Cómo ChatGPT y la IA generativa podrían fomentar la negación de la ciencia

Gale Sinatra and Barbara K. Hofer, The. «How ChatGPT and Generative AI Could Foster Science Denial». Gizmodo, 11 de junio de 2023. https://gizmodo.com/chatgpt-generative-ai-openai-science-denial-1850516570.

Todos los consumidores de medios de comunicación deben estar más atentos que nunca a la hora de verificar la veracidad científica. He aquí cómo mantenerse alerta en un nuevo panorama informativo.

Hasta hace muy poco, si deseabas obtener más información sobre un tema científico controvertido, como la investigación con células madre, la seguridad de la energía nuclear o el cambio climático, probablemente hacías una búsqueda en Google. Presentado con múltiples fuentes, elegías qué leer, seleccionando los sitios o autoridades en los que confiar.

Ahora tienes otra opción: puedes plantear tu pregunta a ChatGPT u otra plataforma de inteligencia artificial generativa y recibir rápidamente una respuesta concisa en forma de párrafo.

ChatGPT no busca en Internet de la misma manera que lo hace Google. En cambio, genera respuestas a las consultas prediciendo combinaciones de palabras probables a partir de una amalgama masiva de información disponible en línea.

Aunque tiene el potencial de mejorar la productividad, se ha demostrado que la IA generativa tiene algunos fallos importantes. Puede producir información errónea. Puede crear «alucinaciones«, un término benigno para inventar cosas. Y no siempre resuelve con precisión problemas de razonamiento. Por ejemplo, cuando se le preguntó si un automóvil y un tanque pueden pasar por una puerta, no consideró tanto el ancho como la altura. Sin embargo, ya se está utilizando para producir artículos y contenido web que es posible que hayas encontrado, o como una herramienta en el proceso de escritura. Aun así, es poco probable que sepas si lo que estás leyendo fue creado por la IA.

Como autores de «Science Denial: Why It Happens and What to Do About It» (Negación de la Ciencia: Por qué Ocurre y Qué Hacer al Respecto), preocupa cómo la IA generativa podría difuminar los límites entre la verdad y la ficción para aquellos que buscan información científica autoritaria.

Cada consumidor de medios necesita ser más vigilante que nunca al verificar la precisión científica en lo que lee. Así es cómo puedes mantenerte alerta en este nuevo panorama de la información.

Cómo la IA generativa podría fomentar la negación de la ciencia

  1. Erosión de la confianza epistémica: Todos los consumidores de información científica dependen de los juicios de expertos científicos y médicos. La confianza epistémica es el proceso de confiar en el conocimiento que se obtiene de otros. Es fundamental para la comprensión y el uso de información científica. Ya sea que alguien esté buscando información sobre una preocupación de salud o tratando de comprender soluciones para el cambio climático, a menudo tienen un entendimiento científico limitado y poco acceso a evidencia de primera mano. Con un creciente cuerpo de información en línea, las personas deben tomar decisiones frecuentes sobre qué y a quién confiar. Con el aumento del uso de la IA generativa y su potencial de manipulación, creemos que la confianza es probable que se erosioné aún más de lo que ya lo ha hecho.
  2. Desinformación o simplemente incorrecto: Si hay errores o sesgos en los datos con los que se entrenan las plataformas de IA, eso puede reflejarse en los resultados. En nuestras propias búsquedas, cuando le hemos pedido a ChatGPT que regenere múltiples respuestas a la misma pregunta, hemos obtenido respuestas contradictorias. Cuando se le preguntó por qué, respondió: «A veces cometo errores». Quizás el problema más complicado con el contenido generado por IA es saber cuándo está equivocado.
  3. Diseminación deliberada de desinformación: La IA se puede utilizar para generar desinformación convincente en forma de texto, así como imágenes y videos deepfake. Cuando le preguntamos a ChatGPT que «escribiera sobre las vacunas al estilo de desinformación», produjo una cita inexistente con datos falsos. Geoffrey Hinton, exjefe de desarrollo de IA en Google, renunció para poder dar la alarma, diciendo: «Es difícil ver cómo se puede evitar que los actores malintencionados lo utilicen para cosas malas». La capacidad de crear y difundir información deliberadamente incorrecta sobre la ciencia ya existía, pero ahora es peligrosamente fácil.
  4. Fuentes fabricadas: ChatGPT proporciona respuestas sin fuentes en absoluto, o si se le pide que proporcione fuentes, puede presentar fuentes inventadas. Ambos le pedimos a ChatGPT que generara una lista de nuestras propias publicaciones. Cada uno identificó algunas fuentes correctas. Más fueron alucinaciones, pero parecían ser reputables y en su mayoría plausibles, con coautores reales en revistas de sonido similar. Esta inventiva es un gran problema si una lista de publicaciones de un académico transmite autoridad a un lector que no se toma el tiempo para verificarlas.
  5. Conocimiento desactualizado: ChatGPT no sabe lo que ha sucedido en el mundo después de la fecha de corte de su conocimiento. Una consulta sobre el porcentaje de personas en el mundo que han tenido COVID-19 devolvió una respuesta precedida por «según mi fecha de corte de conocimiento de septiembre de 2021». Dado lo rápido que avanza el conocimiento en algunas áreas, esta limitación podría significar que los lectores obtengan información errónea y desactualizada. Si estás buscando investigaciones recientes sobre un problema de salud personal, por ejemplo, ten cuidado.
  6. Avance rápido y falta de transparencia: Los sistemas de IA siguen volviéndose más poderosos y aprenden más rápido, y pueden aprender más desinformación científica en el camino. Google anunció recientemente 25 nuevos usos incrustados de la IA en sus servicios. En este momento, no hay suficientes salvaguardias para garantizar que la IA generativa se convierta con el tiempo en un distribuidor más preciso de información científica.

