Archivo de la categoría: Investigación

La USAL entre las 100 mejores universidades del mundo en Filología Moderna, Clásica e Historia Antigua en QS World University Rankings 2025

QS World University Rankings 2025

La Universidad de Salamanca ha logrado posicionarse entre las 100 mejores del mundo en Filología Clásica e Historia Antigua, ingresando por primera vez en el QS World University Rankings by Subject 2025 en el rango 51–150. Además, Lenguas Modernas mejoró su posición al pasar del puesto 89 al 85. En total, la USAL cuenta con 22 disciplinas destacadas, 19 de ellas en el TOP 500, consolidando su excelencia académica e internacionalización.

Ver la Universidad de Salamanca en el Ranking

La Universidad de Salamanca (USAL) ha experimentado avances significativos en el QS World University Rankings 2025, destacando en diversas áreas académicas y consolidando su posición en el ámbito internacional. En esta edición, la USAL se sitúa en el rango 501-550 a nivel mundial, mejorando respecto al año anterior, donde se encontraba en el rango 601-650. Este ascenso refleja una mejora en indicadores clave como la reputación académica, la empleabilidad de sus egresados y la colaboración internacional en investigación.

En el QS World University Rankings by Subject 2025, la USAL ha logrado posicionarse entre las 100 mejores universidades del mundo en dos áreas: Filología Clásica e Historia Antigua, que se incorporan por primera vez al ranking, situándose en el rango 51-150, y Lenguas Modernas, que ha mejorado su posición, pasando del puesto 89 al 85 a nivel mundial. Además, otras cinco disciplinas se encuentran entre las 200 mejores: Lingüística (101-150), Educación (151-200), Derecho (mejorando significativamente y entrando en el rango de las 200 mejores), Arqueología (201-260) y Psicología (201-250). En total, 22 materias de la USAL se encuentran en posiciones de excelencia, con 19 de ellas en el TOP 500.

A nivel regional, la USAL ha ascendido en el ranking europeo, pasando del puesto 185 al 183 entre las 685 mejores universidades de Europa, destacando en áreas como la empleabilidad, la presencia de estudiantes internacionales y las políticas de sostenibilidad. En el ámbito nacional, la USAL se mantiene en el rango 11-16 entre las universidades españolas, consolidándose como la universidad mejor posicionada de Castilla y León en el ranking de Shanghái.

Universidad de Salamanca en el QS World University Rankings by Subject 2025 y sus posiciones regionales y nacionales

En cuanto a sostenibilidad y responsabilidad social, la universidad ha mejorado su puntuación en el QS World University Rankings by Subject 2025, destacando en indicadores como la oferta formativa, la producción investigadora y la colaboración internacional en temas relacionados con el medio ambiente. Esta mejora refleja el compromiso de la USAL con la sostenibilidad y su impacto en el sector productivo, un área que sigue ganando relevancia en la evaluación global de las instituciones educativas.

De este modo, la Universidad de Salamanca ha demostrado un crecimiento sostenido en el QS World University Rankings 2025, consolidándose como una institución de referencia a nivel mundial en diversas áreas del conocimiento. Su compromiso con la excelencia académica, la internacionalización y la sostenibilidad le permite mantener una posición destacada en el ámbito universitario global.

¿Qué miden realmente los rankings universitarios? Un sistema atrapado en su propia lógica

Mohan, Deepanshu. “In a Ranking-Obsessed System, What Exactly Are Universities Measuring?” The Wire, marzo 2025. https://thewire.in/education/ranking-universities-education-system-research

En la educación superior actual, los rankings universitarios globales, como los QS World University Rankings by Subject, han dejado de ser simples clasificaciones para convertirse en herramientas de gran influencia. Estos rankings moldean percepciones, guían decisiones políticas y afectan tanto la elección de los estudiantes como las prioridades de inversión de los gobiernos.

La edición de 2025 de los QS Rankings by Subject, publicada el 12 de marzo, evaluó más de 55 disciplinas en cinco grandes áreas del conocimiento, lo que refleja la creciente especialización académica. Se incorporaron 171 nuevas instituciones, evidenciando una expansión significativa, sobre todo en áreas estratégicas como medicina, ciencias de la computación y ciencia de materiales. Por ejemplo, las universidades clasificadas en informática pasaron de 601 en 2020 a 705 en 2024. Este crecimiento no solo revela un mayor interés académico, sino también una fuerte competencia entre universidades por visibilidad y prestigio en sectores con alto potencial de financiación e innovación.

Se cuestiona si los rankings realmente miden mérito académico o si premian a quienes mejor entienden y manipulan su lógica. En países como Arabia Saudita o Singapur, se observa un crecimiento desproporcionado en la reputación académica sin una mejora equivalente en las citas, lo que sugiere posibles prácticas de gestión reputacional poco éticas.

