Strzelecki, Artur. «‘As of My Last Knowledge Update’: How is Content Generated by ChatGPT Infiltrating Scientific Papers Published in Premier Journals?» Learned Publishing 38, no. 1 (2025). https://doi.org/10.1002/leap.1650
El artículo examina cómo el contenido generado por ChatGPT aparece en artículos revisados por pares en revistas de prestigio sin ser declarado por los autores. Utilizando el método SPAR4SLR, se identificaron fragmentos generados por IA en publicaciones indexadas en bases de datos científicas
El uso no declarado de contenido generado por ChatGPT en artículos científicos es un problema emergente, con ejemplos de textos generados por IA que han pasado desapercibidos en revistas académicas de prestigio. Esto ha sido detectado en publicaciones como Resources Policy, Surfaces and Interfaces y Radiology Case Reports, que finalmente fueron retiradas. La falta de transparencia sobre el uso de IA en la creación de contenido científico plantea desafíos para el proceso de revisión por pares y la aceptación de manuscritos en revistas científicas.
Este artículo propone investigar cómo identificar los artículos parcialmente generados por ChatGPT, cómo se citan en otros trabajos y cómo responden los editores a este tipo de contenido. La investigación busca mejorar las políticas editoriales y la calidad de los artículos publicados, enfocándose no solo en correcciones lingüísticas, sino en la creación de contenido generado por IA.
A través de búsquedas en Google Scholar, se ha identificó contenido generado por ChatGPT mediante frases recurrentes que este modelo utiliza, como «as of my last knowledge update» y «I don’t have access to». Estas frases fueron inicialmente utilizadas para encontrar artículos que contenían texto generado por la IA. Además, se identificaron otros términos frecuentes como «regenerate response», que aparecían en artículos científicos sin justificación, señalando que el contenido había sido generado o manipulado por el modelo de IA.
Utilizando el método SPAR4SLR, comúnmente empleado en revisiones sistemáticas de literatura, el autor analizó artículos indexados en las bases de datos Web of Science y Scopus, identificando secciones que presentan indicios de haber sido creadas íntegramente por ChatGPT.
Los principales hallazgos del estudio son:
Presencia no declarada de contenido generado por IA: Se detectaron artículos en revistas de renombre que contienen material producido por modelos de lenguaje como ChatGPT, sin que los autores hayan reconocido su uso.
Citas académicas: Varios de estos artículos ya han sido citados en otras investigaciones publicadas en revistas indexadas, lo que amplifica la difusión de contenido generado por IA en la literatura científica.
Disciplinas afectadas: Aunque la mayoría de los artículos identificados pertenecen a las áreas de medicina e informática, también se encontraron en campos como ciencias ambientales, ingeniería, sociología, educación, economía y gestión.
La búsqueda identificó 1.362 artículos científicos en los que se confirma inequívocamente que porciones del texto fueron generadas por ChatGPT. La cantidad de artículos fue tal que podría realizarse un análisis manual, artículo por artículo. La mayoría de los resultados obtenidos por Google Scholar se vinculan con publicaciones de revistas no indexadas en bases de datos científicas de calidad como Web of Science y Scopus, o en plataformas que publican preprints, como arXiv, researchsquare, SSRN y otras. Sin embargo, una porción menor de los resultados pertenece a editores reconocidos como grandes publicadores científicos con gran influencia en los lectores. Muchos de los artículos identificados fueron publicados en revistas que están indexadas en las bases de datos Web of Science y Scopus y tienen indicadores de calidad como el Factor de Impacto y CiteScore derivados de la cantidad de citas.
El estudio subraya la necesidad de una discusión ética y metodológica sobre el uso de modelos de lenguaje como ChatGPT en la producción de trabajos académicos. La falta de transparencia en la utilización de estas herramientas puede comprometer la integridad científica y plantea interrogantes sobre la autoría y la originalidad en la investigación.
Este análisis invita a la comunidad académica a reflexionar sobre las implicaciones del uso de inteligencia artificial en la redacción científica y a establecer directrices claras que aseguren la transparencia y la calidad en las publicaciones.
