Archivo del Autor: Julio Alonso Arévalo

Avatar de Desconocido

Acerca de Julio Alonso Arévalo

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.

Promover la diversidad en la bibliotecas: potenciar las voces, inspirar el cambio

American Library Association. Empowering Voices, Inspiring Change: Advancing Diversity Within Librarianship. Chicago: American Library Association, 2025.

Texto completo

The American Library Association (ALA), en colaboración con Gallup, ha publicado un nuevo estudio titulado Empowering Voices, Inspiring Change: Advancing Diversity Within Librarianship, el cual destaca áreas de crecimiento para mejorar la diversidad en el campo bibliotecario. El estudio se basa en investigaciones cualitativas de 50 profesionales de bibliotecas que representan diversos géneros, razas, antigüedades, edades y ubicaciones geográficas. El objetivo del informe es aprender de las experiencias de bibliotecarios de grupos subrepresentados, inspirar soluciones para fomentar una comunidad bibliotecaria más diversa y ofrecer ideas para investigaciones futuras.

El informe busca generar reflexión en el campo bibliotecario sobre las perspectivas de los grupos subrepresentados, invitando a una transformación real que comience con la definición de la identidad profesional actual. La ALA continuará con estos esfuerzos, promoviendo proyectos innovadores y ofreciendo más oportunidades de desarrollo profesional para los trabajadores de bibliotecas.

Principales hallazgos:

  1. La diversidad como concepto complejo: Entender las sutilezas del término «diversidad» es crucial para avanzar en la diversificación del campo bibliotecario.
  2. Mayor educación sobre la bibliotecología: Aumentar la conciencia sobre la bibliotecología puede fortalecer la base de la profesión y crear una futura pipeline más diversa.
  3. La importancia del mentorazgo: Desarrollar redes de mentoría más amplias puede ayudar a los bibliotecarios y superar desafíos que tradicionalmente afectan a las comunidades subrepresentadas.
  4. Cultura laboral positiva: Crear un ambiente laboral inclusivo y ofrecer formación gerencial puede mejorar la incorporación de nuevos empleados y promover el cambio cultural en las bibliotecas.
  5. Apoyo de los líderes: Los bibliotecarios necesitan apoyo de sus supervisores directos y de sus instituciones.
  6. Desarrollo profesional y compensación: Estos factores deben ser considerados para mejorar la retención de bibliotecarios.
  7. Enfoques a nivel micro y macro: Los esfuerzos de diversidad deben incluir enfoques tanto a nivel individual y local (micro) como a nivel organizacional (macro), con el respaldo institucional necesario.

Este estudio ha sido respaldado por Gallup, una firma global especializada en investigación de opinión pública, y está alineado con la misión de la ALA de diversificar la profesión bibliotecaria y promover el acceso a la información para todos.

Evaluación de la alfabetización informacional de los estudiantes de distintas generaciones

Dalal, Heather A., Arthur Taylor, y Sharon Whitfield. «Assessing Students’ Information Literacy: Attitudes and Perceptions of College Students Across Generations.» College & Research Libraries 85, no. 2 (2024): 115-133. https://crl.acrl.org/index.php/crl/article/view/26682/34593

El estudio tiene como objetivo entender mejor cómo los estudiantes de distintas generaciones (Baby Boomers, Generación X, Millennials y Generación Z) abordan las cuestiones relacionadas con la búsqueda, evaluación y uso de la información en el contexto académico y cómo estas habilidades son influenciadas por factores generacionales.

La alfabetización informacional es crucial en la educación superior, especialmente dado el aumento exponencial de la información disponible en la era digital. Los estudiantes deben ser capaces de encontrar, evaluar y usar información de manera crítica y ética. Sin embargo, se sabe que no todos los estudiantes tienen el mismo nivel de competencia en estas áreas, y las habilidades en alfabetización informacional pueden variar dependiendo de factores como el acceso a recursos, las experiencias previas y la formación académica.

El estudio se enfoca en la comparación entre las actitudes y percepciones de los estudiantes pertenecientes a diferentes generaciones. Los autores sugieren que las diferencias generacionales pueden influir en la forma en que los estudiantes perciben y emplean sus habilidades de AI, debido a las distintas tecnologías, recursos y contextos educativos con los que han interactuado a lo largo de sus vidas.

