La biblioteca del British Columbia Institute of Technology (BCIT) instala cápsulas del sueño en sus espacios

Yeung, Lien. «BCIT Installs New Sleep Pods in Library: No Funny Ideas — Only 1 Student Allowed in Sleep Pod at a Time.» CBC News, August 2, 2016. https://www.cbc.ca/news/canada/british-columbia/bcit-sleep-pods-library-1.3704552

British Columbia Institute of Technology (BCIT), ubicado en Vancouver, Canadá, instaló dos cápsulas para dormir en la biblioteca de su campus de Burnaby como parte de un programa piloto destinado a ofrecer a los estudiantes un espacio seguro y cómodo para descansar.



Los sleep pods en bibliotecas son una innovación interesante que busca mejorar la experiencia de los usuarios, especialmente en bibliotecas universitarias o públicas de alta concurrencia. Estos dispositivos, que suelen ser cápsulas o sillas reclinables especialmente diseñadas, permiten a los estudiantes, investigadores o visitantes descansar brevemente. Su objetivo principal es promover el bienestar físico y mental de los estudiantes.

Estas cápsulas blancas y cilíndricas, similares a las que se encuentran en oficinas de empresas como Facebook en Londres, responden a una demanda estudiantil detectada tras observar que muchos alumnos descansaban en la biblioteca. Las investigaciones demuestran que una siesta breve de solo 20 minutos puede mejorar significativamente la alerta mental y despejar la mente. Estas siestas reparadoras son ideales para los estudiantes que necesitan aumentar sus niveles de energía antes de su próxima clase o sesión de estudio

Las cápsulas, de 120 centímetros, permiten a los usuarios recostarse en una colchoneta de vinilo y cerrar la puerta para mayor privacidad. Aunque no incluyen almohadas ni mantas, se han colocado materiales de limpieza cercanos para que los usuarios las higienicen después de cada uso. Además, se están considerando medidas como alarmas para despertar a los usuarios y un sistema de reservas.

Características de las sleep pods

  • Diseño ergonómico: Los pods están diseñados para ofrecer una experiencia cómoda y relajante. Incluyen asientos reclinables que permiten al usuario adoptar una posición óptima para descansar.
  • Tecnología integrada: Muchos de estos dispositivos cuentan con temporizadores que aseguran descansos cortos y controlados, de unos 20 minutos, para evitar que los usuarios caigan en un sueño profundo que pueda interrumpir su ritmo circadiano.
  • Privacidad: Algunos pods tienen estructuras semicerradas o viseras ajustables que permiten a los usuarios desconectarse visualmente del entorno.
  • Ambiente relajante: Suelen incorporar sonidos suaves o cancelación de ruido para bloquear distracciones externas, además de una iluminación tenue y confortable.

Por cuestiones de salud y seguridad, solo se permite a una persona en cada cápsula, y están ubicadas cerca de zonas de trabajo con ordenadores, bajo vigilancia por personal y cámaras. Aunque las cápsulas no son a prueba de sonido, su diseño incluye buena ventilación.

El anuncio inicial de las cápsulas en la página de Facebook de BCIT generó gran interés, acumulando 1.500 mensajes compartidos en pocos días. Si bien hubo comentarios positivos, algunos estudiantes expresaron su preferencia por destinar esos recursos a mesas adicionales para estudiar. Según James Rout, director de la biblioteca, las cápsulas, que costaron varios miles de dólares, forman parte de un proyecto mayor enfocado en mejorar el entorno de aprendizaje, incluida la posibilidad de descansar adecuadamente.

Otras bibliotecas como las de la Universidad de Michigan, Universidad de Adelaida o la Universidad de Pekín, han incorporado sleep pods con buenos resultados, reportando satisfacción entre los usuarios. En estos contextos, los pods suelen incluir temporizadores, luces suaves y cancelación de ruido para maximizar el descanso en periodos cortos. En concreto, la biblioteca Shapiro Undergraduate Library de la universidad de Michigan introdujo estos dispositivos para ayudar a los estudiantes a manejar el estrés y el cansancio asociados con las largas horas de estudio.

