Crece la venta de libros físicos entre los jóvenes motivado en parte por el deseo de muchas personas de alejarse de las pantallas.

Butler, Sarah. “Waterstones Opens 10 New Stores a Year as Younger Adults Embrace Reading.” The Guardian, 17 de agosto de 2025. https://www.theguardian.com/books/2025/aug/17/waterstones-strong-sales-younger-adults-book-buying

La cadena de librerías Waterstone’s, considerada una de las más grandes del mundo y cuyo grupo matriz es también propietario de Barnes & Noble, está llevando a cabo una expansión en Estados Unidos y el Reino Unido. Este crecimiento responde a un renovado interés por la lectura en formato físico, motivado en parte por el deseo de muchas personas de alejarse de las pantallas.

La cadena de librerías Waterstones está registrando un notable crecimiento en medio de un panorama desfavorable para el comercio minorista en el Reino Unido. A pesar de las dificultades que enfrentan muchas tiendas físicas, la compañía, que cuenta con 320 librerías bajo su marca y también con Foyles, Hatchards y Blackwell’s, ha visto cómo las ventas totales aumentaron un 5 %

Según el CEO James Daunt, aproximadamente la mitad de ese crecimiento responde a un ajuste en los precios, mientras que la otra mitad se debe a un incremento en el volumen de ventas de libros. Este repunte se explica en gran medida por el resurgimiento del interés en la lectura entre los jóvenes, quienes encuentran en los libros una opción valiosa para desconectarse de las pantallas. Elementos como las tendencias en TikTok —más conocido como BookTok— y los clubes de lectura presenciales han sido factores clave en esta revitalización del hábito de lectura.

La preferencia se centra en la ficción, con un impulso notable en géneros como el romance, la fantasía romántica (romantasy) y la fantasía tradicional. La Asociación de Editores del Reino Unido reportó un aumento del 12,2 % en las ventas de ficción, compensando caídas del 2,8 % en libros infantiles y en el segmento de no ficción, lo que provocó una contracción global del 1 % en el mercado de libros impresos. El formato digital, por su parte, continúa creciendo: registra un incremento del 17 %, aunque las librerías físicas siguen sosteniendo el interés del público.

Waterstones también está mejorando la experiencia en sus establecimientos: incluyen cafeterías y recomendaciones seleccionadas cuidadosamente por el personal, creando un ambiente más atractivo para los lectores. Además, la cadena planea abrir 10 nuevas tiendas cada año, incluso dentro de grandes almacenes como John Lewis y Next, y en regiones menos atendidas como Irlanda del Norte y Escocia

Esta expansión se ve favorecida en parte por la reducción de la competencia, producto del cierre de librerías rivales como Eason en Irlanda del Norte y la retirada de WH Smith del comercio tradicional, concentrándose ahora en zonas como aeropuertos El

En resumen: Waterstones está capitalizando una ola de entusiasmo por la lectura entre los jóvenes, impulsado por redes sociales como BookTok y una oferta física más acogedora. Esto, junto a sus estrategias de expansión y a la disminución de competidores, le permite crecer y afianzarse en un mercado desafiante.

Inteligencia artificial y catalogación en bibliotecas

Getaneh Alemu, Anna Maria Tammaro; Navigating the artificial intelligence frontier on cataloguing and metadata work in libraries: an interview with Getaneh Alemu. Digital Library Perspectives 20 August 2025; 41 (3): 587–592. https://doi.org/10.1108/DLP-08-2025-208

Se reflexiona sobre cómo la inteligencia artificial (IA) está transformando la catalogación. Plantea que la relación ideal entre la IA y los representantes humanos debe basarse en la complementariedad, más que en la sustitución. Según el autor, las máquinas pueden hacerse cargo de tareas repetitivas y estructuradas —como la clasificación inicial o el etiquetado automático—, mientras que los bibliotecarios y catalogadores deben conservar el papel de brindar juicio experto, interpretación contextual y garantía de calidad, elementos que aún son difícilmente automatizables

Además, Alemu insiste en que la implementación responsable de la IA en entornos bibliotecarios debe partir de los principios éticos de transparencia y precisión. Es fundamental que los sistemas automatizados actúen con transparencia, de modo que los usuarios puedan entender cómo se generan los metadatos y qué criterios siguen los algoritmos

La entrevista también destaca una visión esperanzadora para el futuro: la IA no debería percibirse como una amenaza, sino como una herramienta para potenciar la eficiencia, liberando a los profesionales de la biblioteconomía de labores mecánicas para enfocarse en aspectos más complejos y creativos de su labor. Alemu vislumbra un ecosistema en que la tecnología permita una mejor organización del conocimiento, sin sacrificar la supervisión humana ni el cuidado por la calidad bibliográfica.