Metodología

El estudio se basa en encuestas y entrevistas a estudiantes universitarios de varias generaciones, con el objetivo de evaluar sus actitudes hacia la AI y cómo perciben su propia capacidad para realizar tareas relacionadas con la información, como la búsqueda y evaluación de fuentes. Los participantes incluyeron estudiantes de diferentes edades, desde los más jóvenes de la Generación Z hasta los de mayor edad de la Generación X y los Baby Boomers.

Resultados Principales

  • Diferencias Generacionales en las Percepciones de AI: Los resultados muestran que los estudiantes más jóvenes, particularmente los de la Generación Z, tienden a sentirse más cómodos usando tecnologías digitales y herramientas de búsqueda en línea. Sin embargo, a pesar de su fluidez tecnológica, a menudo no tienen un buen manejo de las habilidades críticas necesarias para evaluar la calidad y la fiabilidad de la información. Esto sugiere que, aunque estos estudiantes están altamente familiarizados con las tecnologías, necesitan un enfoque educativo más sólido para desarrollar sus competencias en AI.
  • Estudiantes de Primera Generación: Los estudiantes de primera generación (aquellos cuyo padre o madre no asistieron a la universidad) tienen una percepción menos segura de sus habilidades en AI en comparación con los estudiantes de generaciones anteriores. Este grupo, a menudo con menos recursos educativos previos, mostró mayores dificultades para acceder y utilizar eficazmente la información académica.
  • Generación X y Baby Boomers: Estos grupos, aunque menos dependientes de la tecnología digital que los Millennials y Generación Z, demostraron un mayor conocimiento de las estrategias tradicionales de investigación (como el uso de bibliotecas físicas y recursos impresos). No obstante, también se evidenció que muchos de estos estudiantes tienen dificultades para adaptarse a las nuevas tecnologías y métodos digitales de búsqueda de información.

Implicaciones para la Enseñanza

Los hallazgos del estudio tienen importantes implicaciones para el diseño de programas de enseñanza de la alfabetización informacional en las universidades. Los autores sugieren que es necesario un enfoque más personalizado en la enseñanza de AI que considere las diferentes necesidades y habilidades de los estudiantes de acuerdo con su generación. Algunos puntos clave incluyen:

  • Adaptación de la enseñanza a la tecnología: Mientras que los estudiantes más jóvenes tienen habilidades tecnológicas avanzadas, necesitan formación adicional en la evaluación crítica de fuentes digitales.
  • Enfoque integral para estudiantes de primera generación: Es fundamental diseñar programas que ayuden a los estudiantes de primera generación a desarrollar confianza en sus habilidades de AI. Estos estudiantes pueden beneficiarse de un apoyo adicional en el acceso a recursos y en la comprensión de cómo utilizar eficazmente las herramientas de investigación.
  • Refuerzo de habilidades tradicionales: Para los estudiantes más mayores, es importante ofrecer una formación que combine métodos tradicionales con el uso de tecnologías modernas. El aprendizaje integrado puede ayudar a estos estudiantes a adaptarse a los nuevos métodos de búsqueda de información.

El estudio concluye que las habilidades de alfabetización informacional son esenciales para el éxito académico de los estudiantes universitarios, pero estas habilidades deben ser evaluadas y enseñadas de manera más inclusiva, teniendo en cuenta las diferencias generacionales y los antecedentes educativos. Además, los programas educativos deben adaptarse para garantizar que todos los estudiantes, independientemente de su generación, tengan la oportunidad de desarrollar las habilidades necesarias para navegar por la creciente cantidad de información disponible en el mundo digital.

El artículo subraya la importancia de ofrecer programas de alfabetización informacional que sean accesibles y efectivos para todos los estudiantes, promoviendo tanto la competencia tecnológica como las habilidades críticas de evaluación de la información.

