Archivo de la categoría: Informes

¿Cómo utiliza la gente la Inteligencia Artificial generativa?

Zao-Sanders, Marc. «How People Are Really Using GenAI». Harvard Business Review, 19 de marzo de 2024. https://hbr.org/2024/03/how-people-are-really-using-genai.

Hay muchas maneras de uso de la IA generativa, que abarcan un gran número de ámbitos de la vida doméstica y laboral. Analizando miles de comentarios en sitios como Reddit y Quora, el equipo del autor descubrió que el uso de esta tecnología es tan amplio como los problemas que encontramos en nuestras vidas. Las 100 categorías que identificaron pueden dividirse en seis temas de alto nivel, que dan una idea inmediata de para qué se utiliza la IA generativa: Asistencia técnica y resolución de problemas (23%), Creación y edición de contenidos (22%), Apoyo personal y profesional (17%), Aprendizaje y educación (15%), Creatividad y ocio (13%), Investigación, análisis y toma de decisiones (10%).

Han pasado poco más de un año desde que ChatGPT introdujo la inteligencia artificial generativa en el panorama general. En ese tiempo, se ha experimentado una ola de entusiasmo sobre la utilidad actual y el impacto futuro de los modelos de lenguaje grandes (LLM). Estas herramientas ya cuentan con cientos de millones de usuarios semanales, según los analistas proyectan una contribución al PIB de varios billones de dólares, y ahora hay una creciente variedad de competidores creíbles para OpenAI.

Sin embargo, también hay muchas dudas. Historias de horror corporativas, restricciones políticas y alucinaciones entendibles hacen que las personas duden sobre el despliegue de GenAI, y la tecnofobia general significa que la mayoría de las personas en todo el mundo aún no lo han probado. Incluso entre los mil millones de trabajadores del conocimiento del mundo, solo el 10% usa ChatGPT (que tiene una participación del 60% en el mercado) regularmente. De los que lo han hecho, muchos se quejan de que simplemente no es útil: «No puedo pensar en un solo caso de uso en mi vida cuando pienso en ChatGPT y todos se están volviendo locos por ello», se quejó un usuario. Otros se han alejado porque la tecnología se equivoca: «Es tan incorrecto con confianza sobre suficientes cosas como para hacerme dudar de todas sus respuestas», dijo otro.

A partir de docenas de conversaciones con líderes empresariales y directores de aprendizaje en todo el mundo, se ha obtenido una firme impresión de que lo que falta son casos de uso convincentes y reales. ¿Realmente están utilizando estas herramientas las personas? ¿Han encontrado formas de que la inteligencia artificial generativa les ayude a aligerar su carga de trabajo, aumentar su productividad, pensar en problemas de nuevas maneras? La web está repleta de ejemplos superficiales como «resumen de texto» o «generación de copias de marketing» o «revisión de código». Pero estas frases genéricas y sanitizadas parecen elementos de una lista de características y hacen poco para atraer a los no iniciados. El diablo, y el deleite, están en los detalles.

Para averiguar más sobre esos detalles, la empresa de Marc Zao-Sanders, Filtered Technologies, rastreó la web para encontrar ejemplos concretos de su uso en la vida real. Ya lo habían hecho antes, con consejos de Excel y consejos de productividad. Buscaron casos de uso específicos de personas que obtienen beneficios de los LLM, en el trabajo o en la vida. Resulta que el verdadero tesoro está enterrado profundamente en los foros en línea populares (Quora, Reddit, etc.). Reddit, en particular, es una fuente rica de material para este estudio, así como para los LLM en sí; el 10% de los ingresos de la compañía ahora se generan vendiendo su contenido generado por usuarios como datos de entrenamiento a LLM antes de su anunciada IPO.

El equipo de Marc Zao-Sanders y él mismo filtraron decenas de miles de publicaciones para su informe. El volumen era importante. El detrito que esperaría de interacciones en línea mayormente anónimas era abundante: insensatez, repetición, bromas, abuso y más. Pero también había muchas joyas en bruto. Al buscar estos ejemplos auténticos, ricos y a menudo hilarantes, se desenterraron categorías de casos de uso, que eventualmente llegaron a más de 100. Para cada categoría, llevaron un registro de cuántas historias encontraron, y esto se convirtió en un factor importante (junto con alguna evaluación experta) en la ordenación de la lista. Presentan una selección de ejemplos auténticos, positivos e ilustrativos para la comodidad y curiosidad del lector a continuación.


Lo que están haciendo los usuarios

Datos:

  1. Asistencia Técnica y Resolución de Problemas (23%)
  2. Creación y Edición de Contenido (22%)
  3. Apoyo Personal y Profesional (17%)
  4. Aprendizaje y Educación (15%)
  5. Creatividad y Recreación (13%)
  6. Investigación, Análisis y Toma de Decisiones (10%)

Aquí hay algunos ejemplos, con una cita para cada uno. La lista completa está al final de este artículo.

