Archivo de la categoría: Investigación

Guía de escritura académica

Blezio Ducret, Cecilia. Guía de escritura académica. Uruguay. Montevideo: Flacso , 2017.

Texto completo

El trabajo académico ha adquirido mayor complejidad en las últimas décadas, lo que ha hecho necesario establecer y estandarizar procedimientos para facilitar la comunicación. Esto incluye, por ejemplo, la elección de fuentes confiables, las formas de citar y documentar, y otros aspectos relacionados con la ética del trabajo académico. Esta ética implica que debe quedar claro a quién pertenecen las ideas y conceptos presentados en el trabajo.

Más allá de estas consideraciones, las pautas de estilo, aunque arbitrarias en principio, deben cumplirse. Este texto se posiciona sobre la escritura académica, estableciendo los criterios formales que se deben seguir en los trabajos, incluyendo un capítulo sobre las diversas formas de expresar argumentos y otro sobre el uso no sexista del lenguaje. Por lo tanto, un manual de escritura, como este, reúne tanto los aspectos teóricos e institucionales como los políticos.

Lectura y escritura en la universidad: un abordaje desde la ciencia de la información como disciplina

Fuster Caubet, Yanet. Lectura y escritura en la universidad: un abordaje desde la ciencia de la información como disciplina. Montevideo: Ediciones Universitarias (Universidad de la República), 2023

Texto completo

Esta obra tiene la intención de ayudarnos a comprender las dificultades que enfrentan los estudiantes de la Licenciatura en Bibliotecología de la Udelar a la hora de redactar su trabajo de grado. Debido a que los estudiantes forman parte de una “comunidad de práctica más amplia constituida por los bibliotecólogos”, Yanet Fuster nos explica que serían algo así como los “recién llegados”, a diferencia de los que ya cuentan con una trayectoria profesional. Por lo tanto, los recién llegados necesitan ser guiados. Con ese propósito, la autora recogió los testimonios de estudiantes y docentes para conocer sus percepciones. También examina la problemática tomando como dimensiones el marco institucional y el contexto disciplinario aportado por la ciencia de la información.

El primer artículo redactado por una inteligencia artificial que supera la revisión por pares

Whitney Grace, “The First AI-Written Paper to Pass Peer Review” ArnoldIT, April 2, 2025, https://arnoldit.com/wordpress/2025/04/02/the-first-ai-written-paper-to-pass-peer-review/.

Sakana AI informa de que «The AI Scientist Generates Its First Peer-Reviewed Scientific Publication». Se trata del primer artículo generado completamente por IA que ha pasado el mismo proceso de revisión al que someten sus artículos los científicos humanos

El 2 de abril de 2025, la empresa tecnológica  Sakana AI anunció un hito en el campo de la inteligencia artificial y la investigación científica: por primera vez, un artículo generado íntegramente por una IA superó con éxito el proceso de revisión por pares, el mismo procedimiento riguroso al que se someten los trabajos elaborados por investigadores humanos. Este avance representa un punto de inflexión en la relación entre la inteligencia artificial y la producción académica.

El trabajo fue realizado por una versión mejorada de su sistema denominado The AI Scientist-v2, una evolución del modelo original desarrollado por Sakana AI. Aunque los detalles técnicos de esta nueva versión aún no han sido publicados (se prometen en una próxima entrega), se sabe que el experimento se llevó a cabo en colaboración con los organizadores del taller de la conferencia ICLR 2025 (International Conference on Learning Representations), una de las tres principales conferencias internacionales en el campo del aprendizaje automático y la inteligencia artificial, junto con NeurIPS e ICML.

Con el objetivo de garantizar la imparcialidad del proceso, el artículo fue sometido a una revisión a doble ciego: ni los autores del trabajo (en este caso, la IA) ni los evaluadores conocían la identidad de los otros. Aunque se informó al comité de revisión que podría recibir trabajos generados por IA, no se especificó cuáles lo eran, lo que permitió evaluar el contenido en igualdad de condiciones.