¿Qué puedes hacer acerca de las alucinaciones de la IA?

Si utilizas ChatGPT u otras plataformas de IA, reconoce que es posible que no sean completamente precisas. La responsabilidad recae en el usuario para discernir la precisión.

Aumenta tu vigilancia. Es posible que pronto estén disponibles aplicaciones de verificación de hechos con IA, pero por ahora, los usuarios deben servir como sus propios verificadores de hechos. Recomendamos algunos pasos. El primero es: sé vigilante. Las personas a menudo comparten información que encuentran en búsquedas en las redes sociales con poco o ningún análisis. Aprende cuándo ser más reflexivo y cuándo vale la pena identificar y evaluar las fuentes de información. Si estás tratando de decidir cómo gestionar una enfermedad grave o entender los mejores pasos para abordar el cambio climático, tómate el tiempo para verificar las fuentes.

Mejora tu verificación de hechos. Un segundo paso es la lectura lateral, un proceso que utilizan los verificadores de hechos profesionales. Abre una nueva ventana y busca información sobre las fuentes, si se proporcionan. ¿La fuente es creíble? ¿El autor tiene experiencia relevante? ¿Cuál es el consenso de los expertos? Si no se proporcionan fuentes o no sabes si son válidas, utiliza un motor de búsqueda tradicional para encontrar y evaluar a expertos en el tema.

Evalúa las pruebas. A continuación, observa las pruebas y su conexión con la afirmación. ¿Hay evidencia de que los alimentos genéticamente modificados son seguros? ¿Hay evidencia de que no lo son? ¿Cuál es el consenso científico? Evaluar las afirmaciones requerirá esfuerzo más allá de una consulta rápida a ChatGPT.

Si comienzas con la IA, no te detengas allí. Ten precaución al usarla como la única autoridad en cualquier tema científico. Puedes consultar lo que ChatGPT tiene que decir sobre organismos genéticamente modificados o la seguridad de las vacunas, pero también realiza una búsqueda más diligente utilizando motores de búsqueda tradicionales antes de sacar conclusiones.

Evalúa la plausibilidad. Juzga si la afirmación es plausible. ¿Es probable que sea cierta? Si la IA hace una declaración poco plausible (y incorrecta), como «1 millón de muertes fueron causadas por las vacunas, no por el COVID-19», considera si tiene sentido. Haz un juicio tentativo y luego mantente abierto a revisar tu pensamiento una vez que hayas verificado la evidencia.

Promueve la alfabetización digital en ti mismo y en otros. Todos necesitan mejorar sus habilidades. Mejora tu propia alfabetización digital y, si eres padre, maestro, mentor o líder comunitario, promueve la alfabetización digital en los demás. La Asociación Estadounidense de Psicología ofrece orientación sobre cómo verificar información en línea y recomienda que los adolescentes sean capacitados en habilidades de redes sociales para minimizar los riesgos para la salud y el bienestar. El Proyecto de Alfabetización en Noticias proporciona herramientas útiles para mejorar y apoyar la alfabetización digital.

