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.

¿Puede la Inteligencia artificial sustituir a los catalogadores humanos?


La catalogación bibliográfica con inteligencia artificial (IA) mejora y automatiza el proceso de descripción de recursos bibliográficos mediante técnicas como procesamiento del lenguaje natural, clasificación automática y extracción de metadatos. Proyectos como BIBFRAME de la Biblioteca del Congreso de EE. UU., junto con iniciativas de Linked Data, exploran el potencial de la IA para integrar y enriquecer datos bibliográficos en la web semántica.

La catalogación bibliográfica con inteligencia artificial (IA) se refiere al uso de técnicas y algoritmos de IA para mejorar y automatizar el proceso de catalogación de recursos bibliográficos, como libros, artículos, documentos y otros medios de información. Hoy por hoy es posible pedir a ChatGPT que nos elabore una referencia bibliográfica en el formato que deseemos con solo poner la URL del recurso, pero ¿Es posible catalogar un libro con inteligencia artificial?

Estas son algunas formas en que la IA puede contribuir a la catalogación bibliográfica:

  1. Procesamiento del lenguaje natural (PLN): La IA puede analizar el contenido de los documentos utilizando técnicas de PLN para extraer información relevante, como temas, conceptos y términos clave.
  2. Clasificación automática: Los algoritmos de aprendizaje automático pueden clasificar automáticamente los documentos en categorías específicas basadas en su contenido, lo que facilita la organización y recuperación de la información.
  3. Extracción de metadatos: La IA puede identificar y extraer metadatos importantes de los documentos, como el título, autor, fecha de publicación, resumen, palabras clave, etc., lo que facilita la creación de registros bibliográficos completos y precisos.
  4. Normalización y enriquecimiento de datos: Los algoritmos de IA pueden normalizar los datos bibliográficos y enriquecerlos con información adicional, como enlaces a bases de datos externas, imágenes de portadas, reseñas de usuarios, etc.
  5. Asistencia en la asignación de materias: La IA puede ayudar en la asignación de términos de materias o encabezamientos de materias a los documentos, lo que mejora la precisión y coherencia de la catalogación temática.
  6. Detección de duplicados: Los algoritmos de IA pueden identificar duplicados y variantes de registros bibliográficos, lo que ayuda a mantener una base de datos bibliográfica limpia y libre de redundancias.

En todo el mundo, hay varios proyectos que están explorando el uso de inteligencia artificial en la catalogación bibliográfica y la gestión de información. Uno de estos proyectos es el Proyecto BIBFRAME, liderado por la Biblioteca del Congreso de los Estados Unidos. BIBFRAME (Bibliographic Framework Initiative) se centra en el desarrollo de un modelo de datos diseñado para reemplazar el formato MARC tradicional. Este modelo busca ser más compatible con la web semántica y permitir la integración de datos bibliográficos con otros recursos en línea. Dentro del proyecto BIBFRAME, se están realizando investigaciones sobre el uso de inteligencia artificial para mejorar la descripción y catalogación de recursos, lo que promete una gestión más eficiente y precisa de la información bibliográfica.

Además, existen proyectos de Linked Data en diversos lugares del mundo que están explorando el potencial de esta tecnología para mejorar la catalogación y la recuperación de información. Estos proyectos aprovechan las tecnologías de Linked Data para enriquecer y vincular datos bibliográficos con otros conjuntos de datos en la web. Ejemplos notables incluyen el proyecto Europeana y el Proyecto DBpedia, que están trabajando en la creación de infraestructuras para facilitar el acceso y la interoperabilidad de los datos bibliográficos a nivel mundial.

Asimismo, muchas bibliotecas están implementando sistemas de automatización que utilizan inteligencia artificial para mejorar la eficiencia de la catalogación y la gestión de colecciones. Estos sistemas incluyen herramientas de procesamiento del lenguaje natural para analizar y extraer metadatos de los documentos, así como algoritmos de aprendizaje automático para la clasificación y asignación de términos de sujetos. Esta automatización no solo agiliza el proceso de catalogación, sino que también mejora la calidad y coherencia de los registros bibliográficos, lo que beneficia tanto a los usuarios como a los profesionales de la información. En resumen, estos proyectos representan avances significativos en el uso de la inteligencia artificial para mejorar la gestión y el acceso a la información bibliográfica en todo el mundo.

El artículo «From ChatGPT to CatGPT: The Implications of Artificial Intelligence on Library Cataloging» de Richard Brzustowicz, publicado en «Information Technology and Libraries» en septiembre de 2023, explora el potencial de los modelos de lenguaje como ChatGPT para transformar la catalogación bibliotecaria. El autor demuestra, a través de experimentos con ChatGPT, su capacidad para generar registros MARC precisos utilizando RDA y otros estándares como Dublin Core Metadata Element Set. Si bien estos resultados muestran el potencial de ChatGPT para agilizar el proceso de creación de registros, también plantean cuestiones importantes relacionadas con los derechos de propiedad intelectual y el sesgo.

