Archivo de la categoría: Bibliotecas

Un Marco para la Alfabetización en Inteligencia Artificial

A Framework for AI Literacy. (2024.). EDUCAUSE Review. Recuperado 3 de junio de 2024, de https://er.educause.edu/articles/2024/6/a-framework-for-ai-literacy

Equipos académicos y tecnológicos en el Barnard College desarrollaron un marco de alfabetización en inteligencia artificial (IA) para proporcionar una base conceptual para la educación en IA y los esfuerzos de programación en contextos institucionales de educación superior.

El Barnard College es una universidad de artes liberales para mujeres y una institución distinguida dentro del amplio ecosistema de la Universidad de Columbia en la ciudad de Nueva York. Varios equipos campus, ágiles pero pequeños, están trabajando para avanzar en las conversaciones sobre temas de inteligencia artificial generativa (IA). Como miembros de los Servicios de Tecnología Académica y Multimedia Instruccional (IMATS) y el Centro de Pedagogía Comprometida (CEP), han desarrollado programas educativos sobre varios temas de IA para la comunidad de Barnard. Durante el último año, han realizado sesiones de laboratorio abiertas para probar diferentes herramientas de IA basadas en texto e imagen, han recibido oradores invitados sobre derechos de autor y uso justo, han facilitado talleres sobre declaraciones de programas de estudios generativos de IA para profesores, han realizado talleres de instrucción (GenAI 101) y han liderado sesiones de educación individualizadas para departamentos de profesores. Este proceso ha sido continuo e iterativo a medida que las herramientas cambian y las necesidades de los miembros de la comunidad del campus evolucionan. También han implementado encuestas internas, evaluaciones y mecanismos de retroalimentación para comprender mejor las necesidades del profesorado y el personal relacionadas con el uso de herramientas de IA generativas.

La necesidad de la Alfabetización en IA El Barnard College ha establecido varios grupos de trabajo y desarrollado tareas internas para discutir preguntas más grandes sobre el impacto de la IA en la institución. Actualmente, no hay un mandato o recomendación para que los profesores adopten o prohíban la IA en sus aulas. Sin embargo, se anima a los profesores a definir y discutir sus expectativas sobre el uso de la IA en sus tareas. (El CEP ha creado muchos recursos para profesores, incluidos árboles de decisiones para guiar la planificación de los profesores, declaraciones de programas de estudios de muestra, tareas que integran IA generativa y otros materiales, para ayudar a guiar la toma de decisiones sobre si y cómo incorporar IA generativa en el aula). Niveles más altos de alfabetización en IA pueden ayudar a los profesores a tomar decisiones informadas sobre el uso de IA en sus cursos y tareas. En cuanto a los servicios de tecnología académica, el equipo de IMATS ha decidido no implementar ni seguir tecnología de vigilancia de IA para monitorear la integridad académica debido al sesgo y la fiabilidad cuestionable de estas herramientas. Sin embargo, el panorama y las políticas correlativas podrían cambiar a medida que evolucionen las tecnologías de IA generativas.

Un Marco para la Alfabetización en IA


Un marco para la alfabetización en IA fue desarrollado por los miembros de IMATS y CEP para guiar el desarrollo y la expansión de la alfabetización en IA entre el profesorado, los estudiantes y el personal del Barnard College. El marco proporciona una estructura para aprender a utilizar la IA, incluyendo explicaciones de conceptos clave y preguntas a considerar al usarla. La estructura piramidal de cuatro partes fue adaptada del trabajo realizado por investigadores en la Universidad de Hong Kong y la Universidad de Ciencia y Tecnología de Hong Kong. El marco tiene como objetivo adaptarse al nivel actual de alfabetización en IA de las personas y se divide en cuatro niveles:

  • Comprender la IA
  • Usar y Aplicar la IA
  • Analizar y Evaluar la IA
  • Crear IA

Es importante tener en cuenta que la IA es un campo amplio con muchos tipos diferentes, y aunque este marco se centra en la IA generativa, puede aplicarse a otras formas de tecnología. Además, no es necesario dominar todos los conceptos de un nivel antes de pasar al siguiente. Por ejemplo, comprender cómo se entrenan los modelos de IA generativa puede ser útil para analizar su impacto en el mercado laboral, pero no es necesario entender todas las complejidades de las redes neuronales para hacerlo.

