Bibliotecario de la Facultad de Traducción y Doc. de la USAL. Ex-Miembro del Grupo de Investigación E-LECTRA. Premio Nacional de Investigación por la UNE Premio mejor Profesional Social Media INFOAWARDS 2019. Creador y editor del repositorio E-LIS.
Más de 80 artículos científicos publicados -
Ver en E-LIS -en revistas científicas. El profesional de la información, Library Hi-Tech, Electronic Library. Investigación Bibliotecológica, Anales de Documentación...
12 libros publicados:
Nueva fuentes de información en el contexto de la web 2.0 (Pirámide),
Gutemberg 2.0 (TREA). Social Reading (Elsevier), eBooks en bibliotecas universitarias (TREA),
El ecosistema del libro electrónico universitario (UNE),
Un viaje a la cultura open (Amazon), GRATIS
Zotero (Creative Spaces), Leyendo entre Pantallas (Trea), GRATIS
Literaçia da infomrçao (ISPA) GRATIS
Espistemologia y acceso abierto (UCE) GRATIS
Makerspaces y bibliotecas. Barcelona: El Profesional de la Información EPI-UOC, 2018.
Makerspaces. Espacios creativos en bibliotecas: creación, planificación y programación de actividades. Salamanca: Ediciones del Universo, 2019.
Los libros, la lectura y los lectores a través de la literatura y las artes. Buenos Aires : Alfagrama Ediciones, 2019
Más de 2000 citas en Google Schoolar Creador y gestor del blog Universo abierto Director del programa de Radio Planeta Biblioteca Más de 250.000 seguidores en los grupos profesionales de Facebook.
La Guía para la Autoevaluación constituye el documento de referencia para la implantación del Modelo Europeo de Gestión de Calidad (EFQM) en centros educativos. Su propósito es ofrecer una metodología sistemática que permita a las instituciones analizar de manera objetiva su funcionamiento, identificar fortalezas y detectar áreas de mejora, impulsando un proceso continuo de innovación y excelencia organizativa. La guía parte de la premisa de que la calidad educativa no depende únicamente de los resultados académicos, sino también de la eficacia del liderazgo, la planificación, la gestión de las personas, los recursos y los procesos que sustentan la actividad del centro.
El crecimiento del uso de herramientas de inteligencia artificial como ChatGPT, Gemini o Claude ha generado una nueva preocupación en ámbitos como la educación, el periodismo, la contratación de personal y la creación de contenidos: ¿es posible distinguir con fiabilidad un texto escrito por una persona de otro generado por una IA? Para responder a esta pregunta, Popular Science realizó una prueba práctica con cinco de los detectores de IA más populares del mercado: Pangram, Grammarly, GPTZero, Scribbr y Copyleaks.
Los detectores de texto generado por inteligencia artificial se han convertido en una herramienta habitual en escuelas, universidades y empresas preocupadas por el uso de modelos como ChatGPT, Gemini o Claude. Sin embargo, una prueba realizada por Popular Science demuestra que estas aplicaciones están lejos de ser infalibles. El artículo evaluó cinco detectores ampliamente utilizados enfrentándolos tanto a textos escritos íntegramente por una persona como a otros producidos por diferentes modelos de IA.
El objetivo era comprobar si realmente pueden distinguir con precisión entre escritura humana y escritura artificial. Los resultados revelan que todos los sistemas analizados cometieron errores, aunque en distinta medida, lo que pone de manifiesto las limitaciones actuales de esta tecnología.
La principal conclusión es que ningún detector ofrece una fiabilidad del 100 %. Algunas herramientas identificaron correctamente buena parte de los textos generados por IA, pero también clasificaron como artificiales escritos completamente humanos (falsos positivos) y, a la inversa, consideraron como humanos algunos textos creados por modelos de lenguaje (falsos negativos). Esta variabilidad se debe a que los detectores no reconocen el origen real de un documento, sino que calculan la probabilidad de que un texto presente determinados patrones estadísticos característicos de la escritura generada por IA, como la baja «perplejidad» o una estructura lingüística especialmente uniforme.
