ResearchRabbit, una herramienta de inteligencia artificial (IA) diseñada para optimizar la revisión de la literatura científica

ResearchRabbit

https://www.researchrabbit.ai/

ResearchRabbit es una herramienta de inteligencia artificial (IA) diseñada para optimizar el proceso de revisión de la literatura académica. Lanzada en 2021 por Research Rabbit Inc., fue creada por Lulú Liang y Eduardo L’Hotellier con el objetivo de ayudar a los investigadores a descubrir artículos académicos relevantes y explorar redes de citación de manera visual.

Características principales

Búsqueda y descubrimiento de artículos: Permite buscar artículos académicos y encontrar trabajos relacionados, citados o que citan el artículo seleccionado.

Visualización de redes de citas: Genera gráficos interactivos que muestran las relaciones entre artículos, facilitando la identificación de tendencias y conexiones en la literatura.

Integración con Zotero: Ofrece la posibilidad de sincronizar colecciones de ResearchRabbit con el gestor bibliográfico Zotero, permitiendo una gestión eficiente de las referencias .

Alertas personalizadas: Envía notificaciones sobre publicaciones recientes y tendencias emergentes dentro de los campos de interés del usuario.

ResearchRabbit es especialmente útil en bibliotecas universitarias, ya que facilita el acceso a información académica relevante y actualizada. Su capacidad para visualizar redes de citas y recomendar artículos relacionados mejora la eficiencia en la búsqueda de literatura y apoya en la elaboración de revisiones sistemáticas. Además, su integración con Zotero permite una gestión centralizada de las referencias, optimizando el flujo de trabajo de los investigadores.

Los revisores científicos que fueron citados en el artículo tienen más probabilidades de aprobarlo en su primera evaluación

Barnett, Adrian. 2025. “Peer Reviewers Altered Their Recommendation Based on Whether They Were Cited or Wanted to Be Cited. A Matched Study of Open Peer Review at Four Journals.” OSF Preprints, version 2. CC-BY 4.0 https://osf.io/preprints/osf/wdvr9_v2

El estudio realizado por Adrian Barnett analiza si los miembros de los comites científicos en el proceso de revisión abierta por pares podrían estar influyendo en las decisiones editoriales basándose en si fueron citados en el manuscrito. Para ello, se revisaron un total de 18 400 artículos provenientes de cuatro plataformas (F1000Research, Wellcome Open Research, Gates Open Research y Open Research Europe), destacadas por hacer públicas tanto todas las versiones de los artículos como los comentarios de los revisores

El análisis reveló que los revisores que fueron citados en el artículo tenían más probabilidades de aprobarlo en su primera evaluación, en comparación con aquellos que no habían sido citados. Este patrón sugiere un posible sesgo o motivación adicional asociada con la presencia de una cita al revisor en el texto revisado

Para mitigar este tipo de influencias (por ejemplo, solicitudes de cita injustificadas), Barnett sugiere una práctica de transparencia adicional: que los revisores siempre indiquen claramente en sus comentarios cuándo y por qué están recomendando que se cite su trabajo. Esta medida podría ayudar a reducir las menciones motivadas únicamente por interés personal y reforzar la integridad del proceso de revisión.

¿Qué es la Enshittification de las plataformas digitales?

El término “Enshittification”, acuñado por Cory Doctorow, es una palabra que no tiene una traducción literal exacta, pero su sentido general se puede expresar como: “Degradación progresiva”

Doctorow lo usa para describir cómo las plataformas digitales pasan de ofrecer servicios útiles a degradarlos primero para beneficiar a los anunciantes y luego maximizar ganancias a costa de usuarios y anunciantes, colapsando finalmente su valor para todos.

En su último libro Enshittification: Why Everything Suddenly Got Worse and What to Do About It, Doctorow critica la falta de competencia, la regulación insuficiente y la creciente concentración de poder en pocas empresas tecnológicas. Propone soluciones como el principio de «fin a fin», que asegura que las plataformas transmitan datos en respuesta a las solicitudes de los usuarios, y el «derecho de salida», que permite a los usuarios abandonar una plataforma sin perder sus datos.