Nivel 1: Comprender la IA

La base de la pirámide abarca términos y conceptos básicos de IA. La mayor parte de la programación e instrucción en Barnard se ha centrado en los niveles uno y dos (comprender, usar y aplicar IA), ya que esta es una tecnología en rápida evolución y todavía hay mucha falta de familiaridad con ella.

Competencias Clave

  • Ser capaz de definir los términos «inteligencia artificial», «aprendizaje automático», «modelo de lenguaje grande» y «red neuronal»
  • Reconocer los beneficios y limitaciones de las herramientas de IA
  • Identificar y explicar las diferencias entre varios tipos de IA, definidos por sus capacidades y mecanismos computacionales

Conceptos Clave

  • Inteligencia artificial, aprendizaje automático, redes neuronales artificiales, modelos de lenguaje grande y modelos de difusión
  • Inteligencia artificial estrecha, inteligencia artificial general, inteligencia artificial super, máquinas reactivas, memoria limitada, teoría de la mente y autoconciencia
  • Herramientas de IA, como ChatGPT (ver figura 2), Siri, Alexa, Deep Blue y texto predictivo
  • Marcos técnicos relacionados con la IA (modelos de código abierto versus modelos cerrados, APIs y cómo se usan)

Preguntas de Reflexión

  • ¿Qué tipo de IA es esta?
  • ¿Qué tecnologías utiliza esta herramienta de IA?
  • ¿Para qué fue diseñada esta herramienta? ¿Qué tipo de información acepta como entrada y devuelve como respuesta (texto, video, audio, etc.)?
  • ¿Para qué podría ser particularmente útil esta herramienta?
  • ¿Para qué no sería útil?

Nivel 2: Usar y Aplicar la IA

El segundo nivel de fluidez en IA indica que los usuarios pueden utilizar herramientas como ChatGPT para lograr sus objetivos; estos usuarios están familiarizados con las técnicas de ingeniería de solicitudes y saben cómo refinar, iterar y editar colaborativamente con herramientas de IA generativa. La programación diseñada para desarrollar la fluidez en el nivel dos en el Barnard College incluye laboratorios prácticos y la ingeniería colaborativa de solicitudes en tiempo real.

Competencias Clave

  • Utilizar con éxito herramientas de IA generativa para obtener respuestas deseadas
  • Experimentar con técnicas de solicitud e iterar en el lenguaje de la solicitud para mejorar la salida generada por IA
  • Revisar el contenido generado por IA con miras a posibles «alucinaciones», razonamientos incorrectos y sesgos

Conceptos Clave

  • Ingeniería de solicitudes, ventanas de contexto, alucinaciones, sesgos, solicitud sin disparador y solicitud con disparador
  • Técnicas de solicitud para IA generativa basada en texto, como agregar especificidad, usar contexto y detalles, y pedir al modelo que considere pros y contras o evalúe posiciones alternativas
  • Consideraciones de privacidad, confidencialidad y derechos de autor para la información alimentada en las herramientas de solicitud

Preguntas de Reflexión

  • ¿Por qué una solicitud generó una respuesta particular?
  • ¿Cómo se podría ajustar la solicitud para obtener una respuesta diferente?
  • ¿Qué estrategias se pueden utilizar para reducir el sesgo y las alucinaciones?
  • ¿Cómo se puede verificar el sesgo y las alucinaciones en la salida de la IA?