Arma-te con las habilidades que necesitas para navegar por el nuevo paisaje de información de la IA. Incluso si no utilizas la IA generativa, es probable que ya hayas leído artículos creados por ella o desarrollados a partir de ella. Puede llevar tiempo y esfuerzo encontrar y evaluar información confiable sobre ciencia en línea, pero vale la pena.

Gale Sinatra, Profesora de Educación y Psicología en la Universidad del Sur de California y Barbara K. Hofer, Profesora Emérita de Psicología en Middlebury.

Uso de datos abiertos para los servicios públicos (informe)

«Using Open Data for Public Services (Report)». Accedido 26 de agosto de 2023.

Texto completo

Este documento explora cómo se puede utilizar los datos abiertos en la prestación de servicios públicos y su potencial para la colaboración, la resolución conjunta de problemas y la innovación abierta. Destaca dónde se han liberado datos abiertos por parte de instituciones del sector público y sus efectos en la entrega de servicios públicos.

La naturaleza del sector público es compleja, al igual que las áreas de política de las que es responsable. Al mismo tiempo, se presentan nuevas posibilidades debido a la cambiante naturaleza de los datos.

Este documento recoge la investigación del ODI sobre diferentes formas de entender los impactos de la liberación de datos abiertos para los servicios públicos, al tiempo que captura la complejidad de la prestación de servicios públicos.

Se ha visualizado los datos abiertos en un ecosistema para identificar oportunidades de datos abiertos en el sector público. Al adoptar este enfoque, desarrollamos tres patrones generales de uso de datos abiertos en los servicios públicos.

Patrones generales de uso de datos abiertos:

  • Patrón 1 utiliza datos abiertos para aumentar el acceso a servicios para ciudadanos u organizaciones.
  • Patrón 2 utiliza datos abiertos para planificar la prestación de servicios públicos y hacer más eficientes las cadenas de prestación de servicios; los beneficiarios directos son los comisionados, gerentes y trabajadores de servicios públicos de primera línea.
  • Patrón 3 utiliza datos abiertos para informar la formulación de políticas; los beneficiarios directos son representantes electos, formuladores de políticas y ciudadanos que desean influir en las políticas.

Hasta el momento, se han desarrollado recomendaciones prácticas para una serie de actores con el fin de apoyar un mayor uso de datos abiertos en la prestación de servicios públicos.

Las recomendaciones prácticas para un mayor uso de datos abiertos en los servicios públicos se centran en:

  • Colaboración organizativa
  • Infraestructura tecnológica, habilidades digitales y alfabetización
  • Infraestructura de datos
  • Normas abiertas para datos
  • Apoyo de nivel superior
  • Redes entre pares
  • Intermediarios
  • Enfoque en problemas

Pensar de forma diferente sobre los sitios web de las bibliotecas: más allá de sus ideas preconcebidas

Laura Solomon “Thinking Differently about Library Websites: Beyond Your Preconceptions,” Library Technology Reports vol. 58, no. 3 (April 2022)

Texto completo

En este número de Library Technology Reports (vol. 58, nº 3), analizaremos las ideas preconcebidas más comunes sobre los sitios web de las bibliotecas y el diseño web, y trabajaremos para comprender qué hace que un sitio web de una biblioteca sea útil, relevante y fácil de usar.

Google presenta E-E-A-T (Experience, Expertise, Authoritativeness, and Trustworthiness) para ayudar valorar la calidad de las páginas

«Actualización más reciente de las directrices de evaluación de la calidad: el E-A-T adquiere una E adicional de Experiencia | Blog del Centro de la Búsqueda de Google». Google for Developers. Accedido 18 de octubre de 2023.

Ver

Google E-E-A-T (Experience, Expertise, Authoritativeness, and Trustworthiness) es un conjunto de criterios utilizados para evaluar los sitios web con el fin de impulsar mejoras en sus algoritmos y garantizar que se muestren contenidos de calidad a los usuarios.

Para mejorar el rendimiento de su sitio web en los resultados de búsqueda, es una buena práctica centrarse en crear contenido de alta calidad que demuestre experiencia, autoridad y confiabilidad en su campo. Construir una sólida reputación en línea y garantizar información precisa y confiable en su sitio web puede tener un impacto indirecto en sus clasificaciones en los motores de búsqueda. Sin embargo, los algoritmos y factores de clasificación exactos utilizados por los motores de búsqueda son propietarios y pueden cambiar con el tiempo. Se utiliza en la evaluación de calidad por los Evaluadores de Calidad de Búsqueda, pero no es un factor directo en el algoritmo de Google. En cambio, es un término utilizado en la comunidad de SEO para describir la calidad de un sitio web.