A través de Kickstarter, Doctorow ofrece el audiolibro sin restricciones de DRM, evitando así los problemas asociados con plataformas como Audible, propiedad de Amazon. Esta decisión responde a su crítica al modelo de negocio de las grandes plataformas digitales, que priorizan las ganancias sobre la experiencia del usuario.

La grabación del audiolibro se realizó en Skyboat Media en Los Ángeles, con la dirección de Gabrielle De Cuir y la masterización de John Taylor Williams. Doctorow destaca la calidad del proceso y la colaboración con profesionales experimentados en la industria del audiolibro. Los respaldadores de la campaña podrán acceder al contenido antes de la fecha de lanzamiento oficial, sin las limitaciones impuestas por plataformas tradicionales.

¿Por qué una iglesia de Kentucky dice que está bien robar libros de la biblioteca?

Bell, Gabriel. 2025. “Why One Church Says It’s OK to ‘Steal’ Library Books.” Religion Unplugged, August 26, 2025. https://religionunplugged.com/news/2025/8/26/why-one-church-says-its-ok-to-steal-library?utm_source=flipboard&utm_content=ReligionMag/magazine/Religion+Unplugged

Una iglesia en Shelbyville, Kentucky, animó a sus feligreses a sacar libros cuestionables de la biblioteca pública y luego no devolverlos.

Reformation Church se define como «una comunidad confesionalmente bautista, comprometida culturalmente y evangelísticamente apasionada en el corazón de Shelbyville». Tres de sus líderes —los pastores Jerry Dorris, Tanner Cartwright y el evangelista Austin Keeler, de Reformation Frontline Missions— reconocieron que la iglesia ha promovido la “desobediencia civil”. Según ellos, han instado a los cristianos locales y de todo el país a buscar en las bibliotecas libros que consideren que fomentan la sodomía, la confusión de género o la rebelión contra Dios, y, si los encuentran, retirarlos permanentemente como acto de desobediencia civil.

Sin embargo, Hunter Baker, rector y decano de la Universidad de North Greenville, rechaza esta interpretación y considera que se trata de robo. Explicó a MinistryWatch que, según la comprensión clásica, la desobediencia civil debe realizarse abiertamente y con disposición a aceptar las consecuencias legales. “Se llevan los libros, dejan claro que no tienen intención de devolverlos y sufren las consecuencias que la ley impone”, añadió.

La Biblioteca Pública del Condado de Shelby, dirigida por Pamela Federspiel, informó que se retiraron 16 libros por parte de un miembro de la iglesia el año pasado y nunca fueron devueltos, con un valor total superior a 400 dólares. Aunque Dorris asegura que no se ha solicitado la devolución, la biblioteca afirma que dejó mensajes de voz, envió tres notificaciones y remitió el caso a una agencia de cobros, añadiendo el costo de reposición a la cuenta del usuario. Entre los libros sustraídos se encuentran El Arte del Drag, Mis Dos Mamás y Mis Dos Papás.

Según Dorris, la iglesia conoció los libros controvertidos cuando una feligresa llevó a sus hijos a la biblioteca y ellos los encontraron; tras investigar, descubrieron otros títulos similares. No se identificó a la congregante y no hay información sobre el paradero actual de los libros ni sobre si fueron destruidos. Baker señaló que la iglesia “sería más efectiva” si aclarara su objeción a los libros y buscara cambios de política a través de canales oficiales.

En una publicación de Facebook del 1 de junio de 2024, la iglesia animó a sus miembros a “combatir la perversión de su biblioteca local” y proporcionó contactos de la biblioteca para exigir la retirada de los libros. Dorris afirmó que la iglesia notificó a la biblioteca, a un senador estatal y a un representante estatal sobre sus preocupaciones, pero que no han contactado personalmente con el personal ni se ha solicitado formalmente la devolución de los libros.