Nivel 3: Analizar y Evaluar la IA

Analizar y evaluar la IA implica una comprensión meta más compleja de la IA generativa. En este nivel, los usuarios deben poder reflexionar críticamente sobre resultados, sesgos, ética y otros temas más allá de la ventana de solicitud. Un ejemplo de programación en este nivel es un evento que contó con la participación de un experto que discutió las actuales preguntas sobre derechos de autor y propiedad intelectual en torno a la IA y los impactos ambientales y climáticos que la IA generativa podría tener. Por supuesto, uno puede participar en conversaciones sobre estas preguntas e ideas sin conocer todas las definiciones de IA. Sin embargo, la familiaridad con los niveles anteriores en la pirámide informa la comprensión básica y el vocabulario del individuo, ayudando a comprender cómo se intersecta la IA con otros campos.

Competencias Clave

Examinar la IA en un contexto más amplio, incorporando conocimientos de la disciplina o intereses de uno Critique herramientas de IA y ofrezca argumentos a favor o en contra de su creación, uso y aplicación Analizar consideraciones éticas en el desarrollo e implementación de IA

Conceptos Clave

Perspectivas críticas sobre la IA (Los siguientes ejemplos no pretenden ser exhaustivos.) Sostenibilidad ambiental Trabajo Privacidad Derechos de autor Sesgo de raza, género, clase y otros Desinformación

Preguntas de Reflexión

¿Qué otras perspectivas o marcos podrían ser útiles para evaluar las implicaciones del uso de herramientas de IA generativa? ¿De dónde podrían venir los sesgos en la IA? ¿De qué manera el uso de herramientas de IA generativa se alinea o diverge de tus valores personales?

Nivel 4: Crear IA

En este nivel de fluidez en IA, los usuarios pueden interactuar con la IA a nivel de creador. Por ejemplo, los usuarios pueden construir sobre APIs abiertas para crear su propio LLM o aprovechar la IA para desarrollar nuevos sistemas. Actualmente, Barnard ofrece menos programación en el nivel cuatro que en los otros tres niveles, pero ha habido talleres en el Centro de Ciencias Computacionales que proporcionan instrucción técnica relacionada con la construcción de modelos de IA y aprendizaje automático. Es importante involucrar a las personas en todos los niveles de fluidez en IA.

Competencias Clave

Sintetizar el aprendizaje para conceptualizar o crear nuevas ideas, tecnologías o estructuras relacionadas con la IA. Alcanzar este nivel de alfabetización podría incluir lo siguiente: Concebir nuevos usos para la IA Construir software que aproveche la tecnología de IA Proponer teorías sobre la IA

Preguntas de Reflexión

¿Qué es único y humano acerca de tus ideas, tecnologías o estructuras? ¿Cómo podrían diferir de lo que podría crear una IA? ¿Qué características específicas de IA otorgan ventajas únicas a las ideas, tecnologías o estructuras?


Conclusion y Próximos Pasos

Si bien este marco de alfabetización en IA no es exhaustivo, proporciona una base conceptual para los esfuerzos de educación y programación en IA, especialmente en contextos institucionales de educación superior. La intención es mantener la neutralidad con respecto al uso de IA, reconociendo que la alfabetización tecnológica puede llevar a la decisión de no usarla. El impacto de la IA en la educación superior probablemente será significativo, afectando las admisiones, la investigación y los planes de estudio. La educación y la alfabetización básica son los primeros pasos para que una comunidad se involucre productivamente con esta tecnología en rápida evolución.

Existen muchos posibles próximos pasos que el Barnard College podría tomar relacionados con la IA generativa, pero específicamente en relación con el marco de alfabetización en IA, los equipos de IMATS y CEP pueden explorar «ascender» en la pirámide de alfabetización en la programación, los recursos y los eventos a medida que crece la conciencia y la alfabetización básica. Actualmente, la mayoría de nuestras ofertas se encuentran en los niveles uno y dos, pero esperamos cambiar nuestro enfoque de programación a los niveles dos y tres. Una encuesta reciente reveló que un número significativo de profesores y estudiantes aún nunca han usado IA generativa y tienen percepciones negativas sobre estas herramientas, por lo que nuestros equipos también están explorando formas de facilitar mejor el compromiso práctico y crítico.