Pangram: el detector más preciso
La primera herramienta evaluada fue Pangram, que se presenta como «un detector de IA que realmente funciona». En la prueba obtuvo un resultado perfecto. Reconoció correctamente ambos textos escritos por el autor como completamente humanos, asignándoles un 100 % de probabilidad de autoría humana y un alto grado de confianza. Del mismo modo, identificó correctamente los textos generados por ChatGPT y Claude como escritos íntegramente por IA. Además de emitir un porcentaje, explicó qué expresiones o estructuras habían influido en su decisión, señalando algunas frases típicas del estilo de los modelos de lenguaje.
Grammarly: muy fiable, aunque menos contundente
La segunda herramienta fue Grammarly, conocida tradicionalmente por sus funciones de corrección ortográfica y gramatical, pero que también incorpora un detector de IA. Los dos textos humanos fueron clasificados correctamente como escritos por una persona, sin detectar ningún patrón asociado a inteligencia artificial. Sin embargo, cuando analizó los textos generados por Claude y Gemini, sí detectó que probablemente habían sido creados mediante IA, aunque con un grado de confianza inferior al de Pangram: uno recibió una probabilidad del 68 % y el otro del 66 % de haber sido generado artificialmente. Es decir, Grammarly acertó en todos los casos, aunque mostró mayor cautela en sus conclusiones.
GPTZero: otra de las herramientas más fiables
El tercer detector fue GPTZero, una de las aplicaciones más conocidas en el ámbito educativo y universitario. Los dos textos escritos por el autor fueron clasificados como completamente humanos, indicando incluso que existía una elevada confianza en esa conclusión. Cuando analizó los textos producidos por Gemini y ChatGPT también los identificó correctamente como generados por inteligencia artificial. Una característica interesante de GPTZero es que no solo ofrece una valoración global, sino que señala las frases concretas que considera más características de un texto generado por IA. Sin embargo, el propio autor reconoce que, al revisar esas frases, no siempre resulta evidente qué rasgos específicos justifican dicha clasificación.
Scribbr: el gran decepcionante
La cuarta herramienta fue Scribbr, conocida principalmente por sus servicios de revisión académica. En este caso, el detector identificó correctamente los textos humanos como escritos por personas. Sin embargo, falló completamente al analizar los textos generados por IA, clasificándolos también como totalmente humanos. Lo más llamativo es que el sistema mostró una elevada confianza en sus conclusiones erróneas, lo que pone de manifiesto una calibración insuficiente para detectar contenidos generados por modelos actuales.
Copyleaks: resultados irregulares
El último detector analizado fue Copyleaks, una plataforma que también ofrece herramientas para detectar imágenes y vídeos generados mediante IA. Como ocurrió con los demás detectores, identificó correctamente los textos humanos. Sin embargo, al evaluar los textos generados por IA obtuvo resultados contradictorios: uno de ellos fue clasificado erróneamente como completamente humano, mientras que el otro fue detectado correctamente como generado por inteligencia artificial. Esta inconsistencia llevó al autor a concluir que la calibración del sistema todavía necesita mejoras.
Detector
Textos humanos
Textos IA
Resultado
Pangram
✔✔
✔✔
4/4
Grammarly
✔✔
✔✔
4/4
GPTZero
✔✔
✔✔
4/4
Scribbr
✔✔
✘✘
2/4
Copyleaks
✔✔
✔✘
3/4
El reportaje explica que basta con realizar pequeñas modificaciones en un texto generado por IA para dificultar considerablemente su detección. Una revisión manual, la incorporación de experiencias personales o incluso el uso de herramientas de reformulación pueden alterar los patrones lingüísticos que utilizan los detectores para emitir sus predicciones. Del mismo modo, textos escritos por personas con un estilo muy formal, repetitivo o académico pueden ser erróneamente etiquetados como contenidos generados por inteligencia artificial. Esta limitación resulta especialmente preocupante en el ámbito educativo, donde ya se han documentado casos de estudiantes acusados injustamente debido a la confianza excesiva depositada en estas herramientas.
Otra conclusión importante del análisis es que los detectores deben considerarse únicamente un indicio y nunca una prueba definitiva. El artículo coincide con numerosos investigadores y organismos educativos en que estas herramientas pueden servir para señalar textos que merecen una revisión más detallada, pero no deberían utilizarse como única evidencia para sancionar a un estudiante o cuestionar la autoría de un documento. La mejor práctica consiste en combinar su uso con otros métodos de evaluación, como el seguimiento del proceso de escritura, entrevistas con el autor, versiones previas del trabajo o actividades presenciales que permitan verificar el aprendizaje.