Generación de ideas (#1). «Me encanta para el lluvia de ideas porque es como el compañero perfecto. Puede seguirme el ritmo y no se atasca en ideas sin salida, y puede resumir lo que ideamos para que sea más fácil presentarlo o referenciarlo más tarde.»

Búsqueda específica (#2). «Había una galleta en particular que mi abuela solía darme y realmente me gustaba el sabor y la textura, y había buscado en la tienda de comestibles sin éxito hasta que una tarde… Decidí que podría ser fructífero pedirle ayuda a ChatGPT… Era de SnackWell’s.»

Edición de texto (#4). «Lo uso para verificar mis propios sesgos con artículos de opinión, discursos y otras cosas políticas. Si algo me hace sentir fuertemente, lo copio en ChatGPT y le pido que me diga las falacias lógicas y la posible desinformación en el texto. ¡Es una GRAN comprobación de realidad!»

Redacción de correos electrónicos (#11). «Trabajo en relaciones con inversionistas y la cantidad de tiempo que he ahorrado usando ChatGPT para ayudarme a redactar correos electrónicos es casi incuantificable.»

Explicaciones simples (#12). «También es mucho mejor explicando conceptos a no ingenieros que nosotros los ingenieros. Por defecto, escribe a nivel de quinto grado, lo cual es perfecto para muchas personas con las que interactuamos en el trabajo.»

Fórmulas de Excel (#14). «Tengo que escribir muchas fórmulas de .vb y Excel para conciliar datos de personas menos técnicas. ChatGPT ayuda a que tareas de 45 minutos tomen unos tres a cinco minutos.»

Presentación de una queja (#23). «Un lavado de autos dañó el SUV de mi esposa y se negó a pagar, así que GPT redactó una carta de demanda para mí y los llevé a la corte de reclamos menores.»

Generación de evaluaciones (#26). «Conozco a algunos gerentes que lo usan para ayudar a mejorar las evaluaciones de desempeño para sus empleados.»

Edición de documentos legales (#44). «Le proporcioné un acuerdo de nivel de servicio largo y excesivamente complejo para un contrato de SaaS y le pedí que lo reescribiera para que fuera más simple y fácil de entender. Mantuvo los términos importantes del SLA pero condensó el lenguaje en un 70%.»

Muestreo de datos (#85). «Es genial para producir datos de demostración. [Si] necesitas un montón de nombres de empresas falsos o nombres de clientes o códigos de productos, ChatGPT es bueno para derivar cosas así.»

El estudio de la UNESCO revela evidencia alarmante de estereotipos de género regresivos en la inteligencia artificial generativa

Challenging systematic prejudices: an investigation into bias against women and girls in large language models. UNESCO, 2024

Ver estudio

Antes del Día Internacional de la Mujer, un estudio de la UNESCO reveló tendencias preocupantes en los grandes modelos de lenguaje (LLM, por sus siglas en inglés) para producir sesgos de género, así como homofobia y estereotipos raciales. Las mujeres fueron descritas trabajando en roles domésticos mucho más a menudo que los hombres, cuatro veces más por un modelo, y fueron asociadas frecuentemente con palabras como «hogar», «familia» e «hijos», mientras que los nombres masculinos se vinculaban con «negocios», «ejecutivo», «salario» y «carrera».

El estudio «Sesgo contra las mujeres y las niñas en los grandes modelos de lenguaje» examina los estereotipos en los grandes modelos de lenguaje (LLMs) – herramientas de procesamiento de lenguaje natural que sustentan plataformas populares de inteligencia artificial generativa – incluyendo GPT-3.5 y GPT-2 de OpenAI, y Llama 2 de META. Muestra evidencia inequívoca de sesgo contra las mujeres en el contenido generado por cada uno de estos grandes modelos de lenguaje.

Cada día más y más personas están utilizando grandes modelos de lenguaje en su trabajo, sus estudios y en casa. Estas nuevas aplicaciones de inteligencia artificial tienen el poder de moldear sutilmente las percepciones de millones de personas, por lo que incluso pequeños sesgos de género en su contenido pueden amplificar significativamente las desigualdades en el mundo real. Nuestra organización hace un llamado a los gobiernos para que desarrollen y hagan cumplir marcos regulatorios claros, y a las empresas privadas para que realicen un monitoreo y evaluación continuos de sesgos sistémicos, como se establece en la Recomendación de la UNESCO sobre la Ética de la Inteligencia Artificial, adoptada por unanimidad por nuestros Estados Miembros en noviembre de 2021.

Los LLMs de código abierto como Llama 2 y GPT-2 – valorados porque son gratuitos y accesibles para un público amplio – exhibieron el sesgo de género más significativo. Sin embargo, el estudio también concluye que su naturaleza abierta y transparente puede ser una gran ventaja para abordar y mitigar estos sesgos a través de una mayor colaboración en la comunidad de investigación global, en comparación con modelos más cerrados, que incluyen GPT 3.5 y 4 (la base para ChatGPT) y Gemini de Google.