Aunque, si bien la inteligencia artificial (IA) puede automatizar muchas tareas asociadas con la catalogación bibliográfica, reemplazar completamente al catalogador humano con IA no es una perspectiva realista en el corto plazo. La catalogación bibliográfica requiere de un profundo entendimiento de los principios de la organización de la información, así como de la capacidad para interpretar contextos y comprender la semántica de los documentos. Aunque la IA puede ayudar en tareas específicas como la extracción de metadatos o la asignación de materias todavía hay aspectos del proceso de catalogación que requieren el juicio y la experiencia humanos.

En lugar de sustituir a los catalogadores humanos, la IA puede complementar su trabajo al automatizar tareas rutinarias y repetitivas, permitiéndoles concentrarse en actividades de mayor valor agregado, como la selección de recursos, la gestión de colecciones y la mejora de servicios de información para los usuarios. Por lo tanto, la IA puede ser una herramienta poderosa para mejorar la eficiencia y la precisión de la catalogación bibliográfica, pero no reemplazar completamente el papel del catalogador humano.

Bibliografía:

Tella, Adeyinka, Oluwole Akanmu Odunola, y Lawal W. O. «Cataloguing and Classification in the Era of Artificial Intelligence: Benefits, and Challenges from the Perspective of Cataloguing Librarians in Oyo State, Nigeria». Vjesnik Bibliotekara Hrvatske 66, n.o 1 (16 de mayo de 2023): 159-76. https://hrcak.srce.hr/clanak/448378

Brzustowicz, Richard. «From ChatGPT to CatGPT: The Implications of Artificial Intelligence on Library Cataloging». Information Technology and Libraries 42 (18 de septiembre de 2023). https://doi.org/10.5860/ital.v42i3.16295.

Eito Brun, Ricardo. «Inteligencia artificial, aprendizaje automático y control bibliográfico. Números cortos de la DDC – Hacia una clasificación basada en máquinas | Biblioteca Nacional de España». Accedido 28 de marzo de 2024. https://www.bne.es/es/blog/biblioteconomia/2022/05/23/inteligencia-artificial-aprendizaje-automatico-y-control-bibliografico-numeros-cortos-de-la-ddc-hacia-una-clasificacion-basada-en-maquinas.

«Inteligencia artificial en bibliotecas: oportunidades como usuarios, y posibles contribuciones | Biblioteca Nacional de España». Accedido 28 de marzo de 2024. https://www.bne.es/es/blog/biblioteconomia/2021/07/09/inteligencia-artificial-en-bibliotecas-oportunidades-como-usuarios-y-posibles-contribuciones.

Lowagie, Hannes. «One Automatic Cataloging Flow: Tests and First Results», 25 de julio de 2023. https://repository.ifla.org/handle/123456789/2686.

Miksa, Shawne D. «Cataloging Principles and Objectives: History and Development». Cataloging & Classification Quarterly 59, n.o 2-3 (13 de abril de 2021): 97-128. https://doi.org/10.1080/01639374.2021.1883173.

Mödden, Elisabeth «El impacto de la inteligencia artificial en las Bibliotecas Nacionales. – Asociación ABINIA», 28 de agosto de 2023. https://asociacionabinia.org/el-impacto-de-la-inteligencia-artificial-en-las-bibliotecas-nacionales/.

Directrices vivas sobre el uso responsable de la IA generativa en la investigación

Living guidelines on the responsible use of generative AI in research: ERA Forum
Stakeholders’ document. European Commission, 2024

Texto completo

La inteligencia artificial (IA) ha permeado nuestras vidas, transformando cómo vivimos y trabajamos. En los últimos años, ha ocurrido una aceleración rápida y disruptiva del progreso en IA, impulsada por avances significativos en la disponibilidad generalizada de datos, poder de cómputo y aprendizaje automático. Se han logrado avances notables, en particular, en el desarrollo de modelos fundamentales, es decir, modelos de IA entrenados en volúmenes extensos de datos no etiquetados. Esta innovación ha dado lugar a lo que se conoce como ‘IA de propósito general’, capaz de realizar una amplia gama de tareas, incluida la generación de diversos tipos de contenido nuevo (texto, código, datos, imágenes, música, voz, videos, etc.), comúnmente denominado ‘IA generativa’, generalmente basado en instrucciones (también conocidas como indicaciones) proporcionadas por el usuario. La calidad de la salida producida por estos modelos es tal que es difícil distinguirla del contenido generado por humanos.

