Estadística descriptiva para trabajos de investigación: presentación e interpretación de los resultados

Jorge Sucasaire Pilco, Estadística descriptiva para trabajos de investigación: presentación e interpretación de los resultados (Sucasaire Pilco, Jorge, 2021),

Texto completo

Busca acercar a las personas que se inician en el desarrollo de una investigación a los principales elementos del análisis estadístico descriptivo. Menciona que la estadística es una herramienta indispensable para el análisis de datos de una investigación, por ello, el investigador debe comprender los conceptos estadísticos básicos y seleccionar de manera adecuada aquellos que le servirán para presentar y analizar sus resultados. Asimismo, explica términos estadísticos de forma sencilla complementados con ejemplos básicos, pero importantes para reforzar los conceptos y su aplicación pertinente dentro del tratamiento estadístico de acuerdo con el objetivo de un trabajo de investigación.

Diccionario de metodología de investigación científica

Carlos David Laura Quispe, Diccionario de metodología de investigación científica: aportaciones para la producción de conocimiento científico (Publicia, 2016),

Texto completo

Presenta un desglose de cada etapa de una investigación científica, así como todas las conceptualizaciones y definiciones de cada término utilizado en ella. En su elaboración ha tomado como base: bibliografía clásica, bases de datos, materiales de programas de post grado, entre otros, los que se han complementado con consultas a investigadores.

Aprender a liderar: un análisis de la práctica bibliotecaria mundial

Saleh, Emad Eisa, Hassan A. Alsereihy, Heba Mohammed Ismail, and Rasha Essmat Hassan. Learning to Lead: A Scan of Global Library Field Practice. International Federation of Library Associations and Institutions, January 17, 2025. https://repository.ifla.org/items/497fac92-7b01-42ca-a93f-0f81d0719070.

Texto completo

El liderazgo impacta directamente en la efectividad operativa de las bibliotecas y su capacidad para adaptarse a las necesidades cambiantes de sus comunidades. Esta publicación tiene como objetivo proporcionar una visión general representativa y completa de los programas de liderazgo implementados por asociaciones de bibliotecas, bibliotecas, museos, archivos y organizaciones relacionadas. Además, identifica los objetivos, métodos y datos de impacto de dichos programas, así como sus características clave y elementos comunes. El informe busca apoyar a las asociaciones de bibliotecas y bibliotecas en la toma de decisiones sobre programas de liderazgo y permitir que la IFLA tome decisiones estratégicas sobre futuras iniciativas de liderazgo.

Creación de puestos temporales éticos en los archivos: Buenas prácticas y casos prácticos

Creating Ethical Temporary Positions in Archives: Best Practices and Case Studies , 2024

Texto completo

Es un informe que reflexiona sobre el impacto de las «colecciones ocultas» y la proliferación de puestos temporales financiados por subvenciones en el empleo de archiveros. Los autores analizan cómo y por qué las organizaciones culturales han llegado a depender tanto de estos puestos contingentes para realizar trabajo operativo esencial. Basado en investigaciones, incluyendo una revisión de literatura, resultados de encuestas y estudios de caso, el informe ofrece pautas para diseñar, contratar y administrar de manera ética los puestos temporales en archivos. Este trabajo amplía los esfuerzos previos de los autores para establecer las Mejores Prácticas para los Puestos Temporales en Archivos, publicadas por primera vez en 2022 y ratificadas por la Sociedad de Archiveros Americanos en 2023. Esta publicación forma parte de la serie Pocket Burgundy, que presenta publicaciones concisas sobre temas actuales relevantes para las comunidades de la información y el patrimonio cultural.

La docencia universitaria en tiempos de IA

«La docencia universitaria en tiempos de IA | Editorial Octaedro», accedido 20 de enero de 2025,

Texto completo

¿Está la inteligencia artificial (IA) transformando la enseñanza universitaria? En este volumen, se exploran los desafíos y oportunidades que surgen al integrar la IA en el ámbito educativo superior. El libro reúne investigaciones y experiencias innovadoras, evaluadas mediante un riguroso proceso de revisión por pares, con contribuciones de académicos y expertas/os de diversas universidades.

La obra, compuesta por 8 capítulos, abarca un amplio espectro de temas, incluyendo el uso de sistemas de tutoría inteligente, análisis de datos educativos y herramientas generativas como ChatGPT. Se presentan casos prácticos y reflexiones críticas sobre cómo estas tecnologías están redefiniendo los roles docentes, transformando las dinámicas de aula y modificando el proceso de aprendizaje de las y los estudiantes.