La IA fue instruida para investigar y escribir sobre un tema amplio y relevante dentro del campo del aprendizaje profundo. Tras completar el proceso de redacción, se generaron múltiples trabajos, de los cuales se seleccionaron tres para su envío, con el objetivo de no sobrecargar al comité revisor y asegurar la calidad del experimento. Los investigadores humanos responsables del proyecto realizaron un análisis interno de los textos generados y eligieron los tres que consideraron más sólidos, tanto por su calidad técnica como por la diversidad de los temas abordados.

De esos tres artículos, uno fue aceptado tras recibir evaluaciones muy favorables. Obtuvo una puntuación media de 6,33, situándose por encima del umbral medio de aceptación del taller e incluso por encima de muchas propuestas redactadas por científicos humanos. Las valoraciones individuales incluyeron puntuaciones de 6 (ligeramente por encima del umbral de aceptación) y 7 (calificado como un “buen artículo” y con recomendación clara de aceptación).

El objetivo declarado del experimento fue meramente científico: los desarrolladores querían medir, con honestidad y sin intenciones comerciales o engañosas, hasta qué punto una inteligencia artificial es capaz de desempeñar tareas complejas y creativas que tradicionalmente han estado reservadas al intelecto humano. En lugar de levantar sospechas sobre trampas o fraudes en el sistema académico, la intención fue demostrar el potencial real —y los límites— de la inteligencia artificial en la investigación científica contemporánea.

Este acontecimiento abre un debate crucial sobre el futuro de la autoría, la originalidad y la evaluación académica. También plantea preguntas sobre la relación entre humanos y máquinas en el ámbito del conocimiento: ¿Podrán las IA convertirse en colaboradoras regulares de los investigadores humanos? ¿Se redefinirá el concepto de autoría científica? ¿Cómo cambiarán los procesos de revisión y validación de contenidos académicos ante la irrupción de inteligencias artificiales con estas capacidades?

Aunque todavía es pronto para responder con certeza, lo que está claro es que The AI Scientist-v2 ha marcado un antes y un después. A partir de ahora, no solo habrá que competir con otros investigadores en la búsqueda de la verdad científica, sino también con algoritmos que, poco a poco, van demostrando que son capaces no solo de procesar información, sino también de generar conocimiento estructurado y valioso.

STM Trends 2029: desafíos, innovaciones y transformaciones en el ámbito de la comunicación académica y científica

«STM Trends 2029»:

International Association of Scientific, Technical and Medical Publishers (STM). 2025. «STM Trends 2029.» STM Association. Publicado el 2 de abril de 2025. https://stm-assoc.org/stm-trends-2029-the-reveal/

Video

STM (International Association of Scientific, Technical and Medical Publishers) ha presentado su informe anual STM Trends 2029, una especie de brújula estratégica que apunta hacia los próximos desafíos, innovaciones y transformaciones en el ámbito de la comunicación académica y científica. El informe fue revelado durante la Conferencia STM en Estados Unidos, celebrada recientemente en Washington D.C., y se perfila como un análisis prospectivo del ecosistema editorial para los próximos 3 a 5 años.

Con la imagen simbólica de un puente en construcción como punto de partida —que representa tanto el presente en transición como un futuro en gestación— STM Trends 2029 destaca la necesidad urgente de colaboración y resiliencia en un panorama marcado por la incertidumbre y el cambio.