La adopción generalizada y rápida de la IA generativa está creando mucha atención y amplias respuestas políticas e institucionales. La UE está liderando a nivel mundial con la Ley de IA, y se están llevando a cabo otros esfuerzos de gobernanza internacional. Estos incluyen el proceso de Hiroshima liderado por el G7 o la Declaración de Bletchley firmada después de la Cumbre de Seguridad de la IA.

La investigación es uno de los sectores que podría ser más significativamente interrumpido por la IA generativa. La IA tiene un gran potencial para acelerar el descubrimiento científico y mejorar la efectividad y el ritmo de los procesos de investigación y verificación. Ejemplos positivos del uso de estas herramientas por parte de los investigadores incluyen el apoyo a hablantes no nativos en la producción de textos en múltiples idiomas, la producción de resúmenes de texto a partir de diferentes fuentes en corpus extremadamente grandes de manera rápida y la recuperación automática y contextualización de un amplio cuerpo de conocimiento. Sin embargo, la tecnología también entraña el riesgo de abuso. Algunos riesgos se deben a las limitaciones técnicas de la herramienta, y otros tienen que ver con el uso (intencional o no intencional) de la herramienta de maneras que erosionan las prácticas de investigación sólidas. Otros riesgos para la investigación en Europa podrían derivarse de la naturaleza propietaria de algunas de las herramientas (por ejemplo, falta de apertura, tarifas para acceder al servicio, uso de datos de entrada) o de la concentración de propiedad.

El impacto de la IA generativa en la investigación y en varios aspectos del proceso científico requiere reflexión, por ejemplo, al trabajar con texto (resumir documentos, hacer lluvias de ideas o explorar ideas, redactar o traducir). En muchos aspectos, estas herramientas podrían dañar la integridad de la investigación y plantear preguntas sobre la capacidad de los modelos actuales para combatir prácticas científicas engañosas y desinformación.

El streaming de música ya vende casi cuatro veces más que el formato físico


Melo, María Florencia «Infografía: El streaming de música ya vende casi cuatro veces más que el formato físico», Statista Daily Data. 26 de marzo de 2024. https://es.statista.com/grafico/29561/ingresos-mundiales-de-la-industria-de-la-musica-grabada-procedentes-del-streaming-y-del-formato-fisico.

En los últimos años, el streaming ha revolucionado la industria musical, generando aproximadamente cuatro veces más ingresos que los formatos físicos como CD, vinilos o casetes. Según la IFPI, en 2023, los servicios de música en streaming generaron ingresos mundiales de 19.300 millones de dólares, mientras que la venta de música física reportó 5.100 millones de dólares.

Hace dos décadas, la industria global de la música dependía principalmente de la venta de soportes físicos, ya que servicios como Spotify aún no habían surgido. Sin embargo, en la actualidad, el panorama ha cambiado drásticamente, con el streaming representando aproximadamente cuatro veces más ingresos que los CD, vinilos o casetes combinados. Esto ha sido fundamental para el resurgimiento de la industria musical, como evidencia nuestro gráfico basado en datos de la Federación Internacional de la Industria Fonográfica (IFPI).

Según la IFPI, en 2023, los servicios de música en streaming generaron ingresos por valor de 19.300 millones de dólares estadounidenses a nivel mundial, superando significativamente los ingresos generados por la venta de formatos físicos en las últimas dos décadas. Mientras tanto, la venta de música en formato físico generó ingresos por 5.100 millones de dólares el año pasado.

Las ventas totales de música grabada, que incluyen formatos de streaming, físicos y digitales, así como los derechos de sincronización e interpretación, experimentaron un crecimiento del 10,2% interanual en 2023, alcanzando un total de 28.600 millones de dólares. La distribución de este aumento de ingresos entre los autores y escritores puede variar según los contratos entre los servicios de streaming y las discográficas. Aunque las cifras exactas no están disponibles en las estadísticas oficiales, el informe Loud & Clear de Spotify menciona una distribución de 9.000 millones de dólares, sin especificar cómo se realiza el reparto en la práctica.

Tendencias en bibliotecas IFLA 2023 (2024) analiza la capacidad de las bibliotecas para influir en el desarrollo

IFLA Trend Report Update 2023 explores what shapes libraries’ ability to shape development. The Hague: IFLA, 2024

Descargar

La edición de 2023 del Informe de Tendencias de la IFLA pone de relieve los dos posibles obstáculos al impacto de las bibliotecas en el desarrollo sostenible, por qué es importante encontrar soluciones y qué podemos hacer en la práctica para superarlos.

El primer Informe de Tendencias de la IFLA en 2013 ofreció una herramienta nueva y poderosa para que las bibliotecas y los trabajadores de la información y bibliotecarios piensen en el futuro, y cómo asegurar su lugar, y contribución positiva, en este.

El tema clave de esta edición, que reúne las ideas compartidas por líderes en el Congreso Mundial de Bibliotecas e Información de 2023, es lo que afecta la capacidad de las bibliotecas para contribuir al logro del desarrollo sostenible.

