La IA generativa frente a la publicación académica

«Hanging in the balance: Generative AI versus scholarly publishing». Accedido 24 de abril de 2024. https://spie.org/news/photonics-focus/janfeb-2024/hanging-in-the-balance#_=

Desde la invención de la imprenta por Gutenberg en 1454, el sector editorial ha enfrentado desafíos relacionados con la alfabetización, el plagio, la censura de la información y el acceso a la misma. El lanzamiento de ChatGPT-3 en noviembre de 2022 marcó un hito, ya que este modelo de lenguaje generativo ha revolucionado la capacidad de generación de ideas, lo que ha generado tanto entusiasmo como preocupación en la comunidad académica.

Uno de los aspectos más destacados del debate es la creatividad de los modelos de lenguaje generativo, que pueden generar textos e imágenes. Aunque su capacidad para inventar referencias puede ser un problema, estos modelos son útiles para la generación de nuevas ideas y para identificar lagunas en la investigación existente. Sin embargo, surge la pregunta sobre la atribución de autoría, ya que los modelos generativos no pueden ser considerados como autores de estudios científicos, según el Consejo de Ética en Publicación (COPE).

En cuanto a la revisión por pares, la falta de revisores cualificados y la sobrecarga de trabajo en los editores han llevado a considerar el uso de AI para agilizar el proceso. Aunque existen preocupaciones sobre la confidencialidad y el sesgo en los resultados generados por los modelos de lenguaje generativo, estos también pueden ser herramientas útiles para la revisión de literatura y la identificación de trabajos relevantes en un área de investigación.

Otro aspecto a considerar es el fraude en la publicación académica, que ha aumentado con la capacidad de los modelos de lenguaje generativo para producir textos con una calidad gramatical aparentemente perfecta. Sin embargo, la responsabilidad sigue recayendo en los autores humanos, quienes deben garantizar la integridad ética de sus investigaciones.

A pesar de estos desafíos, los modelos de lenguaje generativo también ofrecen oportunidades para hacer que la publicación académica sea más accesible para personas cuyo idioma nativo no es el inglés. Estas herramientas pueden ayudar a superar barreras lingüísticas y permitir que los investigadores se centren en la ciencia en lugar de en la perfección gramatical en sus manuscritos.

En última instancia, el debate sobre el papel de la AI generativa en la publicación académica aún está en curso. A medida que la tecnología avanza, es crucial abordar sus desafíos éticos y técnicos para garantizar que beneficie a la comunidad académica en su conjunto.

Monitoreo de casos de reutilización de datos abiertos para comprender el impacto económico, gubernamental, social y ambiental de los datos abiertos.

The use case observatory – A 3-year monitoring of open data reuse cases to understand the economic, governmental, social and environmental impact of open data. Volume II, Publications Office of the European Union, 2024, https://data.europa.eu/doi/10.2830/073480

Vol 1


El observatorio de casos de uso: Un monitoreo de 3 años de casos de reutilización de datos abiertos para comprender el impacto económico, gubernamental, social y ambiental de los datos abiertos. Volumen II. Metadatos de publicación.

El Observatorio de Casos de Uso, iniciado y llevado a cabo por data.europa.eu, el portal oficial para datos europeos gestionado por la Oficina de Publicaciones de la Unión Europea, sirve como un proyecto de investigación integral para evaluar el impacto económico, gubernamental, social y ambiental de los datos abiertos en toda Europa desde 2022 hasta 2025. El Observatorio de Casos de Uso se centra en monitorear y analizar casos de reutilización, con el objetivo de contribuir con ideas valiosas a los objetivos más amplios de data.europa.eu.

Inteligencia Artificial Generativa y Publicación Académica

Ahari, Juni. «Generative AI and Scholarly Publishing». Ithaka S+R (blog), 23 de abril de 2024. https://sr.ithaka.org/blog/generative-ai-and-scholarly-publishing/.

Durante los últimos años, Ithaka S+R ha llevado a cabo varios estudios importantes sobre el panorama de la publicación académica durante un período de cambio tecnológico rápido. No hay mejor ejemplo de lo rápido y radical que es este ritmo que las herramientas de inteligencia artificial generativa, que han pasado de los márgenes a un punto focal de la publicación académica en poco más de un año.