Federspiel reconoció que la mayoría de los libros “perdidos” no tenían mucha demanda. Dorris aclaró que la retirada de libros no es una política oficial de la iglesia y que no todos los miembros están al tanto ni de acuerdo. “No disciplinamos ni presionamos a los miembros por esta estrategia. Estas medidas fueron tomadas por cristianos individuales por convicciones personales”, afirmó, añadiendo que la iglesia apoya el derecho de sus miembros a actuar o abstenerse según su conciencia.

La otra pandemia en EE. UU.: 130 millones de adultos con baja alfabetización

“49 Adult Literacy Statistics and Facts for 2025.” National University Blog, June 16, 2025. https://www.nu.edu/blog/49-adult-literacy-statistics-and-facts/

En EE. UU., unos 130 millones de adultos leen por debajo del nivel de sexto grado y 45 millones son funcionalmente analfabetos. La baja alfabetización se asocia con pobreza, desempleo, encarcelamiento y enormes costos económicos, estimados en hasta 2,2 billones de dólares anuales. Aunque existen programas de apoyo, menos del 10 % de quienes lo necesitan accede a ellos por falta de recursos y difusión.

El nivel de alfabetización en EE. UU. revela una desigualdad alarmante: en 2023, un 28 % de los adultos obtuvo un nivel 1 o inferior —indicando dificultades importantes en tareas cotidianas de lectura— y otro 29 % alcanzó el nivel 2, con habilidades básicas pero limitaciones ante textos complejos. Solo el 44 % llegó al nivel 3 o superior, considerado adecuado para la comprensión avanzada. Se estima que unos 130 millones de adultos (54 % de quienes tienen entre 16 y 74 años) leen por debajo del nivel de sexto grado, y unos 45 millones (21 %) son funcionalmente analfabetos, sin poder completar tareas básicas de lectura. El nivel medio se sitúa entre séptimo y octavo grado, y el porcentaje de adultos en los niveles más bajos aumentó 9 puntos entre 2017 y 2023.

Las causas sociales y demográficas son múltiples. Dos tercios de los adultos con baja alfabetización nacieron en EE. UU., y los grupos blanco e hispano —con un 35 % y 34 % respectivamente— representan las proporciones más altas. El 75 % de los encarcelados no completó la secundaria o posee baja alfabetización; sin embargo, quienes participan en programas educativos reducen su reincidencia en un 43 %. Solo el 53 % de los inmigrantes domina el inglés y tres de cada cuatro personas que reciben asistencia social se encuentran en los niveles más bajos de alfabetización. El 20 % de los adultos leen por debajo del nivel necesario para un salario digno, la mitad de los desempleados de 16 a 21 años son funcionalmente analfabetos, y casi el 80 % de quienes viven en pobreza leen en nivel 2 o inferior. Los niños que crecen en hogares con baja alfabetización tienen 72 % más probabilidad de bajo rendimiento y la habilidad lectora de la madre es el factor decisivo para el éxito académico de sus hijos, más importante que el vecindario o los ingresos familiares.

Además, el bajo nivel de alfabetización impacta también en la economía: se estima que cuesta hasta 2,2 billones de dólares anuales en productividad y pérdida de ingresos, entre 106 y 238 mil millones USD en costos sanitarios, y unos 20 mil millones USD en gastos fiscales. Además, el abandono escolar representa una carga de 240 mil millones USD por servicios sociales y menor recaudación fiscal. Se calcula que elevar el nivel de alfabetización de todos los adultos al nivel 3 podría aumentar el PIB en un 10 %.