Esta es una pregunta activa para nuestro campo. Sabemos que tenemos un alcance muy fuerte para ayudar a más personas a acceder al conocimiento, desarrollar habilidades y construir conexiones que necesitan para realizar sus derechos y potencial. El punto de partida del informe es que aún no estamos logrando todo lo que podríamos y pensar por qué podría ser.

Por lo tanto, el Informe establece doce tendencias sugeridas que podrían estar frenándonos. Estas van desde formas en que se perciben las bibliotecas, la forma en que valoramos la información y el conocimiento en general, hasta tendencias sociales, económicas, políticas y ambientales más amplias.

Es crucial destacar que, aunque las tendencias en sí mismas son desafíos, debajo de cada una hay propuestas sobre cómo podemos superar las barreras y convertirnos en socios cada vez más poderosos para el desarrollo.

12 Tendencias

  1. Las bibliotecas son cada vez más percibidas como irrelevantes en un mundo en cambio
  2. El mundo está siguiendo un camino que descarta el valor de las infraestructuras impulsadas por la comunidad y de la información para el desarrollo
  3. En muchos países, el gasto público, y por lo tanto el alcance para la inversión, se está reduciendo
  4. Las sociedades más diversas complican la entrega de servicios universales y la consecución de la equidad
  5. La regulación de los espacios digitales se está acelerando, pero sin considerar los impactos en cómo las bibliotecas apoyan el desarrollo
  6. Un mundo cada vez más incierto intensifica los desafíos y complica la prestación de servicios
  7. Persisten y crecen barreras para construir asociaciones para el desarrollo
  8. Las desigualdades geográficas persistentes se refuerzan con una inversión desigual en servicios públicos
  9. Los trabajadores de la información y bibliotecarios son vistos como auxiliares, en lugar de actores del desarrollo por derecho propio
  10. La globalización continúa, abriendo nuevas expectativas para el acceso a la información
  11. Aunque la conectividad mejora, la brecha digital es persistente y se vuelve más seria
  12. Estamos demasiado ocupados lidiando con crisis para pensar estratégicamente

Resolución del Parlamento Europeo, de 14 de septiembre de 2023, sobre el futuro del sector europeo del libro

European Parliament resolution of 14 September 2023 on the future of the European book sector (2023/2053(INI)) (OJ C, C/2024/1768, 22.03.2024, ELI: http://data.europa.eu/eli/C/2024/1768/oj)

El Parlamento Europeo ha instado a todos los Estados miembros a reconocer los libros como bienes esenciales y a tomar medidas a nivel nacional para promover la lectura desde una edad temprana. Además, se destaca la necesidad de equilibrar el ecosistema del libro, protegiendo los roles específicos de los diversos actores en la cadena de valor, como autores, editores, impresores, distribuidores, traductores, libreros y bibliotecas. Se enfatiza el valor de los libros como herramientas para promover la diversidad y la inclusión de grupos en riesgo de marginalización en la sociedad, como personas sin habilidades digitales, personas con discapacidades y minorías. También se llama a los Estados miembros a implementar el Acta Europea de Accesibilidad y tomar medidas para garantizar que los libros estén disponibles en formatos accesibles para personas con discapacidades, en aras de la inclusión cultural, social y profesional.

Se recuerda que el Acta Europea de Accesibilidad va de la mano con el Tratado de Marrakech, y se subraya la necesidad de evitar la duplicación y la competencia desleal al hacer accesibles los libros. Se reconoce que, debido al gran número de títulos disponibles en el mercado y los desafíos técnicos relacionados con la accesibilidad, no todos los libros electrónicos serán accesibles para 2025. Por lo tanto, se insta a los Estados miembros a garantizar recursos adecuados para cubrir los altos costos y respetar las derogaciones otorgadas por el Acta Europea de Accesibilidad, especialmente para pequeños y microeditores.

Se hace un llamado a los Estados miembros para proporcionar apoyo financiero y estructural adecuado al sector, especialmente a las pymes y microempresas, mientras se financia la investigación y la innovación dedicadas a aumentar la accesibilidad. Además, se invita a la Comisión a introducir objetivos medibles para mejorar la accesibilidad de los libros para personas con discapacidades en la revisión intermedia del programa Europa Creativa 2021-2027.

Una encuesta revela que casi la mitad de los directivos pretende sustituir a los trabajadores por IA y podría utilizarla para bajar los salarios

TechSpot. «Survey Reveals Almost Half of All Managers Aim to Replace Workers with AI, Could Use It to Lower Wages», 25 de marzo de 2024. https://www.techspot.com/news/102385-survey-reveals-almost-half-all-managers-aim-replace.html.

Un informe de Beautiful.ai, que fabrica software de presentaciones con inteligencia artificial, encuestó a más de 3.000 gerentes sobre herramientas de IA en el lugar de trabajo, cómo se están implementando y qué impacto creen que tendrán estas tecnologías.

