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.

Cómo las universidades están reinventando el aprendizaje en un mundo de IA

The Chronicle of Higher Education. «How Colleges Are Reimagining Learning in an AI World», 3 de octubre de 2024. https://www.chronicle.com/article/the-future-is-hybrid.

Se analiza cómo las universidades están adaptándose al creciente papel de la inteligencia artificial (IA) en la educación. En lugar de ver la IA como una herramienta que sustituya el esfuerzo humano, algunos educadores, como Dan Myers y Anne Murdaugh de Rollins College, están integrando la IA como un apoyo para mejorar el aprendizaje.

En sus cursos, pidieron a los estudiantes que usaran herramientas como Claude y Copilot para proyectos de investigación, documentando cada paso en diarios que incluían los prompts y respuestas de IA, junto con sus reflexiones sobre el proceso. Los estudiantes encontraron útil la IA en etapas de brainstorming y esquematización, aunque preferían escribir por su cuenta, revelando la necesidad de trabajo independiente en ciertos aspectos como la revisión de literatura.

Este enfoque marca un cambio hacia una colaboración consciente con la IA, lo que podría permitir a los estudiantes aprender de manera más eficaz en vez de delegar el trabajo. Myers subraya que el desafío no es rediseñar drásticamente el currículo, sino encontrar los puntos estratégicos donde cada estudiante pueda desarrollar habilidades fundamentales en IA.

Mientras que algunos profesores temen el impacto de la IA en la educación, Myers y Murdaugh argumentan que el pensamiento crítico y el manejo de información, habilidades esenciales para la IA, son precisamente aquellas en las que las universidades ya destacan. De hecho, varias instituciones están buscando incorporar la «alfabetización en IA» en los planes de estudio. Sin embargo, esto no es sencillo: encuestas recientes muestran que aunque muchos estudiantes ya usan la IA para buscar información o hacer resúmenes, la mayoría de los profesores todavía no se sienten capacitados para aplicarla en su enseñanza.

Organizaciones como WGU Labs y la American Association of Colleges and Universities (AAC&U) están trabajando para reducir la incertidumbre en torno a la IA en la educación, proporcionando ejemplos prácticos y programas de capacitación. De hecho, la AAC&U ha lanzado un instituto de siete meses sobre IA, pedagogía y currículum, en el que participan equipos de 123 universidades que buscan integrar la IA de manera ética y efectiva.

Para instituciones más pequeñas como Berry College, la adopción de la IA incluye decisiones éticas y de privacidad, pues quieren educar a sus estudiantes en el uso crítico de la IA sin depender en exceso de detectores de IA, que podrían generar desconfianza. Mientras tanto, en universidades grandes como la Universidad de Michigan y Yale, se están desarrollando plataformas propias que permiten a los estudiantes y profesores experimentar con chatbots y otras herramientas de IA dentro de entornos protegidos. Esto asegura privacidad y brinda igualdad de oportunidades a estudiantes que de otra forma no podrían acceder a versiones avanzadas de herramientas como ChatGPT.

Universidades como Carnegie Mellon han comenzado a financiar experimentos para probar el impacto de la IA en el aula, explorando si esta mejora la capacidad de los estudiantes para generar ideas y defender argumentos. Algunos profesores también están explorando el desarrollo de tutores de IA para apoyar el aprendizaje autodirigido, lo que permite a los estudiantes trabajar a su propio ritmo y con acceso continuo a un «instructor» que no se frustra.

Sin embargo, los desafíos son significativos, pues la IA plantea dilemas sobre cómo y hasta qué punto se deben adaptar los programas de estudio. Mientras que algunos educadores ven en la IA una oportunidad para dedicar más tiempo a problemas complejos en clase, otros temen que se convierta en una distracción o en una solución demasiado fácil. Las universidades están comenzando a ver a la IA no solo como una herramienta auxiliar, sino como una tecnología fundamental que redefine la experiencia educativa, exigiendo un equilibrio entre innovación y cautela en su implementación.

La biblioteca universitaria en evolución: lo que se gana, lo que se pierde

Mintz, Steven. «The Evolving University Library». Inside Higher Ed. Accedido 4 de noviembre de 2024. https://www.insidehighered.com/opinion/blogs/higher-ed-gamma/2024/10/28/whats-gained-whats-lost-evolving-university-library.

Steven Mintz reflexiona sobre la transformación de las bibliotecas universitarias en la era digital. Anteriormente consideradas el «joya» académica de los campus, las bibliotecas solían reflejar la calidad y el prestigio de una universidad a través del tamaño de sus colecciones impresas y su papel como centro intelectual. Sin embargo, con el auge de los recursos digitales y la caída en el uso de materiales físicos, las bibliotecas han pasado de ser espacios de investigación a convertirse en centros multifuncionales que pueden incluir desde áreas de estudio, cafés, centros de asesoría hasta espacios de colaboración tecnológica.