En este monográfico, se destaca la capacidad del profesorado para adaptarse y liderar el cambio, demostrando una vez más su maestría al integrar estas herramientas emergentes en los procesos de enseñanza-aprendizaje. Una lectura indispensable para quienes buscan comprender el impacto de la IA en la educación superior y explorar estrategias pedagógicas que potencien el aprendizaje en la era digital.

Guía de Propiedad Intelectual para proyectos de digitalización de patrimonio bibliográfico

Grupo de Trabajo Estratégico para la Estrategia Nacional de Digitalización Consejo de Cooperación Bibliotecaria, «Guía de Propiedad Intelectual para proyectos de digitalización de patrimonio bibliográfico», 5 de diciembre de 2024, https://hdl.handle.net/10421/9273.

Siendo la legislación sobre propiedad intelectual muy amplia y variada, el presente documento se centra, y deja de lado lo demás, en aquellos aspectos de la propiedad intelectual, entendida en un sentido amplio, que están relacionados con los proyectos de digitalización de materiales bibliográficos como fondos impresos o manuscritos, materiales gráficos o cartográficos, partituras, grabaciones sonoras, vídeos, etc. En definitiva, aquellos materiales que suelen conservarse en las bibliotecas.

Mejorar el descubrimiento del acceso abierto para los usuarios de bibliotecas universitarias

Ixchel M. Faniel, Brittany Brannon, Lesley A. Langa, Brooke Doyle, Titia van der Werf «Improving Open Access Discovery for Academic Library Users» OCLC 2024

Texto completo

El informe «Improving Open Access Discovery for Academic Library Users» de Ixchel M. Faniel y coautores, analiza estrategias para hacer más accesibles las publicaciones académicas de acceso abierto (OA) en las bibliotecas. La investigación, realizada en colaboración con consorcios bibliotecarios holandeses, examina cómo las bibliotecas académicas pueden conectar a los usuarios con contenido OA. El estudio, basado en siete instituciones en los Países Bajos, destaca los esfuerzos del personal bibliotecario para mejorar la accesibilidad de estas publicaciones y explora los comportamientos de los usuarios. Ofrece recomendaciones prácticas para bibliotecas académicas de todo el mundo sobre cómo mejorar la descubierta de contenidos OA adaptándose a contextos locales y necesidades específicas.

10 consejos hacia la accesibilidad

White, Elisabeth B. «10 Tips toward Accessibility: An Overview of Guidelines That Can Optimize Library Instruction.» American Libraries, November 1, 2024. https://americanlibrariesmagazine.org/2024/11/01/10-tips-toward-accessibility/?utm_source=feedly&utm_medium=rss&utm_campaign=10-tips-toward-accessibility.

Los bibliotecarios pueden garantizar que sus materiales de instrucción sean accesibles utilizando las Directrices de Diseño Universal para el Aprendizaje (UDL), un conjunto de mejores prácticas que promueven experiencias educativas inclusivas y equitativas. Estas directrices se basan en tres principios: compromiso (el «por qué» del aprendizaje), representación (el «qué») y acción y expresión (el «cómo»). Además, es esencial considerar los principios de accesibilidad, asegurando que la tecnología utilizada en las sesiones sea accesible para todos, sin necesidad de adaptaciones adicionales.

Modificar los materiales solo después de que un estudiante solicite adaptaciones puede ser problemático, ya que requiere que el estudiante revele su discapacidad. Por lo tanto, es crucial educarse en accesibilidad y usar tanto las pautas de UDL como las Pautas de Accesibilidad del Contenido Web (WCAG), que se dividen en cuatro áreas: perceptible, operable, comprensible y robusto. Estas pautas pueden aplicarse a cualquier material digital, como hojas de trabajo electrónicas o presentaciones, para crear una instrucción inclusiva en las bibliotecas.