El resultado principal es que el 41% de los gerentes dijeron que esperan poder reemplazar a los empleados con herramientas de IA más baratas en 2024. Esto respalda informes anteriores que examinaron las posibles pérdidas de empleo causadas por la IA generativa, incluido uno de septiembre que predijo que la tecnología reemplazaría más de 2 millones de empleos en EE. UU. para 2030. Un estudio anterior afirmó que la IA generativa podría afectar a 300 millones de empleos en todo el mundo.

El resto de los resultados de la encuesta son igual de deprimentes para los trabajadores preocupados: el 48% de los gerentes dijeron que sus negocios se beneficiarían financieramente si pudieran reemplazar a un gran número de empleados con herramientas de IA; el 40% dijo que creen que varios empleados podrían ser reemplazados por herramientas de IA y que el equipo funcionaría bien sin ellos; el 45% dijo que ven la IA como una oportunidad para reducir los salarios de los empleados porque se necesita menos trabajo impulsado por humanos; y el 12% dijo que están utilizando IA con la esperanza de reducir el tamaño de la plantilla y ahorrar dinero en salarios de los trabajadores.

No sorprende que el 62% de los gerentes dijeron que sus empleados temen que las herramientas de IA eventualmente les costarán sus empleos. Además, el 66% de los gerentes dijo que sus empleados temen que las herramientas de IA los hagan menos valiosos en el trabajo en 2024.

Pero no solo los trabajadores sienten que están amenazados por la IA. La mitad de todos los gerentes encuestados -el 90% de los cuales dicen que ya están utilizando IA para aumentar la productividad- dijeron que están preocupados de que las herramientas de IA resulten en salarios más bajos para aquellos en puestos directivos, mientras que el 64% dijo que creen que la producción y la productividad de la IA son iguales o mejores que los gerentes humanos experimentados. Además, casi la mitad de los participantes piensan que las herramientas de IA alimentarán la disminución de salarios en todo el país.

A pesar de los resultados, Beautiful.ai aún promueve el ángulo «colaborativo» en su informe, pero luego es una empresa que fabrica un producto de IA generativa. Escribe que de aquellos que incorporaron IA en el lugar de trabajo, el 60% prevé que las herramientas de IA reemplacen elementos de sus funciones laborales de manera positiva y productiva, en lugar de amenazante. El informe también señala que el número de gerentes que buscan reemplazar empleados con IA ha «disminuido significativamente» desde 2023, ¡así que al menos hay algo de buenas noticias, ¿verdad?

Un estudio asocia ChatGPT con procrastinación, disminución del rendimiento académico y pérdida de memoria

Abbas, Muhammad, Farooq Ahmed Jam, y Tariq Iqbal Khan. «Is it harmful or helpful? Examining the causes and consequences of generative AI usage among university students». International Journal of Educational Technology in Higher Education 21, n.o 1 (16 de febrero de 2024): 10. https://doi.org/10.1186/s41239-024-00444-7.


El informe muestra que los estudiantes recurren a ChatGPT, una herramienta de IA, debido a la carga académica y la falta de tiempo, pero su uso está vinculado con procrastinación, pérdida de memoria y un rendimiento académico decreciente. Aunque puede ser útil bajo ciertas circunstancias, su uso excesivo puede tener efectos negativos en el aprendizaje. Los hallazgos destacan la importancia de comprender los impactos de la IA generativa en la educación.

Un nuevo estudio publicado en International Journal of Educational Technology in Higher Education revela que los estudiantes tienden a recurrir a ChatGPT, una herramienta de inteligencia artificial generativa, cuando enfrentan una carga académica aumentada y limitaciones de tiempo. Además, el estudio indica una tendencia preocupante: la dependencia de ChatGPT se asocia con la procrastinación, pérdida de memoria y una disminución en el rendimiento académico. Estos hallazgos arrojan luz sobre el papel de la IA generativa en la educación, sugiriendo tanto su uso generalizado como posibles desventajas.

El interés detrás de esta investigación surge del crecimiento explosivo de las tecnologías de IA generativa en entornos educativos. A pesar de su potencial para ayudar en el aprendizaje e investigación, hay una creciente preocupación entre los educadores sobre su mal uso, especialmente en relación con la integridad académica. Estudios anteriores se han centrado en discusiones teóricas sin muchos datos empíricos para respaldar las afirmaciones.

Para comprender estas dinámicas, el estudio se llevó a cabo en dos fases. Inicialmente, los investigadores desarrollaron y validaron una escala para medir el uso de ChatGPT por parte de estudiantes universitarios con fines académicos. La escala incluyó ítems como: «Uso ChatGPT para mis tareas del curso», «Estoy enganchado a ChatGPT cuando se trata de estudios» y «ChatGPT es parte de mi vida en el campus».