Otro objetivo de la iniciativa de alfabetización en IA es resaltar el aspecto humano de estas tecnologías. Si bien el uso de IA generativa puede sentirse casi como alquimia, convirtiendo el texto simple en oro a través de tecnología de caja negra, está muy construido sobre el conocimiento humano, que tiene sus propios sesgos e inequidades. Usar una lente crítica al interactuar con la IA generativa puede ayudar a los usuarios a identificar sesgos existentes y evitar que los usuarios los agraven.

No importa lo humilde que sea tu estantería

«No importa lo humilde que sea tu estantería, ni lo modesta que sea la habitación que adorna. Cierra la puerta, acalla todas las cuestiones del mundo exterior, sumérgete de nuevo en la tranquilizadora compañía de los muertos insignes y entonces atravesarás el portal mágico de aquellos dominios donde la preocupación y aflicción no podrán seguirte nunca más. Has dejado a tus espaldas todo lo que es vulgar y sórdido. Allí esperan alineados tus compañeros silenciosos y nobles. Pasa revista a los archivos. Elige a tu hombre. Y entonces no tendrás más que levantar la mano hacia él y emprenderéis camino hacia el país de los sueños.»

ARTHUR CONAN DOYLE
Cruzando la puerta mágica

Guía de ciencia ciudadana para bibliotecas de investigación

Open Science Meets Citizen Science. LIBER, 2024

Esta guía se presenta como una herramienta valiosa para bibliotecas de investigación que desean integrar prácticas de ciencia abierta y ciencia ciudadana, promoviendo la inclusión y el compromiso dentro de sus comunidades.

LIBER anuncia el lanzamiento de la guía de ciencia ciudadana para bibliotecas de investigación titulada “Open Science Meets Citizen Science – A Guide”, editada por Bastian Greshake Tzovaras del Instituto Alan Turing.

Esta guía está diseñada como un recurso práctico de apoyo para bibliotecas de investigación que buscan ayudar a sus comunidades de investigación a desarrollar sus proyectos de ciencia ciudadana. En la guía, se encuentran contribuciones de practicantes líderes e informes sobre las lecciones aprendidas de proyectos establecidos. La guía está revisada por expertos y se publica en acceso abierto y en múltiples formatos, con formatos interoperables adicionales para su reutilización.

En el artículo  ‘Implementing Open Science Practices into a Citizen Science Project’ se explica cómo aprovechar los recursos de la ciencia abierta. El uso de datos es un área que cuenta con el apoyo de la ciencia abierta en términos de herramientas de análisis de datos como R y Jupyter Notebooks, que han democratizado la ciencia de datos y permiten un fácil uso y análisis por parte del público interesado. Además, la recopilación, manejo y publicación abierta de datos está ampliamente respaldada por la literatura para los planes de Gestión de Datos de Investigación que incluyen la ciencia ciudadana.

Si la «inclusión y el empoderamiento» son una prioridad para los investigadores que dirigen proyectos de ciencia ciudadana, el artículo ‘Ethical Practices for Citizen Science’ (Prácticas éticas para la ciencia ciudadana) ofrece una hoja de ruta para reflexionar sobre las cuestiones relacionadas con la creación de un compromiso genuino y un caso de uso dirigido por la comunidad con el proyecto «AutSPACEs». La creación de espacios seguros para los participantes es ya una práctica conocida con el uso de códigos de conducta, pero también en este caso los detalles cuentan, y una de las recomendaciones del artículo es redactar conjuntamente un código de conducta con los miembros del grupo que participa en un proyecto de ciencia ciudadana. Los códigos de conducta son un buen ejemplo, ya que han sido promovidos por el movimiento de ciencia abierta y reflejan el cambio más reciente de la ciencia abierta hacia cuestiones de valores (inclusión de cuestiones de género, raza y equidad en el conocimiento), además del trabajo anterior sobre infraestructuras técnicas y apertura.