El informe se estructura en torno a tres grandes vectores:

  1. La convergencia de la inteligencia artificial, la fragmentación del conocimiento y la erosión de la confianza:
    La inteligencia artificial está transformando profundamente la forma en que se crea, revisa, disemina y consume el conocimiento científico. A la vez, el ecosistema se encuentra cada vez más fragmentado, tanto en lo tecnológico como en lo institucional, y esto ocurre en paralelo a una creciente desconfianza social hacia la ciencia, las publicaciones y las plataformas de difusión del saber.
  2. Un paisaje informativo turbulento y en transformación constante:
    La velocidad con que se produce y disemina la información científica no tiene precedentes. Pero esta expansión va acompañada de riesgos: la proliferación de contenidos no revisados o mal interpretados, la presión por publicar, y la necesidad de distinguir el conocimiento validado del ruido informativo, se han convertido en retos diarios. STM advierte que la transparencia, la trazabilidad y los estándares son más necesarios que nunca.
  3. La construcción de nuevas alianzas para reforzar la confianza en la investigación:
    El informe subraya que ninguna institución, editorial o sistema puede resolver los retos actuales de manera aislada. En cambio, se propone la creación de nuevas coaliciones entre editores, investigadores, instituciones académicas, financiadores y tecnólogos para reconstruir las bases de la confianza. Este enfoque implica una visión más abierta, interoperable, ética y colaborativa del ecosistema científico.

STM invita a todas las organizaciones del sector a utilizar los contenidos visuales del informe como punto de partida para conversaciones estratégicas internas. También ofrece la posibilidad de solicitar una presentación personalizada de STM Trends 2029, diseñada para fomentar la reflexión colectiva y la toma de decisiones orientada al futuro.

En definitiva, STM Trends 2029 no solo es un análisis de tendencias, sino una llamada a la acción: estamos en un momento crítico para decidir cómo queremos que sea el puente hacia el futuro del conocimiento.

RetractBase: base de datos de las publicaciones que han sido retractadas o retiradas

https://retractbase.csic.es

RetractBase es una base de datos abierta que tiene como objetivo recopilar el listado más completo posible de publicaciones científicas que han sido retractadas o retiradas desde el año 2000.

En el contexto de la ciencia y las publicaciones, una «retractación» (o «retractación de artículo científico») se refiere a la retirada oficial de un artículo científico publicado debido a errores graves, mala conducta científica o violaciones éticas.

Esta herramienta está dirigida a la comunidad académica y científica, con la intención de promover la investigación sobre la integridad científica y la detección de posibles casos de mala conducta. Con más de 60.000 registros disponibles, RetractBase se alinea con los principios de la Ciencia Abierta al ofrecer un recurso transparente que permite advertir sobre el uso y la citación inapropiada de trabajos científicos que ya no son válidos.

La base de datos se apoya en fuentes bibliográficas abiertas, como Crossref y OpenAlex, utilizando las interfaces públicas (APIs) de estas plataformas para obtener los registros de publicaciones retractadas, así como sus correspondientes avisos de retractación o retirada. Una de las principales innovaciones de RetractBase es que conecta directamente las publicaciones con los documentos que explican su retractación, permitiendo así conocer las razones que motivaron dicha acción.

Cada registro dentro de RetractBase proporciona enlaces web tanto a la publicación original como al aviso de retractación, además de incluir identificadores provenientes de otras fuentes externas como PubMed, OpenAlex y Crossref. Esto facilita el acceso a información adicional y contrastada sobre cada publicación. Asimismo, RetractBase enlaza las publicaciones con los comentarios que han recibido en PubPeer, una plataforma donde otros investigadores pueden señalar posibles fallos o irregularidades. Estos comentarios han sido clasificados en función del tipo de problema que presentan las publicaciones.

Finalmente, se han diseñado varios indicadores que permiten medir el impacto de las retractaciones desde diferentes perspectivas, como el autor, la revista científica, la institución u organización de afiliación y el país. De este modo, RetractBase no solo permite identificar qué trabajos han sido retractados, sino también analizar patrones y tendencias relacionadas con la producción científica y su control de calidad. Puedes consultar la base de datos en el siguiente enlace: https://retractbase.csic.es/intro.