La primavera pasada, se llevaron a canbo entrevistas con editores, bibliotecarios, defensores, analistas, financiadores y responsables políticos a medida que los horizontes de posibilidad y riesgo planteados por la inteligencia artificial generativa se hacían evidentes. Se publicó, » The Second Digital Transformation of Scholarly Publishing«, a principios de este año.

En los meses intermedios, el alcance de la inteligencia artificial generativa en el ciclo de vida de la publicación académica ha crecido dramáticamente. Las herramientas de descubrimiento mejoradas están proporcionando formas más eficientes de adaptar la búsqueda y sintetizar cuerpos enteros de literatura para investigadores y lectores. Mientras tanto, las herramientas en el detección para automatizar aspectos de la revisión por pares, facilitar la presentación de artículos e identificar el fraude en la investigación ya están en uso o en la cima de los pipelines de desarrollo de productos. A medida que el panorama de productos comienza a madurar, y a medida que los casos de uso de los investigadores se vuelven más discernibles, se disponen de datos para respaldar una reflexión más profunda sobre cómo la inteligencia artificial generativa afectará a la comunicación y prácticas de publicación académica que no existían en este momento el año pasado.

Las cambiantes y rápidas necesidades y expectativas de los usuarios, el potencial de la inteligencia artificial generativa para mitigar desafíos sistémicos obstinados en la industria de la publicación académica, y la conciencia de los riesgos que plantea la inteligencia artificial generativa para el conocimiento experto demandan que encontremos tiempo para una reflexión profunda sobre lo que significa la inteligencia artificial generativa para la publicación académica como sector y su valor como componente de la infraestructura compartida que apoya la investigación científica y académica y las comunicaciones.

Para ayudar, Ithaka S+R está lanzando un nuevo estudio sobre las implicaciones estratégicas de la inteligencia artificial generativa para la publicación académica, con el apoyo de STM Solutions y un grupo de sus miembros. Las siguientes preguntas clave guiarán nuestra investigación:

¿La inteligencia artificial generativa se integrará en los objetivos, procesos e infraestructuras existentes para la publicación académica? ¿O representa esta una tecnología transformadora que requerirá una reestructuración fundamental de esos objetivos, procesos e infraestructuras? ¿Podría la inteligencia artificial generativa interpretar efectivamente nuestras suposiciones actuales sobre el papel y propósito de los editores obsoletas? ¿Qué nuevos roles podrían desempeñar los editores en un entorno de información radicalmente transformado? ¿Qué transformaciones potenciales deberían alentar los editores y qué riesgos requieren respuestas coordinadas inmediatas mientras la tecnología aún está echando raíces en el sector? ¿Qué tipos nuevos de infraestructura técnica y/o social compartida son necesarios para apoyar la adopción ética de la inteligencia artificial generativa en apoyo de los objetivos de la investigación y la publicación académica? ¿Qué sistemas y estructuras serán necesarios para equilibrar las necesidades de autores, lectores, titulares de derechos, editores y agregadores? ¿Qué sigue?

Ithaka S+R llevará a cabo entrevistas con tomadores de decisiones del sector editorial y otros con experiencia en el tema de la inteligencia artificial generativa, sobre las oportunidades y riesgos. Los hallazgos de nuestra investigación se compartirán a través de un informe temático y un seminario web público este verano. Este proyecto es parte de un conjunto de investigaciones que estamos llevando a cabo para explorar los impactos de la inteligencia artificial generativa en las prácticas de investigación y comunicación académica.

Kit de herramientas para bibliotecas preparadas para el autismo

«Toolkit – Neurodiversity Research». Accedido 24 de abril de 2024. https://sites.uw.edu/neurodiversity/research-projects/autism-ready-libraries/toolkit/.

El Kit de herramientas para bibliotecas preparadas para el autismo», busca «empoderar a los bibliotecarios y al personal de bibliotecas que sirven a la juventud con la capacitación en alfabetización temprana y los materiales de programación que necesitan para proporcionar servicios de alfabetización temprana inclusivos para el autismo

Cinco principios clave guían el contenido de la capacitación para ayudar al personal de la biblioteca a reimaginar las horas del cuento como entornos de aprendizaje ricos en autismo, inclusivos y listos para el aprendizaje:

  1. Fomentar una comunidad de inclusión
  2. Proporcionar un entorno accesible
  3. Ofrecer múltiples métodos de representación, participación y expresión
  4. Encontrar a las familias donde están
  5. Reconocer los intereses, fortalezas y necesidades individuales y diversas de cada niño.

