artificial similares; el 30% confesó haber recurrido a la inteligencia artificial para realizar la mayoría de sus tareas académicas; y el 17% aceptó haber presentado trabajos de curso generados por la inteligencia artificial sin editarlos o modificarlos. Algo más de la mitad de los estudiantes (51%) son consciente de que utilizar herramientas de IA para realizar trabajos y exámenes se considera trampa o plagio. Dos de cada diez (20%) no están de acuerdo y el resto se muestra neutral.

      Entre los estudiantes que afirman haber utilizado herramientas de IA para sus tareas escolares, la mitad (50%) las utiliza para algunas partes, pero realiza la mayor parte por sí mismo. Tres de cada diez (30%) utilizan la IA para la mayor parte de su tarea, y el 17% la utiliza para completar una tarea y entregarla sin modificaciones.

      Estos resultados ponen de manifiesto el impacto que la inteligencia artificial está teniendo en el ámbito educativo, pero también resaltan el creciente problema de la deshonestidad académica. La facilidad con la que se puede acceder y utilizar herramientas de IA para hacer trampas plantea desafíos éticos y académicos para las instituciones educativas y los educadores.

      Es esencial abordar esta problemática y fomentar la integridad académica entre los estudiantes. Las instituciones educativas deben tomar medidas para concienciar sobre los riesgos de hacer trampas con la IA y promover una cultura de honestidad y responsabilidad en el aprendizaje. Asimismo, es importante desarrollar estrategias de detección y prevención efectivas para abordar esta situación y garantizar la equidad y la legitimidad en la evaluación del rendimiento estudiantil.

      Resumen de datos

      • El 43% de los estudiantes universitarios ha utilizado ChatGPT o una aplicación de IA similar.
      • De los que han utilizado herramientas de IA, el 50% dice haberlas utilizado para ayudar a completar tareas o exámenes. Esto supone el 22% de todos los universitarios encuestados.
      • Sin embargo, la mayoría de los estudiantes universitarios (57%) no tienen intención de utilizar o seguir utilizando la IA para completar sus tareas escolares.
      • El 31% afirma que sus profesores, los materiales del curso o los códigos de honor de la escuela han prohibido explícitamente las herramientas de IA.
      • Más de la mitad de los estudiantes universitarios (54%) afirma que sus profesores no han hablado abiertamente del uso de herramientas de IA como ChatGPT.
      • 6 de cada 10 universitarios (60%) afirman que sus profesores o centros de enseñanza no han especificado cómo utilizar las herramientas de IA de forma ética o responsable.
      • El 61% de los estudiantes universitarios cree que las herramientas de IA como ChatGPT se convertirán en la nueva normalidad.

      Esta encuesta se llevó a cabo del 6 al 13 de marzo de 2023 y fue realizada por Pure Spectrum. Participaron en la encuesta 1.000 encuestados de todo el país que estaban matriculados en un programa de grado o posgrado presencial, en línea o híbrido. Los encuestados tenían entre 16 y 61 años, la mayoría (94%) entre 16 y 32 años, y estaban cursando estudios de grado, licenciatura, máster, doctorado o formación profesional.

      ¿Son fiables los detectores de texto generado por Inteligencia artificial?

      Hines, Kristi. «Should You Trust An AI Detector?» Search Engine Journal, 18 de julio de 2023. https://www.searchenginejournal.com/should-you-trust-an-ai-detector/491949/.

      La IA generativa está ganando terreno y se está utilizando cada vez más para crear diversos tipos de contenidos, como texto, imágenes, música y más. Esto ha llevado a una creciente preocupación sobre la fiabilidad de los detectores de IA para discernir entre contenidos generados por humanos y aquellos creados por algoritmos de inteligencia artificial. Turnitin resultó ser la herramienta más precisa en todos los enfoques, seguida de Compilatio y GPT-2 Output Detector.

      Detectar y verificar si un contenido fue generado por una IA o por un ser humano es un desafío en constante evolución. A medida que la tecnología de IA avanza, también lo hacen las técnicas para ocultar la autoría de los contenidos generados por algoritmos. Esto puede plantear problemas en términos de veracidad, credibilidad y confiabilidad de la información que se comparte en línea. Para abordar esta preocupación, se han llevado a cabo diversos estudios para evaluar la eficacia de las herramientas de detección de IA en esta tarea. Estos estudios buscan mejorar y perfeccionar los algoritmos de detección y establecer métricas para evaluar su precisión.