Mintz explica que esta transición ha tenido consecuencias significativas en cómo se realiza la investigación académica y cómo los estudiantes interactúan con el conocimiento. La circulación de libros impresos ha disminuido drásticamente en muchas universidades, mientras que el acceso a recursos digitales, como artículos en línea y bases de datos, ha redefinido el panorama de la investigación académica. Por ejemplo, en la Universidad de Virginia, el uso de libros impresos cayó de 1.085.000 ejemplares en 1999–2000 a solo 207,000 en 2016–17. Este cambio también refleja un descenso en la «lectura profunda» y en el uso de materiales extensos, que tradicionalmente fomentaban la reflexión y el análisis crítico en los estudiantes.

El artículo también destaca cómo la proliferación de tecnologías de búsqueda y herramientas de inteligencia artificial ha transformado la lectura académica. Las búsquedas digitales permiten una consulta eficiente, pero también tienden a ser más dirigidas y menos exploratorias, limitando la oportunidad de descubrir obras inesperadas al hojear los estantes de una biblioteca física. Además, las bibliotecas han comenzado a deacoplarse de su rol de archivo histórico, enviando colecciones impresas, como microfilms y otros materiales, a depósitos externos. Esto dificulta el acceso a los documentos históricos, necesarios para investigaciones en disciplinas como historia y humanidades.

Mintz subraya que, si bien el cambio hacia la digitalización y el acceso abierto ha democratizado el conocimiento en cierta medida, ha generado problemas complejos. Los altos costos de suscripción a bases de datos propietarias, las restricciones de derechos de autor y la menor disponibilidad de ciertas obras en formato digital son algunos de los desafíos que enfrentan hoy en día las bibliotecas. En particular, la desaparición de la exploración casual y la pérdida de acceso a contenidos «efímeros» (como anuncios o ilustraciones en ediciones impresas) limitan la experiencia completa de aprendizaje y pueden empobrecer la comprensión del contexto cultural e histórico de una época.

Frente a estos desafíos, Mintz argumenta que el rol de los bibliotecarios es más esencial que nunca. Más allá de ser guardianes de libros, deben desempeñarse como educadores en alfabetización digital, consultores de investigación y expertos en la gestión de grandes volúmenes de información. La «proletarización» de la profesión, según Mintz, donde muchos bibliotecarios son percibidos como personal de apoyo más que como contribuyentes académicos, es un reto que deben enfrentar las universidades si desean mantener la relevancia de las bibliotecas en el futuro.

Finalmente, Mintz propone que las bibliotecas deberían adoptar un modelo híbrido, en el cual la tecnología coexista con las colecciones físicas y los eventos culturales. Sugiere que estas instituciones se conviertan en centros de aprendizaje dinámicos que promuevan el pensamiento crítico, la colaboración interdisciplinaria y el compromiso intelectual, organizando actividades como clubes de lectura, festivales literarios y proyectos de humanidades digitales. Así, las bibliotecas universitarias pueden recuperar su rol como espacios de encuentro intelectual en el campus, preservando el valor de la lectura profunda y la reflexión crítica en un mundo cada vez más digital.

Para lo que propone las siguientes estrategias:

  • Integrar libros raros, manuscritos, archivos y colecciones especiales más profundamente en el plan de estudios, ofreciendo a los estudiantes oportunidades únicas para la investigación y la exploración intelectual.
  • Organizar clubes de lectura y grupos de lectura (tanto en línea como presenciales) que se centren en diversos géneros o temas sociales para atraer a una gran variedad de estudiantes.
  • Crear círculos de lectura dirigidos por compañeros, que permitan a los estudiantes organizar sus propios grupos, compartir recomendaciones de libros y debatir sobre la literatura que les apasiona.
  • Patrocinar intercambios de libros, en los que los estudiantes puedan cambiar los libros que han leído por otros nuevos, fomentando así una comunidad de lectura vibrante y compartida.
  • Animar al profesorado y al personal a compartir recomendaciones de lectura a través de las páginas web de la universidad, boletines, tablones de anuncios o en persona, fomentando debates informales en torno a los libros.
  • Organizar actos literarios y lecturas de autores, con sesiones de preguntas y respuestas en las que los autores hablen de su proceso creativo y sus obras.
  • Organizar festivales literarios en todo el campus que incluyan mesas redondas, talleres y firmas de libros, para llamar la atención sobre la riqueza de la cultura literaria.
  • Organizar un festival del libro con sesiones de cuentacuentos, actuaciones orales, charlas de autores y debates temáticos que den vida a la literatura para la comunidad universitaria.

¿Podemos confiar en las búsquedas web con Inteligencia Artificial?

Bains, Callum. «The Chatbot Optimisation Game: Can We Trust AI Web Searches?» The Guardian, 3 de noviembre de 2024. https://www.theguardian.com/technology/2024/nov/03/the-chatbot-optimisation-game-can-we-trust-ai-web-searches.

El artículo «The Chatbot Optimisation Game: Can We Trust AI Web Searches?» publicado en The Guardian, analiza cómo los chatbots de inteligencia artificial (IA) eligen y presentan la información en las búsquedas en línea y cuestiona la confiabilidad de estas respuestas.