La implementación de sleep pods refleja una tendencia hacia bibliotecas más centradas en el usuario, no solo como lugares de estudio, sino también como espacios para el cuidado personal. Además, puede ser una respuesta a la creciente demanda de servicios que reconozcan la importancia del descanso en el rendimiento académico o laboral. Sin embargo, también genera debates: algunos argumentan que pueden ser un mal uso del espacio público o una distracción, mientras que otros celebran su capacidad para hacer de las bibliotecas un lugar más inclusivo y funcional.

JORNADA TRANSFRONTERIZA #coopera“Bibliotecas en Comunidad”. Planeta Biblioteca 2024/11/20


Presentación de la

JORNADA TRANSFRONTERIZA #coopera“Bibliotecas en Comunidad”.

Planeta biblioteca 2024/11/20

ESCUCHAR EL PROGRAMA

Descargar

Las Jornadas Transfronterizas “Bibliotecas en Comunidad” reunirán a expertos de Castilla y León y el Centro de Portugal los días 26 y 27 de noviembre de 2024 para intercambiar experiencias sobre el papel de las bibliotecas como centros comunitarios, su contribución a los Objetivos de Desarrollo Sostenible y su impacto en zonas remotas. También abordarán la importancia del espacio bibliotecario y la gestión de datos para mejorar servicios. El evento incluye mesas redondas, pausas para networking y certificados de asistencia para participantes presenciales y en línea. Coordinan instituciones académicas y bibliotecarias de ambas regiones.

Red de Bibliotecas Castilla y León-Centro de Portugal
JORNADA TRANSFRONTERIZA #coopera
“Bibliotecas en Comunidad”
“As Bibliotecas na Comunidade”

Emisión por Meet

Descargar PROGRAMA

Inscripción gratuita

FORMULARIO INSCRIPCIÓN

Se emitirá certificado de asistencia a las personas registradas on line (Youtube) o presencial (100 plazas)

Google Scholar celebra 20 años desde su lanzamiento

«20 Things You Didn’t Know about Google Scholar». 2024. Google. 18 de noviembre de 2024. https://blog.google/outreach-initiatives/education/google-scholar-20-years/.

Google Scholar, la herramienta de búsqueda académica de Google, celebra 20 años desde su lanzamiento el 17 de noviembre de 2004. Desde entonces, se ha convertido en una plataforma esencial para investigadores, estudiantes y académicos, facilitando el acceso a artículos científicos, tesis, libros y otros recursos académicos en una amplia variedad de disciplinas. Este aniversario no solo celebra su longevidad, sino también su impacto significativo en la forma en que se realiza y se comparte la investigación académica en todo el mundo.

El origen de Google Scholar se remonta al deseo de Google de organizar la información del mundo y hacerla accesible para todos. Scholar se diseñó específicamente para satisfacer las necesidades de la comunidad académica, permitiendo a los usuarios buscar literatura científica de manera sencilla y eficiente. Desde su lanzamiento, su objetivo ha sido democratizar el acceso al conocimiento, facilitando que estudiantes y académicos, independientemente de su ubicación geográfica o recursos económicos, puedan acceder a investigaciones de calidad.

Una de las innovaciones más importantes de Google Scholar es su capacidad para ofrecer citas automáticas en diferentes formatos, como APA, MLA o Chicago, lo que simplifica enormemente el trabajo de los investigadores. También incluye herramientas como el índice h y el índice i10, que permiten medir el impacto de un investigador basado en las citas que reciben sus trabajos, lo que ha cambiado significativamente cómo se evalúa la influencia académica. Además, Google Scholar proporciona enlaces a versiones de texto completo de los documentos, cuando están disponibles, y a veces incluye acceso a copias gratuitas alojadas en repositorios institucionales o páginas personales de los autores.

Desde su creación, la base de datos de Google Scholar ha crecido de manera exponencial. Inicialmente, incluía principalmente artículos de revistas científicas, pero con el tiempo ha ampliado su alcance para abarcar capítulos de libros, actas de congresos, patentes y otros documentos académicos. Este crecimiento se ha logrado gracias a la colaboración con editoriales, universidades y bibliotecas, que trabajan con Google para indexar sus contenidos y mejorar su visibilidad en línea.