Ding, Liangping, Cornelia Lawson, y Philip Shapira. «Rise of Generative Artificial Intelligence in Science.» arXiv, 5 de enero de 2025. https://doi.org/10.48550/arXiv.2412.20960
La IA generativa está redefiniendo el panorama de la investigación científica, mostrando patrones únicos en términos de colaboración y especialización en comparación con otras tecnologías de IA. Esto subraya la importancia creciente de la IA generativa como una herramienta clave en diversas disciplinas científicas.
Se explora el impacto de la inteligencia artificial generativa (IA generativa o GenAI) en la investigación científica. Este estudio empírico, utilizando datos de OpenAlex, analiza el crecimiento, la difusión en diversos campos de estudio y la distribución geográfica de las publicaciones sobre GenAI entre 2017 y 2023.
Hallazgos:
Crecimiento Rápido: La IA generativa ha experimentado un crecimiento acelerado, expandiéndose desde la informática hacia otros dominios científicos. Este auge se refleja en el aumento de publicaciones científicas que emplean GenAI.
Difusión y Campos de Estudio: La investigación en GenAI no se limita solo al campo de la computación, sino que se ha extendido a múltiples disciplinas científicas, mostrando un patrón de difusión amplia.
Distribución Geográfica: Los investigadores estadounidenses han contribuido con cerca del 40% de las publicaciones globales sobre GenAI, seguidos por China. Otros países con economías avanzadas pequeñas y medianas también muestran un alto nivel de uso de GenAI en sus investigaciones.
Tamaño de los Equipos y Colaboraciones Internacionales: A diferencia de otras tecnologías de IA, los grupos de investigación en GenAI tienden a ser ligeramente más pequeños. Sin embargo, las colaboraciones internacionales en el ámbito de GenAI mantienen niveles comparables a otras áreas de IA, a pesar de las tensiones geopolíticas recientes.
En la entrevista Marco Ledesma Ayora, investigador en Criminología en la Universidad Católica de Cuenca, define la criminología como una ciencia social interdisciplinaria enfocada en el estudio del crimen, el criminal y el control social, con un enfoque en prevención y tratamiento. Resalta la mejora de la investigación en criminología en Ecuador, especialmente en su universidad, y su admiración por la Universidad de Salamanca. Actualmente, investiga sobre Seguridad Pública, los efectos del fentanilo y el lenguaje criminológico. Vincula sus logros en judo con su formación en psicología, destacando la relación entre deporte y desarrollo personal. Además, reflexiona sobre los desafíos de la publicación científica en el contexto actual de la inteligencia artificial y la presión académica.
Mishra, Tanisha, Edward Sutanto, Rini Rossanti, Nayana Pant, Anum Ashraf, Akshay Raut, Germaine Uwabareze, Ajayi Oluwatomiwa, y Bushra Zeeshan. «Use of Large Language Models as Artificial Intelligence Tools in Academic Research and Publishing Among Global Clinical Researchers.» Scientific Reports 14, no. 31672 (2024). https://doi.org/10.1038/s41598-024-81370-6.
El articulo explora el creciente uso de los Modelos de Lenguaje de Gran Escala (LLMs) en la investigación académica, particularmente en el ámbito clínico. Los autores analizan cómo estos modelos, como el Generative Pre-trained Transformer (GPT), están siendo empleados para tareas como la revisión de literatura, el cribado de resúmenes y la redacción de manuscritos.
El estudio se basa en una encuesta transversal aplicada a 226 investigadores médicos y paramédicos de 59 países, formados en el programa de Certificación en Investigación de Harvard Medical School entre 2020 y 2024. Los resultados muestran que el 87.6% de los encuestados estaban al tanto de los LLMs, y aquellos con mayor conocimiento tendían a tener un mayor número de publicaciones indexadas en PubMed.
