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.

La Comisión Europea publica unas directrices sobre la definición de sistemas de inteligencia artificial (IA)

European Commission. (2025, February 2). The Commission publishes guidelines on prohibited artificial intelligence (AI) practices as defined by the AI Act. Digital Strategy. https://digital-strategy.ec.europa.eu/en/library/commission-publishes-guidelines-prohibited-artificial-intelligence-ai-practices-defined-ai-act

La Comisión Europea ha publicado unas directrices sobre la definición de sistemas de inteligencia artificial (IA) para facilitar la aplicación de las primeras normas del Acta de Inteligencia Artificial (AI Act).

Estas directrices tienen como objetivo ayudar a los proveedores y otras partes relevantes a determinar si un sistema de software califica como un sistema de IA, promoviendo así una aplicación efectiva de las reglas establecidas. Aunque no son vinculantes, las directrices se actualizarán conforme surjan nuevas experiencias, cuestiones o casos de uso.

El AI Act clasifica los sistemas de IA en diversas categorías de riesgo, como prohibidos, de alto riesgo y aquellos sujetos a obligaciones de transparencia. Desde el 2 de febrero, han comenzado a aplicarse las primeras reglas bajo este acta, que incluyen la definición de sistemas de IA, la alfabetización en IA y un número limitado de casos de uso de IA prohibidos debido a los riesgos inaceptables que representan en la Unión Europea.

Varias bibliotecas universitarias estadounidenses trabajan en un proyecto cooperativo de definición e Implementación de Alfabetización en IA

MacDougall, R., McBride, M., & Ruediger, D. (2025). Defining and implementing AI literacy: Announcing a new cohort project. Ithaka S+R. https://www.ithaka.org/defining-implementing-ai-literacy

Ante la expansión de la inteligencia artificial generativa, las universidades están reconociendo la necesidad de que los estudiantes aprendan a utilizar la IA de manera responsable y piensen críticamente sobre su rol en la sociedad. Sin embargo, definir e implementar la alfabetización en IA es un desafío debido a la rápida evolución de las tecnologías y la dificultad de predecir el impacto que la IA tendrá en la enseñanza, el aprendizaje, la preparación profesional y la vida cívica.

Crear marcos institucionales específicos para la alfabetización en IA y desarrollar los programas y recursos necesarios para integrarla en la educación universitaria requerirá la colaboración de diversos sectores dentro de la universidad. Las bibliotecas están en una posición privilegiada para liderar estos esfuerzos, tanto a nivel campus como nacional. Emplean expertos en ciencias de la información y, en muchas instituciones, tienen una larga tradición como proveedores clave de enseñanza sobre otras literacidades modernas esenciales, como la alfabetización en datos o la alfabetización digital. Ithaka S+R está ha anunciado un nuevo proyecto de cohorte, patrocinado parcialmente por JSTOR, que se centra en ayudar a las bibliotecas a enfrentar el desafío de la alfabetización en IA.

Ithaka S+R organizará un grupo de 15 universidades comprometidas con promover la alfabetización en IA como un resultado clave del aprendizaje. Durante la fase de exploración, las instituciones participantes se reunirán para conversaciones estructuradas e intercambio de información, con el objetivo de situar sus metas de alfabetización en IA en relación con los marcos existentes de alfabetización en IA e información. Los participantes colaborarán con Ithaka S+R para crear y personalizar una guía de entrevistas diseñada para comprender mejor las expectativas, experiencias y necesidades de estudiantes y profesores.

En la fase de investigación del proyecto, los equipos de investigación locales realizarán entrevistas con las comunidades del campus. Ithaka S+R trabajará con cada institución para finalizar los instrumentos, ayudar a desarrollar una estrategia de muestreo y reclutamiento para las entrevistas con estudiantes e instructores, y proporcionar apoyo durante todo el proceso. En la fase de difusión, los participantes compartirán los resultados de sus entrevistas y trabajarán en colaboración para idear nuevos servicios o revisiones de servicios existentes en un simposio interno. Ithaka S+R publicará un informe final basado en el análisis agregado de las entrevistas realizadas durante el proyecto.