Google Scholar ha tenido un impacto profundo en la forma en que se realiza la investigación académica. En regiones con menos recursos, donde las suscripciones a revistas científicas suelen ser prohibitivamente caras, ofreciendo una alternativa accesible, permitiendo que investigadores y estudiantes accedan a información clave. Esto ha contribuido a nivelar el campo de juego en la producción y el acceso al conocimiento, algo especialmente relevante en países en desarrollo.

A pesar de sus logros, Google Scholar también enfrenta críticas y desafíos. Algunos expertos han señalado problemas en la calidad de los resultados indexados, como la inclusión de trabajos de baja calidad o predatorios. Además, su modelo de indexación no siempre es completamente transparente, lo que ha generado debates sobre su funcionamiento. Sin embargo, estos retos también destacan la necesidad de seguir innovando en el ámbito de las herramientas académicas digitales.

Con dos décadas de servicio, Google Scholar sigue siendo una herramienta vital para la comunidad académica. Su impacto ha trascendido fronteras y disciplinas, haciendo que la búsqueda y el acceso al conocimiento sean más rápidos, efectivos y democráticos. Este aniversario es un recordatorio de cómo las tecnologías digitales pueden transformar la investigación y la educación, y promete que Google Scholar continuará desempeñando un papel clave en el futuro del conocimiento global.

Cómo incorporar IA generativa al aula

Cómo incorporar IA generativa al aula: una orientación en ChatGPT para docentes. Ciudad Autónoma de Buenos Aires: Educ.ar S.E., 2024.

Texto completo

El texto aborda cómo la inteligencia artificial, representada por herramientas como ChatGPT, está transformando la educación. Plantea que esta tecnología supone una revolución en el ámbito educativo, ofreciendo tanto desafíos como oportunidades para docentes, estudiantes e instituciones.

Capítulo 1: ChatGPT, definición y primeros pasos
Se describe qué es ChatGPT, cómo funciona y sus principales funcionalidades. Además, se reflexiona sobre aspectos éticos y de privacidad necesarios para un uso responsable de la herramienta en contextos educativos.

Capítulo 2: Cómo optimizar la gestión institucional con IA
Este capítulo explora las aplicaciones de la IA en la organización y gestión institucional, como la planificación de reuniones escolares, la implementación de actividades interactivas y la elaboración de informes sobre el desempeño de los estudiantes.

Capítulo 3: Cómo transformar la enseñanza con IA
Se analiza cómo la IA puede personalizar el aprendizaje, gestionar el aula, planificar clases, enseñar idiomas y fomentar la creatividad. También se incluyen aplicaciones como la creación de estudios de caso y el diseño de evaluaciones sumativas.

Capítulo 4: Aportes de la IA generativa en proyectos sociocomunitarios
Se destaca el potencial de la IA para crear materiales educativos destinados a proyectos comunitarios, promoviendo el aprendizaje más allá del aula y fortaleciendo el vínculo entre la escuela y su entorno.

Capítulo 5: ChatGPT como herramienta educativa: reflexiones finales
El texto concluye con precauciones sobre el uso de ChatGPT, como el plagio y el uso indebido, y reflexiona sobre el papel de la formación docente y la investigación educativa. Finalmente, se proyecta el impacto futuro de la IA en la educación, subrayando las nuevas oportunidades que esta tecnología puede ofrecer.

Guía de Prompting: Inteligencia Artificial Generativa

Cristián Cortés, Marcelo Taito. Guía de Prompting: Inteligencia Artificial Generativa. HARAMBEE, 2024

Texto completo

Esta guía ha sido creada por la comunidad Harambee, un colectivo que trabaja para potenciar el uso efectivo de herramientas de inteligencia artificial. Su propósito principal es ofrecer apoyo a los usuarios interesados en desarrollar habilidades más avanzadas y obtener mejores resultados al trabajar con sistemas de IA.

El enfoque central de esta guía son las soluciones relacionadas con texto, abarcando desde la generación de contenido hasta la edición, corrección y mejora de textos en diversos contextos. Está diseñada para quienes desean ir más allá del uso básico y aprovechar al máximo las capacidades que la IA puede ofrecer en el ámbito textual.