Impacto económico de la Ciencia Abierta

Tsipouri, Lena, Sofia Liarti, Silvia Vignetti, and Izabella Martins Grapengiesser. 2025. The Economic Impact of Open Science: A Scoping Review. MetaArXiv. https://osf.io/preprints/metaarxiv/kqse5_v1

Se analiza el impacto económico de la Ciencia Abierta (OA) a partir de estudios publicados entre 2000 y 2023, centrándose en áreas clave como el Acceso Abierto (OA), los Datos Abiertos y FAIR (OFD), el Software de Código Abierto (OSS) y los Métodos Abiertos.

Los resultados indican que la OA favorece la aceleración de los procesos científicos, reduce costes asociados a la investigación y potencia la innovación, lo que se traduce en crecimiento económico, especialmente en sectores como las ciencias de la vida. Sin embargo, el estudio también advierte de la falta de investigaciones empíricas sobre el impacto económico en ámbitos como la Ciencia Ciudadana o la Evaluación Abierta.

Según la UNESCO (2021), la Ciencia Abierta es un movimiento esencial para democratizar el conocimiento y reducir las brechas entre países y sectores, lo que tiene consecuencias económicas importantes al permitir un acceso equitativo a los datos y resultados de investigación. Esto impulsa la competitividad de pequeñas empresas, startups y centros de investigación que, sin acceso abierto, no podrían costear el uso de información científica de pago (UNESCO, Recommendation on Open Science, 2021).

Por otro lado, la Comisión Europea (2018) calculó que el retraso en el acceso abierto a publicaciones científicas genera pérdidas anuales de al menos 10.000 millones de euros en eficiencia investigadora dentro de la Unión Europea, debido a duplicaciones de experimentos y tiempos de búsqueda prolongados (Cost-benefit analysis of FAIR research data, 2018). La implementación de principios FAIR (Findable, Accessible, Interoperable, Reusable) en los datos de investigación ha mostrado mejorar no solo la productividad científica, sino también generar oportunidades de negocio en sectores como la inteligencia artificial, la biotecnología o la salud digital.

En cuanto al Software de Código Abierto, un informe de la Fundación Linux (2021) destacó que este tipo de herramientas no solo reducen costes operativos en investigación y empresas tecnológicas, sino que también generan empleos altamente cualificados y contribuyen al PIB de manera significativa, especialmente en economías digitales avanzadas (The Economic Impact of Open Source Software, 2021).

No obstante, la revisión de Tsipouri et al. (2025) señala vacíos relevantes en la literatura, como la falta de estudios que midan el impacto económico de la Ciencia Ciudadana, a pesar de su potencial para generar datos útiles a bajo coste y fomentar la innovación social.

En conclusión, aunque existe evidencia del impacto económico positivo de la Ciencia Abierta en sectores estratégicos y tecnológicos, todavía es necesario ampliar la investigación empírica para cuantificar estos efectos en más regiones y disciplinas, así como desarrollar métricas específicas que permitan evaluar con precisión sus beneficios económicos a nivel global.

La nueva tendencia de la IA: modelos más pequeños, rápidos y sostenibles

Emslie, Karen. «The Big Shrink in LLMs.» Communications of the ACM, 28 de febrero de 2025. Disponible en: https://cacm.acm.org/news/the-big-shrink-in-llms/

La inteligencia artificial está empezando a usar modelos más pequeños y rápidos que gastan menos energía y funcionan mejor en dispositivos como los móviles. Así se consiguen resultados más precisos y fáciles de usar sin necesitar tantos recursos.

El crecimiento acelerado de la inteligencia artificial generativa (GenAI) y los grandes modelos de lenguaje (LLMs) ha traído consigo problemas como disputas de propiedad intelectual, sesgos, preocupaciones por la privacidad y el alto consumo energético. Además, en sectores especializados como el legal o financiero, los LLMs no siempre ofrecen resultados precisos o útiles, y los errores (llamados «alucinaciones») se han vuelto comunes.

Ante estos desafíos, está surgiendo una tendencia hacia modelos más pequeños y eficientes, gracias a técnicas como knowledge distillation (transferencia de conocimientos de modelos grandes a otros más pequeños), pruning (eliminación de parámetros innecesarios) y avances en edge computing (procesamiento local en dispositivos). Estos modelos reducidos permiten menor consumo de recursos, mayor velocidad y mejor adaptación a contextos específicos como la salud, donde la precisión es clave.