Las instituciones que han confirmado su participación en el proyecto de alfabetización en IA son Alfred University, Buffalo State University, Chapman University, Montana State University, Santa Clara University, SUNY-Empire State y Virginia Tech. Estas universidades se han comprometido a promover la alfabetización en IA como un objetivo clave de aprendizaje, contribuyendo al desarrollo de marcos específicos que integren esta competencia en la educación universitaria.

Confianza y conocimiento de la IA en Estados Unidos

Ognyanova, Katherine, y Vivek Singh. «National AI Opinion Monitor: AI Trust and Knowledge in America.» USA, febrero de 2025. Rutgers University.

Texto completo

Un estudio dirigido por la Universidad de Rutgers ha identificado una creciente brecha en la confianza y el uso de la inteligencia artificial (IA) en Estados Unidos. Según los resultados de la encuesta, las personas con mayores ingresos y niveles educativos son más propensas a utilizar, confiar y conocer la tecnología de IA.

La encuesta, parte del National AI Opinion Monitor (NAIOM), se realizó entre el 25 de octubre y el 8 de noviembre de 2024, con la participación de casi 4.800 personas de distintos grupos demográficos y niveles socioeconómicos. Se evaluó la confianza en los sistemas de IA, en las empresas que los desarrollan y en el contenido generado por IA.

Principales hallazgos:

  • Confianza en la IA: El 47% de los encuestados expresó “bastante” o “mucha” confianza en que la IA actúe en beneficio del público, un porcentaje superior al de la confianza en las redes sociales (39%) o el Congreso (42%).
  • Grupos con mayor confianza: La confianza en la IA es mayor entre los jóvenes de 18 a 24 años (60%), quienes ganan más de 100,000 dólares al año (62%) y quienes poseen estudios de posgrado (60%).
  • Desigualdad en el acceso: Según la profesora Katherine Ognyanova, coautora del estudio, la brecha de confianza en la IA aún no es insalvable, pero si la tecnología sigue siendo más accesible para los grupos de ingresos altos, podría acentuar las desigualdades económicas y limitar oportunidades para otros sectores.

El 62% de los encuestados confía en las noticias producidas por periodistas, mientras que solo el 48% confía en contenido generado por inteligencia artificial (IA). Esto refleja una mayor confianza en el periodismo tradicional frente a la automatización en la producción de noticias.

A pesar de ello, muchas personas tienen dificultades para identificar contenido generado por IA. Solo el 43% de los participantes se siente “algo” o “muy” seguro de poder diferenciar entre noticias creadas por humanos y aquellas generadas por IA. Sin embargo, menos de la mitad tiene certeza de poder hacerlo con precisión, lo que sugiere la necesidad de mayor educación en alfabetización digital.

Aunque la desconfianza hacia el contenido generado por IA es alta, muchas organizaciones de noticias ya utilizan herramientas automatizadas para agilizar la producción de información. Un ejemplo de ello es Lynx Insight de Reuters, que permite generar reportes breves que luego son revisados y editados por periodistas antes de su publicación.

El estudio también evaluó el nivel de conocimiento sobre IA mediante una serie de preguntas a los participantes, dividiéndolos en tres grupos según sus respuestas correctas. El 27% mostró un bajo conocimiento (0-2 respuestas correctas), el 51% tuvo un conocimiento medio (3-4 respuestas correctas) y solo el 23% demostró un alto conocimiento (5-8 respuestas correctas).

El nivel de conocimiento en IA está directamente relacionado con la educación y los ingresos. Entre quienes tienen estudios de posgrado, el 29% mostró un alto nivel de conocimiento, frente al 20% de aquellos sin estudios universitarios. De manera similar, el 27% de quienes ganan más de 100,000 dólares al año demostraron altos conocimientos de IA, comparado con solo el 19% de quienes ganan menos de 25,000 dólares.