Investigadores de la Universidad de California en Berkeley encontraron que los chatbots actuales dependen excesivamente de la relevancia superficial de la información, priorizando textos con lenguaje técnico o palabras clave sin evaluar su confiabilidad. Esto significa que tienden a pasar por alto aspectos que normalmente consideraríamos para verificar la veracidad, como referencias científicas o lenguaje imparcial.

El concepto de «optimización de motores generativos» fue introducido el año pasado, indicando que el uso de un lenguaje autoritativo y referencias (incluso si son incorrectas o irrelevantes) podría aumentar la visibilidad en las respuestas de los chatbots hasta en un 40%. Sin embargo, estas conclusiones son tentativas y los algoritmos de selección de los chatbots aún son difíciles de manipular con reglas claras.

El uso de chatbots también plantea un dilema existencial en internet: a diferencia de los motores de búsqueda tradicionales, los chatbots solo mencionan unas pocas fuentes en sus respuestas, lo que beneficia a un grupo reducido de sitios y deja prácticamente invisibles a otros, afectando su tráfico significativamente.

Además, los investigadores de Harvard han demostrado que, más allá de la GEO, es posible manipular directamente las respuestas de los chatbots con “secuencias de texto estratégicas”. Estas secuencias, que parecen cadenas de caracteres sin sentido, en realidad están diseñadas mediante algoritmos que hacen que los chatbots generen respuestas específicas. Esto podría permitir que ciertos productos o contenidos logren más visibilidad en las respuestas de los chatbots, independientemente de su calidad o confiabilidad.

Este tipo de manipulación plantea riesgos evidentes para los usuarios, quienes podrían ver productos o información en el chatbot sin saber que fueron posicionados mediante técnicas de manipulación. Aunque en el futuro los LLMs (modelos de lenguaje de IA) podrían fortalecerse contra estos ataques, los investigadores señalan que los métodos de manipulación también están en constante evolución, por lo que los desafíos de control seguirán presentes.

Otro problema que el artículo resalta es el llamado “dilema de la respuesta directa”, un concepto desarrollado por el investigador Martin Potthast y su equipo. Este dilema surge cuando los chatbots presentan una única respuesta a una pregunta, lo cual puede llevar a que los usuarios acepten esa respuesta sin buscar otros puntos de vista o fuentes. Esto plantea el riesgo de que los usuarios perciban la respuesta del chatbot como la verdad única, sin considerar otras perspectivas o matices que podrían ser importantes en temas complejos.

Con la introducción de resúmenes de IA en los motores de búsqueda, Google lanzó la campaña «Let Google do the searching for you» («Deja que Google haga la búsqueda por ti»), lo cual sugiere que estos resúmenes optimizan el proceso de búsqueda. Sin embargo, este tipo de automatización podría perjudicar a aquellos usuarios que buscan información imparcial y precisa, ya que los chatbots, al ser susceptibles a manipulaciones, no siempre pueden garantizar que la información proporcionada sea confiable.

En resumen, el artículo advierte sobre los desafíos éticos y prácticos que implica la creciente dependencia de chatbots generativos para obtener información en línea. Si bien pueden hacer las búsquedas más rápidas y cómodas, los riesgos de manipulación y la falta de una supervisión clara en la selección de información hacen que esta tecnología aún esté lejos de ser una fuente autoritativa y confiable para temas complejos.

Evaluación de la equidad y la inclusión en la concesión de subvenciones al patrimonio cultural

«Evaluating Equity and Inclusion in Cultural Heritage Grantmaking: CLIR’s Amplifying Unheard Voices Program • CLIR». s. f. CLIR. Accedido 2 de noviembre de 2024.

Descarga



El informe «Evaluating Equity and Inclusion in Cultural Heritage Grantmaking: CLIR’s Amplifying Unheard Voices Program» resume la evaluación de un año del programa «Amplifying Unheard Voices», que representa una revisión importante del programa de subvenciones «Digitizing Hidden Collections» de CLIR. Esta revisión buscó ampliar el alcance y la atractivo del programa a una gama más amplia de instituciones, incluyendo organizaciones independientes y comunitarias, y centrarse en la digitalización de materiales históricos que relatan las historias de grupos subrepresentados en el registro histórico digital. Se realizaron cambios significativos en la estructura de la aplicación, se crearon nuevos recursos de apoyo para solicitantes, se amplió la elegibilidad para incluir a Canadá y se añadieron nuevos énfasis temáticos y valores del programa. La evaluación se basó en una serie de actividades de recopilación de datos cualitativos que involucraron a grupos de interés y personal. A través de encuestas y entrevistas a solicitantes, consultores, revisores de propuestas y personal, los autores ofrecen una visión holística del programa, presentan recomendaciones y señalan áreas que requieren atención adicional.