Expertos como Amir H. Gandomi y Julian Faraway destacan que los conjuntos de datos pequeños y bien seleccionados pueden ser más precisos y fiables que los grandes volúmenes de datos ruidosos, especialmente cuando se busca comprender causas y no solo hacer predicciones.

Grandes compañías tecnológicas también se han sumado a esta tendencia:

  • Google lanzó versiones reducidas de su modelo Gemini y la familia ligera Gemma.
  • Meta investiga estrategias de eliminación de capas sin pérdida significativa de rendimiento.
  • Nvidia logró reentrenar un modelo con solo el 3% de sus datos originales, creando la serie Minitron.
  • Microsoft presentó phi-3.5-mini, diseñado para funcionar directamente en smartphones.

El auge de la informatica de bajo coste y alto rendimiento (edge computing) impulsa esta transformación hacia modelos más pequeños, sostenibles y accesibles, cambiando la mentalidad de «más grande es mejor» por la de «más inteligente y eficiente».

A medida que la sostenibilidad y la personalización ganan importancia, estos modelos compactos podrían convertirse en el nuevo estándar de la IA.

El desafío ambiental de la inteligencia artificial generativa y las claves para un desarrollo sostenible

Capgemini Research Institute. 2025. Developing Sustainable Gen AI. Capgemini. https://www.capgemini.com/insights/research-library/sustainable-gen-ai/

Ver informe

El informe Developing Sustainable Gen AI de Capgemini analiza el elevado impacto ambiental de la inteligencia artificial generativa debido a su alto consumo energético, uso intensivo de agua y generación de residuos electrónicos. Destaca la falta de medidas sostenibles en las organizaciones y la necesidad urgente de incorporar criterios ambientales en el desarrollo y uso de Gen AI. Propone estrategias para reducir su huella, como optimizar modelos, emplear energías renovables y fomentar una gobernanza responsable.

El informe del Capgemini Research Institute advierte sobre el fuerte impacto ambiental que está generando la inteligencia artificial generativa (Gen AI). Esta tecnología, que se ha popularizado rápidamente por su capacidad para crear textos, imágenes o vídeos de manera automática, requiere un uso intensivo de recursos. Para funcionar, Gen AI precisa procesar enormes cantidades de datos mediante potentes sistemas computacionales, lo que implica un consumo energético desmesurado, la explotación de materiales críticos para la fabricación de hardware y una alta generación de residuos electrónicos. Por ejemplo, entrenar un modelo como GPT-4 supone un gasto energético equivalente al consumo anual de unos 5.000 hogares estadounidenses, y se estima que para 2030, Gen AI podría generar hasta cinco millones de toneladas de desechos electrónicos, mil veces más que en 2023.

Los centros de datos que soportan estos sistemas también requieren grandes volúmenes de agua para evitar el sobrecalentamiento de los servidores. De hecho, se calcula que realizar entre 20 y 50 consultas a un modelo de lenguaje grande (LLM) puede llegar a consumir medio litro de agua solo para refrigeración. Esta situación preocupa especialmente si se considera el aumento global del estrés hídrico. Además, el hardware necesario para la IA, como las tarjetas gráficas (GPU), utiliza metales escasos cuya extracción es altamente contaminante y acelera la degradación de los ecosistemas.

El informe también pone de relieve que casi la mitad de las organizaciones que utilizan Gen AI han observado un incremento en sus emisiones de carbono. Sin embargo, pese a este impacto, la sostenibilidad aún no es un criterio prioritario a la hora de desarrollar o implementar estas tecnologías. Solo el 12% de las empresas mide la huella ambiental de sus modelos de Gen AI y apenas un 20% tiene en cuenta ese impacto como un factor decisivo al seleccionar modelos o proveedores. La mayoría de las compañías prioriza aspectos como el coste, la eficiencia y la escalabilidad, dejando en un segundo plano los efectos medioambientales.