Aunque existen programas de alfabetización, el acceso es limitado: menos del 10 % de los adultos con bajas habilidades están inscritos. El 80 % reporta desconocer los programas disponibles, el 51 % de estos programas tiene listas de espera, y el 63 % está afectado por falta de fondos o voluntarios. Aunque en 2019–2020 se inscribieron 1,1 millones de adultos en programas federales, es mucho menor que los 2,78 millones de 2001–2002. La financiación se asigna según el porcentaje de personas sin diploma de secundaria por estado; casi el 30 % de los estudiantes de alfabetización básica inicia un programa con nivel lector de tercer grado o inferior, y 48 millones de adultos leen por debajo del nivel de tercer grado.

Finalmente, las disparidades entre estados son notables: Nuevo Hampshire tiene la tasa más alta de alfabetización adulta (94,2 %), mientras que California tiene la más baja (76,9 %). Minnesota tiene un 57 % de adultos en nivel 3 o superior, y Nuevo México tiene un 29 % de adultos en nivel 1 o inferior, similar a California y Texas. La financiación estatal también varía ampliamente: en 2019–2020, Nuevo México destinó 6,2 millones USD a educación de adultos, mientras Minnesota invirtió 49,8 millones USD

Dinamarca elimina el impuesto del 25 % sobre los libros para combatir el descenso de la lectura

Bellamy, Séamus. 2025. “Denmark Eliminates 25% Book Tax to Combat Declining Reading Skills.” Boing Boing, August 22, 2025. https://boingboing.net/2025/08/22/denmark-eliminates-25-book-tax-to-combat-declining-reading-skills.html

El gobierno danés ha decidido suprimir el impuesto sobre los libros —un gravamen del 25 %, uno de los más altos de Europa— en respuesta a una preocupante caída en las habilidades de lectura entre los jóvenes, detectada ya en una encuesta de 2021

En un mundo lleno de distracciones digitales, gratificación instantánea, videojuegos y catástrofes televisadas las 24 horas, la gente parece leer menos libros que nunca. Pero Dinamarca no está dispuesta a aceptarlo. Este país nórdico no quiere que el cerebro de sus ciudadanos se quede estancado: una encuesta de 2021 reveló que las habilidades lectoras de los niños del país estaban en franco declive. Según el New York Times, los dirigentes del país están tomando medidas para que la lectura resulte más atractiva a sus ciudadanos.

Jakob Engel-Schmidt, ministro de Cultura, declaró que “el regalo de la lectura y la capacidad de concentrarse en un libro es algo que deberíamos ofrecer a las nuevas generaciones”, subrayando que el cambio busca promover la alfabetización y el desarrollo de la cultura danesa en un contexto saturado de redes sociales y entretenimiento digital. Además, señaló que en ocasiones el precio de un libro podría superar el costo mensual de un servicio de streaming.

Aunque la idea es bien recibida, aún no se sabe si esta medida logrará que la gente lea más. Algunas voces sugieren que, sin una caída real en los precios o políticas complementarias, la eliminación del impuesto podría tener efectos limitados sobre los hábitos de lectura.

GAIDeT: una herramienta práctica para declarar el uso de la IA en la investigación y la publicación.

GAIDeT Declaration Generator

GAIDeT, es una herramienta práctica para declarar de forma clara y estandarizada el uso de IA generativa en la investigación y la publicación académica. Su propuesta combina fases del proceso de investigación con roles de la IA, apoyada por una herramienta en línea que genera declaraciones automáticas. El objetivo es fomentar transparencia, responsabilidad y confianza en la comunicación científica.

La creciente presencia de herramientas de inteligencia artificial generativa (IA generativa) en la investigación académica y plantea una necesidad crítica: mejorar la transparencia en la forma en que los investigadores divulgan el uso de estas herramientas, ya que muchas declaraciones existentes son vagas o directamente inexistentes, lo que perjudica la reproducibilidad y comprensión del proceso científico.