La postura de Alemu subraya la necesidad de un enfoque equilibrado: integrar la IA como aliada, no como reemplazo, reforzando el rol humano a través de la ética, la transparencia y la experiencia profesional en catalogación y metadatos.

Estereotipos de la profesión bibliotecaria en la inteligencia artificial generativa

Spennemann, Dirk H. R., y Kay Oddone. “What do librarians look like? Stereotyping of a profession by generative AI.” Journal of Librarianship and Information Science (publicado recientemente). DOI: 10.1177/09610006251357286

El artículo investiga si existen sesgos en la representación visual de los bibliotecarios en las respuestas generadas por ChatGPT. El objetivo principal es analizar cómo la inteligencia artificial reproduce o refuerza estereotipos profesionales al generar imágenes asociadas a esta profesión.

Se analiza cómo la inteligencia artificial generativa, específicamente ChatGPT4o con integración de DALL·E, produce imágenes estereotipadas de bibliotecarios en distintos contextos (bibliotecas escolares, públicas y universitarias). El estudio compara representaciones generadas por IA con estereotipos tradicionales profundamente arraigados en la percepción social del oficio.

Los autores parten de la premisa de que los estereotipos profesionales —como la imagen del bibliotecario rígido, femenino, de mediana edad, vestido con rebecas y gafas— persisten desde hace décadas y han sido reforzados por la cultura popular. La investigación se propone averiguar si la IA reproduce estos estereotipos o introduce sesgos adicionales que distorsionan la realidad demográfica de la profesión.

El marco teórico de la investigación se sustenta en la idea de que los estereotipos son “generalizaciones perezosas” que reducen a los individuos a una serie de características simplificadas y frecuentemente sesgadas. Esto implica una reflexión crítica sobre cómo la IA, al aprender de grandes cantidades de datos, puede perpetuar imágenes prejuiciosas que afectan la percepción de los bibliotecarios como un grupo homogéneo, con atributos visuales específicos que posiblemente no correspondan con la diversidad real del perfil profesional.

El método consistió en usar zero-shot prompting, es decir, instrucciones abiertas a ChatGPT para generar imágenes en dos situaciones: (1) dos bibliotecarios conversando y (2) un bibliotecario asesorando a un usuario. Se produjeron 300 imágenes en total (50 por escenario y tipo de biblioteca). Estas se analizaron según variables como género, edad, etnicidad, indumentaria, peinados, postura corporal y representación del espacio bibliotecario.

Los resultados muestran un claro sesgo. En términos étnicos, más del 98% de los bibliotecarios fueron representados como caucásicos, con mínima aparición de asiáticos (1,6%) y prácticamente ninguna representación afrodescendiente o de otras minorías. En cuanto al género, mientras que las bibliotecas escolares presentaron cierta paridad (52% hombres, 48% mujeres), las públicas y universitarias mostraron una fuerte sobrerrepresentación masculina, llegando al 94% de hombres en universidades, lo cual contradice las estadísticas reales que indican que la profesión es mayoritariamente femenina. Además, los hombres fueron situados sistemáticamente en posiciones de autoridad, ya sea de pie, en el lado izquierdo de la imagen o interactuando con usuarios de forma jerárquica, lo que refuerza la percepción de dominación masculina en el ámbito profesional.

Respecto a la edad, se observó una tendencia a representar a los bibliotecarios como más mayores en entornos académicos y públicos, mientras que en las bibliotecas escolares se los mostró más jóvenes. En el caso de las mujeres, los estereotipos visuales fueron evidentes: las más jóvenes aparecían con el cabello suelto o en coleta y con blusas, mientras que las de mayor edad eran representadas con moños, rebecas y gafas. Los hombres, por su parte, eran retratados con barba a medida que aumentaba la edad y predominantemente vestidos con traje, especialmente en el entorno universitario.