Ante este panorama, Capgemini propone una serie de medidas para avanzar hacia una Gen AI más sostenible. En primer lugar, recomienda elegir cuidadosamente la tecnología en función de las necesidades reales del negocio, combinando soluciones de IA tradicional con IA generativa cuando sea posible, ya que esto reduce el consumo energético. Asimismo, destaca la importancia de medir y mitigar la huella de carbono durante todo el ciclo de vida de los modelos, desde su desarrollo hasta su uso diario. Para ello, las organizaciones deberían optar por modelos más pequeños y optimizados, emplear hardware reciclable y energéticamente eficiente, utilizar centros de datos que funcionen con energías renovables y monitorizar el impacto ambiental de manera continua.

El informe también resalta el potencial de Gen AI para contribuir a la sostenibilidad empresarial si se aplica en casos de uso adecuados. Algunas de sus aplicaciones más prometedoras son la automatización de informes medioambientales (ESG), el diseño de productos sostenibles, la evaluación de ciclos de vida o la optimización de procesos productivos para reducir desperdicios y consumo energético. No obstante, para que estas iniciativas generen un impacto positivo, es imprescindible equilibrar los beneficios económicos y operativos con los costes ambientales.

Finalmente, Capgemini subraya la necesidad urgente de establecer una gobernanza específica para la sostenibilidad en el ámbito de Gen AI. Esto implica exigir transparencia a los proveedores tecnológicos sobre la huella de carbono de sus modelos, establecer objetivos claros de reducción de emisiones y colaborar con otras organizaciones para compartir buenas prácticas y desarrollar estándares comunes. Solo así será posible aprovechar el potencial de la inteligencia artificial generativa sin comprometer los objetivos climáticos y minimizando su impacto en el planeta.

Copyright y obras generadas por IA: el caso Zarya of the Dawn y sus implicaciones legales

Pina, Carolina. 2023. «Copyright and AI-Generated Works: Zarya of the Dawn.» Garrigues Digital, March 16, 2023. https://www.garrigues.com/en_GB/garrigues-digital/copyright-and-ai-generated-works-zarya-dawn

El 23 de febrero de 2023, la Oficina de Copyright de Estados Unidos (USCO) revocó el registro de derechos de autor de la obra Zarya of the Dawn, un cómic creado parcialmente mediante inteligencia artificial (IA). Aunque figuraba como autora Kristina Kashtanova, el motivo de la cancelación fue claro: las imágenes generadas por IA no son fruto de la creatividad humana directa, requisito esencial para que una obra sea protegida por derechos de autor.

Kashtanova defendió que había intervenido activamente proporcionando indicaciones detalladas («prompts») a Midjourney, la IA utilizada. Según ella, fueron necesarios cientos de indicaciones para lograr el resultado deseado. Sin embargo, la USCO argumentó que, aunque los prompts pueden influir, el resultado final sigue siendo impredecible y escapa al control absoluto del humano, pues las IA no siguen órdenes específicas sino que interpretan sugerencias.

Además, se descartó el argumento del «sweat of the brow» (esfuerzo invertido), ya que el copyright no protege simplemente el trabajo arduo o el tiempo empleado, sino la creatividad original.

Según la legislación vigente, tanto en EE. UU. como en la Unión Europea, hay consenso en torno a dos ideas fundamentales para otorgar protección:

  • La obra debe ser fruto de una creación humana.
  • Debe poseer un mínimo de originalidad y reflejar elecciones libres y creativas del autor

En línea con esto, el Parlamento Europeo ya advirtió en 2020 sobre la necesidad de distinguir entre:

  • Creaciones asistidas por IA (donde el humano lidera el proceso creativo).
  • Creaciones generadas por IA de forma autónoma, que presentan un vacío legal, al no cumplir con el principio de originalidad vinculado a una persona natural.

Aunque simples o complejos, los prompts podrían ser protegibles por derechos de autor si son suficientemente creativos. Esto ha dado lugar al surgimiento de una nueva figura profesional: el prompt engineer (ingeniero de indicaciones), pero hasta ahora, los textos de prompts suelen considerarse solo una herramienta previa al resultado final, no como una obra en sí misma.