E-E-A-T significa «Experiencia, Autoridad y Confianza,» y es un concepto introducido por  Google’s Search Quality Rater Guidelines (SQRG) para ayudar a los evaluadores humanos a evaluar la calidad del contenido web. Si bien E-E-A-T no es un factor de clasificación directo utilizado por motores de búsqueda como Google, desempeña un papel importante en la determinación de la calidad y relevancia de las páginas web en los resultados de búsqueda.

Esto es lo que representa cada componente de E-E-A-T :

  • Experiencia (Experience): Google busca sitios web que ofrezcan una experiencia positiva a los usuarios. Esto implica una navegación fácil y amigable, una buena estructura de la página y un diseño que mejore la experiencia del visitante.
  • Experto (Expertise): Google valora la experiencia y conocimientos demostrados en un campo o temática específica. Se espera que el contenido esté respaldado por expertos o autoridades en la materia para garantizar su precisión y calidad.
  • Autoridad (Authoritativeness): La autoridad se refiere a la credibilidad y reputación del sitio web y sus creadores. Google evalúa la confianza que los usuarios pueden tener en la información proporcionada.
  • Confianza (Trustworthiness): La confianza se relaciona con la fiabilidad y veracidad de la información presentada en el sitio web. Los sitios web deben ser transparentes sobre sus propósitos y cumplir con las expectativas de los usuarios en cuanto a la precisión de la información.

Estos criterios son esenciales para garantizar que Google ofrezca resultados de búsqueda de alta calidad que sean útiles y confiables para los usuarios. Los sitios web que cumplen con los estándares de E-E-A-T tienen más posibilidades de obtener un buen posicionamiento en los resultados de búsqueda de Google y de ofrecer contenidos valiosos a sus visitantes.

E-E-A-T es particularmente relevante en campos donde la precisión y la credibilidad de la información son de suma importancia, como la salud, las finanzas y el asesoramiento legal. Los sitios web y creadores de contenido que establecen y mantienen un fuerte perfil de E-E-A-T son más propensos a ser considerados fuentes fiables tanto por los motores de búsqueda como por los usuarios, lo que puede tener un impacto indirecto en sus clasificaciones en los motores de búsqueda.

Si bien E-E-A-T no es un factor de clasificación directo, es un aspecto crucial de la optimización para motores de búsqueda (SEO) porque influye en cómo se evalúa y finalmente se clasifica su contenido por los motores de búsqueda como Google. Seguir las pautas de E-E-A-T puede ayudar a mejorar la calidad de su contenido y hacerlo más competitivo en los resultados de búsqueda.

El salario medio de un bibliotecario estadounidense es de 61.473 dólares al año

La encuesta Library Journal’s Placements and Salaries survey de 2023, mostró sólo mejoras incrementales. El salario medio inicial a tiempo completo para los graduados de 2022 fue de 61.473 dólares, sólo unos 500 dólares más que el año pasado. El desempleo se redujo del 7% en 2022 al 5%, y de los que tienen empleo, el 87% trabaja a jornada completa. (También hay que señalar que la participación, con 1.256 personas que respondieron a la encuesta, fue ligeramente inferior este año)

Aunque no son motivo de titulares llamativos, los resultados de la encuesta de 2023 hablan de un nivel de estabilidad en un campo que ha sufrido más de una dificultad. Para los recién licenciados, estas cifras representan un avance positivo en tiempos aún inciertos.

En la encuesta de este año respondieron graduados de 37 instituciones estadounidenses acreditadas por la American Library Association (ALA), frente a las 35 del año pasado. Todas ellas ofrecían alguna variante del título MLIS (Máster en Biblioteconomía y Documentación), como la ciencia de la información, la ciencia de los datos, la especialidad en medios escolares, la informática biosanitaria y otras titulaciones relacionadas. Entre los centros mejor representados se encuentra la Universidad de Michigan, con 183 encuestados; otros 155 obtuvieron sus títulos de máster en la Universidad de San José.

La distribución por sexos prácticamente no ha variado este año. Al igual que en las últimas encuestas, alrededor de tres cuartas partes de los graduados de 2022 se identificaron como mujeres (74%), sólo ligeramente por debajo del 75% de 2021. El 18% se identificó como hombre, igual que en 2021. El 6% se identificó como no binario/no conforme con el género, frente al 5% de 2021, y el 2% prefirió no revelar su género, como en 2021. Los resultados de los centros coincidieron con las respuestas individuales de los graduados.