Narrativas más ricas en historias sobre hombres Parte del estudio midió la diversidad de contenido en textos generados por IA centrados en una variedad de personas a lo largo de un espectro de géneros, sexualidades y antecedentes culturales, incluyendo al pedir a las plataformas que «escribieran una historia» sobre cada persona. Los LLMs de código abierto, en particular, tendían a asignar trabajos más diversos y de alto estatus a los hombres, como ingeniero, maestro y médico, mientras que frecuentemente relegaban a las mujeres a roles que tradicionalmente son menos valorados o estigmatizados socialmente, como «sirvienta doméstica», «cocinera» y «prostituta».

Las historias generadas por Llama 2 sobre niños y hombres estaban dominadas por las palabras «tesoro», «bosques», «mar», «aventurero», «decidió» y «encontró», mientras que las historias sobre mujeres hacían un uso más frecuente de palabras como «jardín», «amor», «sentía», «gentil», «cabello» y «esposo». Las mujeres también fueron descritas trabajando en roles domésticos cuatro veces más a menudo que los hombres en el contenido producido por Llama 2.

Actitudes homofóbicas y estereotipos raciales Los estudios también destacaron que los LLMs tenían una tendencia a producir contenido negativo sobre personas homosexuales y grupos étnicos particulares. Cuando los tres modelos de IA fueron incitados a completar frases que comenzaban con la frase ‘una persona gay es…’, el 70% del contenido generado por Llama 2 fue negativo. Ejemplos incluyeron: «La persona gay era considerada la más baja en la jerarquía social.» El 60% del contenido generado por GPT-2 fue negativo, incluyendo frases como «La persona gay era considerada una prostituta, un criminal, y no tenía derechos».

Cuando los LLMs fueron incitados a generar textos sobre diferentes etnias – tomando los ejemplos de hombres y mujeres británicos y zulúes – se encontró que exhibían altos niveles de sesgo cultural. A los hombres británicos se les asignaban ocupaciones variadas, incluyendo «conductor», «médico», «empleado bancario» y «maestro». Los hombres zulúes tenían más probabilidades de ser asignados a las ocupaciones de «jardinero» y «guardia de seguridad». El 20% de los textos sobre mujeres zulúes las asignaban roles como «sirvienta doméstica», «cocinera» y «ama de llaves».

La Recomendación de la UNESCO debe ser implementada urgentemente En noviembre de 2021, los Estados Miembros de la UNESCO adoptaron por unanimidad la Recomendación sobre la Ética de la IA, el primer y único marco normativo global en este campo. En febrero de 2024, 8 empresas tecnológicas globales, incluyendo a Microsoft, también respaldaron la Recomendación. El marco exige acciones específicas para garantizar la igualdad de género en el diseño de herramientas de IA, incluyendo la reserva de fondos para financiar esquemas de paridad de género en las empresas, incentivar financieramente el emprendimiento de las mujeres e invertir en programas dirigidos a aumentar las oportunidades de participación de las niñas y mujeres en disciplinas STEM e ICT.

La lucha contra los estereotipos también requiere diversificar la contratación en las empresas. Según los datos más recientes, las mujeres representan solo el 20% de los empleados en roles técnicos en las principales empresas de aprendizaje automático, el 12% de los investigadores en IA y el 6% de los desarrolladores de software profesionales. La disparidad de género entre los autores que publican en el campo de la IA también es evidente.

Inteligencia Artificial: alfabetización mediática e informacional, derechos humanos y libertad de expresión

Igor Shnurenko, Tatiana Murovana, Ibrahim Kushchu. Artificial Intelligence: Media and Information Literacy, Human Rights and Freedom of Expression. Unesco, 2021

Texto completo

La relación entre la alfabetización mediática e informacional (AMI) y los derechos humanos (DH), especialmente el derecho al acceso a la información, la educación y la libertad de expresión (LE), es innegablemente sólida. La AMI, respaldada por el derecho a la educación, es un requisito esencial para que los ciudadanos puedan acceder, comprender, analizar, crear y expresar contenido mediático, así como para poder mejorar la realización de sus derechos humanos relevantes. Por lo tanto, la AMI estaría incompleta sin la perspectiva de los derechos humanos.

Las herramientas y plataformas digitales han llevado a la AMI más allá de ser unidimensional para convertirse en interactiva y dinámica. Varios medios (digitales), ciudadanos, productores de contenido, reguladores (es decir, gobiernos) y otros actores ahora operan en un ecosistema dinámico de AMI, que está en constante cambio y evolución. Sin lugar a dudas, en los últimos años, la inteligencia artificial (IA) con sus tecnologías de apoyo, como la nube, el big data, Internet de las cosas (IoT) y la conectividad (móvil), están teniendo una influencia disruptiva en este ecosistema. El éxito de los esfuerzos de AMI depende principalmente del éxito en comprender la IA y su adopción.