      Algunos enfoques utilizan marcadores específicos que pueden identificar ciertas características o patrones que son más comunes en contenidos generados por IA. Otros enfoques buscan analizar el estilo y la estructura de los textos o imágenes para identificar indicios de automatización.

      ¿Son parciales los detectores de IA? Los investigadores encontraron que los detectores de contenidos de IA, especialmente aquellos diseñados para identificar contenidos generados por modelos de lenguaje como GPT, pueden presentar un sesgo significativo en contra de los escritores no nativos de inglés. El estudio descubrió que estos detectores, diseñados para diferenciar entre contenidos generados por IA y contenidos generados por humanos, clasifican erróneamente muestras de escritura en inglés no nativo como generadas por IA, mientras que identifican con precisión muestras de escritura en inglés nativo.

      Utilizando muestras de escritura de escritores nativos y no nativos, los investigadores descubrieron que los detectores clasificaban erróneamente más de la mitad de estas últimas muestras como generadas por IA. Los resultados sugieren que los detectores de GPT pueden penalizar involuntariamente a los escritores con expresiones lingüísticas limitadas, lo que subraya la necesidad de prestar más atención a la equidad y solidez de estas herramientas. Esto podría tener implicaciones significativas, sobre todo en contextos evaluativos o educativos, donde los hablantes no nativos de inglés podrían verse inadvertidamente penalizados.

      Los investigadores también destacan la necesidad de seguir investigando para hacer frente a estos sesgos y perfeccionar los métodos de detección actuales para garantizar un panorama digital más equitativo y seguro para todos los usuarios.

      En otro estudio sobre texto generado por IA, los investigadores documentan la optimización de ejemplos en contexto basada en la sustitución (SICO), que permite a los grandes modelos lingüísticos (LLM) como ChatGPT eludir la detección de los detectores de texto generado por IA. En el estudio se utilizaron tres tareas para simular situaciones reales de uso de los LLM en las que es crucial detectar el texto generado por IA: redacciones académicas, preguntas y respuestas abiertas y reseñas comerciales.

      También se probó SICO frente a seis detectores representativos -incluidos modelos basados en la formación, métodos estadísticos y API- que superaron sistemáticamente a otros métodos en todos los detectores y conjuntos de datos.

      Los investigadores comprobaron que SICO era eficaz en todos los escenarios de uso probados. En muchos casos, el texto generado por SICO era indistinguible del texto escrito por humanos. Sin embargo, también pusieron de relieve el posible mal uso de esta tecnología. Dado que SICO puede ayudar a que el texto generado por IA evada la detección, los actores malintencionados también podrían utilizarla para crear información engañosa o falsa que parezca escrita por humanos.

      Ambos estudios señalan el ritmo al que el desarrollo de la IA generativa supera al de los detectores de texto de IA, y el segundo hace hincapié en la necesidad de una tecnología de detección más sofisticada.

      Los investigadores de un tercer estudio recopilaron estudios anteriores sobre la fiabilidad de los detectores de IA, seguidos de sus datos, y publicaron varias conclusiones sobre estas herramientas.

      • Aydin & Karaarslan (2022) revelaron que iThenticate, una popular herramienta de detección de plagio, encontró altas tasas de coincidencia con el texto parafraseado por ChatGPT.
      • Wang et al. (2023) descubrieron que es más difícil detectar código generado por IA que contenido en lenguaje natural. Además, algunas herramientas mostraron sesgos, inclinándose por identificar el texto como generado por IA o escrito por humanos.
      • Pegoraro et al. (2023) descubrieron que detectar texto generado por ChatGPT es muy difícil, y que la herramienta más eficaz lograba una tasa de éxito inferior al 50%.
      • Van Oijen (2023) reveló que la precisión global de las herramientas en la detección de texto generado por IA era sólo de alrededor del 28%, y que la mejor herramienta lograba sólo un 50% de precisión. Por el contrario, estas herramientas eran más eficaces (alrededor del 83% de precisión) en la detección de contenido escrito por humanos.
      • Anderson et al. (2023) observaron que la paráfrasis reducía notablemente la eficacia del detector de salida GPT-2.