Fuente: Clasificación Mundial de Universidades QS por Materias 2025

Se ha identificado una correlación preocupante entre el aumento de publicaciones y el incremento en retracciones de artículos científicos, especialmente en países como China, India, Pakistán, Arabia Saudita, Egipto e Irán. Esto sugiere que la presión por publicar y escalar posiciones ha conducido en algunos casos a malas prácticas científicas como la fabricación o duplicación de resultados. Arabia Saudita, por ejemplo, duplicó su producción científica entre 2019 y 2024, pero también registró un fuerte aumento en retracciones. En India, la producción aumentó más de un 56% en cinco años, pero también se han visto afectadas por problemas de calidad y control.

Fuente: Número total de trabajos de investigación según Scopus: artículos y revisiones.

Se destaca el ascenso de instituciones de Asia Occidental y países árabes como Arabia Saudita, Emiratos Árabes Unidos y Catar, gracias a inversiones en I+D. Sin embargo, también se cuestiona si este progreso refleja mejoras reales o estrategias diseñadas para escalar en el ranking, como el aumento artificial de citaciones o encuestas de reputación manipuladas.

India ha sido uno de los países con mayor crecimiento en los rankings globales, especialmente en áreas STEM (ciencia, tecnología, ingeniería y matemáticas). Este ascenso se ha vinculado a políticas como la iniciativa Institutions of Eminence (IoE), que busca crear universidades de élite. Sin embargo, esta estrategia ha generado críticas por concentrar recursos en pocas instituciones, mientras muchas universidades estatales sufren abandono, falta de financiación y precariedad.

Los rankings se basan ahora en indicadores como la reputación académica (40 %), la reputación entre empleadores (10 %), las citas de investigación por artículo (20 %) y el índice H (20 %), respaldados además por la puntuación de la red internacional de investigación. Uno de los problemas principales es que el QS otorga casi el 50% del peso a encuestas de reputación académica y empresarial, lo que deja margen para maniobras estratégicas de autopromoción institucional y visibilidad controlada. A esto se suma el fenómeno de las “citas en anillo” y la contratación de académicos con alta visibilidad para inflar métricas.

Además, estos rankings influyen profundamente en la formulación de políticas educativas, especialmente en economías emergentes. Estar en el top 200 puede significar más financiación, mayor atracción de estudiantes internacionales y prestigio diplomático. Sin embargo, esta influencia genera comportamientos orientados a mejorar la posición en rankings antes que a desarrollar auténtica calidad educativa.

En conclusión, los rankings como QS y THE, aunque útiles para comparaciones internacionales, también pueden ser engañosos. Favorecen la visibilidad y los indicadores cuantitativos sobre la calidad docente, el compromiso social o la equidad. La carrera por ascender en estas clasificaciones puede fomentar reformas superficiales y cosméticas, en lugar de una transformación estructural del sistema educativo.

Evaluación de la cobertura lingüística de OpenAlex

van Eck, Nees Jan, Ludo Waltman, y Thed N. van Leeuwen. 2024. “Evaluating the Linguistic Coverage of OpenAlex: An Assessment of Metadata Accuracy and Completeness.” Journal of the Association for Information Science and Technology. https://doi.org/10.1002/asi.24979

Más sobre Open Alex

El artículo analiza en profundidad la cobertura lingüística de OpenAlex, una base de datos de acceso abierto que busca convertirse en una alternativa transparente y gratuita a plataformas comerciales de referencia como Web of Science (WoS) y Scopus. Uno de los objetivos centrales del estudio es evaluar la precisión y completitud de los metadatos relativos al idioma de publicación que ofrece OpenAlex, un aspecto clave para investigaciones bibliométricas, estudios de comunicación científica y análisis de la diversidad lingüística en la producción académica.

Para llevar a cabo esta evaluación, los autores diseñaron una metodología basada en la validación manual de una muestra significativa de 6,836 artículos. Esta muestra fue seleccionada para representar diversas disciplinas y procedencias geográficas, lo cual permite examinar no solo la precisión de los datos de idioma en OpenAlex, sino también su comparabilidad frente a otras fuentes como WoS. A través de este análisis, se busca determinar en qué medida OpenAlex refleja adecuadamente la diversidad lingüística real de las publicaciones académicas.

Uno de los principales hallazgos del estudio es que OpenAlex ofrece una cobertura lingüística más amplia y equilibrada que Web of Science, particularmente en lo que se refiere a publicaciones en idiomas distintos del inglés. Mientras que WoS tiende a priorizar y sobrerrepresentar publicaciones en inglés —lo cual ha sido señalado como una limitación en muchos estudios— OpenAlex incorpora un número relativamente mayor de trabajos en lenguas como el español, portugués, francés, alemán o chino. Esto representa una ventaja significativa en términos de inclusión y representatividad de comunidades científicas no angloparlantes.

Sin embargo, este avance no está exento de problemas. El estudio identifica que, pese a su cobertura más inclusiva, OpenAlex presenta notables inexactitudes en los metadatos relacionados con el idioma. En muchos casos, el idioma asignado por el sistema no coincide con el idioma real del texto, lo que lleva a una sobreestimación de publicaciones en inglés y una subestimación de otros idiomas. Además, se detectan casos de entradas sin especificación del idioma, o con asignaciones erróneas derivadas de errores de extracción automatizada o de la falta de estandarización en los metadatos originales.