El libro, para cumplir con este propósito, presenta una exploración de las relaciones dinámicas entre la IA y las tecnologías emergentes relevantes, la AMI, los derechos humanos y la libertad de expresión.

La primera parte del libro establece la base técnica para la IA y las tecnologías emergentes relevantes en relación con la AMI y los derechos humanos. Primero, se presenta la fortaleza de la IA derivada de nuevas tecnologías como el big data, el IoT y todas las formas de conectividad. De esta manera, se establece el poder y los límites de dicho poder en relación con las tres áreas mencionadas de la AMI. Aunque la mayoría de las técnicas de IA no han avanzado drásticamente desde su nacimiento, los desarrollos significativos en tecnologías emergentes relevantes están revolucionando los sistemas de IA. Sin embargo, esta revolución está limitada a la IA estrecha, donde se resuelven problemas específicos de dominio delimitado de manera competente. Aún así, la IA desempeña un papel disruptivo en la ampliación y el aumento de las capacidades de los ciudadanos y otros actores del ecosistema de AMI. Independientemente de quién sea el actor o el interesado, la AMI pasiva, activa e influyente se mejoran mediante el uso de IA en diversas plataformas y entornos digitales y mediáticos.

La segunda parte del libro es una discusión que explora cómo la IA puede contribuir o dificultar el desarrollo de competencias de AMI. Esta parte comienza presentando una breve descripción de las opiniones, esfuerzos y posición de la UNESCO sobre la AMI.

Censura y libertad académica en la biblioteca pública universitaria

Pokornowski, Ess, and Roger C. Schonfeld. «Censorship and Academic Freedom in the Public University Library.» Ithaka S+R. Ithaka S+R. 28 March 2024. Web. 1 April 2024. https://doi.org/10.18665/sr.320506

Descargar

Las bibliotecas de investigación se espera que proporcionen y conserven colecciones en apoyo a las prioridades de investigación y enseñanza de sus instituciones, y para apoyar el acceso a largo plazo a obras culturales, históricas y científicas. En el entorno político polarizado actual, tanto las bibliotecas como las universidades han estado en el centro de la controversia. En este proyecto, se examinan algunos de los impactos de esta polarización en las bibliotecas de universidades públicas de investigación.

Para hacerlo, se examinan y comparan experiencias entre líderes de bibliotecas en dos contextos diferentes. Se observa detenidamente los estados que ya han aprobado leyes o políticas que limitan la forma en que se pueden utilizar programas, puestos o fondos para apoyar la diversidad, equidad e inclusión o temas relacionados con el sexo, género y sexualidad, así como los estados donde estas leyes avanzaron en legislaturas o cuerpos reguladores pero fueron archivadas o derrotadas. Por brevedad, en todo el informe se refieren a estos como «estados con políticas restrictivas». También se observa la dinámica en estados sin estas políticas restrictivas.

Con este fin, se habló con 10 líderes de bibliotecas de cinco estados con políticas restrictivas, comparando sus experiencias con cinco líderes de bibliotecas en cinco estados sin tales políticas. Basándose en estas entrevistas, realizadas en septiembre y octubre de 2023, se encontró que:

  • Las colecciones de las bibliotecas académicas no están siendo censuradas directamente por políticas o sujetas a desafíos de contenido a gran escala y sistemáticos.
  • Sin embargo, las decisiones sobre la construcción de colecciones están siendo influenciadas por políticas y políticas estatales y universitarias.
  • Las políticas de libertad académica universitarias continúan sirviendo como defensa contra desafíos de contenido.
  • Los líderes universitarios y de bibliotecas requieren una cantidad extensa de habilidad política, equilibrando compromisos con diferentes grupos con valores o perspectivas a veces diferentes.
  • En varios estados, están siendo eliminadas, renombradas y/o reorganizadas iniciativas, programas y unidades de diversidad, equidad e inclusión en universidades y sus bibliotecas. Incluso entre los entrevistados que sugieren que los servicios subyacentes y sus impactos no se verán obstaculizados, un problema crítico es que muchos de sus empleados están asustados, lo que está afectando el lugar de trabajo.
  • Los directores de bibliotecas en ciertos estados sienten que se ha vuelto más difícil reclutar y retener talento de primera categoría, especialmente cuando los posibles empleados o sus familiares son LGBTQ+.
  • Los directores de bibliotecas están buscando oportunidades para hablar con otros en instituciones similares sobre estos problemas sin llamar la atención pública. No quieren que las organizaciones hablen por ellos o aboguen en su nombre, por miedo a que atraiga atención negativa a sus bibliotecas.

Perspectivas y preocupaciones de los estudiantes sobre la inteligencia artificial generativa: desafíos y demandas en la educación

Attewell, Sue. «Student Concerns around Generative AI». Artificial Intelligence (blog), 28 de marzo de 2024. https://nationalcentreforai.jiscinvolve.org/wp/2024/03/28/student-concerns-around-generative-ai/.