En conjunto, la prueba de Popular Science confirma que los detectores de IA siguen siendo una tecnología inmadura. Aunque han mejorado respecto a sus primeras versiones y pueden ofrecer información útil en determinados contextos, la rápida evolución de los modelos generativos hace que la carrera entre generación y detección sea cada vez más difícil. La tendencia actual apunta a que, más que confiar ciegamente en algoritmos de detección, instituciones educativas y organizaciones deberán desarrollar nuevas estrategias de evaluación y políticas de uso responsable de la inteligencia artificial.
La proliferación de herramientas de inteligencia artificial generativa ha hecho que distinguir entre fotografías auténticas e imágenes sintéticas sea una tarea cada vez más compleja, incluso para periodistas especializados y verificadores profesionales.
En esta guía, Snopes explica los métodos que utiliza habitualmente para determinar si una imagen ha sido creada mediante IA y advierte de que las antiguas señales evidentes —como las manos con seis dedos o el texto ilegible— ya no son suficientes para identificar un montaje. Los modelos más recientes han mejorado notablemente su capacidad para generar imágenes fotorrealistas, por lo que la verificación exige combinar el análisis visual con herramientas técnicas y la comprobación del contexto.
Entre los indicios visuales que aún pueden resultar útiles destacan las anomalías en elementos complejos. Las manos, los dedos, las orejas, el cabello o las conexiones entre objetos siguen siendo puntos débiles de muchos modelos de IA. Snopes cita ejemplos recientes, como imágenes falsas de la supuesta boda de Taylor Swift y Travis Kelce, donde algunos personajes presentaban seis dedos, o una fotografía ficticia del senador Mitch McConnell hospitalizado, en la que los tubos médicos terminaban de forma incoherente o se conectaban de manera imposible. También recomienda examinar cuidadosamente reflejos, sombras, patrones repetitivos y la interacción entre distintos objetos de la escena.
Otro aspecto importante es el tratamiento del texto dentro de las imágenes. Aunque los generadores actuales producen rótulos y carteles mucho más convincentes que hace unos años, todavía suelen cometer pequeños errores gramaticales, puntuación inconsistente o mayúsculas inusuales. Estos detalles permitieron a Snopes desmontar, por ejemplo, una falsa carta de dimisión atribuida al entonces presidente de la Reserva Federal, Jerome Powell. Sin embargo, los autores insisten en que estos fallos son cada vez menos frecuentes y no deben considerarse una prueba definitiva de manipulación.
La guía concede especial importancia a las herramientas de verificación técnica. Recomienda utilizar buscadores inversos de imágenes, como Google Lens o TinEye, para comprobar el origen de una fotografía, así como revisar los metadatos cuando sea posible. Además, destaca la aparición de sistemas de procedencia digital como SynthID de Google o las Content Credentials (C2PA), que permiten identificar determinadas imágenes creadas por IA cuando conservan sus marcas de origen. No obstante, estas tecnologías no son infalibles: una imagen puede perder esa información si ha sido recortada, capturada mediante una captura de pantalla o editada posteriormente.
La principal conclusión de Snopes es que ya no basta con preguntarse si una imagen «parece real». La mejor estrategia consiste en verificar quién la publica, cuál es su contexto, si existen otras fuentes independientes que confirmen el hecho y qué evidencias respaldan su autenticidad. En la era de la inteligencia artificial generativa, el pensamiento crítico y la verificación de la procedencia resultan mucho más fiables que confiar únicamente en la percepción visual
En esta edición de Planeta Biblioteca, Bernat Kun y Carme Roig presentan Index, una plataforma tecnológica en la nube (Software as a Service, SaaS) desarrollada para gestionar de forma integral el proceso editorial de las revistas científicas, con una especial orientación hacia las publicaciones de acceso abierto. Durante la conversación explican cómo la plataforma nace para responder a las necesidades de digitalización y profesionalización de la edición académica, ofreciendo un entorno único que reúne todas las fases del flujo editorial, desde la recepción de manuscritos hasta la publicación final.
Los entrevistados destacan que la misión de Index es facilitar la comunicación científica mediante la automatización de tareas administrativas y técnicas que tradicionalmente consumen una gran cantidad de tiempo y recursos. La plataforma permite gestionar el envío de originales, la revisión por pares, la comunicación entre autores, revisores y editores, el control de versiones, la maquetación, la publicación y el seguimiento de indicadores, contribuyendo a una gestión editorial más eficiente, transparente y organizada.