De ellos, casi tres cuartas partes (74%) eran blancos. Aunque se trata de una mayoría, como lo ha sido históricamente, es significativamente inferior al 84% de 2021. El 10% de los encuestados que eran asiáticos (7% de Asia meridional, 2% de Asia oriental y 1% de Asia sudoriental) representó un aumento proporcionalmente grande con respecto al 4% de la promoción de 2021. Al igual que el año pasado, el 8% eran hispanos o latinos, el 4% negros o afroamericanos, el 3% mestizos y el 2% nativos americanos o indígenas. El 5% prefirió no declarar su raza.

La edad de los encuestados es muy variada, con una media de 35 años, igual que el año pasado. El 12% tenía 25 años o menos, el 54% entre 26 y 35 años, el 19% entre 36 y 45 años, el 11% entre 46 y 56 años, el 4% 56 años o más y el 1% prefirió no contestar.

Aproximadamente la mitad (53%) declaró que la Biblioteconomía y Documentación fue la primera carrera profesional que siguieron. Esta cifra es ligeramente superior a la de años anteriores, en los que algo menos de la mitad eran bibliotecarios principiantes. Los que habían cambiado de campo tenían experiencia previa en disciplinas como la arqueología, las artes, los negocios, la comunicación, la sanidad y la medicina, las tecnologías de la información, el periodismo, el derecho, el marketing, la psicología, la edición, el comercio minorista, el trabajo social y, sobre todo, la educación, desde la enseñanza preescolar hasta la superior.

La mayoría (91%) no estaba matriculada en ningún otro programa de postgrado o certificado mientras cursaba sus estudios de Biblioteconomía y Documentación. Entre el 9% de los que estaban cursando una doble titulación, la más común era la certificación en servicios a la juventud. La mayoría (81%) no tenía un título superior antes de empezar el programa. El 19% restante tenía un máster.

La mayoría de los graduados en 2022 tenían experiencia laboral en bibliotecas antes de obtener el máster: el 16% antes de acceder a sus programas, el 26% mientras obtenían el máster y el 39% trabajaba en bibliotecas tanto antes como durante sus programas académicos. Aunque una ligera mayoría afirmó que consideraba que su máster había mejorado su situación laboral, la mayoría dijo que «probablemente no» (54%) o «definitivamente no» (14%) obtendría otro título superior en el futuro. El 26% de los participantes dijeron que probablemente lo harían y el 6% que definitivamente pensaban hacerlo.

Las escuelas utilizaron diversos métodos para informar a sus titulados sobre las oportunidades de empleo. Los más comunes, con diferencia, fueron las listas de distribución y los anuncios por correo electrónico. Alrededor de la mitad (51%) publicaron anuncios en las redes sociales y el 46% compartieron noticias sobre ofertas de empleo a través de grupos y actividades estudiantiles. Algunas escuelas ofrecen servicios formales de colocación, el 41% a nivel universitario y el 16% a nivel de escuela LIS. Más de una cuarta parte (27%) publica anuncios de empleo en tablones de anuncios físicos o en las zonas de estudiantes.

Además de informar a los titulados sobre las oportunidades existentes, el 22% de las instituciones ofrecen programas formales de tutoría centrados en el desarrollo profesional de los titulados.

Menos de la mitad de los centros -el 44%- declararon que los salarios iniciales eran aproximadamente los mismos que los del año anterior. Ningún centro declaró que fueran más bajos, y el 17% constató que los salarios iniciales habían aumentado desde 2021 (el 39% no estaba seguro de si se habían producido aumentos o disminuciones). Los puestos a tiempo completo superan a los de tiempo parcial, 76% frente a 24%. La mayoría de los centros que respondieron (89%) consideraron que los titulados de 2022 tardaron aproximadamente el mismo tiempo en encontrar trabajo que en 2021.

La mayoría de los titulados de 2022 han encontrado empleo. Casi dos tercios (63%) afirmaron trabajar en una biblioteca o en otra institución de ciencias de la información. El 13% trabajaba en ciencias de la información, pero no en una biblioteca, y el 19% trabajaba fuera de este campo. Entre los desempleados, el 60 por ciento buscaba trabajo en el campo (por debajo del 65 por ciento de 2022), el 19 por ciento se había matriculado en otros programas de grado, el 15 por ciento estaba tomando tiempo libre por razones personales, el 10 por ciento estaba haciendo prácticas y el 18 por ciento seleccionó «otros». Quizá el indicador más significativo del repunte de la era de la pandemia es que, por segundo año consecutivo, ninguno mencionó el despido como motivo de desempleo.