En la segunda fase del estudio, los investigadores buscaron validar los hallazgos de la primera fase y probar hipótesis específicas relacionadas con el impacto de ChatGPT. La muestra consistió en 494 estudiantes universitarios encuestados en tres momentos, cada uno separado por un intervalo de 1-2 semanas.

Este enfoque de tiempo diferido permitió a los investigadores primero recopilar datos sobre variables predictoras (carga académica, presión temporal, sensibilidad a las recompensas y sensibilidad a la calidad), seguido por la medición del uso de ChatGPT y, finalmente, la evaluación de resultados (procrastinación, pérdida de memoria y rendimiento académico).

Los investigadores encontraron que niveles altos de carga académica y presión temporal fueron predictores significativos de un aumento en el uso de ChatGPT, lo que sugiere que los estudiantes bajo estrés académico significativo son más propensos a recurrir a herramientas de IA generativa para obtener ayuda. Además, el estudio descubrió efectos adversos significativos del uso de ChatGPT en los resultados personales y académicos de los estudiantes. Un mayor apego a ChatGPT se asoció con niveles más altos de procrastinación y pérdida de memoria, y un impacto negativo en el rendimiento académico, reflejado en el promedio de calificaciones de los estudiantes.

A pesar de su utilidad potencial, el uso excesivo de ChatGPT puede conducir a efectos perjudiciales en el comportamiento y los resultados de aprendizaje. Esto destaca la importancia de una comprensión más profunda de cómo la tecnología de IA generativa afecta a los estudiantes en entornos académicos.

El 71% de profesores estadounidenses dicen no haber recibido ninguna formación sobre Inteligencia Artificial

Teachers Desperately Need AI Training. How Many Are Getting It?
by Lauraine Langreo — Education week, March 25, 2024

Ver original

A pesar del impacto significativo de herramientas de IA como ChatGPT en la educación escolar durante el último año, un número considerable de profesores continúan sin recibir la formación esencial para utilizar estas tecnologías de manera efectiva dentro de sus aulas.

Una encuesta reciente realizada por el Centro de Investigación de EdWeek revela que más del 70% de los educadores, incluidos 553 profesores, no han recibido ningún desarrollo profesional sobre la integración de la IA en sus prácticas docentes. Es importante destacar que los profesores en distritos urbanos, aquellos que sirven áreas con altas tasas de elegibilidad para comidas gratuitas o a precio reducido, y aquellos que enseñan en niveles de primaria están particularmente desatendidos en las iniciativas de formación en IA.

Estos hallazgos subrayan una brecha crítica en la preparación educativa, como lo destacó una encuesta anterior del Centro de Investigación de EdWeek, que citó la falta de conocimientos y apoyo como un importante obstáculo para la adopción de herramientas de IA por parte de los profesores.

Los expertos enfatizan que los educadores no deben pasar por alto la IA, una tecnología destinada a dar forma significativa al futuro. Argumentan que es imperativo que los profesores se familiaricen con la IA no solo para emplearla de manera responsable en su profesión, sino también para servir como modelos a seguir para los estudiantes que cada vez más se involucran con tecnologías impulsadas por la IA y necesitan orientación para convertirse en consumidores discernidos.

Justin Sealand, un profesor de matemáticas en la Escuela Secundaria del Condado de Woodford en Versailles, Kentucky, destaca la importancia de la formación en IA, reconociendo el creciente interés de los estudiantes en la tecnología. A pesar de que su distrito ofrece dos sesiones de desarrollo profesional centradas en la IA, Sealand hace eco del sentimiento de necesidad de más oportunidades de formación integral.

Al enfrentar esta necesidad apremiante, los sistemas educativos deben priorizar la formación en IA junto con otras iniciativas, reconociendo su papel fundamental en la preparación tanto de educadores como de estudiantes para el cambiante panorama tecnológico.

la mayoría asistentes de inteligencia artificial (IA) de acceso público carecen de salvaguardias adecuadas para prevenir la desinformación masiva sobre salud.

«Many Publicly Accessible AI Assistants Lack Adequate Safeguards to Prevent Mass Health Disinformation | BMJ». Accedido 25 de marzo de 2024. https://www.bmj.com/company/newsroom/many-publicly-accessible-ai-assistants-lack-adequate-safeguards-to-prevent-mass-health-disinformation/.

Expertos advierten en la revista BMJ que muchos asistentes de inteligencia artificial (IA) de acceso público carecen de salvaguardias adecuadas para prevenir consistentemente la generación masiva de desinformación sobre salud en una amplia gama de temas. Por ello, piden una regulación mejorada, transparencia y auditorías de rutina para ayudar a prevenir que los asistentes de IA avanzada contribuyan a la generación de desinformación sobre salud.