El marco de alfabetización en IA

Stanford Teaching Commons. «Understanding AI Literacy.» Teaching Commons, last modified 2024. https://teachingcommons.stanford.edu/teaching-guides/artificial-intelligence-teaching-guide/understanding-ai-literacy

La alfabetización en IA se define como un conjunto de competencias que permite a las personas evaluar críticamente las tecnologías de IA, colaborar efectivamente con ellas y utilizarlas de manera ética, tanto en el hogar como en el trabajo. Se relaciona estrechamente con la alfabetización digital y de datos, ya que la IA depende de estos aspectos.

El marco de alfabetización en IA incluye cuatro dominios: funcional, ético, retórico y pedagógico. Cada uno tiene objetivos progresivos de competencia, buscando que se superpongan y se informen mutuamente.

El marco de alfabetización en IA sigue un enfoque centrado en el ser humano, subrayando que los individuos deben liderar el uso de la IA para maximizar sus beneficios y minimizar impactos negativos. El objetivo es emplear la IA para potenciar el aprendizaje y las capacidades humanas. Además, se destaca la responsabilidad ética en el uso de la tecnología, reconociendo que las decisiones informadas requieren esfuerzo y tiempo continuo.

El marco de alfabetización en IA identifica cuatro dominios clave:

  1. Alfabetización funcional: ¿Cómo funciona la IA?
  2. Alfabetización ética: ¿Cómo abordar los problemas éticos de la IA?
  3. Alfabetización retórica: ¿Cómo usar el lenguaje natural y generado por IA para lograr objetivos?
  4. Alfabetización pedagógica: ¿Cómo usar la IA para mejorar la enseñanza y el aprendizaje?

La alfabetización funcional en IA abarca el conocimiento de cómo funciona la IA, las habilidades necesarias para usar herramientas comunes y la conciencia sobre el desarrollo de la tecnología. Comienza con el uso básico de herramientas y la comprensión de términos y procesos clave, como el papel de los datos en el entrenamiento de la IA. Con el tiempo, se pueden evaluar las capacidades y limitaciones de la IA, usar herramientas avanzadas y crear recursos personalizados para la comunidad.

Los chatbots de IA basados en modelos de lenguaje grandes (LLM) generan respuestas al analizar datos masivos de la web, creando una voz compuesta basada en patrones comunes. Aunque pueden ser útiles en tareas como la lluvia de ideas o explicaciones generales, no son ideales para contenido especializado o soluciones originales. Comprender cómo funcionan los LLMs puede mejorar el uso de herramientas de IA y permitir aplicaciones más sofisticadas.

La alfabetización ética en IA implica comprender los problemas éticos relacionados con la IA y las prácticas para su uso responsable. Inicia con la evaluación de la precisión, fiabilidad y sesgos implícitos, y avanza hacia la reflexión sobre la integridad académica, la equidad, la privacidad y otros temas éticos. Con el tiempo, se pueden investigar impactos en comunidades marginadas y diseñar herramientas más éticas para la educación.

Al usar herramientas de IA para trabajos académicos, como un artículo de investigación, es crucial examinar sus implicaciones en términos de autoría, originalidad y propiedad. Aunque las herramientas de IA pueden ser muy útiles, pueden generar confusión sobre quién posee el contenido. Con el uso colaborativo de IA, las diferencias entre el material generado por IA y el creado por humanos pueden volverse más sutiles, y las políticas sobre transparencia y atribución pueden variar según el contexto.

La alfabetización retórica en IA se refiere a la habilidad de usar el lenguaje de manera efectiva para lograr objetivos y analizar la relación entre el lenguaje humano y el generado por IA. Comienza con la experimentación en la estructuración de tus escritos y en la elección de palabras al interactuar con herramientas de IA. A medida que adquieres experiencia, puedes colaborar con la IA para mejorar la calidad del contenido y utilizarla de manera más inclusiva y crítica, promoviendo lenguajes y perspectivas marginadas.

La alfabetización pedagógica en IA implica integrar prácticas de enseñanza efectivas con herramientas de IA para apoyar el aprendizaje estudiantil. Se comienza explorando teorías del aprendizaje, métodos de diseño de cursos y estrategias pedagógicas, además de herramientas educativas impulsadas por IA. Con el tiempo, se identifican prácticas basadas en evidencia para promover el pensamiento crítico, la inclusión y el bienestar. Con maestría, se evalúan los efectos de la IA en la enseñanza y se promueven innovaciones pedagógicas.