A través de consejos, ejemplos prácticos y buenas prácticas, esta guía busca ayudar a los usuarios a refinar su interacción con modelos de IA, logrando resultados más precisos, creativos y personalizados.

Para aprovechar al máximo las herramientas de inteligencia artificial centradas en texto, puedes aplicar estas estrategias clave:

1. Escribe instrucciones claras. Asegúrate de ser específico y directo en tus solicitudes. Un planteamiento bien definido ayuda al modelo a ofrecer respuestas más precisas y relevantes.

2. Proporciona texto de referencia. Si tienes ejemplos o fragmentos relacionados con tu objetivo, inclúyelos. Esto orienta al modelo y mejora la calidad de los resultados.

3. Divide tareas complejas. Cuando enfrentes una tarea extensa o complicada, desglósala en subtareas más simples. Esto facilita que el modelo aborde cada aspecto de forma efectiva.

4. Dale tiempo al modelo para pensar. Formula preguntas secuenciales o permite que el modelo revise varias veces su respuesta. Este enfoque mejora el razonamiento y la calidad del contenido generado.

5. Utiliza herramientas externas. Complementa las capacidades del modelo con software especializado, como verificadores de datos, editores de texto o motores de búsqueda, para resultados más robustos.

6. Haz pruebas sistemáticas. Experimenta con diferentes planteamientos y ajustes. Probar y comparar resultados te ayudará a identificar lo que funciona mejor para tus necesidades.

El futuro de la política y la publicación en acceso abierto

Lindsay, N. 2024. «The MIT Press Releases Report on the Future of Open Access Publishing and Policy». MIT Press. 18 de noviembre de 2024.

Texto completo

El informe de MIT Press analiza el impacto de las políticas de acceso abierto en la investigación y propone estrategias para maximizar sus beneficios en el ecosistema académico.

El objetivo principal de este informe es construir una hoja de ruta basada en datos para el futuro de las políticas y prácticas de publicación científica abierta. Esto incluye abordar desafíos relacionados con la infraestructura, la capacitación, la tecnología y los modelos de negocio, asegurando que las prácticas de ciencia abierta sean sostenibles y contribuyan a investigaciones de alta calidad.

El acceso abierto (open access) busca democratizar el conocimiento al eliminar barreras para el acceso a publicaciones científicas. Sin embargo, su implementación ha generado desafíos significativos, como:

  • La consolidación de la industria editorial académica en manos de pocas empresas.
  • Un aumento masivo en la cantidad de artículos publicados, con estándares variables de revisión y control de calidad.
  • Nuevos costos para investigadores e instituciones, afectando especialmente a universidades y regiones con menos recursos.

El taller reunió a expertos para debatir cuestiones críticas en la publicación científica abierta, incluyendo:

  1. Impacto de las políticas de acceso abierto: Cómo estas influyen en la calidad y sostenibilidad del ecosistema de investigación.
  2. Revisión por pares: Su papel central en garantizar la calidad de la investigación, incluso en modelos de acceso abierto.
  3. Compartición y curación de datos: Las oportunidades y desafíos asociados con la gestión de datos científicos abiertos.
  4. Infraestructura de comunicaciones académicas: Cómo esta evoluciona para adaptarse a las necesidades de la ciencia abierta.

El informe plantea interrogantes fundamentales para avanzar hacia un sistema de ciencia abierta más equitativo y efectivo:

  • ¿Cómo prever y modelar las consecuencias de las políticas gubernamentales sobre el acceso público a la ciencia?
  • ¿Cómo pueden los financiadores de la investigación fomentar modelos de negocio más justos y sostenibles para la publicación científica?
  • Si la difusión de la investigación se separa de la revisión por pares, ¿quién debería asumir esta tarea y cómo debería financiarse y gestionarse?

HarperCollins confirma que tiene un acuerdo para vender las obras de sus autores a una empresa de IA

Cole ·, Samantha. 2024. «HarperCollins Confirms It Has a Deal to Sell Authors’ Work to AI Company». 404 Media. 18 de noviembre de 2024. https://www.404media.co/harpercollins-ai-deal/.