Uno de los aspectos centrales de la entrevista es la importancia de la automatización como herramienta para mejorar el trabajo de los equipos editoriales. Bernat Kun y Carme Roig explican que la reducción de tareas repetitivas permite a los editores dedicar más tiempo a la evaluación científica y a la mejora de la calidad de los contenidos. Al mismo tiempo, autores y revisores disponen de un entorno intuitivo que agiliza la comunicación, mejora el seguimiento de los manuscritos y reduce significativamente los tiempos de respuesta y publicación.
La conversación también aborda el compromiso de Index con el acceso abierto. Sus responsables defienden que el conocimiento científico debe ser accesible para toda la sociedad y consideran que la tecnología desempeña un papel fundamental para democratizar el acceso a la investigación. En este sentido, la plataforma busca ofrecer soluciones avanzadas que estén al alcance tanto de grandes instituciones como de pequeñas y medianas editoriales, eliminando barreras técnicas y económicas que tradicionalmente dificultaban la gestión profesional de las revistas científicas.
Otro de los temas tratados es el apoyo específico que Index ofrece a las editoriales de menor tamaño, que suelen enfrentarse a limitaciones de recursos humanos y tecnológicos. La plataforma proporciona una infraestructura completa sin necesidad de realizar grandes inversiones en desarrollo o mantenimiento informático, permitiendo que las instituciones centren sus esfuerzos en la calidad científica, la internacionalización y la mejora de la visibilidad de sus publicaciones.
Durante la entrevista también se presentan los valores que definen la cultura organizativa de Index, basados en la innovación, la colaboración, la orientación al cliente y el compromiso con la excelencia. Sus responsables explican que la empresa trabaja con revistas e instituciones de distintos países, adaptando la plataforma a diferentes contextos editoriales y favoreciendo la interoperabilidad con estándares internacionales, un aspecto esencial para incrementar la difusión y el impacto de la producción científica.
La inteligencia artificial está transformando los procesos de selección de personal al permitir que las empresas examinen con mucha más profundidad la huella digital de candidatos y empleados. Lo que antes consistía en una búsqueda superficial en Google se ha convertido en análisis automatizados capaces de rastrear publicaciones, imágenes, comentarios y perfiles dispersos por decenas de plataformas, incluso cuando los usuarios creen haber permanecido en el anonimato. Herramientas especializadas combinan reconocimiento facial, análisis de redes sociales y correlación de datos públicos para reconstruir la actividad digital de una persona con gran precisión.
El artículo explica que esta práctica ya no se limita a altos directivos o cargos especialmente sensibles. Gracias a la reducción de costes y al aumento de la capacidad de la IA, las verificaciones digitales se están extendiendo a puestos de atención al público y a muchos procesos ordinarios de contratación. Las empresas buscan detectar comportamientos que puedan afectar a su reputación, identificar posibles conflictos con sus valores corporativos o evaluar el encaje cultural de los candidatos. En algunos casos, el seguimiento continúa incluso después de la contratación mediante sistemas de monitorización permanente de la actividad pública en Internet.
Uno de los aspectos más llamativos es que la IA puede recuperar información que parecía olvidada. Publicaciones antiguas en redes sociales, fotografías comprometedoras, comentarios realizados hace muchos años o participaciones en plataformas de contenido para adultos, apuestas o mercados de predicción pueden reaparecer durante un proceso de selección. El artículo cita ejemplos recientes de figuras públicas cuyas antiguas publicaciones o contenidos digitales dañaron gravemente sus carreras, ilustrando cómo la permanencia de la información en Internet se convierte en un factor de riesgo profesional.
Sin embargo, eliminar por completo la presencia digital tampoco constituye una solución. Los expertos consultados advierten de que una huella digital excesivamente limpia o recientemente borrada puede despertar sospechas entre los responsables de contratación. Algunas empresas incluso desarrollan herramientas para detectar perfiles con una presencia en línea anormalmente escasa, ya que esto puede interpretarse como un intento deliberado de ocultar información o incluso como un posible fraude de identidad.