Los investigadores enfatizan la importancia de integrar la educación en IA en los planes de estudio desde la educación básica (K-12). La profesora Ognyanova destaca que la alfabetización informativa debe evolucionar al ritmo de los avances tecnológicos, ya que actualmente solo un tercio de la población tiene un conocimiento básico sobre IA.

Tendencias observadas en la publicación de libros electrónicos

Bergstrom, Tracy. E-Book Publishing Research Study. Ithaka S+R, 2025

Texto completo

El estudio impulsado y financiado por la Fundación Mellon, analiza los costos y beneficios de los modelos emergentes en la publicación de monografías académicas. Su objetivo principal es evaluar la adecuación de estos modelos al mercado del libro electrónico académico, así como su impacto en bibliotecas y autores.

Para ello, se están llevando a cabo entrevistas con editores, agregadores de contenido y bibliotecarios. En las primeras fases del estudio, las preguntas a los editores y agregadores se centraron en tres aspectos clave:

Alineación con la misión de la organización: de qué manera los modelos de publicación se ajustan a los valores y objetivos de las instituciones académicas.

Competencia por los autores: cómo los modelos de negocio ayudan a atraer a escritores.

Acceso a fondos bibliotecarios: cómo los modelos permiten captar una parte del presupuesto destinado a adquisiciones en bibliotecas.

Uno de los hallazgos clave del estudio es que la lectura de contenido digital creció de forma exponencial durante la pandemia. Este fenómeno ha llevado a editoriales y agregadores a ampliar el acceso a sus publicaciones, tras darse cuenta de la cantidad de lectores potenciales que estaban quedando fuera del mercado. En respuesta a esto, han surgido nuevas estrategias de distribución y modelos de acceso abierto para monografías académicas, con el objetivo de llegar a audiencias más amplias y diversificadas geográficamente.

Sin embargo, a pesar de la mayor demanda de libros electrónicos, el sector enfrenta importantes desafíos financieros, especialmente en humanidades y ciencias sociales. Las bibliotecas de investigación, que constituyen el principal mercado para las monografías académicas, han visto reducidos o estancados sus presupuestos. Esto limita el crecimiento de la industria y ha llevado a los editores a explorar nuevas fuentes de ingresos, como el formato audiolibro, en un intento de compensar la disminución de las ventas en papel.

Otro aspecto destacado en las entrevistas es la necesidad de fomentar una mayor diversidad de autores, lenguajes y formatos en la publicación de monografías. En este sentido, han surgido iniciativas de acceso abierto como Fund to Mission, Path to Open, University Press Library Open y Opening the Future, que buscan proteger y promover la producción de estos trabajos.

La BBC denuncia imprecisiones en los resúmenes de noticias generados por IA

Rahman-Jones, Imran. «AI Chatbots Unable to Accurately Summarise News, BBC Finds.» BBC News, February 11, 2025. https://www.bbc.com/news/articles/c0m17d8827ko.

Un estudio de la BBC encontró que cuatro chatbots de inteligencia artificial—ChatGPT (OpenAI), Copilot (Microsoft), Gemini (Google) y Perplexity—fallan al resumir con precisión noticias, presentando distorsiones y errores significativos.

En el experimento, la BBC les pidió a estos modelos que resumieran 100 noticias de su sitio web y expertos evaluaron sus respuestas. Se detectó que el 51 % de las respuestas tenía problemas importantes y que el 19 % de aquellas que citaban contenido de la BBC contenían errores factuales, como datos y fechas incorrectas.

Algunos ejemplos de inexactitudes incluyen: Gemini afirmando erróneamente que el NHS no recomienda el vapeo para dejar de fumar, ChatGPT y Copilot diciendo que Rishi Sunak y Nicola Sturgeon aún estaban en el cargo tras haberlo dejado, y Perplexity tergiversando una noticia sobre Medio Oriente.

La directora de BBC News, Deborah Turness, advirtió que las empresas de IA están «jugando con fuego» y pidió que las compañías tecnológicas «retiren» estos resúmenes, como ya hizo Apple tras quejas previas de la BBC.