Los autores subrayan que estos errores no son triviales: afectan directamente la calidad de los análisis bibliométricos que utilizan estos datos, y perpetúan sesgos que podrían comprometer estudios sobre la diversidad lingüística, las dinámicas de publicación regional, o las políticas de ciencia abierta. Por ello, se destaca que para que OpenAlex pueda ser una fuente confiable para estudios multilingües, es urgente mejorar la infraestructura técnica subyacente y los algoritmos de detección y normalización del idioma.

En conclusión, el artículo reconoce el enorme potencial de OpenAlex como herramienta abierta, accesible y más equitativa en la representación de la producción científica global. No obstante, también advierte que dicho potencial solo podrá materializarse plenamente si se abordan las deficiencias actuales en la calidad de sus metadatos lingüísticos. Mejorar estos aspectos permitiría realizar análisis más rigurosos y completos sobre las lenguas utilizadas en la ciencia, contribuyendo así a una comprensión más justa y realista del ecosistema de conocimiento global.

La IA generativa en la enseñanza superior: adopción y retos para profesores e investigadores

Baytas, Claire, y Dylan Ruediger. 2025. Making AI Generative for Higher Education: Adoption and Challenges Among Instructors and Researchers. Ithaka S+R. Publicado el 1 de mayo de 2025.

Texto completo

Desde la aparición de ChatGPT en noviembre de 2022, la inteligencia artificial generativa (IA generativa) se ha convertido en un tema central en la educación superior. Más de dos años después, las instituciones todavía están explorando cómo esta tecnología está transformando la enseñanza, el aprendizaje y la investigación. La preocupación inicial se centraba en el plagio estudiantil y la integridad académica, pero el debate ha evolucionado hacia una evaluación más matizada sobre los beneficios, riesgos éticos, y desafíos institucionales que presenta la IA generativa.

El informe de Ithaka S+R es el resultado de una investigación colaborativa iniciada en 2023 con 19 universidades de Estados Unidos y Canadá. Su objetivo fue comprender cómo docentes e investigadores están adoptando esta tecnología, qué dificultades enfrentan y qué tipo de apoyos necesitan. A través de entrevistas realizadas en la primavera de 2024, se recogieron testimonios de profesorado, estudiantes de posgrado y otros actores implicados en la educación superior.

Uno de los principales hallazgos es la gran variabilidad en el nivel de familiaridad con la IA generativa. Si bien algunos usuarios tienen experiencia avanzada, otros apenas están comenzando a explorar sus aplicaciones. Sin embargo, incluso quienes tienen menor experiencia reconocen la importancia de mejorar su alfabetización digital en IA. Muchos docentes están tratando de incorporar habilidades básicas de IA en las actividades del aula, aunque todavía existe incertidumbre sobre cómo adaptar los objetivos de aprendizaje a estas nuevas herramientas.

Los instructores demandan más orientación institucional, especialmente en lo relativo a la integridad académica y la inclusión formal de la alfabetización en IA en los planes de estudios generales. Por otro lado, la mayoría de los investigadores han probado la IA generativa, pero son pocos los que han encontrado maneras sostenibles de integrarla en sus procesos de investigación a largo plazo. Existe una preocupación extendida por la falta de estándares éticos claros que garanticen la calidad y la integridad del trabajo académico asistido por IA.

Además, tanto docentes como investigadores identifican una carencia de recursos de apoyo específicos para cada disciplina. También expresan inquietudes sobre la seguridad, la asequibilidad y el acceso a herramientas de IA, así como sobre la necesidad de entender mejor el creciente panorama de productos tecnológicos diseñados para la educación superior.

El informe también destaca que, si bien muchas universidades han creado grupos de trabajo sobre IA, redactado políticas modelo para sus planes de estudio y ofrecido talleres de alfabetización digital, persisten obstáculos institucionales que dificultan una implementación efectiva. Las estructuras descentralizadas y la falta de coordinación entre departamentos hacen que sea difícil ofrecer un apoyo integral y coherente. Además, los costos asociados con la adopción masiva de estas tecnologías aún no están claros.

En definitiva, el informe subraya la necesidad de seguir investigando, compartiendo prácticas efectivas y diseñando estrategias institucionales colaborativas para incorporar la IA generativa de forma ética, responsable y pedagógicamente útil en la educación superior.

Los temas clave del informe Making AI Generative for Higher Education de Ithaka S+R (2025) son los siguientes:

1. Adopción desigual y experimental de la IA generativa

  • Los niveles de uso y familiaridad con herramientas como ChatGPT varían ampliamente entre docentes e investigadores.
  • Muchos han experimentado con estas herramientas, pero su uso sistemático en docencia e investigación es todavía limitado.

2. Alfabetización en IA como necesidad urgente

  • Profesores e investigadores reconocen que deben comprender mejor la IA generativa para usarla de manera crítica, ética y efectiva.
  • Existe interés en integrar competencias en IA en la enseñanza, pero falta claridad sobre cómo hacerlo.