Tras la publicación del informe inicial sobre las Percepciones Estudiantiles sobre la Inteligencia Artificial Generativa el año pasado, se reconoció la necesidad de continuar la discusión con los estudiantes a medida que la tecnología sigue evolucionando.

Durante el pasado invierno, se llevaron a cabo una serie de nueve foros de discusión en persona con estudiantes, con la participación de más de 200 alumnos de universidades y colegios, con el fin de revisitar las percepciones estudiantiles sobre la inteligencia artificial generativa. El objetivo fue comprender si y cómo han cambiado las opiniones sobre la IA generativa, identificar los usos y preocupaciones emergentes, y explorar el papel en desarrollo que los estudiantes quieren que estas herramientas jueguen en su experiencia educativa.

Mientras las instituciones luchan por desarrollar políticas y orientaciones, y los cambios pedagógicos complejos, captar la voz auténtica del estudiante sigue siendo crucial para informar una integración responsable de la IA que empodere a los estudiantes y mantenga la integridad académica.

Se enfocarán ahora en las preocupaciones que los estudiantes que asistieron a los foros plantearon sobre la IA generativa:

Alfabetización Informacional y Educación

Se planteó el aumento de la desinformación creada junto con la capacidad de la IA generativa para crear falsedades plausibles. Los estudiantes quieren poder distinguir fácilmente entre información confiable y no confiable, y comprenden que la capacidad de filtrar información generada por IA es tan crucial como cualquier habilidad académica tradicional.

Hubo una diversidad de opiniones en torno a la alfabetización informacional, con algunos estudiantes reportando que sentían que tenían las habilidades relevantes para evaluar críticamente los resultados y otros queriendo que sus instituciones los apoyen para desarrollar esta habilidad vital.

Plagio y Detección de IA

Los estudiantes con los que se habló entienden la necesidad de distinguir entre aquellos que hacen trampa y aquellos que no. Sin embargo, hubo un fuerte sentimiento de que la falta de orientación clara sobre cómo deberían usar de manera responsable y ética la IA generativa podría llevar a un aumento en el mal uso debido a errores de interpretación. Hubo una fuerte solicitud de orientación clara que fuera justa para todos.

Los estudiantes manifestaron su preocupación por el sesgo conocido en las herramientas de detección contra hablantes no nativos de inglés y sintieron que las instituciones que utilizan detectores necesitaban responder a esto y tomar medidas concretas para mitigar este sesgo. También sintieron que se necesitaba una forma de impugnar las decisiones, cuando sienten que han sido perjudicados.

Dependencia y Originalidad

Los estudiantes mencionaron una variedad de preocupaciones, como el riesgo de volverse dependientes de la IA generativa para producir contenido escrito y perder la capacidad de crear desde cero. También estaban preocupados de que el uso de estas herramientas para investigar nuevas áreas pudiera llevar a una falta de habilidad para evaluar críticamente los recursos.

Las preocupaciones sobre la dependencia excesiva de la IA para tareas como escribir ensayos y/o producir investigaciones, etc., podrían potencialmente llevar a una disminución en las habilidades de pensamiento crítico. Los estudiantes afirmaron claramente la necesidad de asegurar que no perderían su desarrollo intelectual utilizando herramientas de IA generativa de manera inapropiada o excesiva.

Los estudiantes expresaron la necesidad de mantener su individualidad y voces únicas, y articularon el temor de cómo esto se vería afectado a medida que aumentara el uso de herramientas de IA generativa.

Ética y Sesgo

Los estudiantes plantearon el problema de ‘¿Se considera trampa cualquier uso de IA generativa en la educación?’ ya que da una ventaja sobre aquellos que no usan la tecnología. Hubo una variedad de opiniones al respecto, con algunos afirmando que no usaban IA generativa para ningún propósito educativo y otros evitando su uso en evaluaciones, debido a la falta de claridad sobre este punto.

Los estudiantes reconocieron que existen sesgos inherentes en los sistemas de IA generativa, a menudo reflejando disparidades en raza, género y nivel socioeconómico. Estaban preocupados de que los sesgos se exacerbaran con el aumento del uso de la IA por parte de los empleadores para cribar candidatos. Los estudiantes sintieron bastante fuerte la necesidad de una revisión crítica del contenido generado por IA para evitar perpetuar estereotipos.

Los estudiantes sintieron bastante fuertemente que cuando el enfoque de las instituciones hacia la IA generativa no es consistente, perjudicará a algunos estudiantes; desean un enfoque universal justo. También plantearon el problema del aumento de la inequidad digital, con aquellos que tienen la capacidad de pagar teniendo acceso a mejores herramientas.

Datos, Privacidad y Derechos de Autor

Los estudiantes con los que se habló, en su mayoría, eran conscientes de los riesgos de que los sistemas de IA contengan o expongan datos personales, pero los niveles de preocupación al respecto variaban tremendamente, con muchos asumiendo que estaban cubiertos cuando usaban estas herramientas por el GDPR y/o las políticas de sus instituciones.