¿Las inversiones en bibliotecas públicas mejoran los puntajes de las pruebas de los estudiantes?

Gilpin, Gregory, Ezra Karger, and Peter Nencka. 2024. «The Returns to Public Library Investment.» American Economic Journal: Economic Policy, 16 (2): 78-109.DOI: 10.1257/pol.20210300

Los beneficios educativos de las bibliotecas públicas: ¿Las inversiones en bibliotecas públicas mejoran los puntajes de las pruebas de los estudiantes? El estudio muestra que, después de un incremento en la inversión de capital en bibliotecas, los puntajes de lectura aumentaron de manera constante.

A través de una combinación de financiamiento local, estatal y nacional, además de donaciones privadas, Estados Unidos gasta miles de millones de dólares cada año en bibliotecas públicas. Estas bibliotecas proporcionan acceso gratuito a la información mediante el préstamo de materiales, servicios de investigación y una variedad de eventos como cuentos para niños, clases de computación y preparación de impuestos. Pero, ¿tienen estas inversiones un impacto tangible en las comunidades, particularmente en el rendimiento académico de los niños?

Según un artículo “The Returns to Public Library Investment” publicado en el American Economic Journal: Economic Policy por Gregory Gilpin, Ezra Karger y Peter Nencka, la respuesta es afirmativa.

Sus hallazgos provienen de un análisis de datos de gasto en infraestructura relacionado con la construcción de nuevos edificios de bibliotecas y grandes proyectos de renovación entre 2009 y 2018. Los investigadores utilizaron un estudio de eventos para comparar distritos escolares, aislando el momento de los gastos de capital significativos y rastreando las diferencias posteriores entre las comunidades que invirtieron en bibliotecas locales y las que no lo hicieron. Descubrieron que las inversiones de capital en bibliotecas públicas aumentan la participación de los niños en su biblioteca local, lo que a su vez mejora los puntajes de las pruebas en los distritos escolares locales.

Panel A de la Figura 3 del artículo de los autores muestra el impacto de las inversiones en bibliotecas en los puntajes de las pruebas estandarizadas en los distritos escolares cercanos, destacando la relación positiva entre el aumento del financiamiento de bibliotecas y el rendimiento académico.

El gráfico traza estimaciones del estudio de eventos para cada año en relación con una inversión importante en bibliotecas, con proyectos equivalentes a un gasto de aproximadamente 200$ o más por estudiante. Las estimaciones son medidas de puntajes promedio en pruebas de lectura, normalizados para que un aumento de una unidad corresponda a un aumento de una desviación estándar en los puntajes. Las barras verticales representan intervalos de confianza del 95 por ciento.

La figura muestra que, tras un aumento en la inversión de capital en bibliotecas, los puntajes de lectura aumentaron de manera constante. A corto plazo, las inversiones en bibliotecas aumentaron los puntajes de lectura en 0.01 desviaciones estándar. Siete años después de un proyecto, los puntajes eran 0.04 desviaciones estándar más altos en los distritos que invirtieron en bibliotecas públicas que en sus contrapartes.

En última instancia, los resultados sugieren que el gasto en capital de las bibliotecas, similar a las inversiones en el capital de las escuelas públicas, puede tener efectos positivos significativos en el rendimiento académico de los niños.

Entrevista a la escritora chilena Andrea Campos Parra. Planeta Biblioteca 2024/05/30

Entrevista a la escritora chilena Andrea Campos Parra.