3. Falta de políticas institucionales claras

  • Las universidades aún no ofrecen directrices suficientemente concretas sobre el uso aceptable de la IA generativa.
  • Persisten dudas sobre cómo abordar la integridad académica en este nuevo contexto.

4. Preocupaciones sobre ética, sesgos y precisión

  • Inquietud por la calidad, fiabilidad y sesgos de las respuestas generadas por IA.
  • Preocupación por el uso de datos sensibles o malinterpretación de fuentes en contextos académicos.

5. Impacto en la pedagogía universitaria

  • La IA está provocando que los docentes reconsideren sus objetivos educativos, métodos de evaluación y estrategias de aprendizaje.
  • Se debate si la IA debe ser prohibida, regulada o integrada activamente en el aula.

6. Falta de apoyo disciplinar específico

  • Escasez de recursos adaptados a las distintas áreas de conocimiento para usar la IA generativa de forma efectiva y ética.
  • Necesidad de materiales y formación más ajustados a los contextos profesionales y metodológicos de cada disciplina.

7. Desconocimiento del ecosistema de productos IA

  • Muchos académicos no conocen la variedad de herramientas de IA disponibles ni sus diferencias, lo que limita su capacidad para adoptarlas con criterio.

8. Demanda de una respuesta institucional coordinada

  • Profesores e investigadores piden que las universidades lideren el proceso de integración de la IA con formación, políticas claras y acceso seguro a herramientas tecnológicas.

Declaración de posición de Wiley sobre el uso ilegal de contenidos con derechos de autor por parte de desarrolladores de IA

Wiley Position Statement on Illegal Scraping of Copyrighted Content by AI Developers. Última modificación en 2024. https://www.wiley.com/en-us/terms-of-use/ai-principles/wiley-statement-illegal-scraping-ai-copyright.

En Wiley, defendemos el valor de la propiedad intelectual y de quienes la crean. Como pioneros en la creación y difusión del conocimiento durante más de dos siglos, estamos comprometidos a garantizar que las obras de los autores sean respetadas y adecuadamente licenciadas en el cambiante entorno digital. La colaboración entre autores, sociedades científicas y académicas, y desarrolladores de IA garantiza un uso responsable de esta tecnología para avanzar en la investigación y el descubrimiento, al tiempo que se preserva la libertad académica, esencial para el progreso científico.

Reafirmamos esta postura. Creemos en el potencial transformador de la inteligencia artificial para impulsar la investigación y el descubrimiento. Este avance debe basarse en el respeto a los derechos de propiedad intelectual, incluida la compensación y atribución acordadas para los creadores de contenido. Nos posicionamos firmemente junto a nuestros autores y socios editoriales para exigir prácticas éticas y legales en la obtención de datos en la industria de la IA, y alentamos la adopción generalizada de prácticas de licenciamiento adecuadas, como ya hacen algunos desarrolladores de IA.

Para mayor claridad:

  • Los desarrolladores y empresas de IA deben obtener autorización antes de usar contenido de Wiley, o contenido que publicamos para nuestros socios, para el desarrollo, entrenamiento o implementación de IA.
  • Wiley ha reservado de forma constante y pública todos los derechos sobre sus materiales protegidos por derechos de autor; no existe permiso implícito sin una licencia adecuada.
  • La atribución transparente y la trazabilidad de los datos son componentes esenciales del desarrollo ético de la IA.
  • Para demostrar nuestro compromiso con la innovación responsable, hemos desarrollado marcos de licenciamiento que ofrecen condiciones flexibles y justas adaptadas a distintos usos y necesidades de desarrollo.

Se han alcanzado numerosos acuerdos reconocidos entre desarrolladores de IA y editoriales académicas y comerciales, incluidos nuestros propios acuerdos exitosos con desarrolladores de IA que comparten nuestro compromiso con el uso ético del contenido. Esto demuestra claramente que existe un mercado de licencias para IA que funciona eficazmente.

Este mercado de licencias también permite fundamentar la IA en contenido autorizado. La colaboración activa con la comunidad de IA incluye la incorporación de expectativas y estándares en los acuerdos sobre transparencia, citación, atribución y procedencia de datos, con el fin de fomentar la confianza de los usuarios en los sistemas de IA.

A través de alianzas con autores, socios editoriales, investigadores y desarrolladores de IA éticos, podemos crear un ecosistema sostenible que valore tanto el avance tecnológico como las contribuciones humanas únicas de autores e investigadores.

Motores de búsqueda académicos con IA

Lim, Aaron Tay. “Testing AI Academic Search Engines (1).” Musings about Librarianship (blog), March 2025. https://musingsaboutlibrarianship.blogspot.com/2025/03/testing-ai-academic-search-engines-1.html

Este artículo es el primero de una serie dedicada a desarrollar un marco para evaluar motores de búsqueda académicos impulsados por inteligencia artificial (IA). El autor destaca que, antes de establecer métodos de evaluación, es esencial definir claramente qué se entiende por “motor de búsqueda académico con IA”. Sin una definición precisa, las comparaciones entre herramientas pueden resultar vagas o engañosas.