Entre los encuestados conscientes de los LLMs, el 18.7% los había utilizado principalmente para corrección gramatical y formateo, aunque una proporción significativa no reconoció explícitamente su uso en sus publicaciones. La percepción general sobre el impacto futuro de los LLMs es mayormente positiva, con el 50.8% de los encuestados anticipando un impacto beneficioso en el proceso de publicación, especialmente en la corrección gramatical, revisión y edición, redacción y revisión de literatura.
El estudio también revela preocupaciones éticas, ya que el 58.1% de los encuestados opinó que las revistas deberían permitir el uso de IA en la investigación, mientras que el 78.3% cree que se deben establecer regulaciones para evitar abusos. Los autores enfatizan la necesidad de desarrollar directrices y un marco ético para gobernar el uso de la IA en la investigación académica, abordando los desafíos actuales y asegurando un uso responsable de estas herramientas avanzadas.
La obra es una guía integral para investigadores y académicos que desean escribir y publicar trabajos científicos. En su octava edición, ofrece consejos prácticos, estrategias y ejemplos para desarrollar artículos claros, concisos y efectivos.
El libro se organiza en secciones que abarcan desde la preparación inicial hasta la publicación y difusión de los resultados. Algunos de los temas principales incluyen:
1. Estructura del artículo científico: Explica el formato estándar IMRaD (Introducción, Métodos, Resultados y Discusión), resaltando la importancia de cada sección y cómo elaborarlas eficazmente.
2. Proceso de escritura: Proporciona técnicas para planificar, redactar y revisar manuscritos, destacando la importancia de la precisión y la claridad.
3. Citas y referencias: Detalla cómo dar crédito a las fuentes de manera adecuada para evitar el plagio y respetar las normas éticas.
4. Publicación científica: Aborda cómo seleccionar la revista adecuada, manejar el proceso de revisión por pares y responder a comentarios de revisores y editores.
5. Comunicación científica: Ofrece consejos para la preparación de presentaciones orales, posters y propuestas de proyectos.
6. Aspectos éticos: Discute cuestiones como la autoría, el plagio, el manejo de datos y la duplicación de publicaciones.
El libro es especialmente útil para investigadores jóvenes y para aquellos que no son hablantes nativos de inglés, ya que incluye recomendaciones sobre escritura científica en este idioma. La obra combina teoría, práctica y anécdotas, ofreciendo una referencia esencial para quienes buscan destacar en el ámbito académico.
Creación de la Montana State University Research Alliance (MSU), una iniciativa lanzada en 2023 que centraliza varios servicios de apoyo a la investigación dentro de la biblioteca de la universidad. El propósito de esta iniciativa es eliminar la complejidad de acceder a recursos dispersos en el campus, creando un espacio compartido que fomente la colaboración entre diferentes unidades y facilite la conexión entre los investigadores y los servicios que necesitan.
Montana State University Research Alliance reúne cinco unidades dentro de la biblioteca: la Oficina de Desarrollo de Investigación, el Centro de Excelencia para la Facultad, Investigación de Pregrado, Infraestructura Cibernética de Investigación, y Servicios de Optimización, Análisis y Datos (ROADS). Estas unidades brindan apoyo a lo largo de todo el ciclo de investigación, que incluye desarrollo de propuestas, gestión y visualización de datos, asistencia en publicaciones, y análisis de investigación.
Una de las principales ventajas de este modelo es la co-localización de los servicios, que ha aumentado la visibilidad y el uso de los recursos por parte de estudiantes e investigadores. La proximidad de las unidades ha mejorado la colaboración y permitido a los miembros del equipo comprender mejor las especialidades de cada unidad, lo que ha llevado a referencias más informadas y un servicio mejorado.
Sin embargo, también han surgido desafíos, como las limitaciones de espacio en el campus en expansión de la MSU y la falta de un marco formal para la toma de decisiones entre las unidades asociadas. A pesar de estos obstáculos, el proyecto ha logrado consolidar la biblioteca como un punto central para el apoyo a la investigación, alineándose con las prioridades estratégicas de la universidad como institución de investigación de alto nivel (R1).