Competencias en alfabetización en datos: perspectivas de la industria y práctica profesional

Pothier, Wendy, and Patricia Condon. «Data Literacy Skills: Industry Perspectives and Professional Practice.» Portal: Libraries and the Academy 25, no. 2 (2025): 273-289. https://muse.jhu.edu/article/955946

Encuesta realizada a 164 profesionales de la industria de la cadena de suministro y logística en Estados Unidos y Canadá, con el objetivo de evaluar cómo se alinean las competencias propuestas de alfabetización de datos con las prácticas profesionales en el lugar de trabajo

La encuesta aborda la autopercepción de los encuestados de las competencias en alfabetización de datos y pregunta cómo se reflejan estas competencias en el trabajo diario de los individuos. Los resultados sugieren que las competencias de alfabetización de datos presentadas a los encuestados son muy valoradas en diversas categorías laborales y niveles de experiencia. Además, se observa una alineación entre las competencias de alfabetización de datos y las prácticas laborales del mundo real, especialmente cuando se consideran las competencias no técnicas. La discusión contextualiza estos hallazgos dentro de un trabajo bibliotecario más amplio en el ecosistema de la alfabetización de datos.

El estudio de investigación parte de la base de las competencias básicas propuestas por Wendy Pothier y Patricia Condon y su posterior correspondencia con el Marco de referencia, explorando cómo se manifiestan dichas competencias en la práctica profesional. Así, los autores identificaron siete áreas de habilidades clave esenciales para preparar a los estudiantes de empresariales para entrar en un lugar de trabajo con alfabetización informática:

  1. Organización y almacenamiento de datos
  2. Comprensión de los datos utilizados en contextos empresariales
  3. Evaluación de la calidad de las fuentes de datos
  4. Interpretar los datos
  5. Toma de decisiones basada en datos
  6. Comunicación y presentación eficaz de los datos
  7. Ética y seguridad de los datos

Los resultados indican que las competencias de alfabetización de datos son altamente valoradas en diversas categorías laborales y niveles de experiencia. Las cinco actividades relacionadas con datos más frecuentemente realizadas y consideradas más importantes por los encuestados son:​

  • Uso de datos para la toma de decisiones.​
  • Interpretación de datos.​
  • Presentación de datos.​
  • Evaluación de fuentes de datos.​
  • Identificación de fuentes de datos disponibles.​

Actividades como el procesamiento y análisis avanzado de datos, la organización de datos, la ética y seguridad de datos, y el almacenamiento de datos fueron clasificadas con menor frecuencia e importancia.

Adquisición de Habilidades de Datos en el Lugar de Trabajo

Un hallazgo notable es que muchos profesionales adquieren sus habilidades de datos en el trabajo o mediante recursos autodidactas, en lugar de a través de la educación formal. Esto sugiere una brecha en la preparación que ofrece la educación superior en relación con las habilidades prácticas de datos requeridas en el entorno laboral.​

Implicaciones para Bibliotecarios y Educadores

Los autores destacan que los bibliotecarios y educadores tienen un papel crucial en la preparación de los estudiantes para el mercado laboral, especialmente en la enseñanza de competencias de alfabetización de datos que son esenciales en el mundo profesional. Se sugiere que la instrucción en alfabetización de datos en el ámbito académico debe alinearse más estrechamente con las aplicaciones prácticas y las necesidades de la industria.​

Limitaciones del Estudio

El estudio reconoce ciertas limitaciones, como el sesgo hacia profesionales de nivel senior en la muestra y una representación limitada de diversidad en términos de género y raza. Además, la naturaleza autoevaluada de la encuesta podría influir en la precisión de los datos recopilados.​

Conclusión

Este estudio exploratorio subraya la importancia de las competencias de alfabetización de datos en la industria de la cadena de suministro y logística, y señala la necesidad de una mayor integración de estas habilidades en la educación superior para preparar eficazmente a los estudiantes para sus futuras carreras profesionales.

Hacia una nueva cultura científica

​Cuesta Valera, Salomé, y María José Martínez de Pisón, coords. III Jornadas hacia una nueva cultura científica. Valencia: Universitat Politècnica de València, 2025.