Planeta Biblioteca 2024/05/30

ESCUCHAR EL PROGRAMA

Ir a descargar


Andrea Campos Parra (Concepción, Chile 1967) es poeta, editora y gestora cultural. Ha publicado los libros Un brumoso y arcano recuerdo (1991) y Arar tierras heridas (2016), y ha sido incluida en diversas antologías y revistas latinoamericanas. Actualmente, preside la Corporación Cultural Altacura, y en 2019 editó Poesía Reunida de Carlos Mellado y Entre Culturas. Pertenece al Taller Gredazul, fundado en 1984 por Mellado Molina. Recientemente, ha publicado el libro Viento en contra. Hemos conversado agradablemente con Andrea sobre su trayectoria poética y política, su obra, su estilo y el valor de la poesía para otorgar voz a quienes no la tienen.

Guía de inicio para crear un makerspace en bibliotecas

Artefacto – Digital Agency. «The Makerspace Starter Guide for Libraries by Artefacto», 29 de mayo de 2024.

Texto completo

Guía de Inicio para Makerspaces en Bibliotecas. Ideas para lanzar, relanzar y reimaginar tu makerspace en la biblioteca

En esta guía encontrarás:

  • Cuándo y por qué crear un makerspace
  • Cómo lanzar un nuevo espacio o servicio
  • Tomar decisiones sobre herramientas y equipos
  • Involucrar al personal y apoyar tu makerspace
  • Ofrecer un programa de makerspace eficiente y centrado en el usuario

Es un recurso colaborativo diseñado para inspirarte y alentarte a mejorar tu propio makerspace de una manera que funcione mejor para tus usuarios. Se comparten consejos y recomendaciones que se han obtenido al apoyar a bibliotecas en todo el Reino Unido durante los últimos 5 años y de las propias experiencias como creadores, tecnólogos y facilitadores de talleres.

Esta es una lista de inspiración más que un libro de reglas: un punto de partida y construcción, con algunos recursos que, con suerte, te ahorrarán tiempo. El objetivo es compartir información práctica para ayudarte a crear y gestionar un makerspace que sea adecuado para el servicio de tu biblioteca.

La experiencia sensible de las bibliotecas

Evans, Christophe, ed. L’expérience sensible des bibliothèques : Six textes sur les publics des grands établissements. Éditions de la Bibliothèque publique d’information, 2020. https://directory.doabooks.org/handle/20.500.12854/84086.

Aunque diferentes, estas aproximaciones científicas y profesionales están articuladas sobre un mismo fundamento de valores y, sobre todo, sobre un mismo tipo de terreno que constituye un dispositivo específico: el de los grandes establecimientos (la Biblioteca pública de información del Centro Pompidou, la Biblioteca Nacional de Francia y la Biblioteca Vasconcelos de México). Evidentemente, nada impide a los lectores y lectoras asociar algunas de las cuestiones aquí descritas y analizadas en detalle con otras categorías de bibliotecas, especialmente con establecimientos de menor tamaño. La noción de apego a la institución, el reconocimiento de su dimensión hospitalaria y protectora, el «modelado» de los servicios por los usuarios o la manera tanto singular como colectiva en la que son apropiados, son de hecho fenómenos que se pueden observar más allá de los grandes establecimientos, fuera de las bibliotecas y hasta del ámbito cultural. Experimentar la experiencia de los públicos es, para retomar las palabras de Alain-Marie Bassy, pasar del espacio instituido por los profesionales al espacio restituido por los usuarios.

Pensar en la mediateca en una situación de crisis

Gilbert, Raphaële, ed. Penser la médiathèque en situation de crise : Enseignements d’une expérience locale. Penser la médiathèque en situation de crise : Enseignements d’une expérience locale. Études et recherche. Paris: Éditions de la Bibliothèque publique d’information, 2022. https://books.openedition.org/bibpompidou/2548.

ePub

PDF

Una nueva mediateca orientada hacia la innovación y la inclusión social abre sus puertas, atrayendo una alta afluencia. Sin embargo, enfrenta situaciones de recepción difíciles y, tras incidentes violentos, se ve obligada a cerrar. Al reabrir semanas después, logra recuperar la calma de manera sostenible.