Los motores de búsqueda académicos con inteligencia artificial (IA) son herramientas diseñadas específicamente para facilitar el acceso, la comprensión y la organización del conocimiento científico. A diferencia de los buscadores tradicionales que se limitan a localizar documentos mediante coincidencias literales de palabras clave, estos motores aplican tecnologías avanzadas de IA para ofrecer resultados más pertinentes y comprensivos, adaptándose mejor a las necesidades de investigadores, estudiantes y profesionales académicos.

Estos motores integran IA de diversas formas, incluyendo:

  • Búsqueda semántica (más allá de los métodos tradicionales de palabras clave).
  • Generación de respuestas directas con citas mediante técnicas como RAG (Retrieval Augmented Generation).
  • Resúmenes automáticos de documentos.
  • Síntesis de estudios en matrices o tablas.
  • Identificación de autores clave, artículos fundamentales y tendencias emergentes.

Una de sus principales características es la búsqueda semántica, que permite interpretar la intención detrás de una consulta más allá de las palabras exactas empleadas. Esto significa que pueden entender sinónimos, relaciones conceptuales y contextos temáticos, lo que mejora significativamente la relevancia de los resultados. Además, muchos de estos sistemas utilizan técnicas como RAG (Retrieval Augmented Generation) para generar respuestas directas a preguntas específicas, acompañadas de citas de fuentes relevantes, lo cual agiliza el proceso de revisión de la literatura.

Otra capacidad destacada es la de elaborar resúmenes automáticos de artículos académicos, extrayendo la información clave de textos largos y complejos para facilitar su comprensión rápida. También pueden sintetizar hallazgos de múltiples estudios en tablas comparativas o matrices, lo cual es especialmente útil para revisiones sistemáticas o estudios de meta-análisis. Por último, estos motores son capaces de identificar autores influyentes, artículos fundamentales y tendencias emergentes en distintas áreas del conocimiento, contribuyendo así a una mejor navegación por el creciente universo de la literatura científica.

El autor propone clasificar las herramientas en cuatro grandes grupos.

  1. Motores de búsqueda académicos con IA como Elicit.com, Scite assistant*, Consensus, Scopus AI, Primo Research Assistant, Perplexity.ai. Estas herramientas están diseñadas específicamente para la búsqueda académica y utilizan modelos de lenguaje de última generación para generar respuestas con citas, permitir consultas en lenguaje natural y combinar búsquedas semánticas con técnicas de recuperación de información.
  2. Modelos de lenguaje con capacidad de búsqueda, como ChatGPT, Microsoft Copilot, Geinmi, Claude, DeepSeek, Grok. Aunque estos sistemas pueden responder a preguntas sobre temas académicos, su objetivo principal no es funcionar como buscadores científicos. A menudo generan respuestas que no provienen de una búsqueda real, lo que puede derivar en errores o invenciones, conocidas como “alucinaciones”.
  3. Sistemas de mapeo bibliográfico basados en citas, como Connected Papers, ResearchRabbit, Litmaps*, Citation Gecko, Incitefu. Estas herramientas no funcionan como buscadores tradicionales, sino como sistemas de recomendación que, a partir de uno o varios documentos “semilla”, generan mapas visuales de literatura relacionada utilizando relaciones de citación entre artículos.
  4. Herramientas de asistencia a la escritura académica, como Keenius, Jenna,ai. Estas aplicaciones están orientadas a ayudar a redactar textos científicos, ofreciendo sugerencias de redacción con base en citas reales, y suelen incorporar interfaces de escritura más parecidas a un procesador de texto que a un motor de búsqueda.

Descripción de cada herramienta:

Elicit: Un asistente de investigación que ayuda a analizar y sintetizar información de artículos académicos, acelerando tareas como la extracción de datos y la creación de revisiones sistemáticas.

Scite Assistant: Una herramienta que contextualiza citas académicas, destacando si apoyan o contradicen un argumento, ideal para revisiones de literatura.

Consensus: Un asistente que utiliza IA para responder preguntas basadas en evidencia científica, extrayendo información de artículos académicos.

Scopus AI: Basado en la base de datos Scopus, esta herramienta genera resúmenes y revisiones de literatura académica.

Primo Research Assistant: Aunque no encontré información específica, parece ser un asistente enfocado en la investigación académica.

Perplexity.ai: Un motor de búsqueda que utiliza IA para responder preguntas con explicaciones claras y referencias.

ChatGPT: Un modelo de lenguaje desarrollado por OpenAI que puede generar texto, responder preguntas y realizar tareas creativas.

Microsoft Copilot: Tu compañero de IA creado por Microsoft, diseñado para ayudarte en tareas de productividad, creatividad y aprendizaje.

Geinmi: La propuesta de Meta para la IA

Claude: Un asistente de IA desarrollado por Anthropic, enfocado en conversaciones naturales y tareas complejas.

DeepSeek: La web de IA China

Grok: modelo de inteligencia artificial generativa (IA) creado por xAI, la empresa de Elon Musk, que se utiliza como un asistente de IA en X.