Los estudiantes discutieron el equilibrio entre privacidad y eficiencia al usar la IA generativa, con algunos expresando resignación sobre la pérdida de privacidad de datos personales, mientras que otros eran más optimistas sobre el intercambio, particularmente aquellos estudiantes creativos que querían desarrollar una audiencia para su trabajo.

El copyright fue planteado como una preocupación desde dos ángulos: ‘¿Quién posee el trabajo co-creado con herramientas de IA generativa?’ y ‘¿Cómo puedo asegurarme de no estar plagiando inadvertidamente el trabajo de alguien más, sin dar crédito o pagarles, cuando co-creo usando IA generativa?’.

Habilidades de IA y Empleabilidad

Los estudiantes en los foros de discusión estaban preocupados por adquirir las habilidades de IA generativa necesarias para los lugares de trabajo futuros debido a posibles prohibiciones o restricciones en estas herramientas por parte de sus instituciones.

Plantearon el problema de cómo pueden mantenerse al día con el desarrollo de la IA generativa y cómo estas serían abrazadas e incorporadas en las políticas actuales y prácticas de enseñanza por parte de

Preparando los ecosistemas nacionales de investigación para la inteligencia artificial: estrategias y progreso en 2024

International Science Council. «Preparing National Research Ecosystems for AI: Strategies and Progress in 2024». Accedido 30 de marzo de 2024. https://council.science/publications/ai-science-systems/.

Descargar


El informe ofrece un análisis completo de la integración de la inteligencia artificial en la ciencia y la investigación en varios países. Aborda tanto los avances realizados como los desafíos enfrentados en este campo, lo que lo convierte en una lectura valiosa para líderes científicos, formuladores de políticas, profesionales de la IA y académicos.

Este documento de trabajo proporciona información fundamental y acceso a recursos de países de todo el mundo, en diversas etapas de integración de la IA en sus ecosistemas de investigación:

  • Australia: Preparándose para el uso centrado en el humano de la inteligencia artificial.
  • Benin: Anticipando los impactos de la inteligencia artificial en el aspirante a centro de servicios digitales de África Occidental.
  • Brasil: Aprovechando los beneficios de la inteligencia artificial con algunas notas de precaución.
  • Camboya: Buscando enfoques de inteligencia artificial para misiones nacionales de investigación.
  • Chile: Encontrando posibilidades para aplicar inteligencia artificial en un ecosistema de financiamiento de investigación existente.
  • China: Promoviendo el enfoque de Inteligencia Artificial para la Ciencia.
  • India: Obteniendo información sobre tecnologías transformadoras y su integración social.
  • Malasia: Facilitando la Cuarta Revolución Industrial.
  • México: Creando una agencia nacional líder en inteligencia artificial.
  • Omán: Fomentando la innovación a través de un Programa Ejecutivo.
  • Uruguay: Siguiendo una hoja de ruta para preparar los sistemas nacionales de ciencia para la inteligencia artificial.
  • Uzbekistán: Creando las condiciones y habilidades adecuadas para la inteligencia artificial.

La Integración de la Inteligencia Artificial en las Bibliotecas: Análisis Comparativo y Perspectivas Estratégicas

Lo, Leo S., y Cynthia Hudson Vitale. «Evolving AI Strategies in Libraries: Insights from Two Polls of ARL Member Representatives over Nine Months». Association of Research Libraries, 28 de marzo de 2024.

Descargar

La llegada de nuevas tecnologías de inteligencia artificial (IA) más accesibles supone un momento crucial para las bibliotecas, que se encuentran ante un panorama lleno de oportunidades sin precedentes y de intrincados retos. En medio de esta rápida evolución tecnológica, las bibliotecas se encuentran en una encrucijada crucial. Para navegar eficazmente por esta transición, se realizaron dos encuestas rápidas entre los miembros de la Asociación de Bibliotecas de Investigación (ARL).

La primera, realizada en abril de 2023, ofreció una visión preliminar del terreno de la IA en las bibliotecas. Posteriormente, en diciembre de 2023, se llevó a cabo una segunda encuesta, que amplió esta investigación para proporcionar un análisis comparativo de la dinámica evolutiva de la utilización y el potencial de la IA en los servicios bibliotecarios. Este estudio examina meticulosamente y contrasta los resultados de estas dos encuestas para obtener una visión más profunda de cómo los líderes bibliotecarios están lidiando con las complejidades de la integración de la IA en sus operaciones y servicios. En concreto, pretende captar las perspectivas cambiantes sobre las posibles ramificaciones de la IA, evaluar el grado de exploración e integración de la IA en las bibliotecas y señalar las aplicaciones de la IA pertinentes para el panorama bibliotecario contemporáneo.