Para resolver esto, los autores proponen el marco GAIDeT (Generative Artificial Intelligence Delegation Taxonomy), un sistema inspirado en taxonomías como CRediT o NIST, pero adaptado específicamente para describir cómo, dónde y en qué tareas se ha delegado trabajo a herramientas de IA en el flujo de investigación. Este sistema articula dos dimensiones clave: por un lado, la etapa del proceso de investigación (por ejemplo: generación de ideas, búsqueda bibliográfica, redacción, análisis de datos); por otro, el rol específico desempeñado por la IA (como síntesis de texto, traducción, análisis de sesgos), siempre dejando claro que el control y la responsabilidad final recaen en el investigador humano.

Para facilitar su implantación, se creó una herramienta en línea llamada GAIDeT Declaration Generator . Esta herramienta guía al usuario mediante preguntas simples sobre cómo utilizó la IA, qué herramienta utilizó y en qué fase del trabajo, generando automáticamente una declaración estandarizada que puede insertarse directamente en un manuscrito —realizando así la tarea sin cargas administrativas adicionales para los autores

La adopción de GAIDeT aporta beneficios tangibles para distintos actores académicos:

  • Autores: les proporciona una forma estándar de demostrar uso responsable y transparente de la IA, reforzando la credibilidad de su trabajo.
  • Editores: simplifica la evaluación de si la IA se usó como una herramienta legítima o si se delegó indebidamente trabajo académico.
  • Revisores: les ofrece contexto adicional para valorar decisiones metodológicas y definir el alcance real de la participación de IA.
  • Moderadores de repositorios: les ayuda a proteger la integridad de los archivos, aclarando el nivel de asistencia de IA en los documentos depositados.
  • Lectores: facilita interpretar los resultados del estudio con precisión, comprendiendo en qué medida fueron asistidos por IA

Su objetivo es que las declaraciones de uso de IA sean una parte natural del proceso académico, tan comunes como los conflictos de interés o las fuentes de financiación, devolviendo claridad y confianza a la ciencia en tiempos de innovación acelerada

Consensus: motor de búsqueda impulsado por inteligencia artificial (IA) para facilitar la investigación científica y académica con fuentes confiables

Consensus

https://consensus.app/

Consensus es un motor de búsqueda impulsado por inteligencia artificial (IA) diseñado para facilitar la investigación científica y académica. A diferencia de los motores de búsqueda tradicionales, Consensus permite a los usuarios realizar preguntas en lenguaje natural y obtener respuestas basadas en evidencia extraídas de más de 200 millones de artículos científicos revisados por pares. La plataforma utiliza modelos de lenguaje avanzados para analizar y sintetizar la información relevante, proporcionando resúmenes claros y concisos con citas directas a las fuentes originales.

Cuando un usuario formula una pregunta, Consensus realiza una búsqueda en su base de datos de artículos científicos y utiliza algoritmos de IA para generar una respuesta que resume los hallazgos más relevantes. Cada respuesta incluye citas numeradas que corresponden a los artículos de donde se extrajo la información, permitiendo a los usuarios verificar y profundizar en las fuentes originales .

Consensus es especialmente útil para investigadores, estudiantes y profesionales que buscan acceder rápidamente a información científica confiable. Es ideal para:

  • Realizar revisiones de literatura
  • Obtener resúmenes de estudios científicos.
  • Identificar tendencias y consensos en la investigación.
  • Generar contenido académico respaldado por evidencia.

Los detectores de escritura con IA marcan erróneamente el 60 % de textos de hablantes no nativos como escritos por IA

Myers, Andrew. «AI-Detectors Biased Against Non-Native English Writers.» Stanford Institute for Human-Centered Artificial Intelligence, 15 de mayo de 2023. https://hai.stanford.edu/news/ai-detectors-biased-against-non-native-english-writers.

Los detectores de escritura con IA funcionan mejor con hablantes nativos de inglés. Los ensayos de estudiantes nacidos en EE. UU. fueron evaluados con alta precisión, mientras que los textos de hablantes no nativos fueron clasificados erróneamente como generados por IA en más del 60 % de los casos.