El artículo concluye que la mejor estrategia no consiste en desaparecer de Internet, sino en gestionar activamente la reputación digital. Se recomienda revisar periódicamente qué información aparece al buscar el propio nombre, eliminar contenidos claramente perjudiciales cuando sea posible, reforzar la privacidad de las cuentas y generar una presencia profesional positiva mediante páginas personales, perfiles actualizados o publicaciones relacionadas con la actividad laboral. En la era de la inteligencia artificial, la reputación digital deja de ser un aspecto secundario para convertirse en un elemento cada vez más determinante en el acceso y la permanencia en el mercado laboral.
Tay, Aaron.AI Search Is Rebundling Everything Libraries Know About Discovery: Ten established traditions, an emerging eleventh, and why libraries need to have a more holistic view of discovery. Aaron Tay’s Musings about Librarianship (Substack), 18 de julio de 2026. https://aarontay.substack.com/p/eleven-ways-of-looking-at-academic
Aaron Tay plantea que la búsqueda académica nunca ha sido una actividad única y homogénea, sino un conjunto de perspectivas desarrolladas por comunidades profesionales y de investigación diferentes. Inspirándose en el conocido ensayo de Lorcan Dempsey Thirteen Ways of Looking at Libraries, Discovery, and the Catalog, el autor propone que la búsqueda científica puede entenderse desde diez tradiciones consolidadas y una undécima emergente.
Cada una de ellas interpreta el mismo proceso de búsqueda desde objetivos distintos: unas priorizan la alfabetización informacional, otras el comportamiento de los usuarios, la recuperación de información, la bibliometría, la infraestructura científica, la organización del conocimiento o la ingeniería de relevancia. El problema, sostiene Tay, no es la ausencia de conocimiento sobre la búsqueda académica, sino la fragmentación de ese conocimiento entre comunidades que apenas comparten lenguaje, métodos de evaluación o marcos conceptuales.
El autor describe cómo cada tradición aporta una pieza esencial del ecosistema de descubrimiento. Los especialistas en alfabetización informacional consideran que una buena búsqueda es aquella que forma usuarios críticos capaces de evaluar fuentes y detectar sesgos, especialmente en un contexto donde las respuestas generadas por IA pueden parecer convincentes sin ser necesariamente fiables. Los investigadores del comportamiento informacional, por su parte, entienden la búsqueda como un proceso dinámico en el que las necesidades del usuario evolucionan mientras explora información, reformula consultas y redefine sus objetivos. Los expertos en revisiones sistemáticas y síntesis de evidencia ponen el énfasis en la exhaustividad, la transparencia y la reproducibilidad de las estrategias de búsqueda, considerando que estas forman parte del propio método científico y deben ser documentadas y auditadas rigurosamente.
Uno de los argumentos centrales del artículo es que la irrupción de la inteligencia artificial está desdibujando las fronteras tradicionales entre estas disciplinas. En los sistemas clásicos existían capas relativamente independientes: los metadatos, la recuperación de documentos, el ordenamiento de resultados, el acceso al texto completo o la evaluación crítica podían estudiarse por separado. Los sistemas de búsqueda basados en IA, en cambio, integran continuamente interpretación de preguntas, recuperación de información, selección de evidencias, generación de respuestas y razonamiento automatizado. La IA no elimina estas capas, sino que las reorganiza en arquitecturas mucho más complejas donde interactúan de forma constante. Como consecuencia, comprender cómo funciona realmente un sistema de búsqueda requiere conocimientos que hasta ahora estaban distribuidos entre comunidades muy distintas.
Ante esta nueva realidad, Tay propone el surgimiento de una nueva capacidad organizativa que denomina «discovery architect» o arquitecto del descubrimiento, aunque insiste en que no debe entenderse necesariamente como un nuevo puesto de trabajo, sino como una competencia colectiva que deberían desarrollar las bibliotecas académicas. Este equipo tendría una visión transversal del ecosistema completo de búsqueda científica, capaz de comprender metadatos, infraestructuras abiertas, algoritmos de recuperación, modelos de IA, sistemas de acceso, grafos de conocimiento y herramientas de descubrimiento. Su función consistiría en diagnosticar correctamente por qué un sistema de búsqueda falla: si el problema reside en la cobertura documental, en los metadatos, en la desambiguación de entidades, en el algoritmo de recuperación, en el ranking, en la selección de evidencias o en la generación de respuestas por parte del modelo. Más que resolver directamente todos esos problemas, debería ser capaz de identificar qué tipo de conocimiento especializado resulta necesario en cada caso.