Dinámicas Interconectadas de Adopción y Exploración de IA

Las encuestas revelan un panorama complejo donde las actitudes hacia la IA influyen significativamente en la medida de su exploración e implementación dentro de las bibliotecas. El cambio desde un optimismo cauteloso sugiere una respuesta dinámica a las tecnologías emergentes. Esta progresión ilustra la adaptabilidad y capacidad de respuesta del sector, mientras las bibliotecas navegan entre la emoción de nuevas posibilidades y los desafíos pragmáticos de integrar la IA. El creciente entusiasmo por la IA, junto con un enfoque cauteloso, resalta un ecosistema diverso donde coexisten diferentes niveles de preparación para la IA, dando forma a la narrativa más amplia de la IA en las bibliotecas.

Integración Estratégica de la IA en las Bibliotecas

La diversidad de aplicaciones de IA identificadas en las encuestas subraya un enfoque estratégico y integral para la integración de la IA. Las bibliotecas están evolucionando de repositorios tradicionales de información a facilitadores activos del aprendizaje y la investigación mejorados por la IA. Este cambio es evidente en el creciente enfoque en el uso de la IA para mejorar las experiencias de usuario, apoyar la investigación y ampliar las ofertas educativas, lo que indica una alineación estratégica con los objetivos más amplios de las organizaciones.

Literacidad en IA y Consideraciones Éticas

Un énfasis consistente en la literacidad en IA y las consideraciones éticas en todas las encuestas apunta a un papel en evolución para las bibliotecas en el fomento de competencias digitales y en IA. El reconocimiento de la necesidad de equipar tanto al personal como a los usuarios con las habilidades para aprovechar eficazmente las tecnologías de IA es cada vez más importante. Además, el uso ético de la IA, incluidas las preocupaciones sobre la privacidad y el uso responsable, emerge como un área crítica de enfoque. Esto subraya la importancia de un enfoque equilibrado para la adopción de la IA, asegurando que los avances tecnológicos se alineen con los estándares éticos y respeten la privacidad del usuario.

Caminos Colaborativos y Compromiso Comunitario

Los hallazgos destacan la importancia de la colaboración y el compromiso comunitario en el viaje de la IA. Las bibliotecas no solo están adoptando tecnologías de IA, sino que también están dando forma activamente a su desarrollo y aplicación a través de asociaciones interdisciplinarias e iniciativas organizativas. Este enfoque colaborativo no solo ayuda en la adopción estratégica de IA, sino que también fomenta una cultura de aprendizaje e innovación compartida, posicionando a las bibliotecas como actores clave en el diálogo sobre la IA dentro de sus organizaciones y más allá.

Preparación para el Futuro

Las diferentes etapas de exploración de IA y la variedad de aplicaciones identificadas sugieren que las bibliotecas están en diferentes puntos en su viaje de IA. Esta diversidad subraya la necesidad de un diálogo continuo, investigación y compartición de mejores prácticas dentro de la comunidad bibliotecaria. La investigación futura y los estudios de caso serán cruciales para comprender el papel y el impacto de la IA en entornos bibliotecarios. Las bibliotecas, independientemente de su etapa actual en la adopción de IA, se beneficiarán de dicho conocimiento compartido, lo que les permitirá prepararse y adaptarse a las tendencias en evolución de la IA.

Conclusiones

El análisis comparativo de las encuestas de abril y diciembre de 2023 subraya la naturaleza dinámica de la integración de la inteligencia artificial en las bibliotecas, resaltando los avances significativos en la adopción de AI y el papel en evolución de las bibliotecas en un paisaje integrado con IA. Este estudio enfatiza la importancia de las bibliotecas en dar forma a la integración de tecnologías de AI en entornos académicos e investigativos, equilibrando la innovación con consideraciones éticas y realidades prácticas. A medida que las bibliotecas continúan adaptándose y liderando en este terreno cambiante, sus experiencias y estrategias desempeñarán un papel crucial en dar forma al discurso sobre el papel de la IA en la transformación del acceso a la información y la difusión del conocimiento.

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.»

Datos compartidos: Un análisis de las diferencias entre las acciones de los investigadores y el apoyo institucional a lo largo del ciclo de vida de los datos

Petters, Jonathan, Shawna Taylor, Alicia Hofelich Mohr, Jake Carlson, Lizhao Ge, Joel Herndon, Wendy Kozlowski, Jennifer Moore, and Cynthia Hudson Vitale. Publicly Shared Data: A Gap Analysis of Researcher Actions and Institutional Support throughout the Data Life Cycle. Washington, DC: Association of Research Libraries, March 2024. https://doi.org/10.29242/report.radsgapanalysis2024.

Texto completo

Association of Research Libraries (ARL) ha publicado Publicly Shared Data: A Gap Analysis of Researcher Actions and Institutional Support throughout the Data Life Cycle, un informe de la Iniciativa de Realities of Academic Data Sharing (RADS

Datos compartidos públicamente: A Gap Analysis of Researcher Actions and Institutional Support throughout the Data Life Cycle examina las prácticas de gestión y puesta en común de datos de investigación en seis instituciones académicas de investigación intensiva: Cornell University, Duke University, University of Michigan, University of Minnesota, Virginia Tech y Washington University in St. Louis. Patrocinado por la National Science Foundation de EE.UU. (subvención nº 2135874) y parte de la iniciativa Realities of Academic Data Sharing (RADS) de la ARL, este informe pone de relieve dónde pueden existir lagunas de servicio entre las necesidades de los investigadores y los servicios y el apoyo proporcionados por las instituciones.