Historiar. Patrimonio, memoria e historia

Vargas, Cano, y Alexander -Comp. Historiar. Patrimonio, memoria e historia. Fondo Editorial ITM, 2016

Texto completo

El libro «Historiar: patrimonio, memoria e historia», se constituye en una mirada nacional e internacional sobre diversas problemáticas, con temas que van desde el estudio de algunas constituciones, archivos y cementerios, pasando por el análisis de las representaciones, los imaginarios, la violencia y algunas pesquisas que dan cuenta de la memoria y el patrimonio en el mundo actual. Además de los estudios históricos, también hay visiones antropológicas y análisis sociológicos sobre los temas abordados.

Número de artículos académicos publicados por año en todo el mundo

«Number of Academic Papers Published Per Year – WordsRated», 1 de junio de 2023. https://wordsrated.com/number-of-academic-papers-published-per-year/.

Hasta el año 2022, el número de artículos académicos publicados por año se estima de la siguiente manera:

  • En 2022, se publicaron 5.14 millones de artículos académicos.
  • En 2021, se publicaron 5.03 millones de artículos académicos, lo que representa un aumento del 7.62% con respecto al año anterior.
  • En 2020, se publicaron 4.68 millones de artículos académicos.
  • En 2019, se publicaron 4.43 millones de artículos académicos.
  • En 2018, se publicaron 4.18 millones de artículos académicos.
  • En los últimos cinco años, ha habido un aumento del 22.78% en el número de artículos publicados.

El país que publica la mayor cantidad de artículos académicos en 2022 es China, con más de 1.009 millones de artículos, lo que representa el 19.67% de todos los documentos académicos publicados en un año. Le sigue de cerca Estados Unidos, con 702,840 artículos, lo que representa el 17.04% del total global. Otros países en el top 10 incluyen India, el Reino Unido, Alemania, Italia, Japón, Canadá, Australia y Francia.

Hasta 2020, hay 46,736 revistas académicas publicando papers en todo el mundo. El número de revistas académicas ha ido aumentando constantemente a lo largo de los años, con una tasa de crecimiento anual promedio del 2.56% en la última década. La mayoría de estas revistas, aproximadamente el 75.04%, publican en inglés, con 35,070 revistas en inglés en 2020. Las revistas en otros idiomas han experimentado un crecimiento más lento, con una ligera disminución del 0.42% en 2020.

El país que publica la mayor cantidad de revistas académicas es el Reino Unido, con 5,856 revistas publicadas anualmente, lo que representa el 12.53% de la producción global. Estados Unidos es el segundo productor más grande de revistas académicas, con alrededor de 5,712 revistas, lo que representa el 12.22% de la producción global. Los Países Bajos y Alemania son los únicos otros países que publican más de 1,000 revistas académicas al año. China, a pesar de ser un importante productor de artículos académicos, representa solo el 1.36% de las revistas publicadas por año.

Alfabetización de Datos para el Sector Público

Data Literacy for the Public Sector: Lessons from Early Pioneers
in the U.S. Deloitte, 2022

Texto completo

Los avances en el acceso, la recolección, la gestión, el análisis y el uso de datos en las organizaciones del sector público han contribuido de manera significativa a mejoras constantes en los servicios, la eficiencia de las operaciones y la efectividad de los programas gubernamentales. La experiencia de ciudadanos, beneficiarios, gerentes y expertos en datos también está evolucionando a medida que los datos se vuelven omnipresentes y se integran de manera más fluida en los procesos de toma de decisiones. Para que las agencias puedan participar de manera efectiva en el cambiante panorama de los datos, la capacidad de alfabetización de datos y los modelos de programas a nivel organizacional pueden ayudar a garantizar que las personas en toda la fuerza laboral puedan leer, escribir y comunicarse con datos en el contexto de su función. Los datos y el análisis ya no son «solo» para especialistas, como ingenieros de datos y científicos de datos; en cambio, la alfabetización de datos se reconoce cada vez más como una competencia fundamental de la fuerza laboral.

Afortunadamente, en Estados Unidos han surgido varios pioneros que han avanzado estratégicamente en programas y actividades de alfabetización de datos a nivel organizacional, brindando beneficios a las personas en la fuerza laboral del sector público. Los programas pioneros son aquellos que reconocen la alfabetización de datos como algo más que simplemente capacitación. Ven la alfabetización de datos como un conjunto holístico de actividades para involucrar a los empleados de todos los niveles con datos, desarrollar empleados con habilidades relevantes y permitir la escalabilidad de la alfabetización de datos al complementar las habilidades de los empleados con apoyo de aprendizaje guiado y recursos.