Según Aaron Tay, las once maneras de entender la búsqueda académica representan diferentes disciplinas y comunidades profesionales que analizan el descubrimiento de información desde perspectivas complementarias. Son las siguientes:
Alfabetización informacional (Information Literacy) Considera la búsqueda como una competencia que debe aprenderse y desarrollarse. El objetivo es que los usuarios sepan formular preguntas, elegir fuentes adecuadas, evaluar críticamente la información y utilizarla de forma ética.
Comportamiento informacional (Information Behaviour) Estudia cómo las personas buscan información en situaciones reales. Analiza las necesidades de información, las estrategias de búsqueda, la incertidumbre, la exploración y cómo evolucionan las consultas durante el proceso.
Recuperación de información (Information Retrieval – IR) Se centra en los algoritmos y modelos que permiten localizar los documentos más relevantes para una consulta. Incluye aspectos como la indexación, el ranking, la relevancia, la recuperación semántica y la evaluación de los sistemas de búsqueda.
Recuperación interactiva de información (Interactive Information Retrieval – IIR) Examina la interacción entre el usuario y el sistema de búsqueda. Estudia cómo las interfaces, la reformulación de consultas y la retroalimentación mejoran los resultados obtenidos.
Revisiones sistemáticas y síntesis de evidencia (Systematic Searching / Evidence Synthesis) Concibe la búsqueda como un componente esencial del método científico. Da prioridad a la exhaustividad, la reproducibilidad, la transparencia y la documentación detallada de las estrategias de búsqueda.
Bibliometría y cienciometría (Bibliometrics / Scientometrics) Utiliza la búsqueda para analizar la producción científica, las citas, las redes de colaboración, el impacto de las publicaciones y la evolución de las disciplinas.
Organización del conocimiento (Knowledge Organization) Se ocupa de cómo se describen y estructuran los recursos mediante metadatos, vocabularios controlados, tesauros, clasificaciones, ontologías y grafos de conocimiento para facilitar su descubrimiento.
Bibliotecas y sistemas de descubrimiento (Library Discovery Systems) Analiza las plataformas que integran catálogos, bases de datos, repositorios y recursos electrónicos, así como las decisiones sobre cobertura, relevancia y experiencia de usuario en los servicios bibliotecarios.
Infraestructura de comunicación científica (Scholarly Communication Infrastructure) Observa la búsqueda desde el punto de vista de las infraestructuras que hacen posible el descubrimiento: identificadores persistentes (DOI, ORCID), índices, repositorios, bases de datos, acceso abierto y metadatos interoperables.
Motores de búsqueda académicos y plataformas comerciales (Academic Search Engines and Discovery Platforms) Estudia cómo servicios como Google Scholar, Scopus, Web of Science, Semantic Scholar o Dimensions construyen sus índices, seleccionan contenidos y ordenan los resultados mediante algoritmos propios.
Arquitectura del descubrimiento impulsada por IA (Discovery Architecture / AI Discovery)(la perspectiva emergente propuesta por Tay)
El autor advierte que esta capacidad de diagnóstico será insuficiente si las bibliotecas no exigen mayor transparencia a los proveedores de plataformas de búsqueda basadas en IA. Reclama acceso a registros de consultas, información sobre la cobertura de los índices, documentación de los criterios de clasificación, mecanismos para evaluar la relevancia de los resultados y posibilidades de auditar las distintas fases del proceso de recuperación y generación de respuestas. Sin esa apertura, afirma Tay, incluso reuniendo a especialistas de todas las disciplinas implicadas, cualquier análisis sobre el funcionamiento de estos sistemas seguirá siendo en gran medida especulativo. El artículo concluye anunciando una segunda parte dedicada a analizar dónde reside realmente la inteligencia de los nuevos sistemas de búsqueda: en los grandes modelos de lenguaje, en los mecanismos de recuperación documental o en la combinación de ambos mediante arquitecturas híbridas.
Adrienne. Pedal Power: Hosting a Bicycle Safety Program at the Library. Youth Services Playbook, 15 de junio de 2026. Youth Services Playbook
El artículo propone a las bibliotecas públicas incorporar programas de educación sobre seguridad ciclista como una forma de promover el aprendizaje práctico, la salud y la participación comunitaria. La bicicleta se presenta no solo como un medio de transporte sostenible, sino también como una herramienta educativa que permite a niños y familias desarrollar habilidades relacionadas con la movilidad segura, la autonomía y la responsabilidad cívica.