Un estudio de la Universidad de Stanford revela que los detectores de contenido generado por inteligencia artificial (IA) presentan sesgos significativos contra los escritores no nativos de inglés. Estos sistemas, diseñados para identificar textos producidos por IA, muestran una precisión notablemente baja al evaluar ensayos escritos por estudiantes cuya lengua materna no es el inglés.

La investigación, dirigida por el profesor James Zou, encontró que mientras los detectores alcanzaban una precisión casi perfecta al evaluar ensayos de estudiantes nacidos en EE. UU., clasificaron erróneamente más del 61% de los ensayos del TOEFL (Test of English as a Foreign Language) como generados por IA. Además, todos los detectores identificaron como IA 18 de los 91 ensayos evaluados (19%), y al menos uno de ellos marcó 89 de los 91 ensayos (97%) como potencialmente generados por IA.

Este sesgo se atribuye al uso de métricas como la «perplejidad», que mide la complejidad lingüística. Los escritores no nativos suelen obtener puntuaciones más bajas en aspectos como riqueza léxica, diversidad léxica, complejidad sintáctica y gramatical, lo que los hace más susceptibles a ser identificados erróneamente como generadores de IA. Además, los sistemas actuales son fácilmente manipulables mediante técnicas como la «ingeniería de indicaciones», donde se solicita a una IA generativa que reescriba un texto utilizando un lenguaje más sofisticado, lo que puede engañar a los detectores.

Los autores del estudio advierten sobre los riesgos éticos de utilizar estos detectores sin una evaluación rigurosa, ya que podrían llevar a acusaciones injustas o sanciones para estudiantes y trabajadores extranjeros. Proponen evitar su uso en entornos educativos con alta presencia de hablantes no nativos de inglés y sugieren el desarrollo de métodos más sofisticados, como la incorporación de marcas de agua digitales en los textos generados por IA, para mejorar la fiabilidad de los sistemas de detección.

Fiabilidad de los detectores de escritura con IA

La fiabilidad de los detectores de texto generado por inteligencia artificial (IA) es un tema de creciente preocupación y debate en diversos ámbitos, como la educación, el periodismo y la investigación académica. Aunque existen herramientas comerciales que afirman altos niveles de precisión, diversos estudios han evidenciado limitaciones significativas en su desempeño.

Investigaciones han revelado que muchos detectores de IA presentan tasas de precisión inferiores al 80%. Por ejemplo, un estudio realizado por Weber-Wulff y colaboradores en 2023 evaluó 14 herramientas de detección, incluyendo Turnitin y GPTZero, y encontró que «todos puntuaron por debajo del 80% de precisión, y solo 5 superaron el 70%» . Además, estas herramientas tienden a clasificar los textos más como humanos que como generados por IA, y su precisión disminuye al parafrasear el contenido.

Un estudio adicional de la Universidad de Maryland destacó que los detectores actuales no son fiables en escenarios prácticos, con un rendimiento apenas superior al de un clasificador aleatorio. Además, técnicas de parafraseo pueden reducir significativamente la tasa de detección.

El uso de detectores de IA también ha suscitado preocupaciones éticas. Investigaciones han demostrado que estos sistemas tienden a clasificar erróneamente los textos de personas no nativas en inglés como generados por IA. Por ejemplo, un estudio reveló que los ensayos de escritores no nativos fueron clasificados como generados por IA en un 61,3% de los casos, en comparación con solo el 10% de los ensayos de escritores nativos.

Además, se ha observado que los detectores de IA pueden tener dificultades para identificar contenido generado por modelos avanzados como GPT-4, lo que plantea desafíos adicionales para su aplicación en contextos académicos y profesionales.

Dado el panorama actual, se recomienda utilizar los detectores de IA como herramientas complementarias y no como métodos definitivos para evaluar la autoría de un texto. Es esencial considerar el contexto y aplicar un juicio humano informado al interpretar los resultados de estas herramientas. Además, se destaca la importancia de desarrollar tecnologías de detección más avanzadas y éticamente responsables para abordar los desafíos emergentes en la identificación de contenido generado por IA.