Las agencias deben comenzar elaborando el caso para el cambio. Como es común en cualquier campo emergente, existen diversas definiciones e interpretaciones de «alfabetización de datos», lo que puede afectar el diseño del programa. Ser explícito acerca de los problemas que se están resolviendo, así como las necesidades y los impulsores que se abordarán con un programa de alfabetización de datos, es vital para evitar comienzos falsos. Al observar a los diez pioneros discutidos en este informe, surgieron lecciones clave que son relevantes para las agencias gubernamentales a medida que diseñan la capacidad y los programas de alfabetización de datos:

  • Involucrar a los líderes senior con roles y expectativas claras. Los líderes ejecutivos establecen el tono para la alfabetización de datos y el uso de datos en una organización, por lo que garantizar que el liderazgo tenga roles y responsabilidades claras también permite a los directores de datos, funcionarios de capital humano y otros patrocinar e implementar eficazmente el programa de alfabetización de datos.
  • Aclarar competencias y perfiles objetivos para un análisis de brechas efectivo. Enfoques reflexivos para la creación de programas de alfabetización de datos incluyen el uso de datos para evaluar competencias, perfiles, capacidad y habilidades existentes en toda la fuerza laboral, y luego identificar áreas estratégicas de inversión y mejora basadas en las prioridades organizacionales.
  • Cultivar un lenguaje común y compartido. Hablar sobre datos de manera común y comprensible en toda una organización puede impulsar la aplicación de habilidades y experiencia en datos para lograr un impacto duradero.
  • Mejorar la accesibilidad de los datos. Incluso con una fuerza laboral segura y capaz, si el acceso a los datos es restrictivo de manera no intencional y los datos no pueden utilizarse fácilmente en la práctica, los programas de alfabetización de datos estarán limitados en su capacidad para fomentar una cultura informada por datos en la agencia.
  • Alinear la gobernanza de datos y la alfabetización de datos. A medida que las agencias maduran en las políticas y prácticas de gobernanza de datos, la alfabetización de datos debe ajustarse de manera paralela y viceversa. Los productos clave de trabajo en gobernanza de datos, como un catálogo de datos, glosario y diccionario de datos, se convierten en bases y dependencias críticas para una iniciativa exitosa de alfabetización de datos.
  • Fomentar el uso de datos en la toma de decisiones. A medida que las organizaciones desarrollan programas de alfabetización de datos y avanzan en los procesos de gobernanza de datos, los líderes senior estarán cada vez más posicionados para resaltar el impacto explícito y el valor de los datos en la toma de decisiones en todos los niveles de la organización.

Para las organizaciones que buscan avanzar en programas de alfabetización de datos y desarrollar capacidad, las lecciones también sugieren una serie de recomendaciones prácticas, que incluyen:

  • Patrocinio. Los jefes de agencia deben designar a un Director Principal de Datos u otro funcionario para patrocinar el programa de alfabetización de datos y asignar recursos suficientes para la iniciativa, incluyendo la contratación de un líder del programa, proporcionar un presupuesto para el programa, respaldar asociaciones público-privadas y analizar continuamente las necesidades del personal a medida que el programa madura.
  • Transparencia. En apoyo del argumento de cómo la alfabetización de datos respalda los objetivos de la agencia, los ejecutivos gubernamentales deben ser más transparentes y ejemplares en la forma en que utilizan datos con el personal de la agencia, y respaldar la identificación de lagunas de datos a través de una agenda de aprendizaje.
  • Incentivos. A medida que los programas de alfabetización de datos de la agencia maduran, las agencias deben reforzar intencionalmente los valores culturales de decisiones basadas en datos y evidencia con incentivos para el uso de datos en subvenciones, regulaciones y orientación de políticas.

Los pioneros discutidos en este informe ofrecen lecciones tempranas a medida que otras organizaciones también buscan mejorar sus capacidades para utilizar datos. Reconocer que el desarrollo de programas es un proceso de aprendizaje significa que ninguna agencia u organización debe aspirar a tener un programa perfecto desde el principio; cada programa cambiará con el tiempo. Lo esencial es que cada organización comience a desarrollar su capacidad para utilizar datos y evidencia, y todo comienza con la alfabetización de datos.