Texto completo

Las III Jornadas Hacia una nueva cultura científica refuerzan el objetivo inicial de fomentar la investigación responsable en la comunidad universitaria UPV, en sintonía con los principios de la RRI (Responsible Research and Innovation): educación científica, igualdad de género, acceso abierto, gobernanza, ética y participación ciudadana, situando este objetivo en el contexto de la nueva ley de universidades y su giro normativo para introducir la ciencia ciudadana en los procesos de investigación universitaria. Desde la institución es importante impulsar, formalizar, vertebrar e interiorizar estos principios, para que el esfuerzo coordinado de los investigadores consiga transformar la sociedad y hacer frente a los grandes retos. Estas Jornadas son una iniciativa del Vicerrectorado de Arte, Ciencia, Tecnología y Sociedad (ACTS) en colaboración con la Unidad de Comunicación Científica e Innovación de la Universitat Politècnica de Valencia y la participación de los Vicerrectorados de Investigación; de Innovación y Transferencia; de Ocupación y Formación Permanente; de Estudiantes y Emprendimiento; de Intenacionalización y Comunicación; y forma parte del Plan Estratégico 2023-2027

20.000 investigadores publican la sospechosa cifra de cientos de artículos al año

Chawla, Dalmeet Singh. “20,000 Scientists Publish at Unrealistic Rates, Study Says.” Chemical & Engineering News, February 4, 2025. https://cen.acs.org

Un nuevo análisis sugiere que alrededor de 20.000 científicos están publicando un número «implausiblemente alto» de artículos en revistas académicas y cuentan con un número inusualmente alto de nuevos colaboradores.

El estudio, publicado en Accountability in Research, analizó los patrones de publicación de aproximadamente 200.000 investigadores de la lista de los principales científicos del 2% de Stanford, basada en métricas de citación. Se encontró que alrededor del 10% de estos científicos producen cientos de estudios anualmente, con cientos o miles de nuevos coautores cada año.

Simone Pilia, coautor del estudio y geocientífico en la Universidad Rey Fahd de Petróleo y Minerales, advierte que esta tendencia está poniendo en riesgo la integridad académica, ya que muchos investigadores, especialmente los jóvenes, sienten presión para priorizar la cantidad sobre la calidad.

El estudio también examinó la producción de 462 ganadores del Premio Nobel en física, química, medicina y economía, y reveló que muchos académicos pueden estar utilizando prácticas poco éticas, como la inclusión de coautores sin una contribución real a la investigación.

Para abordar este problema, Pilia y su coautor Peter Mora proponen corregir o ajustar las métricas cuando los científicos alcanzan ciertos umbrales de publicaciones y coautores, con el objetivo de reducir la presión por producir en volumen.

Sin embargo, Ludo Waltman, experto en métricas de investigación en la Universidad de Leiden, critica la propuesta, argumentando que añadir complejidad a las métricas puede hacerlas menos transparentes y difíciles de interpretar. En su opinión, la evaluación de los científicos debe basarse en un conjunto más amplio de actividades de investigación, y no solo en métricas de publicación.

Union of Concerned Scientists compara el impacto de Elon Musk y DOGE en la infraestructura científica de EE. UU. con un huracán devastador.

Finucane, Melissa L. «Hurricane Musk: How to Think About—and Oppose—the Obliteration of the U.S. Scientific Infrastructure.» The Equation (blog). Union of Concerned Scientists, 28 de marzo de 2025. https://blog.ucs.org/melissa-finucane/hurricane-musk-how-to-think-about-and-oppose-the-obliteration-of-the-u-s-scientific-infrastructure/

Un informe de la Union of Concerned Scientists compara el impacto de Elon Musk y DOGE en la infraestructura científica de EE. UU. con un huracán devastador.