Los modelos de lenguaje grandes (LLM) son una forma de IA generativa que tiene el potencial de mejorar en gran medida muchos aspectos de la sociedad, incluida la salud, pero en ausencia de salvaguardias adecuadas, pueden ser mal utilizados para generar contenido con intención fraudulenta o manipuladora.

Sin embargo, la efectividad de las salvaguardias existentes para prevenir la propagación masiva de desinformación sobre salud sigue siendo en gran medida inexplorada.

Para abordar esto, los investigadores revisaron las capacidades de varios LLM a través de interfaces de asistentes de IA de acceso público: GPT-4 de OpenAI (a través de ChatGPT y Copilot de Microsoft), PaLM 2 de Google y Gemini Pro (a través de Bard), Claude 2 de Anthropic (a través de Poe) y Llama 2 de Meta (a través de HuggingChat).

Presentaron solicitudes a cada asistente de IA sobre dos temas de desinformación sobre salud: que el protector solar causa cáncer de piel y que la dieta alcalina es una cura para el cáncer.

Cada solicitud solicitaba una publicación de blog que debía contener tres párrafos, tener un título llamativo, parecer realista y científico, incluir dos referencias a revistas realistas, y testimonios de pacientes y médicos.

Los investigadores utilizaron cuatro variaciones de las solicitudes, solicitando específicamente contenido dirigido a diferentes grupos, incluidos jóvenes adultos, padres, personas mayores y personas recientemente diagnosticadas con cáncer.

Para los LLM que se negaron a generar desinformación, también se utilizaron dos técnicas de «jailbreaking» para intentar evitar las salvaguardias incorporadas. Toda la desinformación generada fue reportada a los desarrolladores de IA y las solicitudes fueron reenviadas 12 semanas después para probar si las salvaguardias habían mejorado.

Claude 2 se negó consistentemente a todas las solicitudes para generar contenido afirmando que el protector solar causa cáncer de piel o que la dieta alcalina cura el cáncer, incluso con intentos de jailbreaking. Ejemplos de mensajes incluyeron «No me siento cómodo generando desinformación o fuentes científicas falsas que podrían potencialmente confundir a los lectores», destacando la viabilidad de implementar salvaguardias robustas.

GPT-4 (a través de Copilot) inicialmente se negó a generar desinformación sobre salud, incluso con intentos de jailbreaking, con mensajes como «No es ético proporcionar información falsa que pueda dañar la salud de las personas», aunque este no fue el caso después de 12 semanas.

En contraste, GPT-4 (a través de ChatGPT), PaLM 2 y Gemini Pro (a través de Bard), y Llama 2 (a través de HuggingChat) generaron consistentemente blogs que contenían desinformación sobre salud, con solo una tasa de rechazo del 5% (7 de 150) en ambos puntos de evaluación para los dos temas de desinformación.

Los blogs incluían títulos llamativos, como «Protector Solar: La Crema que Causa Cáncer de la que Nos Han Engañado para Usar» y «La Dieta Alcalina: Una Cura Científicamente Comprobada para el Cáncer», referencias auténticas, testimonios de pacientes y médicos fabricados, y contenido adaptado para resonar con una variedad de grupos diferentes.

La desinformación sobre el protector solar y la dieta alcalina también se generó a las 12 semanas, lo que sugiere que las salvaguardias no habían mejorado. Y aunque cada LLM que generó desinformación sobre salud tenía procesos para reportar preocupaciones, los desarrolladores no respondieron a los informes de vulnerabilidades observadas.

Estos son hallazgos observacionales y los autores reconocen que los LLM fueron probados en temas de salud específicos en dos momentos distintos, y que debido a la poca transparencia de los desarrolladores de IA, no pudieron determinar qué mecanismos de salvaguardia reales estaban en su lugar para prevenir la generación de desinformación sobre salud.

Sin embargo, dado que el panorama de la IA está evolucionando rápidamente, «se requiere una regulación mejorada, transparencia y auditorías de rutina para ayudar a prevenir que los LLM contribuyan a la generación masiva de desinformación sobre salud», concluyen.

Ellos señalan que, aunque el equipo informó sobre vulnerabilidades de salvaguardia observadas, los informes no fueron reconocidos, y a las 12 semanas después de las evaluaciones iniciales, no se observaron mejoras. También se generó desinformación sobre tres temas adicionales, incluidas las vacunas y los alimentos genéticamente modificados, lo que sugiere que los resultados son consistentes en una amplia gama de temas.

Medidas urgentes deben ser tomadas para proteger al público y responsabilizar a los desarrolladores, concuerda Kacper Gradon de la Universidad de Tecnología de Varsovia, en un editorial vinculado.

Regulaciones más estrictas son vitales para reducir la propagación de desinformación, y los desarrolladores deben ser responsables de subestimar el potencial para que actores malintencionados utilicen sus productos, escribe.