El artículo «10 Tips toward Accessibility» de Elisabeth B. White ofrece una visión general de las pautas para optimizar la instrucción en bibliotecas y garantizar que los materiales sean lo más accesibles posible. Se destacan las siguientes recomendaciones:

  1. Disponibilidad de materiales: Proporcionar materiales antes de las clases para ayudar a los estudiantes que necesitan más tiempo para procesar la información.
  2. Formatos de archivo accesibles: Usar formatos compatibles con lectores de pantalla y evitar PDFs.
  3. Facilidad de navegación: Publicar materiales en lugares lógicos y accesibles, utilizando URLs cortas y códigos QR.
  4. Alternativas textuales y subtítulos: Incluir texto alternativo para imágenes y subtítulos para videos, para beneficiar a estudiantes con discapacidades auditivas o visuales.
  5. Uso moderado de animaciones: Limitar el uso de animaciones para evitar distracciones y problemas con lectores de pantalla.
  6. Precaución con los colores: No depender únicamente del color para transmitir información, usando formatos alternativos como negrita o subrayado.
  7. Instrucciones claras: Proporcionar descripciones claras de las actividades y cómo completar las tareas.
  8. Lenguaje sencillo: Escribir en un nivel de lectura medio para facilitar la comprensión.
  9. Investigación y prueba de accesibilidad: Verificar la compatibilidad de las tecnologías con herramientas de asistencia.
  10. Prueba de accesibilidad de materiales propios: Utilizar verificadores de accesibilidad integrados y probar materiales en diferentes dispositivos y con lectores de pantalla.

El impacto ambiental de la IA generativa

MIT News. «Explained: Generative AI’s Environmental Impact.» MIT Computer Science and Artificial Intelligence Laboratory (CSAIL). Última modificación en 2024. https://www.csail.mit.edu/news/explained-generative-ais-environmental-impact.

MIT News examina las implicaciones ambientales y de sostenibilidad de las tecnologías de IA generativa en una serie de dos partes. En este artículo, se analiza por qué esta tecnología consume tantos recursos. La segunda parte abordará las estrategias para reducir la huella de carbono de la IA generativa.

MIT News ha investigado el impacto ambiental de las tecnologías de inteligencia artificial generativa, que incluyen modelos como GPT-4 de OpenAI, destacando que estas tecnologías, a pesar de sus numerosos beneficios, son intensivas en recursos y tienen consecuencias ambientales significativas.

La IA generativa, como GPT-4 de OpenAI, requiere una enorme potencia computacional, demandando grandes cantidades de electricidad y aumentando las emisiones de CO₂. Además, el enfriamiento del hardware consume grandes volúmenes de agua, afectando los ecosistemas locales. La fabricación y transporte del hardware también generan impactos ambientales indirectos.

El entrenamiento de modelos de IA generativa, que a menudo tienen miles de millones de parámetros, requiere una enorme potencia computacional. Esto lleva a un consumo masivo de electricidad, aumentando las emisiones de dióxido de carbono y ejerciendo presión sobre las redes eléctricas.

Los centros de datos, esenciales para entrenar y ejecutar modelos de IA, son grandes consumidores de electricidad. El uso de modelos de IA generativa, como ChatGPT, consume más energía que búsquedas web simples, lo que incrementa aún más la demanda de electricidad y agua para enfriamiento.

El enfriamiento del hardware en los centros de datos, esenciales para la IA generativa, utiliza grandes cantidades de agua, lo que puede tensar los suministros municipales y afectar los ecosistemas locales. Se estima que por cada kilovatio-hora de energía consumida por un centro de datos, se necesitan dos litros de agua para el enfriamiento.

El impacto ambiental no se detiene después del entrenamiento de los modelos. Cada vez que se utiliza un modelo de IA generativa, como al hacer una consulta en ChatGPT, se consume energía. Las consultas a ChatGPT requieren aproximadamente cinco veces más electricidad que una búsqueda web estándar.

La fabricación de hardware especializado, como las GPUs, implica procesos complejos y una considerable huella de carbono. El mercado de GPUs para centros de datos ha crecido rápidamente, lo que apunta a un camino insostenible.

Elsa A. Olivetti, profesora en el Departamento de Ciencia de Materiales e Ingeniería del MIT, y Noman Bashir, investigador postdoctoral, subrayan la necesidad de un enfoque integral para entender y mitigar el impacto ambiental de la IA generativa, promoviendo un desarrollo responsable que considere tanto los costos como los beneficios.