Connected Papers: Una herramienta para explorar conexiones entre artículos académicos y descubrir investigaciones relevantes.

ResearchRabbit: Ayuda a encontrar y organizar artículos académicos relacionados con un tema específico.

Litmaps: Una herramienta para visualizar y rastrear la evolución de la investigación académica a través de mapas de citas.

Citation Gecko: Permite explorar redes de citas para encontrar artículos relevantes.

Inciteful: Una herramienta para analizar redes de citas y descubrir investigaciones relacionadas.

Keenius: No encontré información específica sobre esta herramienta.

Jenna.ai: Jenni AI es una herramienta de inteligencia artificial que asiste en la redacción académica

Lens.org: Una plataforma para buscar y analizar patentes y literatura académica.

OpenAlex: Una base de datos abierta que proporciona información sobre artículos académicos, autores e instituciones.

La tasa de adopción del identificador ORCID entre investigadores es del 72%

Porter, Stephen R. 2025. «Understanding ORCID Adoption Among Academic Researchers.» Scientometrics. https://doi.org/10.1007/s11192-025-05300-7

El identificador ORCID facilita la identificación única de investigadores y su producción científica. Un estudio en 31 universidades de EE. UU. encontró una adopción general del 72 %, con grandes diferencias entre disciplinas. La principal razón para adoptar ORCID es su exigencia editorial, mientras que quienes no lo tienen suelen no percibir beneficios claros. Aún existen retos para lograr una adopción universal.

El identificador ORCID (Open Researcher and Contributor Identifier) fue creado hace algo más de diez años con el propósito de asignar un identificador digital único y persistente a cada investigador, facilitando así la correcta atribución de publicaciones, proyectos y contribuciones científicas. Este sistema se ha vuelto clave tanto para los análisis bibliométricos como para que universidades, centros de investigación y agencias de financiación puedan evaluar la productividad y el impacto de sus investigadores.

A pesar de su utilidad reconocida, la adopción masiva del ORCID entre los investigadores no ha sido automática. Estudios anteriores señalaron tasas de adopción muy variables, que oscilaban entre el 3 % y el 42 %, dependiendo del área y el contexto institucional.

El estudio realizado por Stephen R. Porter se basa en una encuesta nacional a investigadores de 31 universidades de investigación de EE. UU. y proporciona una visión actualizada y más precisa de la situación. Entre sus principales hallazgos destacan:

  • Tasa general de adopción: el 72 % de los investigadores encuestados ya tienen un identificador ORCID.
  • Variabilidad por disciplinas:
    • En ciencias biológicas y biomédicas, la adopción es altísima: llega al 93 %.
    • En artes visuales y escénicas, apenas alcanza el 17 %.
    • Otras disciplinas se sitúan entre ambos extremos, evidenciando que el contexto disciplinar influye fuertemente en la adopción.

Respecto a las razones para adoptar ORCID, el principal motivo es su obligatoriedad en el proceso de envío de manuscritos a muchas revistas científicas. En otras palabras, muchos investigadores crean su ORCID porque es un requisito editorial, más que por motivación personal o institucional.

Entre los motivos para no tener un ORCID, los tres más destacados son:

  1. No percibir beneficios claros de contar con uno.
  2. Sentirse suficientemente establecidos en su carrera (especialmente en investigadores sénior), considerando innecesaria su adopción.
  3. Falta de información o de necesidad inmediata en su campo o actividad profesional.

El artículo sugiere que, aunque la adopción está creciendo, persiste una brecha entre disciplinas y generaciones, y que seguir aumentando la concienciación sobre las ventajas de ORCID será clave para alcanzar una adopción verdaderamente universal.

ChatGPT en la ciencia: su uso es mayor en países donde está prohibido

Bao, Honglin, Mengyi Sun, y Misha Teplitskiy. 2025. “Where There’s a Will There’s a Way: ChatGPT Is Used More for Science in Countries Where It Is Prohibited.” Quantitative Science Studies, 1–23. https://doi.org/10.1162/qss_a_00368.

El estudio demuestra que las prohibiciones geográficas no están logrando limitar el uso de ChatGPT en la producción científica. Las herramientas de inteligencia artificial están siendo ampliamente utilizadas incluso en contextos donde su uso está regulado o restringido, lo que plantea importantes desafíos para el diseño de políticas eficaces en el ámbito de la gobernanza tecnológica global. Además, pone de relieve la creciente dependencia de los investigadores en estas tecnologías para la redacción y difusión de su trabajo.

Se analiza críticamente la eficacia de las restricciones geográficas impuestas al acceso de modelos de inteligencia artificial como ChatGPT en el ámbito científico. El caso de estudio se centra en países donde el acceso a ChatGPT está oficialmente bloqueado, como China, Rusia, Irán y otros.

El estudio parte de una pregunta clave: si estas restricciones fueran realmente efectivas, ¿se detectaría un menor uso de ChatGPT en la producción científica de dichos países? Para responder a esta cuestión, los autores desarrollaron un sofisticado clasificador capaz de identificar textos redactados con asistencia de ChatGPT, utilizando como base ciertas elecciones lingüísticas características de sus primeras versiones, como el uso de palabras específicas (“delve”, “remarkably”, entre otras).