HarperCollins, una de las editoriales más grandes del mundo, ha confirmado un acuerdo con una empresa de tecnología de inteligencia artificial (IA) para permitir el uso limitado de ciertos títulos de no ficción de su catálogo para entrenar modelos de IA. La participación de los autores en este acuerdo es opcional; ellos pueden decidir si aceptan o rechazan la propuesta.

Según un portavoz de HarperCollins, este convenio busca mejorar la calidad y el rendimiento de los modelos de IA y cuenta con restricciones claras para respetar los derechos de los autores. La editorial enfatiza que su objetivo es proteger el valor inherente de las obras de sus autores y garantizar el flujo compartido de ingresos y regalías. Además, destaca su larga tradición de innovación y exploración de nuevos modelos de negocio.

El acuerdo contempla el pago de 2.500$ por título a los autores que opten por participar, una cantidad que no es negociable. Este ofrecimiento ha generado debate, especialmente en relación con el uso de materiales protegidos por derechos de autor en el entrenamiento de modelos de IA.

Daniel Kibblesmith, autor del libro infantil Santa’s Husband, compartió en la red social Bluesky un correo de su agente que describe la propuesta de HarperCollins. En el mensaje, su agente menciona las controversias alrededor del uso de materiales con derechos de autor para entrenar IA, destacando que muchas empresas lo hacen sin reconocer ni compensar a los creadores originales. También se alude al temor de que estos modelos puedan hacer obsoletos a los autores en el futuro.

Kibblesmith criticó la decisión de HarperCollins, calificándola como una búsqueda desesperada de ganancias a corto plazo. Señaló que este desarrollo podría dividir el mercado en dos tipos de lectores: aquellos que buscan una conexión humana auténtica a través de los libros y aquellos que prefieren contenido personalizado y generado por IA, diseñado para evitar cualquier desafío intelectual.

El uso de obras protegidas por derechos de autor para entrenar IA ha sido un tema polémico. Numerosas empresas han sido acusadas de aprovecharse de materiales sin compensar a sus creadores. Este acuerdo de HarperCollins es una de las primeras instancias donde una gran editorial propone explícitamente un trato transparente y compensatorio, aunque limitado, para el uso de este tipo de contenido.

En general, el tema pone de relieve las tensiones entre la innovación tecnológica y la preservación del valor del trabajo creativo humano, planteando preguntas sobre el futuro de los derechos de autor y la sostenibilidad de las profesiones creativas en la era de la IA.

Gestión de publicaciones retractadas por parte de diferentes bases de datos

Salami, Malik Oyewale, Corinne McCumber, y Jodi Schneider. 2024. «Analyzing the Consistency of Retraction Indexing». OSF. https://doi.org/10.31222/osf.io/gvfk5.

El artículo aborda un problema crítico en el ámbito académico: la inconsistencia en la identificación y el manejo de publicaciones retractadas por parte de diferentes bases de datos. Se analiza cómo estas bases gestionan las retractaciones, evaluando la calidad de su indexación.

El propósito central es investigar por qué las publicaciones retractadas siguen siendo citadas incluso después de que se retiran oficialmente. Esto puede atribuirse, en parte, a las dificultades que enfrentan autores y editores para identificar sistemáticamente estas publicaciones en diferentes bases de datos académicas. Los investigadores buscan comprender el nivel de acuerdo entre estas bases de datos y señalar los errores más comunes en la indexación.

Para llevar a cabo el estudio se evaluaron 11 bases de datos científicas relevantes, utilizando una lista unificada de 85.392 publicaciones únicas retractadas como referencia. Se analizaron las publicaciones que cada base incluía, aquellas que identificaban como retractadas y las que no eran reconocidas en absoluto. Y finalmente se midió la concordancia entre las bases de datos en cuanto a la identificación de publicaciones retractadas.