      Utilizando 14 herramientas de detección de texto generadas por IA, los investigadores crearon varias docenas de casos de prueba en diferentes categorías, entre ellas:

      Texto escrito por humanos.
      Texto traducido.
      Texto generado por IA.
      Texto generado por IA con ediciones humanas.
      Texto generado por IA con parafraseo de IA.

      La mayoría de las herramientas probadas mostraron un sesgo hacia la clasificación precisa del texto escrito por humanos, en comparación con el texto generado o modificado por IA. El estudio destacó también el riesgo de falsas acusaciones y casos no detectados. Los falsos positivos fueron mínimos en la mayoría de las herramientas, excepto en GPT Zero, que presentó una tasa elevada.

      Los casos no detectados eran preocupantes, sobre todo en el caso de los textos generados por IA que habían sido editados por personas o parafraseados por máquinas. La mayoría de las herramientas tenían dificultades para detectar este tipo de contenidos, lo que supone una amenaza potencial para la integridad académica y la imparcialidad entre los estudiantes. Turnitin resultó ser la herramienta más precisa en todos los enfoques, seguida de Compilatio y GPT-2 Output Detector.

      Los investigadores sugieren que abordar estas limitaciones será crucial para implantar eficazmente herramientas de detección de texto generadas por IA en entornos educativos, garantizando la detección precisa de conductas indebidas y minimizando al mismo tiempo las acusaciones falsas y los casos no detectados.

      ¿Deberíamos confiar en las herramientas de detección de IA basándose en los resultados de estos estudios? Aunque los detectores de IA han demostrado cierta precisión a la hora de detectar texto generado por IA, también han mostrado sesgos, problemas de usabilidad y vulnerabilidades ante las técnicas de elusión Se necesitan mejoras para corregir los sesgos, aumentar la robustez y garantizar una detección precisa en diferentes contextos. La investigación y el desarrollo continuados son cruciales para fomentar la confianza en los detectores de IA y crear un panorama digital más equitativo y seguro.

      ¿Qué es el fediverso?

      El Fediverso, también conocido como «Federación de Redes Sociales», es un término que hace referencia a un conjunto de redes sociales descentralizadas e interconectadas que comparten protocolos y estándares comunes. Estas redes permiten a los usuarios interactuar entre sí, sin importar en qué red específica estén registrados.

      Si te has descargado recientemente la nueva aplicación Threads de Meta -una plataforma de redes sociales que, según algunos, rivaliza con Twitter-, te habrás dado cuenta de que planea unirse al fediverso. Antes de que puedas unirte a Threads, aparece una advertencia: «Las futuras versiones de Threads funcionarán dentro del fediverso, un nuevo tipo de red de medios sociales que permite a la gente seguir e interactuar entre sí en diferentes plataformas». Sus defensores afirman que es similar a los primeros días de Internet, cuando las grandes tecnológicas aún no habían creado las redes sociales, que se basan en la publicidad y utilizan algoritmos para mantener al usuario en sus plataformas.

      Significa que puedes tener una cuenta en un servicio y publicar en otros, y que otras personas pueden leer tus cosas y conectar contigo. Puedes tener relaciones y amistades, relaciones familiares que no dependen del servicio que estés utilizando. Ésa es la promesa de Fediverso.

      ¿Qué significa eso exactamente?

      Imagínate que publicas un tuit en Facebook o le das a me gusta a un carrete de Instagram en TikTok. El fediverso -una combinación de las palabras federación y universo- es un colectivo informal de servidores descentralizados que funcionan con estándares de código abierto. A diferencia de las redes sociales tradicionales, fediverse permite a los usuarios conectarse y comunicarse con otros usuarios a través de múltiples plataformas.