El modelo ha mejorado la competitividad de la universidad en el panorama de investigación global y ha dado lugar a nuevas sinergias, como la creación de una base de datos para captar y promover la colaboración entre profesores y la organización conjunta de entrenamientos para la redacción de propuestas. En general, el Research Alliance representa un ejemplo claro de cómo las bibliotecas están ampliando su rol más allá de la gestión de colecciones, contribuyendo de manera más integral al apoyo de la investigación institucional.
Este modelo ofrece valiosas lecciones para otras instituciones que busquen mejorar su apoyo a la investigación, demostrando cómo las bibliotecas pueden jugar un papel central en la estrategia investigativa institucional.
Carlo Galli, Chiara Moretti, y Elena Calciolari, «Intelligent Summaries: Will Artificial Intelligence Mark the Finale for Biomedical Literature Reviews?», Learned Publishing n/a, n.o n/a: e1648, accedido 11 de diciembre de 2024, https://doi.org/10.1002/leap.1648.
Se examina el impacto de la inteligencia artificial (IA), especialmente los modelos de lenguaje de gran tamaño (LLM), en la creación de resúmenes automáticos de la literatura científica, en particular en el campo biomédico. Los autores del artículo discuten cómo los avances en IA están transformando el proceso de revisión de la literatura.
El artículo destaca que los LLM han alcanzado capacidades generativas que imitan el discurso humano, lo que les permite resumir documentos y extraer información de textos con una precisión notable. Además, los sistemas de R.A.G. (retrieval-augmented generation) están en desarrollo, lo que les permitirá navegar por bases de datos como MEDLINE y extraer conocimientos relevantes para crear resúmenes completos de la literatura científica disponible.
Según los autores, estos avances pueden llevar a que los resúmenes generados por IA sean comparables a las revisiones tradicionales de literatura científica realizadas por expertos humanos. Esto podría hacer que las revisiones de literatura tradicionales sean obsoletas, ya que la IA podría realizar el trabajo de manera más rápida y con una precisión similar, si no superior.
A medida que la disponibilidad de resúmenes automatizados aumenta, el umbral para lo que se considera digno de publicación podría elevarse, ya que los investigadores y editores podrían exigir más creatividad, profundidad o perspectiva única en las publicaciones para diferenciarlas de los resúmenes automáticos. En este contexto, los resúmenes generados por IA podrían ser una herramienta útil, pero las revisiones de literatura futuras probablemente tendrán que capitalizar las capacidades humanas de imaginación, creatividad y abstracción para mantenerse relevantes y útiles en un mundo cada vez más dominado por la IA.
Así, los autores proponen que, aunque la inteligencia artificial tiene el potencial de revolucionar la forma en que se llevan a cabo las revisiones bibliográficas, estas no eliminarán por completo el papel de los humanos en el proceso. Más bien, el enfoque humano deberá evolucionar, apoyándose en capacidades que la IA no puede replicar, para asegurar que las revisiones de literatura sigan siendo valiosas en la era de la automatización.
Se analiza el impacto de Dialnet Métricas en la evaluación de la producción científica en Biblioteconomía y Documentación, destacando cómo combina métricas tradicionales y datos alternativos, como visualizaciones y recomendaciones. Además, se examinan las revistas de mayor impacto y los autores más citados en el campo, proporcionando una herramienta clave para medir la influencia académica en revistas en español.
Dialnet ha calculado las citas emitidas por 600 revistas en los últimos 5 años, considerando un total de 59.725 citas. Se incluyeron revistas internacionales para completar la cobertura global. La tasa de autorreferenciación es de 0,16, y el índice de coautoría en el ámbito de Documentación es de 1,9. A continuación, se presenta una tabla con las revistas más destacadas según su índice de impacto:
Revistas con mayor impacto en Dialnet Métricas 2023
La tabla muestra un conjunto de 24 revistas académicas destacadas en el campo de la documentación, clasificados según su índice de impacto en los últimos 5 años. Este índice refleja la relevancia y el reconocimiento de cada revista dentro de la comunidad académica, medido a través del número de citas recibidas y artículos publicados.