Aumento del 200 % en la censura de libros en escuelas públicas de EE.UU

«Banned in the USA: Beyond the Shelves». 2024. PEN America. 1 de noviembre de 2024. https://pen.org/report/beyond-the-shelves/.


Durante el año escolar 2023-2024 se registró un número récord de censura de libros en escuelas públicas de EE. UU., con más de 10,000 instancias de prohibición que afectaron a más de 4,000 títulos únicos. Este año, un mayor porcentaje de libros fue retirado por completo de las bibliotecas escolares. Florida e Iowa lideraron las prohibiciones, con más de 4.500 y 3.600 casos respectivamente.

PEN America, la organización que defiende la libertad de expresión, reportó que las prohibiciones de libros en escuelas públicas de EE. UU. han alcanzado niveles alarmantes durante el año escolar 2023-2024. Con un total de 10.046 instancias de censura en todo el país, el número representa un incremento del 200 % respecto al ciclo anterior.

Desde que comenzó la crisis de censura en 2021, se han contabilizado casi 16.000 casos de prohibición de libros en distritos escolares. Este fenómeno, impulsado principalmente por individuos y grupos con puntos de vista conservadores extremos, afecta especialmente a obras que exploran temas como raza, sexualidad e identidad de género, así como temas de salud mental y experiencias difíciles que los jóvenes enfrentan en la realidad.

El informe de PEN America, Banned in the USA: Beyond the Shelves, resalta que el 43 % de los libros prohibidos durante el último año fueron retirados por completo del acceso escolar, sin posibilidad de revisión ni acceso con restricciones. Esto supone un aumento notable respecto a años anteriores, cuando solo el 27 % de los libros censurados se eliminaban completamente. Los estados de Florida e Iowa se posicionan como líderes en estas prohibiciones, con 4.500 y 3.600 libros censurados respectivamente debido a leyes estatales que limitan el acceso a ciertos contenidos en las escuelas. Juntos, ambos estados representan más de 8.200 instancias de censura.

Entre los libros más censurados están títulos reconocidos como Nineteen Minutes de Jodi Picoult, una novela que aborda temas como la violencia escolar y que fue censurada en al menos 50 distritos escolares. Otros títulos frecuentemente prohibidos incluyen Looking for Alaska de John Green, The Perks of Being a Wallflower de Stephen Chbosky, Sold de Patricia McCormick y Thirteen Reasons Why de Jay Asher. Autores como Ellen Hopkins, Sarah J. Maas y Stephen King también han visto múltiples de sus obras censuradas; por ejemplo, 74 títulos de Stephen King y 22 de Maas fueron prohibidos en diferentes distritos escolares.

Jodi Picoult expresó su preocupación por esta censura, argumentando que su libro Nineteen Minutes, lejos de ser dañino, ha ayudado a muchos jóvenes a comprender sus sentimientos y desafíos. La autora señaló que la censura está privando a los estudiantes de herramientas esenciales para enfrentar un mundo cada vez más complejo y dividido. Las prohibiciones, dijo, «no están ayudando a los niños, sino que los están perjudicando».

Además de las prohibiciones directas, PEN America identifica una creciente «censura suave» en el sistema educativo. Esto incluye la cancelación de visitas de autores, la suspensión de ferias de libros y el cierre temporal de bibliotecas escolares para revisar sus colecciones. Este tipo de censura es más difícil de rastrear, ya que los libros son eliminados discretamente o los maestros y bibliotecarios se ven intimidados para evitar ciertos títulos. Esta situación ha creado un ambiente de autocensura en el que muchos educadores evitan introducir contenidos controvertidos, limitando así las oportunidades de los estudiantes para desarrollar habilidades de pensamiento crítico, empatía y comprensión cultural.

PEN America ha estado documentando el aumento de la censura en la educación pública de EE. UU. desde 2021 y continúa denunciando cómo estas restricciones afectan el derecho de los jóvenes a leer y aprender sin barreras. Según el informe, en el ciclo 2023-2024, 4,231 títulos únicos fueron censurados, impactando a 2,662 autores, 195 ilustradores y 31 traductores. Las prohibiciones han tenido un impacto desproporcionado en títulos que incluyen personajes LGBTQ+, personajes de color y temas relacionados con la sexualidad, lo cual refleja un sesgo en las políticas de censura.

Este aumento en las prohibiciones y en la censura general en las escuelas de EE. UU. es un síntoma de una creciente batalla cultural en torno al contenido educativo y el derecho de los estudiantes a acceder a una amplia variedad de perspectivas. Según PEN America, este ambiente restrictivo amenaza con limitar la capacidad de las próximas generaciones para entender y enfrentar los desafíos de la sociedad moderna.

Creative Commons lanza la Coalición TAROCH para el Acceso Abierto al Patrimonio Cultural

«Open Heritage Archives». 2024 Creative Commons. Accedido 2 de noviembre de 2024. https://creativecommons.org/category/open-culture/open-heritage/.