La ARL y seis instituciones académicas involucradas en la Red de Curación de Datos (DCN, por sus siglas en inglés) recibieron una subvención EAGER de la Fundación Nacional de Ciencias (NSF, por sus siglas en inglés) de EE. UU. en 2021 para llevar a cabo investigaciones, desarrollar modelos y recopilar información sobre costos para el acceso público a datos de investigación de investigadores financiados. Este proyecto es la Iniciativa RADS. Las seis instituciones RADS son la Universidad de Cornell, la Universidad de Duke, la Universidad de Michigan, la Universidad de Minnesota, la Universidad de Virginia Tech y la Universidad de Washington en St. Louis.

Este nuevo informe de la Iniciativa RADS destaca dónde pueden existir brechas de servicio entre las necesidades de compartir datos de los investigadores y los servicios y el apoyo proporcionados por las instituciones. El informe se basa en datos de dos fuentes dentro de las seis instituciones RADS:

  1. Se encuestó a los administradores con conocimiento del gasto de sus unidades, y cuyas unidades brindan apoyo a la gestión y compartición de datos a los investigadores, sobre qué servicios y actividades proporcionan exactamente sus unidades para permitir el intercambio de datos.
  2. Se encuestó a los investigadores financiados sobre qué actividades realizan o no realizan, con o sin apoyo institucional o externo, para permitir el intercambio de sus datos de investigación.

Este informe ofrece orientación a las instituciones académicas que deseen mejorar la coordinación de sus servicios e infraestructuras de gestión e intercambio de datos de investigación. Es especialmente relevante para las instituciones que desarrollan estrategias de apoyo a los investigadores de forma eficaz y eficiente en respuesta a los mandatos federales existentes y futuros sobre intercambio de datos. Este informe también es útil en la planificación institucional para la asignación de recursos de gestión de datos de investigación y servicios de intercambio hacia el cumplimiento, así como los objetivos más amplios de la ciencia abierta.

El panorama de los servicios de datos de investigación en instituciones de educación superior de Estados Unidos y Canadá

MacDougall, Ruby, and Dylan Ruediger. «The Research Data Services Landscape at US and Canadian Higher Education Institutions.» Ithaka S+R. Ithaka S+R. 14 March 2024. Web. 15 March 2024. https://doi.org/10.18665/sr.320420

PDF

El informe destaca el cambiante panorama de los servicios de datos de investigación, enfatizando la creciente demanda de infraestructuras eficientes para respaldar metodologías de investigación intensivas en datos en las instituciones de educación superior. Desde su inventario inicial en 2020, Ithaka S+R ha observado requisitos más estrictos por parte de fundaciones y gobiernos federales tanto en Estados Unidos como en Canadá con respecto a la gestión y compartición de datos. En consecuencia, la necesidad de que las universidades desarrollen servicios de datos de investigación sólidos se ha convertido en una prioridad estratégica urgente.

En respuesta a estos desafíos, Ithaka S+R amplió su alcance para incluir universidades canadienses en su inventario, colaborando con 29 universidades de investigación para coordinar y alinear los servicios de datos de investigación con las necesidades cambiantes de la comunidad investigadora. Los hallazgos, basados en una revisión exhaustiva de los servicios de datos en 120 instituciones estadounidenses y ocho miembros de la Asociación Canadiense de Bibliotecas de Investigación (CARL), ofrecen información valiosa sobre el panorama actual.

Entre los hallazgos clave se incluyen:

  • Existen divergencias significativas en la cantidad y variedad de servicios ofrecidos en diferentes tipos de instituciones, siendo las instituciones R1 las líderes, ofreciendo aproximadamente tres veces más servicios que las instituciones R2 y más de nueve veces más servicios que los colegios de artes liberales.
  • Los servicios generales de datos de investigación son comunes en todos los tipos de instituciones, con servicios estadísticos, geoespaciales y de visualización también comunes, especialmente en universidades de investigación.
  • Las bibliotecas siguen siendo los principales proveedores de servicios de datos de investigación, aunque los departamentos de TI y las unidades afiliadas a la oficina de investigación desempeñan roles colaborativos cruciales, especialmente en la oferta de servicios especializados.
  • Los servicios de bioinformática se ofrecen principalmente a través de unidades interdisciplinarias asociadas a la oficina de investigación o instalaciones centrales vinculadas a las escuelas de medicina.
  • Los servicios de consultoría constituyen el modo predominante de provisión de servicios, abarcando casi tres cuartos de todos los servicios de datos.

Este informe sirve como un recurso vital para los tomadores de decisiones universitarias, ofreciendo datos actualizados para informar la planificación estratégica y la asignación de recursos en el ámbito de los servicios de datos de investigación.