      El concepto se basa en la idea de descentralizar las redes sociales, en contraposición a las redes centralizadas donde una única entidad controla y administra todos los datos y la comunicación de los usuarios. En el Fediverso, cada red social es operada y gestionada de forma independiente, y los usuarios pueden elegir la plataforma que mejor se adapte a sus necesidades sin perder la capacidad de interactuar con personas de otras redes dentro del mismo ecosistema.

      El protocolo que posibilita la interoperabilidad en el Fediverso se llama ActivityPub. Este protocolo permite que los mensajes y las interacciones entre usuarios de diferentes redes sociales se transmitan y se compartan de manera descentralizada. De esta manera, si un usuario está registrado en una red social A y otro usuario en una red social B, ambos pueden interactuar, seguirse y compartir contenido a pesar de estar en plataformas distintas.

      Dentro del Fediverso, podemos encontrar diversas redes sociales que son parte de esta federación, como Mastodon (una red social similar a Twitter), PeerTube (una plataforma de alojamiento y compartición de vídeos) y Pixelfed (una red social de imágenes similar a Instagram), entre otras.

      El Fediverso ha ganado popularidad en los últimos años debido a su enfoque en la privacidad, la seguridad y la descentralización de las redes sociales. Ofrece a los usuarios una alternativa más libre y diversa al modelo tradicional de redes sociales centralizadas, permitiéndoles ser parte de una comunidad global y conectarse con personas de diferentes plataformas, compartiendo intereses y opiniones en un entorno más inclusivo y colaborativo.

      Digital Public Library of America (DPLA) lanza el Club de Libros Prohibidos para dar acceso gratuito a libros censurados en Estados Unidos

      The Banned Book Club

      El Club del Libro Prohibido es un esfuerzo para garantizar que todos los lectores tengan acceso a todos los libros que quieran leer. Su misión es proporcionar a cualquier persona que se encuentre en una biblioteca que haya prohibido un libro el acceso a la versión digital de forma gratuita

      The Digital Public Library of America (DPLA) ha puesto en marcha el Club del Libro Prohibido para garantizar que los lectores de las comunidades afectadas por la prohibición de libros puedan acceder gratuitamente a los libros prohibidos a través de la aplicación Palace e-reader. El Club de Libros Prohibidos pone a disposición de los lectores versiones electrónicas de libros prohibidos en lugares de Estados Unidos donde se han prohibido títulos. Los libros electrónicos estarán a disposición de los lectores de forma gratuita a través de la aplicación Palace e-reader.

      «En la DPLA, nuestra misión es garantizar el acceso al conocimiento para todos y creemos en el poder de la tecnología para promover ese acceso», dijo John S. Bracken, director ejecutivo de la Biblioteca Pública Digital de América. «Hoy en día, la prohibición de libros es una de las mayores amenazas a nuestra libertad, y hemos creado The Banned Book Club para aprovechar el doble poder de las bibliotecas y la tecnología digital y garantizar que todos los estadounidenses puedan acceder a los libros que desean leer.»

      Utilizando la geolocalización basada en GPS, la DPLA ha creado bibliotecas virtuales en comunidades de todo Estados Unidos donde se han prohibido libros. Cuando un lector se encuentra en una comunidad donde hay una biblioteca que se ha visto obligada a prohibir un libro, puede visitar TheBannedBookClub.info para ver exactamente qué libros se han prohibido en su zona. A continuación, pueden descargar el libro gratuitamente en cualquier dispositivo portátil a través de la aplicación gratuita Palace e-reader.

      El acceso abierto «a cualquier precio» no es sostenible

      Impact of Social Sciences. «Open Access ‘at Any Cost’ Cannot Support Scholarly Publishing Communities», 20 de julio de 2023. https://blogs.lse.ac.uk/impactofsocialsciences/2023/07/20/open-access-at-any-cost-cannot-support-scholarly-publishing-communities/.

      Kaitlin Thaney argumenta que el actual impulso hacia modelos de publicación académica «sin costes» y la definición de «costes razonables» para la publicación, brindan oportunidades para corregir las desigualdades, los costos y las dinámicas de poder que se generaron inicialmente por el enfoque del acceso abierto «a cualquier precio» durante las últimas dos décadas.