Nereida Sanchón, un nuevo camino con voz y alma propia. Viviendo en la era pop 2025/02/28

Nereida Sanchón, un nuevo camino con voz y alma propia.

Viviendo en la era pop 2025/02/28

ESCUCHAR

Descargar

Nereida Sanchón acaba de lanzar su nuevo EP con composiciones propias. La finalista de La Voz (Antena 3) ha dado un paso más en su carrera al escribir y componer sus propias canciones, fiel a su estilo cargado de emoción. Recientemente ha publicado cuatro temas que reflejan su esencia artística y este viernes los presentará en Radio USAL. Además, adelanta detalles sobre su próximo concierto el 8 de marzo en la sala B del CAEM.

¿Cómo pueden los bibliotecarios proteger a los investigadores de revistas y editoriales no confiables?

Estelle, Lorraine. «How Librarians Can Protect Researchers from Untrustworthy Journals and Book Publishers.» International Federation of Library Associations and Institutions, February 26, 2025. https://blogs.ifla.org/arl/2025/02/26/how-librarians-can-protect-researchers-from-untrustworthy-journals-and-book-publishers/

En el ámbito de la publicación académica, los bibliotecarios pueden ayudar a los investigadores a evitar las editoriales y revistas depredadoras, que cobran tarifas sin ofrecer servicios adecuados. Los bibliotecarios pueden orientar y promover recursos a través de sus sitios web y materiales visuales, convirtiéndose en guías confiables para mantener la integridad de la investigación.

En el vertiginoso mundo de la publicación académica, los investigadores se enfrentan a una gran cantidad de opciones, no todas legítimas. Una amenaza creciente son los editores y revistas depredadoras, también conocidos como editoriales fraudulentas o engañosas. Estos actores operan con un objetivo común: explotar a los investigadores, imponiéndoles tarifas considerables sin proporcionar los servicios de edición o revisión por pares que prometen.

Aunque el modelo de negocio basado en tarifas es común en la publicación académica, lo que diferencia a los editores depredadores es su mala fe. En lugar de contribuir al avance del conocimiento, se aprovechan de la manipulación y la tergiversación, dejando a los investigadores vulnerables y sin el reconocimiento que su trabajo merece.

La amenaza creciente de la publicación depredadora

La publicación depredadora no es solo una molestia; se ha convertido en una epidemia global que afecta a todos los países. Con el aumento de las revistas en línea, los editores depredadores han encontrado una vía más fácil para operar encubiertos. Aunque los correos electrónicos mal redactados podrían ser una señal de advertencia, los editores depredadores actuales son cada vez más astutos, adoptando nombres que imitan a revistas respetables y presumiendo factores de impacto falsos o consejos editoriales inventados. Incluso existen revistas secuestradas que copian el sitio web de una revista legítima para engañar a los investigadores y hacer que envíen sus artículos a la versión clonada. Incluso los académicos experimentados pueden caer en esta trampa.

Una solución simple: Think. Check. Submit.

La buena noticia es que los investigadores no tienen que enfrentarse a esta amenaza por su cuenta. Think. Check. Submit. es una colaboración intersectorial que ofrece herramientas para ayudar a los investigadores a evaluar la confiabilidad de las editoriales y revistas antes de enviarles su trabajo. Mediante listas de verificación prácticas, esta iniciativa permite a los investigadores evaluar si una editorial o revista es adecuada para su investigación y si es confiable.

El rol de los bibliotecarios como socios confiables

Los bibliotecarios desempeñan un papel crucial en la difusión de Think. Check. Submit., ya que los sitios web de las bibliotecas son una de las principales fuentes a través de las cuales los investigadores descubren este recurso. A continuación se mencionan algunas formas en las que las bibliotecas pueden ayudar:

  1. Agregar un enlace: Incluir el enlace a Think. Check. Submit. en los sitios web o guías bibliográficas de la biblioteca para facilitar su acceso a los investigadores.
  2. Compartir recursos visuales: Descargar carteles, gráficos para redes sociales y otros materiales para promover la concienciación sobre el tema. P. ejemplo ¿Cómo detectar una revista depredadora? Planeta Biblioteca 2019/10/15
  3. Incorporar el video explicativo: Usar el video animado de Think. Check. Submit. para explicar de manera divertida y memorable cómo evaluar la confiabilidad de una editorial o revista.