Índice de coautoría y tasa de autorreferenciación: El índice de coautoría en el campo de Documentación es de 1,9, lo que indica una colaboración significativa entre autores en estas revistas. Además, la tasa de autorreferenciación es baja (0,16), lo que sugiere que las revistas citan fuentes externas en lugar de autorreferirse excesivamente, lo cual es un signo positivo para la diversidad y calidad de las publicaciones.
Revistas de alto impacto: Las revistas más destacadas en la tabla son El profesional de la información (con un impacto de 2,75), seguida por Revista española de documentación científica (0,94) y Revista general de información y documentación (0,60). Estas revistas tienen un alto número de citas, lo que indica que son fuentes clave en el campo de la documentación.
Revistas especializadas: Otras publicaciones, como Anuario ThinkEPI (0,52) y Hipertext.net (0,48), aunque con un impacto ligeramente menor, siguen siendo relevantes y ofrecen contribuciones importantes, especialmente en temas de documentación digital y comunicación interactiva.
Revistas con menor impacto: Al final de la lista, encontramos revistas con un impacto de casi nulo, como Anuari de l’Observatori de Biblioteques, Llibres i Lectura y Mi biblioteca, que tienen un índice de impacto menor a 0,01. Esto podría deberse a un menor volumen de citas y a una cobertura más local o específica.
Diversidad en la cobertura: La tabla muestra una diversidad de enfoques, desde revistas más generales de biblioteconomía y documentación hasta publicaciones especializadas en áreas como patrimonio documental, sistemas de información y archivo. Esto refleja la variedad de temas que abarca el campo de la documentación.
investigadores más citados en el ámbito de la Biblioteconomía y Documentación:
La tabla presenta un listado de investigadores clasificados por el número total de citas recibidas en publicaciones dentro del ámbito de la biblioteconomía y documentación. Además, se muestran las citas totales, las citas en el ámbito específico, y algunos índices como el Índice H y el Índice H5, que reflejan la productividad y el impacto de sus publicaciones a lo largo del tiempo.
Tabla de investigadores más citados:
Autores más citados en Biblioteconomía Documentación 2023
Estos 10 investigadores representan a las instituciones académicas más relevantes en el campo de la biblioteconomía y la documentación en España. La Universidad de Granada y la Universitat de Barcelona destacan como dos de las principales fuentes de investigación en este ámbito. Los altos índices de citas de estos investigadores demuestran no solo su producción académica, sino también la relevancia y el impacto de sus estudios dentro de la disciplina. Sin duda, sus trabajos han contribuido significativamente al avance del conocimiento en biblioteconomía y documentación, y siguen siendo fundamentales para las futuras investigaciones en este campo.
Emilio Delgado López-Cozar (Universidad de Granada):
Citas en ámbito: 583 Citas totales: 1252
Emilio Delgado López-Cózar es un destacado académico español en Biblioteconomía y Documentación, Catedrático en la Universidad de Granada. Su investigación se centra en la evaluación de la ciencia, la metodología de la investigación y las métricas científicas. Ha desarrollado sistemas para medir el rendimiento de revistas y científicos, y es conocido por su análisis de métricas alternativas. Su impacto académico es significativo, con miles de citas y un alto índice h.
Daniel Torres-Salinas (Universidad de Granada):
Citas en ámbito: 533 Citas totales: 1038
Daniel Torres-Salinas es un destacado académico de la Universidad de Granada, especializado en Biblioteconomía y Documentación, con enfoque en evaluación de la ciencia y Bibliometría. Su investigación abarca la evaluación de la investigación universitaria, libros científicos y nuevas métricas, con un impacto significativo reflejado en sus numerosas citas y publicaciones en revistas de prestigio.