Hallazgos principales:

  • Baja consistencia entre bases de datos: Los resultados muestran que las bases de datos tienen una baja concordancia en la indexación de publicaciones retractadas, incluso cuando cubren los mismos documentos. Esto genera discrepancias significativas sobre qué trabajos se identifican oficialmente como retractados.
  • Errores en la indexación: Se encontraron problemas recurrentes en cómo se manejan las retractaciones, tales como: Las publicaciones retractadas que no son marcadas adecuadamente en ciertas bases. Inconsistencias en el etiquetado de retractaciones entre diferentes plataformas.
  • Impacto en las citas posteriores a la retractación: Debido a estas inconsistencias, muchos trabajos retractados siguen siendo citados por error, lo que perpetúa información incorrecta y afecta la credibilidad de futuras investigaciones.

El estudio destaca varias implicaciones importantes para la comunidad académica debido a la falta de estándares claros en la gestión de publicaciones retractadas.

  • Primero, hay una confusión para los investigadores. Los autores pueden no estar al tanto de que una publicación ha sido retractada si buscan referencias en bases de datos que no la han actualizado adecuadamente. Esto puede llevar a la cita de trabajos que ya no son válidos, lo que afecta la calidad de la investigación.
  • En segundo lugar, hay un impacto en la calidad científica. Las citas erróneas de publicaciones retractadas pueden disminuir la precisión de nuevos estudios. Si otros investigadores basan su trabajo en artículos retractados, esto puede afectar la fiabilidad de sus propios resultados, lo que reduce la confianza en la ciencia.

El estudio también presenta varias recomendaciones para mejorar la situación. Una de las principales sugerencias es crear directrices claras sobre cómo las bases de datos deben manejar las publicaciones retractadas. Además, se debe mejorar la coordinación entre las plataformas para asegurarse de que todas las bases de datos identifiquen correctamente los trabajos retractados. Finalmente, se recomienda implementar mejores sistemas de notificación para alertar a los investigadores cuando un artículo haya sido retractado, asegurando que todos estén informados y puedan evitar usar referencias incorrectas.

El análisis pone de manifiesto un desafío crítico en el sistema académico global: la inconsistencia en el manejo de las retractaciones. Resolver este problema es fundamental para mejorar la transparencia y la confiabilidad de la investigación científica

Enfoque innovador para evaluar la calidad de las revistas académicas utilizando inteligencia artificial

Thelwall, Mike, y Kayvan Kousha. 2024. «Journal Quality Factors from ChatGPT: More meaningful than Impact Factors?» arXiv. https://doi.org/10.48550/arXiv.2411.09984.

Este estudio representa el primer intento de utilizar un modelo de lenguaje avanzado como ChatGPT para evaluar la calidad de las revistas académicas. Aunque no busca reemplazar las métricas tradicionales, aporta una dimensión adicional que podría transformar la manera en que se mide la calidad en el ámbito académico, destacando el potencial de la inteligencia artificial en la investigación.

Un reciente artículo publicado en arXiv propone un enfoque innovador para evaluar la calidad de las revistas académicas utilizando inteligencia artificial, específicamente a través de ChatGPT. El estudio, titulado «Journal Quality Factors From ChatGPT: More Meaningful Than Impact Factors?», fue realizado por Mike Thelwall (Universidad de Sheffield) y Kayvan Kousha (Universidad de Wolverhampton). Este trabajo plantea una alternativa a las métricas tradicionales como el Journal Impact Factor (JIF), centrándose en aspectos más amplios de la calidad académica.

Journal Impact Factor, ampliamente utilizado para medir el impacto académico, se basa principalmente en la cantidad de citas recibidas. Sin embargo, esta métrica no evalúa otros aspectos clave, como el impacto social, la originalidad de los artículos o el rigor metodológico. Para abordar esta limitación, los investigadores definieron el Journal Quality Factors (JQFs), como puntuaciones promedio asignadas por ChatGPT para valorar los artículos de una revista considerando una perspectiva más holística.

El análisis incluyó 1.300 revistas que publicaron 130.000 artículos en 2021, cubriendo 25 de los 27 campos principales de investigación definidos por Scopus. El JQF fue comparados con clasificaciones nacionales de revistas de Polonia, Noruega y Finlandia, así como con las tasas de citación de las publicaciones. Además, se examinaron casos atípicos en los que Factor de Impacto no coincidían con las clasificaciones tradicionales, para explorar posibles sesgos o influencias externas.