Una investigación-intervención, llevada a cabo durante dos años por una psicóloga social especialista en juventud y cuestiones urbanas, fue crucial para superar la crisis. Iniciada para analizar el rol social de la mediateca como un tercer lugar, sus funciones y limitaciones en un contexto de gran diversidad social, la investigación se extendió con la formación de un colectivo de reflexión. Este grupo estaba compuesto por dos investigadores, Joëlle Bordet (psicóloga social) y Christophe Evans (sociólogo de la Bpi), así como por tres bibliotecarias, Hélène Beunon (ABF), Marion Moulin y Raphaële Gilbert.

El libro es una invitación a reflexionar sobre la mediateca durante la crisis y también a repensarla a través de la crisis. Propone inventar una nueva aproximación ante situaciones difíciles que normalmente causarían desconcierto, y aceptar la irrupción de la realidad en nuestros ideales sin abandonar nuestro horizonte democrático.

El proceso de superar la crisis, tal como se presenta, no solo resolvió las dificultades, sino que también llevó a una nueva perspectiva sobre la mediateca, sus misiones, su relación con el territorio y los socios, sus modalidades de acogida, y el modelo del tercer lugar que la había inspirado.

Las bibliotecas universitarias se preparan para un mundo de investigación y erudición influenciado por la Inteligencia Artificial

Ruttenberg, Judy. «Research Libraries Prepare for a World of AI-Influenced Research and Scholarship». Association of Research Libraries (blog), 23 de mayo de 2024. https://www.arl.org/blog/research-libraries-prepare-for-a-world-of-ai-influenced-research-and-scholarship/.

Las bibliotecas de investigación, responsables de preservar el pasado, el presente y el futuro del conocimiento, tienen una larga experiencia con tecnologías disruptivas. Ahora están utilizando el crecimiento de la inteligencia artificial (IA), especialmente la IA generativa, para mejorar sus servicios, crear oportunidades educativas y evaluar su impacto en las operaciones y colecciones. La Asociación de Bibliotecas de Investigación (ARL) se asegura de que sus miembros y las comunidades a las que sirven prosperen en medio de esta disrupción tecnológica. Esto implica equilibrar las oportunidades innovadoras de la IA generativa con las posibles amenazas al acceso equitativo, la libertad intelectual y la integridad de la información.

La ARL ha sido históricamente fuerte en la defensa de un régimen de derechos de autor equilibrado. A través de la Library Copyright Alliance (LCA), la Asociación emitió en 2023 un conjunto de principios para los derechos de autor y la inteligencia artificial. Estos principios fueron presentados a la Oficina de Derechos de Autor de EE. UU. y a la Oficina de Política de Ciencia y Tecnología de la Casa Blanca. Los principios destacan la diferencia crucial entre lo que un modelo de IA aprende y lo que produce en relación con las obras protegidas por derechos de autor. En resumen, para que la IA generativa pueda innovar, es necesario proteger el uso justo en el entrenamiento de modelos de IA, mientras que la ley actual puede abordar las posibles infracciones de derechos de autor en las producciones de IA.

Como líder en la creación de normas para bibliotecas de investigación, la ARL también ha formulado principios generales sobre la IA generativa. Estos principios buscan influir en las políticas y abogar por el desarrollo responsable de tecnologías de IA, promoviendo prácticas éticas y transparentes, y construyendo confianza entre todas las partes involucradas, tanto dentro de las bibliotecas como en el entorno de investigación en general.

Además, la ARL y la Coalición para la Información en Red (CNI) han publicado un conjunto de escenarios que anticipan el impacto del aprendizaje automático y la IA generativa en el ecosistema del conocimiento y la investigación para el año 2035. Estos escenarios no pretenden predecir el futuro, sino ayudar a imaginarlo y explorar las incertidumbres que el sector enfrentará. En una reciente reunión en Boston, la comunidad de la ARL utilizó estos escenarios para identificar y priorizar oportunidades.