La autora explica que este tipo de iniciativas funcionan mejor cuando la biblioteca establece alianzas con organismos especializados, como departamentos de policía, asociaciones ciclistas, talleres de reparación de bicicletas o entidades de salud pública. Estos colaboradores aportan conocimientos técnicos, realizan revisiones de bicicletas y cascos, enseñan normas básicas de circulación y organizan circuitos prácticos donde los participantes pueden aplicar lo aprendido en un entorno seguro.
El programa puede incluir numerosas actividades complementarias: inspecciones de seguridad de bicicletas, ajuste y distribución de cascos, talleres de mantenimiento básico, demostraciones sobre señalización vial, recorridos por circuitos de habilidad («bike rodeos»), sorteos o donaciones de bicicletas restauradas y exposiciones bibliográficas sobre movilidad sostenible, deporte y educación vial. De este modo, la biblioteca combina la alfabetización informacional con el aprendizaje experiencial y la promoción de hábitos saludables.
Además del componente educativo, el artículo destaca el valor social del programa. Facilitar el acceso a bicicletas y a formación sobre su uso contribuye a reducir desigualdades, favorece la movilidad de familias con menos recursos y fortalece el papel de la biblioteca como espacio comunitario comprometido con el bienestar, la sostenibilidad y la inclusión. La actividad también atrae a nuevos usuarios que quizá no participan habitualmente en los servicios bibliotecarios tradicionales.
Como conclusión, la autora anima a las bibliotecas a adaptar estas iniciativas a las necesidades de su comunidad, independientemente de su tamaño. Con una buena planificación y el apoyo de socios locales, un programa de seguridad ciclista puede convertirse en una actividad de gran impacto que refuerza la misión de la biblioteca como centro de aprendizaje, encuentro y servicio público.
Un nuevo análisis del Pew Research Center revela que las mujeres jóvenes constituyen el grupo demográfico que más recurre a los influencers y creadores de contenido para obtener información relacionada con la salud y el bienestar.
En concreto, el 57 % de las mujeres estadounidenses de entre 18 y 29 años afirma obtener este tipo de información a través de influencers en redes sociales o pódcasts, una proporción diez puntos superior a la de los hombres de la misma edad. El estudio pone de manifiesto el creciente papel que desempeñan las redes sociales como fuente de información sanitaria para las nuevas generaciones y cómo las diferencias de género condicionan el consumo de estos contenidos.
La investigación también muestra que las mujeres jóvenes no solo recurren con mayor frecuencia a estos creadores, sino que además están mucho más expuestas a contenidos relacionados con la belleza, la apariencia física, la alimentación, el ejercicio y el estilo de vida saludable. Los algoritmos de las plataformas tienden a mostrarles de forma recurrente publicaciones sobre cuidado personal, pérdida de peso, rutinas de entrenamiento o recomendaciones nutricionales, configurando un ecosistema informativo donde la salud se mezcla con la estética y el bienestar personal. Esta mayor exposición contribuye a que las redes sociales tengan una influencia significativa en la percepción que muchas jóvenes desarrollan sobre el cuerpo, la alimentación y los hábitos saludables.
El estudio forma parte de una investigación más amplia publicada por Pew en 2026 sobre los influencers especializados en salud y bienestar. Ese informe señala que cuatro de cada diez adultos estadounidenses obtienen información sanitaria de influencers o pódcasts y que la proporción aumenta hasta aproximadamente la mitad entre los menores de 50 años. Sin embargo, el hecho de consumir este contenido no implica una confianza absoluta: muchos usuarios afirman contrastar posteriormente la información con profesionales sanitarios u otras fuentes fiables antes de tomar decisiones relacionadas con su salud.
Los investigadores subrayan que el fenómeno presenta tanto oportunidades como riesgos. Por un lado, los influencers pueden facilitar el acceso a información sobre prevención, ejercicio físico, nutrición o salud mental, especialmente entre públicos jóvenes que difícilmente consumirían contenidos institucionales. Por otro, la mezcla de consejos basados en evidencia con recomendaciones comerciales, opiniones personales o información no verificada puede favorecer la difusión de desinformación sanitaria. Por ello, el estudio destaca la importancia de reforzar la alfabetización en salud y el pensamiento crítico para que los usuarios puedan distinguir entre contenido fiable y mensajes motivados por intereses comerciales o carentes de respaldo científico.