Principales hallazgos

Correlación con clasificaciones existentes: El JQFs mostraron una correlación positiva y sólida (mediana de 0.641) con los rankings nacionales de revistas en 24 de los 25 campos analizados. Esto sugiere que ChatGPT puede estimar la calidad de las revistas de manera consistente en la mayoría de las disciplinas.

Comparación con las tasas de citación: Las tasas de citación también mostraron correlaciones altas con los rankings nacionales, lo que indica que los JQFs no son necesariamente superiores, pero ofrecen una alternativa igualmente válida.

Influencia del estilo de los resúmenes: Los investigadores encontraron que ciertos estilos de redacción, como la mención de contextos sociales en los resúmenes, pueden influir en las puntuaciones del JQF, destacando la sensibilidad del modelo a los matices de presentación.

El artículo reconoce que los resultados podrían variar si se usaran diferentes sistemas de clasificación, ya que no existe un consenso universal sobre qué define la calidad de una revista. Además, los JQFs, aunque prometedores, no deben reemplazar a las métricas tradicionales en todos los contextos, ya que su utilidad depende del propósito específico de la evaluación.

Con Talpa ya puedes buscar un libro por el color de la portada en su búsqueda impulsada por Inteligencia Artificial

Talpa Search

Talpa es un sistema de búsqueda diseñado para mejorar la experiencia de encontrar libros y materiales en bibliotecas. Utiliza inteligencia artificial combinada con datos confiables sobre libros para ofrecer resultados precisos y útiles, adaptados a las necesidades de cada usuario.

Talpa se creó para integrarse con los catálogos de bibliotecas, mejorando su capacidad de búsqueda. La versión para bibliotecas, disponible por suscripción, no tiene límites de uso y está vinculada directamente con los fondos y el catálogo de cada institución. También existe una versión abierta para usuarios individuales, que requiere iniciar sesión con una cuenta de Google y permite hasta 50 búsquedas diarias.

Esta herramienta destaca por su capacidad para responder a búsquedas complejas. No solo funciona con palabras clave tradicionales, sino que también permite identificar libros a partir de descripciones más detalladas o específicas. Por ejemplo, es capaz de encontrar un libro de ficción «sobre zombis inspirado en un clásico literario» o identificar títulos basándose en características visuales como el color de la portada o elementos gráficos.

Entre los ejemplos de búsqueda que Talpa facilita se incluyen:

  • «Un libro sobre el poder con una portada roja.»
  • «El diario de Ana Frank con una ilustración en la portada.»
  • «Una historia relacionada con una librería japonesa.»

El sistema combina modelos de lenguaje avanzado (LLMs) con una base de datos de más de 30 millones de títulos y 100 millones de ediciones. Esto permite interpretar búsquedas en lenguaje natural, como «ficción sobre Francia durante la Segunda Guerra Mundial», desglosándolas en criterios específicos que cruzan datos de bibliotecas y la industria editorial. El sistema obtiene su información de diversas fuentes confiables: de las bibliotecas, aprovecha registros de más de 70 millones de libros a nivel mundial; de las editoriales, utiliza datos detallados proporcionados por Bowker Book Data y Syndetics Unbound; y de LibraryThing, extrae información sobre series, premios y recomendaciones, basada en las contribuciones de su comunidad de tres millones de usuarios.

Estas funcionalidades permiten a los usuarios explorar las colecciones desde enfoques diferentes, ya sea recordando un detalle específico o buscando algo nuevo por curiosidad.

LA herramienta organiza los resultados priorizando los materiales disponibles en la colección de la biblioteca. Sin embargo, si el recurso no está en la biblioteca, también puede mostrar opciones externas, aunque estas aparecen en posiciones más bajas. De esta manera, combina el acceso a los fondos locales con la posibilidad de ampliar la búsqueda a otros recursos.

Esta herramienta supone un avance significativo en la manera de acceder a la información, haciéndola más accesible y adaptada a diferentes formas de búsqueda. El sistema busca facilitar el acceso al conocimiento y la cultura, adaptándose tanto a quienes tienen una idea clara de lo que buscan como a quienes exploran con detalles más abstractos.