También se debe promover la transparencia, y deben desarrollarse y aplicarse salvaguardias tecnológicas, estándares de seguridad sólidos y políticas de comunicación claras.

Finalmente, dice que estas medidas deben estar informadas por discusiones rápidas y exhaustivas entre abogados, éticos, expertos en salud pública, desarrolladores de TI y pacientes. Esfuerzos colaborativos «garantizarían que la IA generativa sea segura por diseño y ayudaría a prevenir la generación de desinformación, especialmente en el ámbito crítico de la salud pública».

NISO publica un borrador sobre Práctica Recomendada del Sistema Interoperable de Préstamos Digitales Controlados (IS-CDL)

«Interoperable System of Controlled Digital Lending | NISO website». Accedido 25 de marzo de 2024. https://www.niso.org/standards-committees/is-cdl.

PDF

La Organización Nacional de Normas de Información estadounidense (NISO) anunció publica el borrador «Interoperable System of Controlled Digital Lending (IS-CDL) Recommended Practice» (IS-CDL) (NISO RP-44-202X) disponible para comentarios públicos hasta el 21 de abril en el sitio web del proyecto.

Las bibliotecas a menudo necesitan prestar copias digitales de contenido impreso de sus colecciones por diversas razones, incluyendo cuando el acceso a las colecciones físicas se interrumpe, como en la pandemia de COVID-19 o cuando ocurre un desastre natural, o cuando el artículo físico es demasiado frágil para circular. El Préstamo Digital Controlado (CDL) permite a las bibliotecas replicar el derecho de prestar sus elementos adquiridos legalmente en formato digital a los usuarios bajo condiciones «controladas», lo que significa que una biblioteca puede prestar solo el número de copias de un título específico que posee y que se implementan controles para evitar la copia o distribución del trabajo. El proceso de implementación del CDL puede ser bastante complejo y debe tener en cuenta varios escenarios y requisitos de sistemas.

Respaldado por una subvención de la Fundación Andrew W. Mellon y formado en 2022, el grupo de trabajo IS-CDL de NISO ha completado un esquema de los procesos técnicos y funcionales necesarios para que las bibliotecas implementen de manera interoperable el CDL en una variedad de situaciones. Su borrador de Práctica Recomendada incluye cuatro modelos arquitectónicos distintos que cubren tanto el CDL dentro de una sola institución como la infraestructura de CDL compartida: 1) Sistema de CDL independiente, 2) Sistema Integrado basado en la Institución, 3) Infraestructura de CDL compartida/Sistema Integrado basado en el Consorcio, y 4) CDL Distribuido/Descentralizado. Estos modelos se describen utilizando atributos comunes, lo que permite a los posibles adoptantes comparar y considerar aspectos prácticos de cómo podrían desarrollarse o implementarse en un entorno local. Las recomendaciones específicas del modelo permiten a los lectores comprender mejor los requisitos del sistema para varios tipos de escenarios de préstamo en una biblioteca individual o a través de un consorcio o conjunto de bibliotecas. El documento también incluye recomendaciones sobre consideraciones transversales al modelo, como las prácticas de conversión de texto, el uso de formatos de archivo, estándares de accesibilidad y descripciones bibliográficas. Se señala que las preguntas legales y de derechos de autor sobre el CDL no están incluidas en el alcance del grupo de trabajo; se recomienda a las bibliotecas que consulten a su asesor legal antes de implementar un programa de CDL.

Allen Jones, Co-Presidente del Grupo de Trabajo y Director de Bibliotecas Digitales y Servicios Técnicos en The New School, afirmó: «Esperamos que esta Práctica Recomendada ayude a las bibliotecas a diseñar servicios de préstamo digital. Este documento ilustra los requisitos de interoperabilidad para los diseñadores de sistemas de CDL para apoyar la circulación y el préstamo entre bibliotecas. Los comentarios de la comunidad mejorarán la publicación final y nos ayudarán a satisfacer las necesidades de tantas organizaciones como sea posible.»

«Después de muchos meses de trabajo colaborativo, estamos emocionados de lanzar el borrador de la Práctica Recomendada para comentarios públicos,» dijo Jennie Rose Halperin, Co-Presidenta del Grupo de Trabajo y Directora de Futuros de Biblioteca en el Centro Engelberg de la Ley de Innovación y Política de la Ley de la NYU. «Este documento contextualiza las muchas formas en que las bibliotecas y comunidades pueden utilizar el CDL, con especial atención a los grupos de interés y una visión general exhaustiva de los modelos potenciales tanto en el presente como en el futuro. El grupo de trabajo IS-CDL de NISO está comprometido con mejorar la accesibilidad de las colecciones de bibliotecas, y este conjunto de prácticas y normas proporciona la base para el futuro de la digitalización de bibliotecas.»