Según el informe, esta situación amenaza no solo la investigación que sustenta las políticas públicas, sino también aspectos esenciales como el medioambiente, la educación, el empleo y la lucha contra enfermedades como el cáncer.

Para fortalecer la ciencia y acelerar la recuperación, se proponen cuatro prioridades:

  1. Fomentar la colaboración: Es necesario un enfoque integrador que conecte disciplinas, sectores y países para abordar problemas complejos como el cambio climático, la energía y la salud.
  2. Proteger la integridad científica: Se deben establecer leyes que blinden la investigación de influencias políticas y refuercen los comités de asesoramiento independiente para combatir la desinformación.
  3. Priorizar la equidad en la ciencia: Ampliar el acceso a oportunidades científicas para comunidades históricamente desfavorecidas fortalecerá la diversidad y enriquecerá la investigación con nuevas perspectivas.
  4. Invertir en investigación y desarrollo: Reducir el financiamiento público para la ciencia equivale a desmantelar la base del progreso. Sin inversión estable, se cancelan ensayos clínicos y se frena la innovación con impacto social.

El informe advierte que sin estas acciones, la infraestructura científica de EE. UU. sufrirá daños irreparables, comprometiendo el bienestar y el desarrollo del país.

Metodología de la investigación: Texto para estudiantes de Ingeniería Forestal.

Ramos Rodríguez, Marcos Pedro. Metodología de la investigación: Texto para estudiantes de Ingeniería Forestal. Universidad Estatal del Sur de Manabí, 2024. https://doi.org/10.26820/978-9942-622-93-8.

Investigar es algo que todos hacemos con frecuencia. Lo hacemos cuando comparamos precios antes de comprar cualquier tipo de producto o recibir algún servicio y también cuando queremos trasladarnos de un lugar a otro por la vía más corta y segura. En el mundo académico habitualmente investigamos cuando revisamos documentos bibliográficos para cumplir con las tareas que orientan los profesores. Al desarrollar alguna de estas actividades no estamos haciendo investigación científica, pues con ellas no se busca dar solución a un problema científico ni seguimos para ello un procedimiento ordenado y planificado y mucho menos tenemos en cuenta el método científico.

Al hacer investigación científica se producen los conocimientos que necesita la sociedad para desarrollarse. Por eso es importante que exista la sinergia necesaria entre los centros de investigación, áreas de desarrollo y universidades con los sectores productivos. Esto parece estar claro para las instituciones que hacen investigación científica, lo cual se evidencia tanto cuando las mismas definen las áreas y líneas de investigación, como al tener reglamentado el proceso de vinculación con la sociedad. El problema es que por lo general el sector productivo de los países en vías de desarrollo, contrario a lo que ocurre en países desarrollados, no ven la necesidad de pedir a quienes hacen investigación, que les faciliten los resultados o que les resuelvan determinado problema científico, que en el ámbito forestal unos ejemplos pudieran ser aumentar la eficiencia de un aserradero o de un índice de peligro de ocurrencia de incendios forestales.

Independientemente de lo anterior, las Instituciones de Educación Superior (IES) en todos los casos se esfuerzan por formar profesionales con competencias en el área de la investigación científica, competencias que desarrollan durante varias asignaturas de los programas de grado y posgrado, una de las cuales es Metodología de la Investigación Científica (MIC), materia sobre la cual al hacer una búsqueda en Google o en Google Académico se obtienen millones de resultados y si se hace la búsqueda utilizando el término en idioma inglés, la cantidad de resultados que es obtiene es aún mayor. El problema es que no todos estos resultados son pertinentes, algunos de los cuales incluso contienen errores de contenidos y los que sí pudiéramos utilizar, es probable que sigan escuelas que difieren de la que un profesor ha hecho suya, quien como sujeto tiene su propia experiencia y formación. Entonces es importante dejar claro a los alumnos cuando iniciamos un curso de MIC cuál será la bibliografía a utilizar durante el desarrollo de la asignatura.