Basándose en la investigación interdisciplinaria, el Kit de herramientas proporciona módulos de capacitación, listas de verificación de auditoría sensorial y planes de lecciones para las horas del cuento diseñados para capacitar y preparar al personal de la biblioteca para ofrecer programas ricos en aprendizaje para niños autistas y sus familias en un espacio informado, intencional y acogedor.

La capacitación y los recursos del Kit de herramientas para el autismo se aplican tanto a la programación dentro como fuera de la biblioteca, incluyen recursos de defensa paso a paso, y también son ampliamente relevantes para cualquier persona que busque comprender y servir mejor a niños autistas y sus familias. El personal de la biblioteca ya está comenzando a utilizar algunas de estas estrategias y recomendaciones en su programación, como tranquilizar a los padres de que está bien que los niños se muevan y se muevan durante las horas del cuento, y usar un horario visual.

Hoja de trucos para dominar ChatGPT

«The Ultimate ChatGPT Cheat Sheet» 100+ Prompts to Unlock The Power of ChatGPT,  Account Media, 2024

Texto completo

LIBRO

Desbloqueando el Poder de ChatGPT con más de 100 Indicaciones. Ya sea que estés buscando mejorar tus habilidades de escritura, optimizar tu productividad o adentrarte en el mundo de la programación y la ciencia de datos, esta guía completa te tiene cubierto. Desde la creación de contenido atractivo en redes sociales hasta dominar fórmulas avanzadas de Excel, esta hoja de trucos ofrece una amplia gama de indicaciones para ayudarte a aprovechar al máximo tus interacciones con ChatGPT.

Contenidos:

Writing Assistant:

  • ¿Puedes hacer mi párrafo menos formal?
  • ¿Puedes hacer mi oración más fácil de leer?
  • ¿Puedes completar mi oración? [inserta oración]
  • ¿Puedes continuar mi párrafo? [inserta párrafo]
  • ¿Puedes [acción] mi texto [adjetivo]?

Copy Writing:

  • Escribe un anuncio en redes sociales para una herramienta de productividad destacando su simplicidad y diseño.
  • Crea un texto de ventas para una agencia de viajes destacando el precio, destinos y compromiso.
  • Escribe un [tipo de contenido] para [sujeto] destacando los [beneficio1, beneficio2, …].

Email:

  • Responde a este correo electrónico.
  • Sé educado y di que acepto la oferta si…
  • Responde a este correo electrónico.
  • Sé amigable y di que no tengo tiempo para la reunión.
  • Responde a este correo electrónico: [inserta correo electrónico].
  • Sé [comportamiento] y di [ideas].

Social Media:

  • Crea 5 hashtags y un pie de foto para una imagen en Instagram de un lindo gato.
  • Crea 2 biografías para LinkedIn resaltando mis logros laborales.
  • Crea X [tipo de contenido] para [plataforma] [detalles].

Entertainment:

  • Crea 5 chistes considerando palabras como conocimiento y dinero.
  • Crea 5 frases de ligoteo considerando que eres médico.
  • Crea X [elemento] considerando [detalle].

Planning:

  • Crea un viaje de 7 días para nuestro aniversario en septiembre.
  • Crea un plan de ejercicios de 30 días para mis brazos y abdomen sin equipo de gimnasio.
  • Crea un plan de alimentación de 5 días para un niño intolerante a la lactosa.
  • Crea un plan de X días [tipo de plan] para [detalle].

Gift Ideas:

  • Ofrece 3 ideas de regalos para clientes de una agencia de viajes.
  • Ofrece 4 ideas de regalos para socios comerciales en una empresa de atención médica.
  • Ofrece 5 ideas de regalos por menos de $100 para un adolescente que ama el fútbol.
  • Ofrece X ideas de regalos para [tipo de personas].

Act as:

  • Actúa como un asistente de soporte al cliente que es empático y educado.
  • Ahora responde a este correo electrónico.
  • Actúa como un vendedor muy persistente. Imagina que estamos en una llamada telefónica y trata de venderme un bolígrafo.
  • Actúa como mi chef personal.
  • Te contaré mis preferencias dietéticas y alergias, y sugerirás recetas para que las pruebe. Actúa como un crítico de cine.
  • Revisarás una película y proporcionarás tanto comentarios positivos como negativos sobre la trama, dirección y música.
  • Actúa como [tipo de persona] que es [comportamiento]. [Acción]

Academic Life

Mejora tu trabajo:

  • Ofrece 3 formas de mejorar el resumen de mi currículum: [inserta texto]
  • Ofrece 2 formas de mejorar mi ensayo: [inserta ensayo]
  • Ofrece 5 formas de mejorar el título de mi artículo: [inserta título]
  • Ofrece X formas de mejorar [tema]

Guía paso a paso:

  • Proporciona instrucciones paso a paso sobre cómo aumentar mi vocabulario.
  • Proporciona instrucciones paso a paso sobre cómo prepararse para una entrevista de trabajo.
  • Proporciona instrucciones paso a paso sobre cómo convertirse en ingeniero de software.
  • Proporciona instrucciones paso a paso sobre cómo [tema].
  • ¿Puedes resumir [título]? ¿Puedes resumir el libro El Principito?
  • ¿Puedes resumir la Segunda Guerra Mundial en 400 palabras?
  • ¿Puedes resumir este artículo? [inserta texto]

Generación de nombres:

  • Sugiere nombres divertidos para mi equipo universitario usando las palabras impecable y cerebro.
  • Sugiere un nombre llamativo para mi sitio web usando las palabras artificial y edad.
  • Sugiere un nombre sencillo para mi startup usando la palabra nube.
  • Sugiere un nombre [adjetivo] para mi [tipo] usando las palabras [palabra1, palabra2, …]

Creación de contenido en idioma extranjero en hojas de cálculo

Generación de fórmulas en Excel:

  • Crea una fórmula para calcular la suma en las celdas A1 a A10.
  • Crea una fórmula para calcular el promedio en las celdas H10 a H20.
  • Crea una fórmula que sume solo los gastos que tengan el estado «No» en la columna C.
  • Crea una fórmula para [objetivo] en la celda [rango de celdas]

Explica la fórmula:

  • Explica el significado de la fórmula =SUMA(A1:A10).
  • Explica el significado de la fórmula =PROMEDIO(H10:H20).
  • Explica el significado de la fórmula =SUMAR.SI(C1:C13,»No», B1:B13).
  • Explica el significado de la fórmula [fórmula].

Fórmulas avanzadas, macros y VBA:

  • Tengo una tabla con números de teléfono en la columna A que tienen el formato: (xxx) xxx-xxxx.
  • Extrae los números dentro de paréntesis usando Excel.
  • Crea una macro que calcule el promedio de las celdas B1 a B10 e inserte el resultado en la celda C1.
  • Crea una macro que ordene las hojas por nombre de pestaña usando VBA.

Google Sheets:

  • Crea una fórmula en Google Sheets para calcular la suma en las celdas A1 a A10.
  • Crea una fórmula en Google Sheets que ponga datos de una hoja en la hoja actual.
  • Explica este comando de Google Sheets: [inserta comando]
  • Crea una fórmula para [objetivo] en la celda [rango de celdas]

Para preguntas:

  • Explora la diferencia entre «por» y «para» en español. Proporciona dos ejemplos.
  • En portugués, compara «tu» y «você». Da cuatro ejemplos.

Para la conversación:

  • Actúa como mi compañero de idiomas.
  • Inicia una conversación sobre [tema] en [idioma]. Después de dar tu opinión, hazme una pregunta para continuar.

En cuanto a los ensayos:

  • Escribe un informe B1 en inglés sobre la contaminación. Extiéndelo a 500 palabras.
  • También, redacta una carta A2 en español sobre tu situación financiera. No debe superar las 300 palabras.
  • Además, elabora una reseña C1 en portugués sobre un producto tecnológico. Asegúrate de que tenga 500 palabras.

Para el vocabulario:

  • Crea una tabla con las palabras difíciles del ensayo anterior y tradúcelas al [idioma].

Generación de ideas:

  • Ofrece ideas para una publicación de blog sobre escritura.
  • Cubre temas como herramientas de escritura y bloqueo del escritor.
  • Sugiere temas para un podcast sobre tecnología, incluyendo inteligencia artificial y aprendizaje automático.
  • Además, propón ideas para un video de YouTube sobre los mejores libros de autoayuda. Para finalizar, sugiere contenido sobre [tema], abarcando temas como [tema1, tema2, …].

Para los esquemas:

  • Crea un esquema para una publicación de blog sobre productividad.
  • Haz lo mismo para el libro «Cómo aprender un idioma extranjero en 3 meses».
  • Asimismo, diseña un esquema para el curso «Cómo aprender Python para Ciencia de Datos». Finalmente, prepara un esquema para [tipo de contenido].