Invertir en bibliotecas siempre ha beneficiado a las comunidades durante las disrupciones tecnológicas. La ARL y sus bibliotecas miembro colaboran con socios del sector de investigación y aprendizaje para preservar el patrimonio cultural, apoyar nuevas formas de investigación y publicación, y promover el éxito estudiantil. La Asociación invita a colaborar en el avance de sus principios de IA y en el uso de estos escenarios para asegurar un entorno informativo que promueva el progreso del conocimiento.

Nuevas directrices sobre Inteligencia Artificial para bibliotecas universitarias y de investigación

Research Libraries Guiding Principles for Artificial
Intelligence Association of Research Libraries (ARL), abril 2024

Texto completo

La Asociación de Bibliotecas de Investigación (ARL) ha presentado un conjunto de siete principios guía dirigidos a los bibliotecarios universitarios, con el objetivo de orientar su labor ante el creciente uso de inteligencia artificial generativa.

En los dos años transcurridos desde el lanzamiento de ChatGPT, los bibliotecarios han sido solicitados frecuentemente para liderar la investigación y el desarrollo de la tecnología emergente de IA, abordando preguntas sobre derechos de autor y preocupaciones de citación. Algunos bibliotecarios han creado sus propias guías de IA o lanzado proyectos piloto para abordan algunas inquietudes académicas.

Los siete principios de la ARL se centran en el desarrollo y la implementación de la IA generativa, que generalmente se refiere a modelos de lenguaje grande como ChatGPT de OpenAI. La asociación afirma que los principios tienen como objetivo «promover prácticas éticas y transparentes, y generar confianza entre los interesados, tanto en las bibliotecas de investigación como en todo el entorno de investigación».

Principios Guía de la ARL

  1. Fomentar la alfabetización digital: Educar a los usuarios de la biblioteca y a los profesionales de TI sobre la IA.
  2. Entender y crear conciencia sobre el sesgo de la IA: Ayudar a los usuarios a navegar y evaluar la IA considerando posibles distorsiones en la información e imágenes generadas.
  3. Defender la apertura y la transparencia: Enfocarse en los algoritmos, datos de entrenamiento y metodologías utilizadas para crear la IA.
  4. Reconocer que no hay IA sin humanos: La participación humana es necesaria en consideraciones éticas, de accesibilidad y de fiabilidad al usar IA en entornos de investigación.
  5. La seguridad y la privacidad son clave: Abogar por leyes y regulaciones que prioricen la información personal de los usuarios de la biblioteca.
  6. Continuar la aplicación de la ley de derechos de autor: Preservar los derechos de las bibliotecas para fines de investigación y educación, y abordar la intersección de los derechos de autor con la IA.
  7. Equidad en la información digital: Asegurar que la ley de derechos de autor guíe los contratos con revistas académicas e instituciones de investigación, y promover el uso justo, la libertad intelectual y de información.

Desarrollo y Aplicación

Las discusiones sobre los principios comenzaron hace más de un año, aproximadamente seis meses después del debut de ChatGPT. Los principios fueron desarrollados a través de ARL Scholars and Scholarship Committee y ARL Advocacy and Public Policy Committee, definidos después de múltiples reuniones y un período de comentarios abiertos para todos los miembros.

Cynthia Hudson Vitale, directora de política científica y becas de la ARL, y Katherine Klosek, directora de política de información y relaciones federales, señalaron que, aunque no hay un plan fijo para revisar y cambiar los principios, están abiertos a la discusión a medida que evolucionan la IA y las preocupaciones relacionadas.

Jeanette Moss, bibliotecaria de apoyo curricular e instrucción en la Universidad Northwestern, afirmó: «Los bibliotecarios siempre han estado en la tarea de enseñar cómo evaluar la información, ya sea información escrita o fuentes de información, por lo que eso no ha cambiado desde que comenzó Internet. Pero ahora tenemos que reforzar aún más ese punto».