Informe de Servicios Empresariales y profesionales en Bibliotecas 2023

Business and Career Services Report 2023. Library Journal, 2023

Texto completo

A medida que las bibliotecas públicas buscan educar y apoyar a los solicitantes de empleo locales y a las pequeñas empresas, este estudio analiza los tipos de recursos y programas que se ofrecen actualmente, y cuáles son los más efectivos para ayudar a los usuarios a asegurar o avanzar en sus carreras/negocios. El informe también responde a preguntas sobre el valor de las asociaciones y los desafíos involucrados en la provisión de servicios de carrera y negocios.


La revista Library Journal encuestó a las bibliotecas públicas en otoño de 2022 para cuantificar en qué medida proporcionan recursos y programas de desarrollo empresarial y de carrera para los usuarios que buscan iniciar un nuevo negocio, cambiar de carrera o ingresar a la fuerza laboral, ya sea por primera vez o después de una larga ausencia. Este informe detallará las respuestas de 225 bibliotecas públicas de América del Norte y resaltará los recursos y programas ofrecidos, la demanda de estos recursos y programas, y las asociaciones que las bibliotecas establecen con organizaciones locales para ofrecer estos recursos.

Las bibliotecas públicas han tenido durante mucho tiempo recursos para ayudar a los solicitantes de empleo, ya sea a través de libros sobre cómo perfeccionar las habilidades de entrevista o preparar un currículum, o mediante programas individuales o grupales dirigidos a los solicitantes de empleo. Además de los recursos impresos, muchas bibliotecas también ofrecen recursos basados en tecnología, como bases de datos (que pueden ayudar a los emprendedores a evaluar mercados individuales o analizar la competencia, por ejemplo) o programas en línea que abarcan desde tutoriales básicos sobre búsqueda de empleo hasta clases de realidad virtual que enseñan a los usuarios de manera virtual cómo prepararse para una carrera específica. Las bibliotecas a menudo se asocian con organizaciones locales, como asociaciones de desarrollo empresarial, cámaras de comercio y la filial local de SCORE, entre otros, para ofrecer estos programas.

Si le preguntas a prácticamente cualquier propietario de negocios en cualquier industria hoy en día, es probable que te digan que su principal desafío, especialmente desde la pandemia, no es solo encontrar empleados, sino encontrar empleados con habilidades. Al mismo tiempo, hay personas que ingresan a la fuerza laboral, ya sea por primera vez o después de un período de ausencia debido al cuidado de los hijos, entre otras razones, y carecen de las habilidades que esos empleadores pueden necesitar. También hay personas que buscan cambiar de carrera e incluso comenzar sus propios negocios. Una consecuencia de la pandemia ha sido lo que se ha llamado «La Gran Renuncia», personas que han reflexionado sobre sus vidas y carreras durante la pandemia y han perseguido el sueño de ser dueños de un negocio, o al menos de no estar atrapados en un trabajo que odian. El año pasado, The Economist publicó una historia con el titular «La formación de nuevos negocios en América se vuelve loca», ya que las solicitudes de nuevos negocios reportadas por el Buró del Censo estaban casi literalmente fuera de escala.

Estamos en 2023 y la inteligencia artificial te permite crear una imagen a partir de una descripción.

Estamos en 2023 y la inteligencia artificial te permite crear una imagen a partir de una descripción. Es asombroso. (Via Neuron)

Dos preguntas:

  • ¿Qué generadores de imágenes deberías utilizar?
  • ¿Para qué utilizarlos?

Midjourney era y sigue siendo la mejor opción para imágenes hiperrealistas y abstractas. Pero hay una curva de aprendizaje empinada


Hay dos promesas dignas de mención:


DALL-E 3 de OpenAI: Merece la pena usarlo cuando la imagen necesita elementos de texto, como dibujos animados, marcas, memes, etc.

Adobe Firefly Image 2: este modelo acaba de subir de nivel: puede hacer cosas como la textura de la piel y las manos bastante bien.

La gran ventaja es que Adobe es una apuesta segura para las empresas. Adobe no entrena a su IA con arte no autorizado y acaba de lanzar Content Credentials, una «etiqueta digital» que muestra cómo se hizo una imagen y quién la hizo. Firefly ha recibido un montón de mejoras esta semana, como la ampliación de fotos y la alineación de estilos con tu marca.

Estos generadores de imágenes resultan muy útiles para cualquier proyecto que incluya elementos visuales:
– Imágenes para blogs, redes sociales o marketing digital.

– diseños de productos.

– moda/diseño de interiores.

– diagramas/ilustraciones para contenido educativo.

– miniaturas (que ahora puedes probar A/B con ChatGPT-4V)».