El informe también señala que los chatbots no solo presentan errores fácticos, sino que tienen dificultades para diferenciar entre opinión y hechos, editorializan y omiten contexto esencial. La BBC busca dialogar con las empresas de IA para encontrar soluciones y garantizar que los editores tengan control sobre el uso de su contenido.

El informe, además señala que, en general, Copilot y Gemini fueron los chatbots con mayores problemas, mientras que ChatGPT y Perplexity mostraron un desempeño algo mejor, aunque también presentaron errores significativos.

Manual para combatir la desinformación

Fundación Telefónica Argentina, ed. Manual para combatir la desinformación. Buenos Aires: Fundación Telefónica Argentina, 2024.

Texto completo

Este recurso gratuito ofrece unas pautas complementarias a la información que podrás encontrar en la exposición ‘Fake News: El valor de la información’ que te ayudarán a discernir las noticias falsas de la verdad desde el pensamiento critico. 

Cultura digital y construcción de paisajes narrativos


Cultura digital y construcción de paisajes narrativos: Conexiones – Discontinuidades . Fundación Telefónica Movistar México, 2024

Texto completo

Las y los autores de los ensayos que conforman este volumen buscan develar las tramas que sostienen las narrativas sobre lo digital en un momento crucial en lo que respecta a la penetración de la inteligencia artificial generativa,…

Clubes de lectura con Eva Morera. Planeta Biblioteca 2025/02/10

Clubes de lectura con Eva Morera.

Planeta Biblioteca 2025/02/10

ESCUCHAR

Descargar

Blog de Eva «Raticos inolvidables«

VER EN VIDEO

Hemos tenido el placer de conversar con Eva Morera, bibliotecaria de la Universidad de Zaragoza, sobre una de sus grandes pasiones: los clubes de lectura y la magia de compartir historias. Para Eva, estos espacios son mucho más que reuniones en torno a un libro; son lugares de encuentro, aprendizaje y disfrute, donde las palabras nos conectan y nos ayudan a ver el mundo con otros ojos. Cree firmemente que la elección de lecturas debe responder a los intereses del grupo, sin imposiciones, y que la figura de la persona dinamizadora es clave para avivar el debate y hacer que todos se sientan parte de la conversación. Además, destaca cómo los clubes enriquecen nuestra forma de leer, abriéndonos a nuevas perspectivas y ayudándonos a descubrir autores y géneros que quizá no habríamos explorado por nuestra cuenta. Según ella, aunque mantener un club a lo largo del tiempo puede ser un reto, el esfuerzo merece la pena. Eva nos invita a sumarnos a estos espacios que, más allá de la literatura, construyen comunidad y nos recuerdan el valor de leer juntos.

DeepSeek revoluciona la IA con modelos de lenguaje a bajo costo y sin supervisión humana

Heaven, Will Douglas. «How DeepSeek Ripped Up the AI Playbook—and Why Everyone’s Going to Follow Its Lead.» MIT Technology Review, January 31, 2025. https://www.technologyreview.com/2025/01/31/1110740/how-deepseek-ripped-up-the-ai-playbook-and-why-everyones-going-to-follow-it/

El artículo destaca la innovación de DeepSeek, una firma china que ha revolucionado la creación de modelos de lenguaje de gran escala. La compañía presentó su modelo R1, que no solo compite con los mejores modelos estadounidenses, sino que fue desarrollado a una fracción del costo y distribuido de forma gratuita. Esta innovación causó un gran impacto en la industria tecnológica, tanto en EE. UU. como en China, y ha generado un cambio significativo en la forma en que se entrenan los modelos de IA.

Lo más relevante de DeepSeek es su enfoque en el aprendizaje automático autónomo. A diferencia de otros enfoques que dependen de la retroalimentación humana (como el aprendizaje reforzado con retroalimentación humana, RLHF), DeepSeek utiliza retroalimentación generada por computadoras para entrenar sus modelos de manera más eficiente y a menor costo. Este proceso de aprendizaje reforzado automatizado permite que los modelos aprendan por prueba y error sin la intervención humana constante.