Javier Guallar (Universitat de Barcelona):
Citas en ámbito: 443 Citas totales: 821
Javier Guallar. Es profesor e investigador en la Facultad de Información y Medios Audiovisuales de la Universidad de Barcelona, doctor en Información y Documentación por la UB y en Comunicación por la UPF. Especializado en curación de contenidos, es autor de libros y artículos sobre el tema, editor de colecciones académicas, y fue subdirector de la revista «El Profesional de la Información». También es conocido por su trabajo en evaluación de revistas científicas y por desarrollar el sistema de curación de contenidos de las 4S’s
Ernest Abadal (Universitat de Barcelona):
Citas en ámbito: 435 Citas totales: 730
Ernest Abadal es Catedrático de la Facultad de Información y Medios Audiovisuales de la Universitat de Barcelona y actualmente Vicerrector Adjunto al Rector y de PDI. Doctor en Ciencias de la Información, su investigación se centra en el acceso abierto, la ciencia abierta y las publicaciones digitales. Ha dirigido proyectos de investigación sobre acceso abierto a la ciencia en España y es coordinador del Grupo de Investigación Consolidado «Cultura y contenidos digitales». Es autor de numerosas publicaciones y ha ocupado diversos cargos académicos y de gestión en la UB.
Evaristo Jiménez Contreras (Universidad de Granada):
Citas en ámbito: 294 Citas totales: 657
Evaristo Jiménez Contreras es Catedrático de Bibliometría en la Universidad de Granada y miembro del grupo de investigación EC3. Su trayectoria se centra en la evaluación de la ciencia, bibliometría y comunicación científica. Ha dirigido numerosas tesis doctorales sobre análisis bibliométricos en diversas disciplinas. Es autor de publicaciones influyentes sobre la evolución de la actividad investigadora en España y el impacto de las políticas de evaluación.
Rafael Aleixandre Benavent (Universitat de València):
Citas en ámbito: 175 Citas totales: 619
Rafael Aleixandre Benavent es investigador vinculado al Consejo Superior de Investigaciones Científicas (CSIC) y a la Universidad de Valencia. Su trabajo se centra en bibliometría, informetría, cienciometría y evaluación de la investigación. Es autor de numerosas publicaciones sobre comunicación científica, análisis bibliométricos y evaluación del impacto científico
José Antonio Cordón García (Universidad de Salamanca):
Citas en ámbito: 305 Citas totales: 617
José Antonio Cordón García es Catedrático de la Universidad de Salamanca, especializado en Biblioteconomía y Documentación. Su investigación se centra en fuentes de información, industria editorial, historia del libro y lectura digital. Dirige el Grupo de Investigación E-LECTRA y el Máster en Patrimonio Textual y Humanidades Digitales. Ha recibido el Premio Nacional de Investigación 2012 en Edición y Sociedad del Conocimiento, y ha publicado extensamente sobre edición y lectura digital
Juan Miguel Sánchez Vigil (Universidad Complutense de Madrid):
Citas en ámbito: 307 Citas totales: 595
Juan Miguel Sánchez Vigil es Catedrático de la Universidad Complutense de Madrid, especializado en Documentación Fotográfica y Editorial. Doctor en Ciencias de la Información, Historia del Arte y Geografía e Historia, ha ocupado cargos de gestión académica. Su investigación se centra en fotografía, edición y documentación, con numerosas publicaciones y dirección de tesis doctorales. Es editor, fotógrafo y documentalista gráfico, y ha recibido reconocimientos por su labor en el campo de la edición y la sociedad del conocimiento.
Julio Alonso Arévalo (Universidad de Salamanca):
Citas en ámbito: 260 Citas totales: 450
Julio Alonso Arévalo es bibliotecario responsable de la Biblioteca de Traducción y Documentación de la Universidad de Salamanca. Licenciado en Geografía e Historia, es experto en acceso abierto y edición digital. Es editor del repositorio E-LIS, coordinador de la lista InfoDoc y creador del blog «Universo abierto». Ha publicado sobre e-books, gestión del conocimiento y nuevas tecnologías en bibliotecas, recibiendo el Premio Nacional de Investigación en Edición y Sociedad de la Información en España en 2013.