La presión para publicar está contribuyendo a un aumento en la retractación de artículos científicos

Tran, Nham. «The ‘Publish or Perish’ Mentality Is Fuelling Research Paper Retractions – and Undermining Science.» The Conversation, September 24, 2024. https://theconversation.com/the-publish-or-perish-mentality-is-fuelling-research-paper-retractions-and-undermining-science-238983

Los científicos, al realizar descubrimientos importantes, suelen publicar sus hallazgos en revistas científicas para que otros puedan leerlos y beneficiarse de ese conocimiento. Esta difusión de información es fundamental para el progreso de la ciencia, ya que permite que otros investigadores construyan sobre trabajos previos y, potencialmente, realicen nuevos descubrimientos significativos. Sin embargo, los artículos publicados pueden ser retractados si se detectan problemas de precisión o integridad en los datos. En años recientes, el número de retractaciones ha aumentado considerablemente. En 2023, se retractaron más de 10.000 artículos de manera global, estableciendo un nuevo récord.

El aumento en las retractaciones está impulsado por la mentalidad de «publicar o perecer», una situación que ha prevalecido en la academia durante décadas. La publicación de artículos de investigación es un factor clave para el avance en la carrera académica y para la mejora de los rankings universitarios. Las universidades y los institutos de investigación suelen utilizar el número de publicaciones como indicador principal de productividad y reputación. Esto ha llevado a una presión constante sobre los académicos para publicar regularmente, lo que, a su vez, ha contribuido a un aumento en la presentación de datos fraudulentos. Si esta tendencia continúa, el paisaje de la investigación podría cambiar hacia estándares menos rigurosos, dificultando el progreso en áreas críticas como la medicina, la tecnología y la ciencia climática.

Retraction Watch, una de las bases de datos más grandes que monitorea las retractaciones científicas, ha revelado un incremento en la cantidad de artículos retractados. En la última década, se han retractado más de 39.000 publicaciones, y el número anual de retractaciones está creciendo alrededor de un 23% cada año. Aproximadamente la mitad de estas retractaciones se deben a problemas relacionados con la autenticidad de los datos. Un ejemplo es el caso de Richard Eckert, un bioquímico senior de la Universidad de Maryland, Baltimore, quien falsificó datos en 13 artículos publicados. De estos, cuatro han sido corregidos, uno ha sido retractado y los demás están en proceso de acción.

El plagio es la segunda razón más común para la retractación de artículos, representando el 16% de los casos. Otro motivo significativo es el uso de revisiones por pares falsas, un problema que ha aumentado diez veces en la última década. También ha habido un incremento en las publicaciones asociadas con las llamadas «fábricas de artículos» (Paper Mills), que son empresas que producen artículos falsos por una tarifa. En 2022, hasta un 2% de todas las publicaciones provinieron de estas fábricas. Los errores genuinos en el proceso científico solo representan aproximadamente el 6% de todas las retractaciones en la última década.

La presión para publicar ha llevado a un aumento en los errores y las prácticas fraudulentas. Aunque la digitalización ha facilitado la detección de datos sospechosos, también ha intensificado la cultura de «publicar o perecer» en las universidades. La mayoría del personal académico debe cumplir con cuotas específicas de publicaciones para evaluaciones de desempeño, y las instituciones utilizan el rendimiento en publicaciones para mejorar su posición en los rankings globales, lo que atrae a más estudiantes y genera ingresos por enseñanza.

El sistema de recompensas en la academia a menudo prioriza la cantidad sobre la calidad de las publicaciones. Este enfoque puede llevar a los científicos a recortar esquinas, apresurar experimentos o incluso falsificar datos para cumplir con las métricas impuestas. Para abordar este problema, iniciativas como la Declaración de San Francisco sobre la Evaluación de la Investigación están impulsando un cambio hacia la evaluación de la investigación basada en su calidad e impacto social, en lugar de métricas centradas en revistas, como factores de impacto o recuentos de citas.

Cambiar las políticas de las revistas para priorizar el intercambio de todos los datos experimentales podría mejorar la integridad científica, permitiendo a los investigadores replicar experimentos para verificar los resultados de otros. Además, las universidades, los institutos de investigación y las agencias de financiamiento necesitan mejorar su diligencia debida y responsabilizar a aquellos involucrados en malas conductas. Incluir preguntas simples en las solicitudes de subvenciones o promociones académicas, como «¿Alguna vez ha tenido o estado involucrado en un artículo retractado?», podría mejorar la integridad de la investigación al disuadir comportamientos poco éticos. Las respuestas deshonestas podrían ser fácilmente detectadas gracias a la disponibilidad de herramientas en línea y bases de datos como Retraction Watch.