Para preguntas de programación y ciencia de datos:

  • Fusiona diccionarios en Python.
  • Une dos conjuntos de datos en Python.
  • Compara listas y diccionarios en Python.
  • Distingue entre programación orientada a objetos y programación funcional.
  • Explica el bucle «while» en Python.
  • Describe el manejo de errores «try/except» en Python a un niño.
  • Realiza una acción en un lenguaje de programación específico.
  • Analiza las diferencias entre dos conceptos en un lenguaje de programación.
  • Explica un concepto específico en un lenguaje de programación.

Para preguntas de ciencia de datos:

  • Encuentra datos para tu proyecto de detección de fraude en tarjetas de crédito.
  • Encuentra datos para tu proyecto de predicción de abandono de clientes.
  • Aprende a aplicar técnicas de sobremuestreo y submuestreo a tu conjunto de datos.
  • Divide tu conjunto de datos en conjuntos de entrenamiento y prueba con Python.
  • Encuentra datos para tu proyecto específico.
  • Realiza una acción en tu conjunto de datos.

Para mejores prácticas:

  • Optimiza un código de Python dado.
  • Simplifica un código en R.
  • Documenta un código.
  • Verifica la legibilidad de un código.
  • Aplica las mejores prácticas a un código.

Para el flujo de trabajo de ciencia de datos:

  • Realiza web scraping en un sitio web utilizando un lenguaje de programación y una biblioteca específicos.
  • Actúa como un generador de datos falsos. Crea un conjunto de datos con X filas y Y columnas.
  • Construye un modelo de aprendizaje automático que prediga una variable objetivo, dados los datos.
  • Escribe código para ajustar los hiperparámetros de un modelo entrenado.
  • Escribe código para identificar las características más importantes en el modelo entrenado.

Confiabilidad de la información en un mundo impulsado por la Inteligencia Artificial

Confiabilidad de la información en un mundo de IA.

por Julio Alonso Arévalo. I Seminario Internacional de Bibliotecas en Ciencias de la Salud 2024- AMBAC. México 23 de abril de 2024

VER VIDEO

La IA está transformando la forma en que accedemos, procesamos y compartimos información, lo que plantea desafíos y oportunidades en términos de confiabilidad. Uno de los principales desafíos es la propagación de la desinformación y las noticias falsas. Con el avance de la IA, es posible generar contenido falso de manera cada vez más sofisticada, lo que dificulta discernir entre lo verdadero y lo falso. Esto puede tener consecuencias graves, desde influir en procesos electorales hasta propagar teorías de conspiración perjudiciales.

En última instancia, la confiabilidad de la información en un mundo impulsado por la IA depende de la capacidad de la sociedad para adaptarse a estos avances tecnológicos y mitigar los riesgos asociados, al tiempo que se aprovechan los beneficios que la IA puede ofrecer en términos de acceso a la información y su veracidad.

Los bibliotecarios de San Francisco se manifiestan para exigir más guardias de seguridad

Altenberg, N. (2024, April 9). ‘Not What I Signed Up For’: SF Librarians Demand More Security Guards. KQED, 9 abril 2024

Ver noticia

Unos 100 bibliotecarios y sus seguidores se manifestaron frente a la Biblioteca Principal de San Francisco el martes para exigir a la ciudad que contrate guardias de seguridad para cada sucursal. Los trabajadores denunciaron la falta de seguridad en la mayoría de las sucursales de la ciudad y dijeron que a menudo se ven obligados a calmar situaciones volátiles y asumir el papel de proveer seguridad ellos mismos.

Como espacios públicos, las bibliotecas —y las personas que trabajan en ellas— a menudo enfrentan directamente los desafíos sociales más difíciles de la ciudad, como la falta de vivienda y los trastornos por consumo de sustancias.

“Soy bibliotecaria, soy gerente de sucursal; no soy policía, no soy guardia de seguridad”, dijo Nicole Germain, gerente de la Biblioteca de la Sucursal Portola y presidenta del Sindicato de Bibliotecas de SEIU 1021, el sindicato que representa a los trabajadores de bibliotecas de San Francisco.

Actualmente, ocho de las 28 bibliotecas públicas de la ciudad tienen al menos un guardia de seguridad.