Este clasificador, entrenado con resúmenes de artículos científicos anteriores y posteriores a la aparición de ChatGPT, demostró ser más preciso que herramientas populares como GPTZero y ZeroGPT, e incluso fue validado con artículos en los que los autores habían declarado explícitamente el uso de IA.

Al aplicar este modelo a más de 170.000 preprints de plataformas de investigación como ArXiv, BioRxiv y MedRxiv, los investigadores encontraron que, para agosto de 2023, aproximadamente el 12,6% de los artículos científicos presentaban indicios de uso de ChatGPT. Sorprendentemente, el uso fue un 7,7% más alto en los países donde la herramienta estaba oficialmente restringida. Esta diferencia se produjo antes de que estuviera disponible en el mercado el primer modelo de lenguaje de gran escala desarrollado en China, lo que sugiere que los investigadores de estos países estaban utilizando métodos alternativos (como VPNs) para acceder a ChatGPT.

Además, los autores exploraron la hipótesis de si esta alta demanda de herramientas de IA en ciencia —especialmente en países asiáticos donde el inglés no es lengua oficial— podría haber impulsado un uso aún mayor en ausencia de restricciones. Los resultados confirmaron que el uso de ChatGPT era más elevado precisamente en aquellos países donde el acceso estaba prohibido, lo que refuerza la idea de que las restricciones no son efectivas y que los científicos están dispuestos a sortear los obstáculos para beneficiarse de estas herramientas.

Otro hallazgo interesante fue que el uso de ChatGPT correlacionaba con un mayor número de visualizaciones y descargas de los artículos, lo cual sugiere que podría estar influyendo en la claridad, presentación o atractivo del contenido. Sin embargo, este uso no mostró correlación con un mayor número de citas ni con una mejor colocación en revistas académicas de alto impacto.

ERIC en peligro: la mas importante base de datos de investigación educativa podría dejar de actualizarse esta semana

​Barshay, Jill. «Proof Points: A Treasure Trove of Education Reports and Studies Is Under Threat.» The Hechinger Report, April 21, 2025. https://hechingerreport.org/proof-points-eric-under-threat/

El centro de recursos educativos ERIC (Education Resources Information Center), una biblioteca pública digital con 2,1 millones de documentos educativos, podría dejar de actualizarse esta semana por falta de financiación. A pesar de tener un contrato vigente hasta 2028 y fondos ya autorizados por el Congreso, el Departamento de Eficiencia Gubernamental (DOGE) se ha negado a liberar el dinero necesario para su operación. ERIC, gestionado por el Departamento de Educación de EE.UU., es una herramienta esencial para investigadores, docentes y responsables de políticas educativas, comparable a PubMed en el campo de la salud.

Erin Pollard Young, la única empleada del Departamento de Educación dedicada a ERIC, fue despedida en marzo junto con otros 1.300 trabajadores. Antes de su salida, intentó recortar el presupuesto de ERIC a la mitad, como exigía DOGE, pero incluso esa propuesta fue rechazada. El contrato podría expirar el 23 de abril, lo que significaría que ya no se añadirían nuevos documentos al repositorio.

ERIC contiene artículos de revistas académicas, libros, informes gubernamentales y tesis doctorales, incluyendo una gran cantidad de «literatura gris» (estudios no publicados ni catalogados en bases privadas como EBSCO), lo que lo hace insustituible por herramientas como Google o IA.

Desde el Departamento de Educación han justificado los recortes con la necesidad de reestructurar el Instituto de Ciencias de la Educación (IES), del cual depende ERIC, acusándolo de ineficacia en la mejora de resultados educativos.

Pollard Young ha decidido hablar públicamente sobre la situación, a pesar del riesgo de represalias, para intentar salvar un recurso que ha sido clave para la investigación educativa durante más de 60 años.

Repensar la forma de publicar para apoyar la ciencia abierta

Kiermer, Véronique, Alison Mudditt, and Niamh O’Connor. «Rethinking How We Publish to Support Open Science.» Leap: The Journal of Open Science 1, no. 1 (2025): 1-15. https://doi.org/10.1002/leap.2006

Se analiza cómo las publicaciones científicas pueden avanzar hacia un modelo que apoye la ciencia abierta. La clave de este cambio radica en ampliar la gama de contribuciones a la investigación que se muestran y reutilizan, lo cual permitirá una mayor diversidad de participantes y perspectivas, esenciales para una investigación confiable.

La llegada de la era digital ha transformado la manera en que creamos y consumimos información. En el ámbito de la investigación, este cambio abre nuevas oportunidades para practicar la ciencia abierta, permitiendo que una gama más amplia de contribuciones sea visibilizada y reutilizada. Aunque este avance se predijo cuando los primeros diarios aparecieron en línea, ha tardado más de lo esperado en materializarse. Los flujos de trabajo de la investigación han cambiado significativamente en las últimas décadas gracias a la capacidad de recopilar grandes cantidades de datos, analizarlos con más potencia computacional y colaborar en línea. Sin embargo, la publicación científica ha quedado rezagada. Aunque los artículos se procesan y distribuyen mayoritariamente de forma digital, los flujos de trabajo y conceptos fundamentales de la publicación siguen siendo vestigios de la era de la impresión.