Creative Commons ha lanzado la Coalición TAROCH (Towards a Recommendation on Open Cultural Heritage) para fomentar el acceso abierto al patrimonio cultural. El objetivo principal de TAROCH es que los Estados miembros de la UNESCO adopten una recomendación para promover soluciones abiertas que permitan el acceso equitativo al patrimonio cultural, en línea con la misión de la UNESCO de promover el diálogo intercultural y el intercambio cultural.

La coalición, apoyada por el Fondo Arcadia y liderada por Creative Commons, reúne a una comunidad global de organizaciones dedicadas al patrimonio cultural y comprometidas con el acceso abierto. TAROCH se ha propuesto lograr, para mayo de 2026, una Declaración sobre el Acceso Abierto al Patrimonio Cultural, la cual podrá ser firmada por organizaciones de la sociedad civil, y una estrategia de incidencia para fomentar el reconocimiento del acceso abierto en el ámbito cultural.

Las instituciones interesadas en unirse a TAROCH pueden hacerlo a través de un formulario de solicitud, comprometiéndose con la misión de la coalición.

La IA generativa y la publicación científica. ¿Una tercera transformación?

Bergstrom, Tracy, y Dylan Ruediger. «A Third Transformation? Generative AI and Scholarly Publishing.» Ithaka S+R, 30 de octubre de 2024. https://sr.ithaka.org/publications/a-third-transformation/.

El informe A Third Transformation? Generative AI and Scholarly Publishing, publicado por Ithaka S+R y escrito por Tracy Bergstrom y Dylan Ruediger, examina el impacto potencial de la inteligencia artificial generativa en la industria de publicaciones académicas. A raíz de un informe anterior sobre la «segunda transformación digital» de la publicación académica, el nuevo informe explora cómo la IA generativa podría ser una «tercera transformación», cambiando la manera en que se realiza y comunica la investigación académica.

En 2023, aproximadamente el 1% de la literatura académica ya mostraba signos de haber sido creada parcialmente con IA generativa. Grandes editoriales han lanzado herramientas de búsqueda y descubrimiento potenciadas por IA, y también experimentan con su uso en procesos internos. El informe se basa en entrevistas con 12 líderes del sector, quienes ven la IA como una herramienta que mejorará la eficiencia en la redacción, revisión, edición y descubrimiento, acelerando así la investigación y la publicación académica.

El informe describe dos posibles futuros. En el primero, la IA generativa mejora la eficiencia sin cambiar fundamentalmente la industria. En el segundo, más transformador, la IA podría reconfigurar profundamente el sector, generando cambios que superen los de las transformaciones digitales previas. Aunque estos escenarios no se excluyen mutuamente, el informe sugiere que algunos aspectos de la publicación académica podrían experimentar cambios incrementales, mientras que otros serían profundamente alterados.

Contexto estratégico La publicación académica enfrenta oportunidades y desafíos debido a la IA generativa. Esta tecnología ofrece nuevas posibilidades, pero también genera incertidumbres y enfoques diversos entre las organizaciones.

Transición hacia la provisión de servicios El sector está evolucionando de un modelo centrado en la edición hacia uno basado en plataformas y servicios. La IA generativa acelera esta tendencia, promoviendo la integración de herramientas de descubrimiento, interpretación y escritura. Las plataformas ahora pueden ofrecer servicios completos para autores, investigadores y editores, como el asistente de Digital Science y el de Web of Science, que permiten búsqueda y resumen avanzados. También existen herramientas de IA como Paperpal y Writefull que mejoran la calidad de la escritura académica. La combinación de estas capacidades podría transformar a las editoriales en proveedores de infraestructura de investigación integral.

Revisión por pares La revisión por pares es un área clave donde la IA generativa puede ayudar a reducir la carga de trabajo al identificar revisores y revisar aspectos básicos de los manuscritos. Sin embargo, su implementación conlleva riesgos debido a posibles inexactitudes de la IA y la pérdida de la revisión experta y humana. Las editoriales exploran límites seguros para que la IA participe sin reemplazar la revisión humana. Además, deben abordarse preocupaciones de confidencialidad y de seguridad para su adopción.

Competencia y consolidación La IA generativa impacta la consolidación en el sector editorial. Las grandes editoriales están experimentando con la concesión de licencias de contenido para su uso en LLM comerciales, pero esto plantea riesgos estratégicos como la disminución de suscripciones. Las herramientas avanzadas de búsqueda, como Scopus AI, están cambiando la interacción de los investigadores con el contenido. La apertura del acceso también crea competencia con empresas tecnológicas que podrían reemplazar a las editoriales como principal fuente de contenido académico.

Desafíos éticos y de atribución El uso de IA generativa en la creación y edición plantea preguntas éticas sobre la atribución, reproducción y transparencia en la investigación. Varias editoriales han implementado políticas para limitar el uso de IA en la autoría y edición de contenidos, enfatizando la importancia de roles humanos en la investigación. La comunidad científica debe establecer normas claras para el uso de la IA en el proceso académico.