Al tomar estas simples medidas, los bibliotecarios pueden convertirse en defensores de la integridad de la investigación, ayudando a los investigadores a evitar las trampas de la publicación depredadora y asegurando que su trabajo llegue al público que merece.

Fuentes adicionales sobre publicaciones depredadoras:

  • La Unión Internacional de Editores ha abordado el tema de las publicaciones depredadoras, destacando la necesidad de aumentar la conciencia sobre estas prácticas y apoyar a los investigadores en la toma de decisiones informadas.
  • Think. Check. Submit. también está respaldado por organizaciones de bibliotecas y universidades de todo el mundo, como la Sociedad de Bibliotecarios de Reino Unido (CILIP), que promueven su uso como herramienta educativa esencial.
  • Un informe de Nature (2019) señala que los investigadores que caen en las trampas de las publicaciones depredadoras pueden enfrentar serias consecuencias profesionales, incluida la deslegitimación de su trabajo académico.

Estos recursos, junto con el compromiso activo de bibliotecarios y otros profesionales de la información, pueden ayudar a mitigar los efectos perjudiciales de las publicaciones depredadoras en la comunidad académica.

Más sobre

Alonso Arévalo J., Saraiva R. y Flórez Holguín R. (2020). Revistas depredadoras: fraude en la ciencia. Cuadernos de Documentación Multimedia, 31, e68498. https://doi.org/10.5209/cdmu.68498

PEN America denuncia la prohibición de 4.218 libros en escuelas de EE. UU. en 2023-2024

PEN America denuncia la prohibición de 4.218 libros en escuelas de EE. UU. en 2023-2024, afectando especialmente títulos sobre personas de color, racismo y la comunidad LGBTQ+. Estas censuras, impulsadas por grupos supremacistas y además, muchos libros son prohibidos con argumentos exagerados sobre contenido sexual. Esta eliminación de narrativas vulnera la diversidad y el acceso al conocimiento en las bibliotecas escolares.

Un análisis de PEN America revela que la prohibición de libros en las escuelas públicas de EE. UU. sigue en aumento, con 4.218 títulos censurados en el año escolar 2023-2024. La mayoría de los libros prohibidos abordan temas sobre personas de color, racismo y la comunidad LGBTQ+, reflejando un esfuerzo coordinado para eliminar estas narrativas de las bibliotecas escolares.

Principales hallazgos del informe:

  • 36% de los libros prohibidos incluyen personajes ficticios o personas reales de color.
  • 44% de los libros de historia y biografía censurados presentan a personas de color, y 26% específicamente a personas negras.
  • 29% de los libros prohibidos incluyen personajes o temas LGBTQ+, y 28% de estos representan personajes trans o de género no conforme.
  • La mayoría de los libros LGBTQ+ censurados también incluyen comunidades de color, destacando una intersección en la eliminación de contenidos sobre grupos marginados.

Este fenómeno ocurre mientras la población estudiantil de color alcanza su punto más alto, representando más de la mitad de los niños en las escuelas estadounidenses. Las prohibiciones han sido impulsadas por grupos que promueven ideologías supremacistas blancas y nacionalistas cristianas, en un contexto en el que las iniciativas de diversidad y equidad están siendo atacadas por políticas gubernamentales.

El informe advierte sobre las consecuencias de estas prohibiciones en la salud mental de los estudiantes, aumentando el sentimiento de exclusión e invisibilidad. Además, la censura limita el acceso a información sobre temas esenciales como activismo, racismo, inmigración, salud mental y violencia.

PEN America señala que muchos libros son prohibidos bajo el argumento de contenido “explícito”, pero su análisis encontró que solo el 31% de los títulos incluyen referencias a experiencias sexuales con detalles mínimos, y solo el 13% describe tales experiencias explícitamente.

Según Sabrina Baêta, de PEN America, estas prohibiciones representan un ataque a poblaciones históricamente marginadas y contradicen el propósito de una biblioteca escolar: reflejar la diversidad de experiencias y voces.