Germain dijo que en una ocasión tuvo que intervenir cuando un hombre medio desnudo y “mentalmente inestable” comenzó a empuñar un objeto de metal afilado y a gritarle a la gente. Ella optó por colocarse físicamente entre el hombre y un grupo de niños en edad preescolar.

“Esto no es para lo que me inscribí cuando me convertí en bibliotecaria”, dijo Germain. “Sin embargo, como gerente de sucursal y bibliotecaria infantil, esa es la posición en la que me encuentro”.

Los negociadores sindicales han pedido más seguridad para las bibliotecas de la ciudad durante años. En 2019, la ciudad acordó contratar a tres guardias de seguridad más, incluida la sucursal Portola.

Germain dijo que hace la diferencia y funciona como medida preventiva. “La gente está más inclinada a comportarse”, dijo.

La supervisora de San Francisco, Connie Chan, se unió a la manifestación del martes para apoyar las demandas de los trabajadores de bibliotecas.

“Si San Francisco puede abogar por que nuestras corporaciones, farmacias y tiendas del centro estén cubiertas con guardias y policías, ¿por qué no podemos proteger nuestras bibliotecas?” Chan dijo.

Chan también es presidenta del Comité de Presupuesto y Finanzas de la ciudad. Dijo que los comisionados juveniles de San Francisco recientemente asistieron a una reunión del comité para hablar sobre sus prioridades para la ciudad.

“Hablan sobre lo que quieren ver en el presupuesto, ya que son nuestro futuro, y dónde quieren que la ciudad invierta nuestro dinero”, dijo Chan. “Y el único lugar que mencionaron es la biblioteca”.

Jessica Choy, que trabaja a tiempo parcial en la Biblioteca de la Sucursal Park en el barrio Haight-Ashbury de la ciudad, dijo que también está luchando por el empleo a tiempo completo.

“Nuestras bibliotecas públicas dependen de un gran número de trabajadores a tiempo parcial como yo. Incluso cuando recibimos aumentos, no es suficiente para sobrevivir en una de las ciudades más caras del mundo”, dijo Choy. “Solo tenemos garantizadas 20 horas a la semana. Así que estamos luchando por conseguir horas adicionales todos los días, algunos de nosotros despertándonos a medianoche para revisar nuestras aplicaciones, tratando de recoger un turno”.

La manifestación se produce cuando los contratos de San Francisco en 10 sindicatos, que representan a más de 25,000 trabajadores de la ciudad, están programados para expirar el 30 de junio. Y por primera vez en décadas, las negociaciones sobre esos contratos se están llevando a cabo en medio de la posibilidad de huelgas. En julio, la Junta de Relaciones Laborales de Empleados Públicos de California anuló una regla de 50 años de la ciudad que prohibía a los trabajadores de la ciudad hacer huelgas.

La manifestación del martes es la última de una serie de acciones sindicales, con trabajadores de diversos departamentos de la ciudad buscando llamar la atención sobre lo que dicen es una crisis generalizada de falta de personal. En estas acciones, los sindicatos también han estado recolectando firmas de empleados de la ciudad comprometiéndose a unirse a una huelga si se convoca una.

GPT Builder permite construir un ChatGPT de Inteligencia Artificial personalizado

GPT Builder

Tutorial: How to Build a Custom GPT with OpenAI’s GPT Builder
https://nesslabs.com/custom-gpt-chatgpt


GPT Builder es una herramienta que facilita la creación de GPTs personalizados en ChatGPT. Permite a los usuarios construir sus propios modelos GPT sin tener que completar manualmente todos los campos requeridos. La interfaz conversacional del GPT Builder simplifica el proceso de creación, lo que lo convierte en un punto de inicio fácil para quienes desean personalizar su propia versión de ChatGPT.

Funciona permitiendo a los usuarios definir y entrenar un modelo GPT específico para sus necesidades utilizando una interfaz conversacional intuitiva en línea. Aquí te explico cómo funciona:

  1. Interfaz de Usuario Intuitiva: El GPT Builder ofrece una interfaz de usuario amigable que permite a los usuarios interactuar con la herramienta de manera conversacional, sin necesidad de conocimientos técnicos profundos.
  2. Definición de Parámetros: Los usuarios pueden especificar diferentes parámetros para su modelo GPT personalizado, como el nombre del modelo, la descripción, las instrucciones de entrenamiento y otros detalles específicos según sus necesidades y casos de uso.
  3. Entrenamiento del Modelo: Una vez que se definen los parámetros, el GPT Builder inicia el proceso de entrenamiento del modelo GPT utilizando los datos proporcionados por el usuario. Estos datos pueden incluir preguntas, respuestas, ejemplos de conversaciones y cualquier otra información relevante para el contexto en el que se utilizará el modelo.
  4. Prueba y Evaluación: Después de completar el entrenamiento, los usuarios pueden probar el modelo GPT personalizado utilizando la misma interfaz conversacional. Esto les permite evaluar cómo responde el modelo a diferentes consultas y ajustar su comportamiento según sea necesario.
  5. Despliegue y Uso: Una vez que el modelo GPT personalizado está entrenado y probado satisfactoriamente, los usuarios pueden implementarlo en sus aplicaciones, sitios web o plataformas de chat para interactuar con los usuarios finales.

CANGURU: directrices éticas y de divulgación para el uso de inteligencia artificial generativa en la investigación académica

Cacciamani, Giovanni, Michael Eppler, Conner Ganjavi, Asli Pekcan, Brett Biedermann, Gary Collins, y Inderbir Gill. «Development of the ChatGPT and generative artificial intelligence natural large language models for accountable reporting and use (cangaru) guidelines», 27 de junio de 2023. https://doi.org/10.17605/OSF.IO/9Y5NW.

Ver guidelines

CANGARU es una iniciativa interdisciplinaria que busca establecer estándares éticos y de divulgación para el uso de inteligencia artificial generativa y modelos de lenguaje natural en la investigación académica. Su objetivo es promover el uso responsable de estas tecnologías mediante la colaboración con instituciones y desarrollar directrices coherentes y universales. Se enfoca en crear criterios para prácticas éticas y transparentes en el ámbito académico.

La iniciativa ChatGPT, Inteligencia Artificial Generativa y Modelos de Lenguaje Natural para el Reporte y Uso Responsable (CANGARU) con el objetivo de establecer un consenso interdisciplinario sobre el uso responsable, divulgación y guía para el reporte del uso de GAI/GPTs/LLM en el ámbito académico. Trabajando colaborativamente con individuos, organizaciones regulatorias académicas y editoriales, se mitigará de manera efectiva la posible confusión o guías conflictivas que podrían surgir cuando varios grupos trabajan independientemente en la misma tarea. A su vez, esto asegurará que cualquier recomendación sea coherente, completa y universalmente aplicable, promoviendo el uso responsable de esta poderosa tecnología.

El objetivo general de las directrices CANGARU es establecer prácticas recomendadas comúnmente compartidas y transdisciplinares para el uso de GAI/GPTs/LLM en el ámbito académico de la siguiente manera:

a. La Lista de Criterios ‘NO HACER’: Será una guía integral que tiene como objetivo asegurar el uso ético y adecuado de GAI/GPTs/LLM en la investigación académica. Cubrirá cada paso del proceso académico, desde (pero no limitado a) la generación de hipótesis de investigación, la conducción del estudio y el análisis de datos (incluida la codificación), la creación de imágenes, la interpretación de hallazgos y la redacción, revisión, refinamiento y edición del manuscrito. Esta lista servirá como un recurso valioso para los investigadores, proporcionando orientación sobre qué evitar a lo largo de las diferentes etapas del proceso de investigación. Al identificar y resaltar posibles obstáculos y preocupaciones éticas, la Lista de Criterios ‘NO HACER’ ayudará a los investigadores a navegar el uso de GAI/GPTs/LLM de manera responsable y con integridad.

b. La Lista de Criterios de Divulgación: Proporcionará orientación para que los investigadores divulguen de manera transparente su uso de GAI/GPTs/LLM en la investigación académica, mejorando la transparencia, la responsabilidad y permitiendo una mejor evaluación de los hallazgos de investigación. Se enfatiza la importancia de qué y cómo divulgar, fomentando la responsabilidad y abordando los posibles riesgos y limitaciones asociados con esta tecnología.

c. La Lista de Criterios de Reporte: Proporcionará una lista de verificación de recomendaciones para garantizar el reporte completo y transparente de GAI/GPTs/LLM cuando se utilicen como intervenciones en estudios científicos. Considerará todos los aspectos importantes que deben reportarse en el manuscrito científico para mejorar la transparencia, mejorar la reproducibilidad, estandarizar las prácticas de reporte, reducir la interpretación errónea, apoyar los procesos de revisión por pares y editoriales, y facilitar la síntesis de investigación y la traducción del conocimiento.