Juan Carlos Valderrama Zurián (Universitat de València):
Citas en ámbito: 93 Citas totales: 423
Juan Carlos Valderrama Zurián es Doctor en Medicina y Profesor Titular de la Facultad de Medicina en la Universitat de València. Su investigación se centra en drogodependencias, gestión del conocimiento y estudios epidemiológicos, con énfasis en población inmigrante, abuso de esteroides y prevención de VIH/VHC. Ha publicado numerosos artículos en revistas nacionales e internacionales sobre adicciones y bibliometría. Actualmente lidera el proyecto DATAUSE UV, enfocado en la gestión y transferencia del conocimiento emergente.
Gemma Conroy, «How ChatGPT and Other AI Tools Could Disrupt Scientific Publishing», Nature 622, n.o 7982 (10 de octubre de 2023): 234-36, https://doi.org/10.1038/d41586-023-03144-w.
La inteligencia artificial generativa tiene el potencial de transformar profundamente la publicación científica, pero su integración debe gestionarse cuidadosamente. Solo a través de un enfoque responsable y ético será posible maximizar sus beneficios mientras se mitigan los riesgos asociados.
Las herramientas de inteligencia artificial generativa, como ChatGPT, están revolucionando la publicación científica al transformar la forma en que se redactan y revisan manuscritos, informes de revisión por pares y solicitudes de subvenciones. Estas herramientas ofrecen beneficios significativos, como mayor eficiencia y equidad, pero también plantean preocupaciones relacionadas con la precisión, la ética y la calidad de las publicaciones. Por ejemplo, investigadores no nativos en inglés pueden superar barreras lingüísticas con la ayuda de estas tecnologías, mientras que el tiempo necesario para redactar documentos se reduce considerablemente. Sin embargo, estas mismas herramientas presentan riesgos asociados a inexactitudes y posibles usos indebidos.
Uno de los mayores cambios que trae la inteligencia artificial es la posible transformación del formato de los artículos científicos. En el futuro, los artículos podrían presentarse como documentos interactivos que permiten al lector explorar los datos y resultados de manera personalizada, en lugar de depender de los formatos estáticos actuales. Asimismo, la IA podría facilitar la realización de meta-análisis más amplios y detallados al procesar grandes volúmenes de literatura científica, algo que excede las capacidades humanas tradicionales. Esto abriría nuevas posibilidades para descubrir patrones y tendencias en la investigación.
No obstante, el uso de herramientas de IA generativa no está exento de riesgos. Estas tecnologías, al basarse en patrones más que en la verificación de hechos, pueden generar errores, referencias falsas o incluso artículos fraudulentos. Además, su accesibilidad podría fomentar prácticas poco éticas, como la proliferación de “fábricas de artículos”, donde se crean y venden manuscritos o posiciones de autoría. Por otro lado, las herramientas actuales para detectar textos generados por IA no son lo suficientemente fiables, lo que dificulta la identificación de fraudes y plantea un desafío significativo para los editores y revisores.
En el ámbito ético, el desarrollo de estas tecnologías también genera preocupaciones sobre plagio y derechos de autor. Muchos modelos de IA se entrenan con datos recopilados de Internet sin garantizar el consentimiento ni respetar restricciones de uso, lo que ha llevado a críticas que describen a la IA generativa como “plagio automatizado”. Además, las preocupaciones sobre la confidencialidad en la revisión por pares han llevado a algunas instituciones a prohibir el uso de estas herramientas en procesos sensibles como la evaluación de becas.
La equidad es otro aspecto clave. Mientras que herramientas como ChatGPT podrían nivelar el campo de juego para investigadores que no hablan inglés como lengua nativa, la posible monetización de estas tecnologías podría limitar su acceso a científicos de instituciones con menos recursos. Esto podría agravar las desigualdades ya existentes en la academia, especialmente si las herramientas avanzadas se vuelven prohibitivamente caras.
Para abordar estos desafíos, es esencial equilibrar la innovación con la integridad. Las revistas científicas deben establecer directrices claras sobre el uso de la IA, mientras que los gobiernos y las instituciones deben regular su implementación para garantizar una adopción ética y equitativa. Por su parte, los investigadores deben mantener habilidades críticas en redacción y análisis para no depender exclusivamente de estas herramientas en un entorno académico en rápida evolución.