      El reciente llamamiento del Consejo de la UE en favor de un acceso inmediato y sin restricciones a la investigación financiada con fondos públicos en el ámbito editorial ha provocado reacciones por parte de los gigantes comerciales de la industria editorial. Expresan su preocupación por el hecho de que avanzar hacia sistemas más equitativos sin una claridad sobre quién asumirá los costes actuales de publicación conduciría a la abolición del sistema actual. Esta reacción no es nueva; los editores comerciales expresaron preocupaciones similares cuando el Instituto Nacional de Salud de EE.UU. ordenó en 2007 que la investigación financiada con fondos federales se pusiera a disposición del público un año después de su publicación. El Instituto Canadiense de Investigación Sanitaria y la Comisión Europea también adoptaron medidas similares.

      En respuesta a estas preocupaciones, PNAS organizó una cumbre en marzo de 2008, que reunió a editores de la sociedad, comerciales y de acceso abierto, junto con financiadores, defensores y otras partes interesadas, en las Academias Nacionales en Washington, D.C. Las discusiones en el Gran Salón se hicieron eco de los temores y afirmaciones familiares de que conceder un acceso más inmediato a la investigación llevaría a la ruina financiera a los editores, perturbaría sus modelos de ingresos y dañaría permanentemente el panorama editorial.

      Los debates en curso y las reacciones de los editores comerciales ponen de relieve los retos y la resistencia a los que se enfrentan cuando intentan reformar los modelos editoriales tradicionales y adoptar los principios del Acceso Abierto. Sin embargo, los defensores del Acceso Abierto y de los modelos «no se paga» ven en ello una oportunidad para abordar las desigualdades existentes y crear un ecosistema editorial más sostenible y equitativo. Al encontrar un equilibrio entre los costes de publicación y garantizar un acceso más amplio a la investigación, puede ser posible configurar un futuro en el que la edición académica sirva tanto a la comunidad académica como al interés público.

      A pesar de las preocupaciones iniciales de que el acceso abierto afectaría negativamente a los editores, ahora se ha convertido en un negocio rentable, dejando un poco atrás a las comunidades que producen y financian la investigación. Aunque se ha avanzado hacia la visión de la gratuidad de la investigación tras la firma de las declaraciones de acceso abierto de Budapest, Berlín y Bethesda a principios de la década de 2000, el coste real de la publicación sigue siendo un reto. Algunos sostienen que la asequibilidad no era el objetivo principal.

      El acceso abierto sigue generando ingresos, pero surgen dudas sobre la naturaleza extractiva de algunos modelos de negocio. Determinar lo que constituye un «coste razonable» por poner a disposición del público la investigación financiada con fondos públicos, tal y como se pretende, plantea otros interrogantes. Es esencial abordar cómo garantizar un acceso equitativo e inclusivo a la publicación sin imponer barreras indebidas a la comunidad investigadora mundial mediante estructuras de precios insostenibles y modelos «transformadores» que no han cumplido sus promesas.

      El objetivo sería investigar y desarrollar modelos y estructuras que permitan abandonar las prácticas extractivas en el ecosistema académico. Estas prácticas suelen imponer costes irrazonables a investigadores e instituciones, restringen el acceso al conocimiento y privatizan los datos. Apostando por una mayor responsabilidad y reinversión para crear un ecosistema de investigación abierta más sano y dinámico.

      Para alcanzar esta visión, existe la necesidad de definiciones claras y decididas de «coste razonable» en la edición. Idealmente, se anima a los editores a reinvertir una parte de sus beneficios en las comunidades que apoyan sus operaciones. Al potenciar y permitir un acceso y una participación más equitativos en la erudición mundial, para fomentar un entorno más integrador para la investigación. Para avanzar hacia estos objetivos, se debe concretar que son «costes razonables» para la investigación financiada con fondos públicos.

      Ha llegado el momento de dejar de hablar de preservar estructuras obsoletas y centrarnos en construir un futuro sostenible y equitativo. Debería exigirse a las empresas que se benefician del conocimiento abierto y de las actividades de investigación que inviertan activamente y compartan sus beneficios con las comunidades y la infraestructura que sustentan su éxito. De este modo, podemos configurar colectivamente un entorno más accesible y favorable al avance de la investigación abierta y la difusión del conocimiento.