Futuro de la publicación académica La implementación de IA generativa podría reducir la dependencia de la interpretación humana en el proceso de publicación y fomentar una producción orientada a la legibilidad por máquinas, afectando así el propósito comunicativo de la publicación académica.

Bien Público Global de Confianza

La idea de que la investigación sea considerada un bien público global de confianza se ha visto desafiada en la última década por el fraude, la mala conducta y actividades maliciosas. La inteligencia artificial generativa ha intensificado las conversaciones sobre cómo mantener la confianza en la publicación académica. A pesar de los riesgos que plantea, muchos expertos ven en ella una oportunidad para hacer la publicación científica más accesible y útil como bien público.

Se considera que la inteligencia artificial generativa nivela el terreno de juego para autores y lectores. Los investigadores no angloparlantes están utilizando esta tecnología para mejorar la calidad de su escritura académica, lo que ha impactado negativamente a los proveedores de servicios de corrección de textos. Esto se percibe como un avance hacia la equidad y el acceso a revistas en inglés, facilitando la comunicación científica.

Además, hay interés en la posibilidad de automatizar la traducción, lo que permitiría que todo el registro académico sea accesible para hablantes de varios idiomas, ampliando así el mercado global de publicaciones.

Cálculo del Impacto

La segunda transformación digital ha establecido nuevos estándares, como los índices de citas, que podrían verse profundamente alterados por la inteligencia artificial generativa. Si los investigadores empiezan a utilizarla como un método intermedio para acceder al registro académico, esto podría afectar cómo se evalúa el impacto de la investigación.

Se identificó una necesidad urgente de desarrollar métricas que complementen los métricas COUNTER, las cuales son esenciales para las bibliotecas y las editoriales en relación con el valor de sus colecciones. Se plantearon dos desafíos principales:

  1. Limitaciones de las métricas tradicionales: Estas solo cuentan el compromiso con elementos que tienen un Identificador Único de Recurso (URI). La IA generativa promueve la creación de contenido personalizado, que es efímero y no deja un registro formal, lo que dificulta su conteo en las métricas tradicionales.
  2. Falta de medición del compromiso: Las métricas COUNTER no evalúan el nivel de compromiso con un recurso específico. Aunque permiten diferenciar entre investigaciones y solicitudes, no miden el compromiso prolongado. Con la inteligencia artificial generativa, será posible realizar múltiples consultas adaptativas a un mismo recurso, lo que sugiere la necesidad de desarrollar métricas que capturen la profundidad del compromiso de los investigadores con los recursos individuales.

Nuevas Oportunidades para la Infraestructura Compartida

Esta sección explora oportunidades para crear nuevas categorías de infraestructura compartida en el contexto del desarrollo de la inteligencia artificial generativa y su impacto en la publicación académica. A medida que la transformación digital avanza, es crucial establecer estándares y estructuras que aseguren la organización y mantenimiento del registro académico.

Eje del Registro Académico

El «eje del registro académico» se refiere a la necesidad de una infraestructura que vincule de manera persistente componentes atomizados de investigación, como preprints y conjuntos de datos. La llegada de modelos de lenguaje (LLMs) complica la citación y comprensión de la información, pues frecuentemente generan salidas que son difíciles de rastrear hasta su contexto original. A pesar de los beneficios de la automatización en la documentación de datos, existe el riesgo de que la publicación se vuelva más centrada en los datos, disminuyendo el valor de los editores.

Recomendaciones

  1. Colaboración y Estandarización: Se sugiere que las organizaciones de publicación colaboren en la creación de metadatos estandarizados que faciliten la citabilidad y transparencia de los contenidos generados por inteligencia artificial.
  2. Consenso en la Comunidad de Investigación: Las comunidades de investigación deben establecer acuerdos sobre cómo citar contenidos generados por IA y su valor histórico, priorizando la preservación.

Integridad de la Investigación

La falta de confiabilidad en el contenido subyacente a los LLMs plantea preocupaciones sobre la integridad del registro académico. A pesar de la disponibilidad de datos de alta calidad, los LLMs cometen errores y carecen de transparencia, lo que dificulta la confianza en los resultados de la investigación.

Se propone la necesidad de nuevos estándares que aseguren la consistencia y transparencia en el uso de herramientas de IA generativa. Además, las bibliotecas de investigación deben desempeñar un papel activo en garantizar la verificabilidad de la comunicación académica.

La tecnología de IA generativa también presenta desafíos para la detección de fraudes académicos, ya que puede facilitar la creación de contenido fraudulento. Sin embargo, también se sugiere que estas herramientas pueden fortalecer los metadatos y mejorar la calidad de los manuscritos.

Recomendaciones

  1. Fortalecimiento de la Calidad del Contenido: Las editoriales deben abogar por contenido de alta calidad y colaborar con proveedores de tecnología para establecer marcadores de confianza.
  2. Colaboración Interdisciplinaria: Se recomienda fomentar discusiones entre todos los actores del ciclo de investigación para garantizar la integridad de la investigación científica.