Carlos Guervós Maíllo es un jurista y alto funcionario del Estado español, perteneciente al Cuerpo Superior de Administradores Civiles del Estado, cuya trayectoria profesional ha estado especialmente vinculada a la propiedad intelectual, las políticas culturales y la Administración pública. A lo largo de su carrera ha ocupado diversos cargos de responsabilidad en la Administración General del Estado, tanto en el ámbito del Ministerio de Cultura como en otros departamentos ministeriales.
En esta entrevista de Radio USAL, Carlos analiza la evolución de la propiedad intelectual desde su experiencia como responsable institucional en la Administración pública y como divulgador especializado. Explica cómo el derecho de autor ha pasado de centrarse en la protección de las obras en soportes tradicionales a enfrentarse a desafíos completamente nuevos derivados de la digitalización, las plataformas globales y, especialmente, la irrupción de la inteligencia artificial generativa. A su juicio, el marco jurídico debe seguir evolucionando para ofrecer seguridad jurídica tanto a los creadores como a quienes desarrollan nuevas tecnologías.
Durante la conversación, Guervós defiende que la propiedad intelectual constituye mucho más que un instrumento jurídico, ya que representa un elemento estratégico para el desarrollo económico, la innovación y la diversidad cultural. Insiste en la necesidad de encontrar un equilibrio entre la protección de los derechos de autores, artistas y editores y el acceso al conocimiento, una cuestión especialmente relevante para bibliotecas, universidades y centros de investigación, que desempeñan un papel esencial en la difusión responsable de la cultura y el conocimiento.
Otro de los ejes de la entrevista es el impacto de la inteligencia artificial sobre los derechos de autor. Guervós reflexiona sobre el uso masivo de obras protegidas para entrenar modelos de IA y subraya la importancia de establecer mecanismos de transparencia sobre los datos utilizados, así como sistemas de compensación y reconocimiento adecuados para los titulares de derechos. Considera que la legislación europea avanza en esa dirección, aunque todavía quedan importantes retos regulatorios por resolver.
La conversación también aborda la transformación de la lucha contra la piratería digital y la necesidad de adaptar las estrategias de protección a un entorno tecnológico en constante cambio. Guervós sostiene que la respuesta no debe limitarse a medidas sancionadoras, sino que debe combinar educación, concienciación, innovación y marcos legales eficaces que favorezcan tanto la creación como el acceso legítimo a los contenidos.
Finalmente, dirige un mensaje a los jóvenes creadores e investigadores, animándolos a innovar, compartir conocimiento y aprovechar las oportunidades que ofrecen las nuevas tecnologías, pero sin perder de vista la importancia de proteger el trabajo creativo y respetar los derechos de propiedad intelectual como base para un ecosistema cultural sostenible.
Carlos Ross y Los Desordenados es el proyecto musical del compositor y músico salmantino Carlos Guervós Maíllo, quien adopta el nombre artístico de Carlos Ross para desarrollar una propuesta de autor que fusiona rock, canción de autor, poesía y reflexión social. Más que una banda al uso, el proyecto gira en torno a las composiciones de Guervós, construyendo un universo sonoro y literario de fuerte personalidad.
Con motivo de la presentación de su nuevo trabajo, El inútil combate, el programa contó además con una visita sorpresa muy especial: Miguel Ángel Adame, músico y antiguo compañero de Carlos en la primera formación Visión Simultánea. Su reencuentro permitió recordar los orígenes musicales de ambos y recuperar dos de los temas más emblemáticos del grupo, «La atmósfera del suelo» y «QWERTY», reinterpretados y actualizados por Carlos Guervós cuatro décadas después de su composición, ofreciendo una mirada contemporánea a unas canciones que forman parte de la memoria musical salmantina.
La obra de Carlos Ross se distingue por unas letras de profundo contenido literario y crítico, en las que se exploran cuestiones como la precariedad laboral, la pérdida de derechos, la identidad, la memoria, la alienación y las contradicciones de la sociedad contemporánea. El inútil combate continúa esa línea creativa, proponiendo un diálogo entre música, pensamiento y compromiso, en el que la palabra adquiere un protagonismo tan relevante como la propia interpretación musical.
Universo Abierto 