Resolución de 9 de diciembre de 2024, de la Comisión Nacional Evaluadora de la Actividad Investigadora, por la que se publican los criterios para la evaluación de la actividad investigadora.
La Comisión Nacional Evaluadora de la Actividad Investigadora (CNEAI) ha aprobado los criterios para la evaluación de la actividad investigadora correspondientes a la convocatoria de 2024. Estos criterios, que serán publicados en el Boletín Oficial del Estado (BOE), ya se han difundido para facilitar la preparación anticipada de las solicitudes. Finalmente, para garantizar transparencia y uniformidad, ANECA ha publicado un baremo único que será aplicado por los quince Comités Asesores.
Entre los cambios destacados, se elimina el apartado de «mínimos orientativos», permitiendo la obtención de una evaluación positiva mediante cinco aportaciones que cumplan con los criterios generales, sin depender de indicadores cuantitativos relacionados con medios de difusión. Esto refuerza el enfoque en la calidad intrínseca de las aportaciones.
El baremo para la evaluación de la actividad investigadora en la convocatoria de 2024 de los sexenios de investigación establece criterios clave para calificar las aportaciones de los solicitantes, otorgando mayor peso al impacto científico y contemplando elementos relacionados con la originalidad, la relevancia social y la promoción de la ciencia abierta. A continuación, se resumen los principales aspectos de cada criterio:
Contribución al progreso del conocimiento (10%)
Este apartado evalúa la originalidad, innovación y pertinencia de la investigación, destacando la capacidad del trabajo para abordar problemas relevantes en el área y proponer soluciones novedosas. Se valora también el enfoque metodológico, incluyendo el desarrollo de nuevos métodos o la mejora de los existentes. Se excluyen trabajos meramente descriptivos, recopilaciones bibliográficas sin análisis crítico o traducciones sin aportaciones significativas.
Impacto científico (60%)
Es el criterio más relevante, dividido en cuatro subcategorías principales:
Uso de la aportación: Se mide por lecturas, descargas y visualizaciones en plataformas académicas.
Citas recibidas: Considera el número y calidad de las citas recibidas, excluyendo autocitas.
Calidad del medio de difusión: Se analiza la reputación del medio donde se publica, incluyendo revisiones por pares y estándares de calidad.
Impacto del medio: Examina el reconocimiento científico del medio de publicación, con énfasis en premios, críticas y reseñas.
Se tienen en cuenta otros indicadores como vínculos con proyectos de investigación, tesis doctorales, premios y menciones en medios especializados.
Impacto social (10%)
Evalúa la repercusión de las investigaciones fuera del ámbito académico, como su influencia en políticas públicas, documentos normativos, guías clínicas o la industria. Además, se considera su difusión en medios de comunicación, plataformas digitales y eventos culturales, y la interacción con el público.
Contribución a la ciencia abierta (10%)
Se premian aportaciones accesibles públicamente, ya sea en versiones finales o preliminares, y el cumplimiento de principios FAIR en datasets y software. También se valora la publicación en revistas de acceso abierto (diamante) y el uso de licencias libres como Creative Commons.
Aportación preferente (10%)
Se analiza el ajuste de las aportaciones al tipo preferente definido en los criterios de evaluación, como artículos, libros, capítulos de libro, patentes o contribuciones a congresos.
Circunstancias reductoras
La puntuación puede reducirse en casos como:
Reiteración de publicaciones: Más de tres aportaciones en un mismo medio sin justificación suficiente.
Conflicto de interés editorial: Relaciones que comprometan la objetividad del proceso editorial.
Malas prácticas: Plagio, duplicación de contenido, alteración de datos o artículos retractados.
Procesos de revisión cuestionables: Medios con estándares poco fiables o periodos de aceptación injustificadamente cortos.
Autoría insuficientemente justificada: Participación no justificada adecuadamente en casos de coautoría múltiple.
Este baremo asegura una evaluación integral y motivada de las contribuciones, exigiendo evidencia clara de su relevancia científica, metodológica y social, y fomentando la transparencia en la producción académica.
Universo Abierto 