Generando Significado

El registro académico permite a diversas comunidades generar nuevo conocimiento. Sin embargo, con la llegada de LLMs, surge la pregunta sobre cómo afectará esto a la producción futura de investigación. Aunque la IA generativa democratiza el acceso a la información, también plantea interrogantes sobre el papel del investigador humano en la creación narrativa.

Las herramientas de IA generativa podrían transformar cómo se realiza la investigación, permitiendo la automatización de ideas y experimentos, lo que podría llevar a una transición hacia la investigación liderada por máquinas.

Recomendaciones

  1. Desarrollo de un Vocabulario Común: Se sugiere establecer un vocabulario común sobre el uso de trabajos generados por IA para facilitar la comprensión de los investigadores.
  2. Evolución de las Métricas de Impacto: Se recomienda financiar un estudio para investigar cómo deben evolucionar las métricas COUNTER para adaptarse a las nuevas realidades.

Modelos de Negocio Nuevos

La rápida innovación en el espacio de IA generativa requiere que las organizaciones de publicación adapten sus modelos de negocio. La falta de un entendimiento común sobre las oportunidades y riesgos de la IA generativa entre autores y editoriales ha generado la necesidad de un diálogo abierto.

Se observa que servicios como la corrección de textos y la traducción ya están experimentando disrupciones debido a la IA generativa, lo que plantea retos para las editoriales más pequeñas.

Recomendaciones

  1. Construcción de Comprensión Compartida: Las partes interesadas deben trabajar juntas para construir una comprensión compartida sobre el valor y los riesgos de la IA generativa en la comunicación académica.
  2. Servicios de Traducción de Calidad: Se recomienda que los servicios de traducción on-demand integrados en herramientas de IA generativa sean cuidadosamente evaluados para su uso en contextos académicos, considerando también los modelos de descuento para países no anglófonos.

Desbloqueo de datos del Pacto Verde: enfoques innovadores para la gobernanza y el intercambio de datos en Europa

Ponti, M., Maccani, G., Portela, M., Pierri, P. et al., Unlocking Green Deal data – Innovative approaches for data governance and sharing in Europe, Maccani, G.(editor) and Thabit Gonzalez, S.(editor), Publications Office of the European Union, 2024, https://data.europa.eu/doi/10.2760/0517622

El informe Unlocking Green Deal Data: Innovative Approaches for Data Governance and Sharing in Europe analiza enfoques innovadores para gestionar y compartir datos en apoyo a los objetivos del Pacto Verde Europeo. Basándose en el marco político y legal de la Estrategia Europea de Datos (2020) y en la creación de espacios comunes de datos europeos, el informe examina la gobernanza y el intercambio de datos relacionados con el Pacto Verde, enfocándose en nuevos instrumentos regulatorios, como la Ley de Gobernanza de Datos y la Ley de Datos.

Se analizan los incentivos y desincentivos actuales para el intercambio de datos, el papel de los intermediarios de datos y las organizaciones de altruismo de datos, así como prácticas de gobernanza relacionadas con los datos generados por los ciudadanos (CGD). Además, incluye perspectivas del sector privado y presenta recomendaciones para apoyar la revisión de la Directiva INSPIRE (2007), en el contexto del espacio común de datos del Pacto Verde Europeo, fomentando un ecosistema de datos más justo y sostenible.

La desaparición de la cultura: un informe sobre nuestro frágil patrimonio cultural

Vanishing Culture: A Report on Our Fragile Cultural Record, edited by Luca Messarra, Chris Freeland and Juliya Ziskina.

Texto completo

Los ataques informáticos, que han afectado a instituciones como el Internet Archive, la Biblioteca Británica y otras bibliotecas de Norteamérica, también amenazan la preservación de la cultura digital, interfiriendo con la infraestructura que la protege. El informe aboga por la necesidad de fortalecer el papel de las bibliotecas y archivos públicos, otorgándoles respaldo legal, cultural y financiero, para garantizar el acceso a nuestro legado cultural en el futuro.

En los últimos días de preparación del informe, el Internet Archive sufrió un ataque de denegación de servicio distribuido (DDoS) que dejó sus servicios fuera de línea durante cuatro días, recuperándose luego de manera provisional. Este incidente refleja una tendencia alarmante: los ciberataques contra bibliotecas e instituciones de memoria. Además del Internet Archive, otras bibliotecas como la Biblioteca Británica y la Biblioteca Pública de Seattle también han sido atacadas, y la Biblioteca Pública de Calgary tuvo que cerrar incluso sus sedes físicas debido a uno de estos incidentes.

Estas amenazas no solo interrumpen el acceso, sino que ponen en peligro los sistemas que garantizan la preservación de nuestro conocimiento. La pérdida de acceso a las colecciones digitales, aunque sea temporal, tiene graves implicaciones: interrumpe la investigación, frena el acceso público a la información y crea vacíos en la memoria pública. Un usuario en X señaló la ironía de este ataque, realizado en medio de un huracán, conflictos bélicos y elecciones en EE. UU.