La compañía también ha logrado reducir costos mediante el uso de chips antiguos y el uso eficiente de grandes conjuntos de datos, como el conjunto Common Crawl, lo que permite entrenar modelos sin necesidad de construir nuevos datos desde cero. Además, la técnica multi-token prediction ha mejorado la precisión y reducido el costo de la formación del modelo.

El modelo R1 es un ejemplo de cómo la IA puede evolucionar rápidamente, y al compartir sus métodos, DeepSeek ha permitido que otros laboratorios y empresas sigan su ejemplo. Grandes empresas como OpenAI y Google DeepMind podrían estar adoptando enfoques similares en secreto, lo que sugiere que la creación de modelos de razonamiento es más accesible de lo que se pensaba. Esto podría llevar a una proliferación de modelos gratuitos y más avanzados, lo que cambiaría el panorama de la IA.

Donald Trump despide a la Archivera General de Estados Unidos responsable de la preservación y acceso a los documentos gubernamentales.

CBS News. «Trump Fires Archivist of the United States Colleen Shogan.» CBS News, February 7, 2025. https://www.cbsnews.com/news/trump-fires-archivist-of-the-united-states-colleen-shogan/

El presidente Donald Trump ha despedido a Colleen J. Shogan, Archivero de los Estados Unidos, quien dirigía la Administración Nacional de Archivos y Registros (NARA) y era responsable de la preservación y acceso a los documentos gubernamentales.

El presidente Donald Trump ha destituido a Colleen J. Shogan como Archivera de los Estados Unidos, el cargo encargado de la Administración Nacional de Archivos y Registros (NARA), organismo responsable de la preservación y acceso a documentos gubernamentales. La decisión fue anunciada el viernes por Sergio Gor, director de la Oficina de Personal Presidencial, a través de la red social X

La destitución de Shogan no fue inesperada. Trump había adelantado a inicios de enero, en una entrevista con el presentador de radio Hugh Hewitt, su intención de nombrar a un nuevo archivero. Sin embargo, hasta el día anterior a su despido, un alto funcionario de la NARA declaró a CBS News que no había indicios de cambios en el cargo y que la archivera «esperaba continuar su relación de trabajo con el presidente y la primera dama.»

Aunque el puesto de Archivero de los Estados Unidos suele ser apolítico, NARA se convirtió en una pieza clave en las investigaciones sobre el manejo inadecuado de documentos clasificados por parte de Trump.

Al dejar la Casa Blanca en enero de 2021, el expresidente se llevó decenas de cajas con documentos oficiales a su residencia en Florida, incluyendo cerca de 340 documentos con marcas de clasificación confidencial, secreta y ultrasecreta. Como resultado, fue investigado por el Departamento de Justicia y acusado de 40 delitos graves, incluyendo obstrucción de la justicia y retención indebida de información de seguridad nacional.

Sin embargo, tras su victoria en las elecciones de noviembre de 2024, el fiscal especial Jack Smith retiró todos los cargos contra Trump, siguiendo la política del Departamento de Justicia que impide procesar a un presidente en funciones.

Por el momento, no se ha anunciado quién asumirá el cargo de Archivero de los Estados Unidos. Según la normativa vigente, si no hay una designación inmediata, el subarchivero Jay Bosanko, un funcionario de carrera, asumiría interinamente la dirección de NARA.

El despido de Shogan ha generado inquietud en el ámbito archivístico y legal. Jason R. Baron, exdirector de litigios de los Archivos Nacionales, expresó su preocupación y recordó que la ley federal exige que el Archivero sea designado por su experiencia profesional y sin influencias políticas. Además, el estatuto señala que el presidente debe notificar al Congreso sobre las razones del despido, algo que hasta el momento no ha ocurrido.

La salida de Shogan podría marcar un nuevo capítulo en la relación de Trump con NARA, una agencia clave para la transparencia gubernamental y el acceso a documentos históricos. El próximo nombramiento del Archivero de los Estados Unidos podría indicar cómo la nueva administración Trump manejará los registros presidenciales y gubernamentales en los próximos años.