Este estancamiento debe cambiar, ya que las revistas han servido históricamente como garantes de la calidad mediante la supervisión editorial y la revisión por pares. Sin embargo, las normas del siglo XX se basaban en un modelo que solo permitía la publicación de aquellos autores con credenciales conocidas. Este enfoque es obsoleto, y comunicar la investigación en la actualidad requiere una ampliación de esta visión. Es necesario repensar cómo evaluamos, compartimos y descubrimos la investigación, todo ello dentro de un ecosistema de ciencia abierta.

La importancia de la ciencia abierta

La ciencia abierta no se trata solo de hacer que un artículo sea accesible, sino de proporcionar el contexto necesario para comprenderlo, los recursos para replicar el trabajo y las herramientas para colaborar y mejorar la ciencia. Uno de los aspectos esenciales de la ciencia abierta es la ampliación de la participación en la creación, difusión y reutilización del conocimiento. Este modelo permite que más investigadores y otras partes interesadas se beneficien de la creación de conocimiento, algo que se alinea con el informe de la Academia Nacional de Ciencias de EE.UU., el cual señala que la ciencia realizada de manera abierta y transparente tiene más probabilidades de producir conocimientos confiables. La transparencia y la apertura son cruciales para garantizar que la investigación resista el escrutinio, así como para permitir que los mecanismos autocorrectivos de la ciencia funcionen eficazmente.

El informe de la UNESCO sobre Ciencia Abierta también refuerza este enfoque, al destacar la necesidad de diversidad en la participación, lo cual contribuye a una creación de conocimiento más confiable y efectiva. Para lograr una ciencia abierta efectiva, se deben abrir las puertas a una mayor variedad de perspectivas, tal como lo sugieren investigadores como Naomi Oreskes, quien defiende que la diversidad de comunidades de búsqueda de conocimiento es fundamental para alcanzar un conocimiento objetivo.

Obstáculos para la ciencia abierta

A pesar de los avances en el acceso abierto y las políticas de ciencia abierta, todavía existen importantes obstáculos. Uno de ellos radica en el hecho de que la publicación sigue centrada en los artículos, un vestigio del paradigma impreso que no valora de igual manera otros tipos de resultados de investigación, como los datos, los códigos y los protocolos. A pesar de que el porcentaje de artículos con declaraciones de disponibilidad de datos ha aumentado, la mayoría de los datos aún están disponibles solo «a solicitud» o a través de archivos de información adicional asociados a los artículos. El principal impedimento para compartir datos abiertos es la falta de reconocimiento y crédito para los investigadores que hacen estos datos accesibles. Para que la ciencia abierta se adopte de manera generalizada, es necesario que los diferentes tipos de resultados de investigación sean reconocidos, accesibles y acreditados adecuadamente.

Otro obstáculo importante es el modelo de negocio basado en las tarifas por publicación (APCs), que aunque ha facilitado el acceso abierto, excluye a muchos investigadores e instituciones que no pueden permitirse estos costos. A pesar de que se han implementado modelos no basados en APC, como el modelo de Publicación de Acción Comunitaria de PLOS, estos no son fácilmente escalables. Además, el modelo de APC sigue siendo dominante y muchas veces favorece a las grandes editoriales, perpetuando las desigualdades en el acceso al conocimiento.

El rol de los editores en la investigación

Los editores desempeñan un papel crucial en el ecosistema de la investigación, contribuyendo a la creación de conocimiento e innovación en varias etapas clave, como el financiamiento, la actividad investigadora, la difusión de los resultados y la innovación. A lo largo del ciclo de investigación, los editores facilitan la colaboración, el debate, la evaluación de calidad y la preservación de los resultados. Aunque el sistema de evaluación tradicional mediante revisión por pares sigue siendo importante, los editores deben adaptarse a nuevos modelos que respalden una ciencia abierta, permitiendo la vinculación y el descubrimiento de una variedad de contribuciones más allá de los artículos tradicionales.

Catalizando el cambio desde dentro de la publicación

El cambio hacia un modelo de ciencia abierta es un desafío complejo que requiere la colaboración de múltiples actores. PLOS, una organización pionera en este campo, ha comenzado un proyecto de Investigación y Diseño para definir los elementos clave de un nuevo modelo de publicación que se base en los principios de la ciencia abierta, con un modelo de negocio sostenible. Este proyecto incluye una consulta con diversos actores del ecosistema de investigación para garantizar que las soluciones propuestas sean inclusivas y accesibles para una amplia gama de investigadores e instituciones, especialmente en el contexto de las disparidades globales.

A través de esta iniciativa, PLOS espera catalizar un cambio sistémico en la publicación científica, promoviendo un modelo más inclusivo y accesible que permita la participación activa de más comunidades en la creación y difusión del conocimiento.