Este ataque subraya la fragilidad de nuestro paisaje digital. Ante estas crecientes amenazas, se hace evidente la necesidad de investigar cómo proteger mejor las bibliotecas digitales y sus archivos culturales, cuya preservación es crucial en una era de cultura en constante desaparición.

El informe Vanishing Culture: A Report on Our Fragile Cultural Record analiza cómo los intereses corporativos y los cambios en la distribución de medios limitan el acceso público a su propio registro cultural. La proliferación de contenido digital a través de plataformas de streaming y licencias temporales, en lugar de la propiedad permanente, pone en riesgo que grabaciones, libros, programas de televisión y películas desaparezcan de las plataformas sin ser archivados. Esto implica que la expresión cultural queda a merced de los conglomerados mediáticos.

El informe está dividido en dos partes. La primera, “Preservación de Medios y la Construcción de la Memoria Pública,” explora el impacto de este cambio hacia el streaming y la pérdida de propiedad, destacando estudios sobre la pérdida digital y materiales preservados por el Internet Archive. Se incluye una revisión histórica sobre la pérdida cultural en cine y música, y se sugiere que los individuos tomen acción para ayudar a crear un ecosistema mediático accesible y duradero.

La segunda parte, “Narrativas de Preservación y Pérdida Cultural,” ofrece ensayos de académicos y defensores de la preservación, quienes destacan por qué es crucial preservar medios específicos, como las historias laborales de las mujeres (por medio de libros de cocina y redes sociales) y materiales educativos antiguos. Estas narrativas subrayan que solo a través de actos intencionados de preservación se podrán recordar estos elementos culturales.

En conjunto, el informe insta a reconocer la importancia de la preservación y el acceso para el bien público, y aboga por cambios necesarios para proteger nuestro patrimonio físico y digital.

Definición «oficial» de Inteligencia Artificial (IA) de código abierto

The open source ai definition 1.0. Open Source Initiative, 2024

Ver

Se presenta la primera definición oficial de inteligencia artificial de código abierto, conocida como Open Source AI Definition (OSAID), elaborada por la Open Source Initiative (OSI). Esta definición surge de años de colaboración con académicos e industriales y tiene como objetivo establecer un estándar claro que permita identificar si un modelo de IA es realmente de código abierto.

Una de las principales motivaciones para esta definición es alinear a los legisladores y desarrolladores de IA, especialmente en un contexto donde organismos como la Comisión Europea están considerando un reconocimiento especial para el código abierto. Según Stefano Maffulli, vicepresidente de la OSI, el objetivo es que, al haber consenso, se reduzcan las confusiones sobre lo que se considera realmente «código abierto».

Para que un modelo de IA se considere de código abierto bajo la OSAID, debe proporcionar suficiente información sobre su diseño, de manera que cualquier persona pueda recrearlo sustancialmente. Esto incluye detalles sobre los datos de entrenamiento, su origen y cómo se pueden obtener o licenciar. Maffulli enfatiza que un modelo de IA de código abierto debe permitir a los usuarios entender completamente su construcción y modificarlo libremente.

Sin embargo, la OSI no cuenta con mecanismos de cumplimiento para obligar a los desarrolladores a seguir la OSAID. Su intención es señalar aquellos modelos que se etiquetan como “código abierto” pero que no cumplen con la definición. La OSI espera que la comunidad de IA no reconozca modelos mal etiquetados, lo que podría llevar a correcciones en el uso del término.

A pesar de la participación de grandes empresas tecnológicas, como Meta, en la elaboración de la OSAID, muchas de estas han sido criticadas por no cumplir con sus criterios. Por ejemplo, Meta requiere licencias especiales para usar sus modelos Llama, lo que contradice la esencia de ser “código abierto”. La situación es similar con otras empresas, donde los modelos se presentan como abiertos, pero con restricciones significativas.

El artículo también destaca que un estudio reciente encontró que muchos modelos de “código abierto” son en realidad solo nominalmente abiertos, ya que mantienen en secreto datos de entrenamiento y requieren recursos computacionales que son inaccesibles para muchos desarrolladores. Esto sugiere que, en lugar de democratizar la IA, estos proyectos pueden consolidar el poder centralizado.

Además, hay voces críticas, como la de Meta, que argumentan que la OSAID no aborda adecuadamente las complejidades de los modelos de IA modernos. Meta defiende su enfoque cauteloso en cuanto a la divulgación de datos de entrenamiento, alegando que esto es necesario para evitar implementaciones dañinas.

El artículo también menciona que la OSAID no aborda cuestiones de derechos de autor y licencias de datos de entrenamiento, lo que podría limitar su efectividad. Maffulli reconoce que la definición necesitará revisiones y actualizaciones, y la OSI ha creado un comité para supervisar su aplicación y proponer enmiendas en el futuro.

En resumen, la OSAID representa un avance significativo en la clarificación de lo que constituye la inteligencia artificial de código abierto, pero aún enfrenta desafíos y críticas que deberán abordarse para que sea realmente efectiva y útil en la práctica.