El análisis también reveló problemas éticos: algunas imágenes mostraban conductas inapropiadas, como bibliotecarios (sobre todo hombres mayores) colocando la mano en el hombro de usuarios, lo cual puede transmitir un mensaje de exceso de familiaridad o incluso acoso. Además, la IA cometió errores de generación (libreros flotantes, figuras con más extremidades, etc.), reflejando las limitaciones técnicas del modelo.

En la discusión, los autores señalan que, aunque ciertos rasgos coinciden con la demografía real (predominio de profesionales caucásicos y de edad media-alta), la IA tergiversa aspectos clave al sobrerrepresentar a hombres en posiciones de autoridad y minimizar la presencia femenina. Esto refuerza prejuicios que ya afectan la percepción pública de la profesión y la consolidan como subordinada o poco visible. Además, se alerta sobre el peligro de que imágenes producidas por IA —al ser baratas, rápidas y libres de derechos— se difundan ampliamente en materiales educativos o de comunicación, contribuyendo a perpetuar desigualdades y discriminación en lugar de reflejar la diversidad real.

En conjunto, este trabajo contribuye al debate en torno a los riesgos y limitaciones éticas del uso de inteligencia artificial generativa en contextos profesionales, especialmente aquellos en que la representación visual puede influir en la percepción pública y en dinámicas de identidad laboral. La investigación subraya la necesidad de mayor vigilancia y conciencia crítica sobre la manera en que la IA reproduce normas culturales y estereotipos visuales.

ChatGPT tiende a ignorar las retractaciones en artículos científicos

Chawla, Dalmeet Singh. «ChatGPT Tends to Ignore Retractions on Scientific Papers.» Chemical & Engineering News, 15 de agosto de 2025. https://cen.acs.org/policy/publishing/ChatGPT-tends-ignore-retractions-scientific/103/web/2025/08

Un estudio reciente revela que ChatGPT, específicamente la versión GPT 4o-mini, no identifica ni menciona las retractaciones o problemas de validez en artículos científicos previamente retirados.

Al analizar 217 estudios académicos que habían sido retirados o señalados por preocupaciones de validez en la base de datos Retraction Watch, los investigadores descubrieron que el modelo de lenguaje no hacía referencia a estas retractaciones en ninguno de los 6.510 informes generados. En cambio, en 190 casos, describió los artículos como de «líder mundial» o «excelente internacionalmente». Solo en 27 casos se mencionaron críticas, y en 5 de ellos, incluyendo uno sobre la hidroxicloroquina como tratamiento para la COVID-19, se calificaron como «controvertidos».

Además, al verificar 61 afirmaciones de estudios retirados, el modelo respondió afirmativamente en dos tercios de los casos, incluso cuando la información ya había sido desmentida. Los autores del estudio sugieren que los algoritmos de inteligencia artificial, como ChatGPT, deberían ajustarse para reconocer y manejar adecuadamente las retractaciones, ya que su uso en revisiones bibliográficas podría propagar información científica

Debora Weber-Wulff, científica informática de la Universidad de Ciencias Aplicadas HTW Berlín, advierte que la dependencia excesiva de estas herramientas puede corromper el registro científico. Sin embargo, cuestiona la metodología del estudio, señalando que la falta de comparación con artículos no retirados limita la evaluación del desempeño del modelo. También destaca que las retractaciones no siempre están claramente marcadas en la literatura, lo que dificulta su identificación incluso para los humanos.

Este hallazgo subraya la necesidad de mejorar la capacidad de los modelos de lenguaje para reconocer y manejar información científica retractada, especialmente en contextos académicos donde la precisión es crucial.

ArXivBench: Evaluando la fiabilidad de los modelos de lenguaje en la generación de referencias académicas

Li, Ning; Zhang, Jingran; Cui, Justin. ArXivBench: When You Should Avoid Using ChatGPT for Academic Writing. arXiv preprint (v2), 7 de agosto de 2025. arXiv:2504.10496 [cs.IR]. https://arxiv.org/html/2504.10496v2

Los modelos de lenguaje a gran escala (LLMs) han mostrado capacidades impresionantes en razonamiento, pregunta-respuesta y generación de texto, pero su tendencia a generar contenido erróneo o referencias falsas sigue siendo una preocupación crítica en entornos académicos rigurosos. El artículo se enfoca en evaluar qué tan fiables son estos modelos al generar referencias académicas, concretamente enlaces a artículos en arXiv.

El artículo presenta ArXivBench, un banco de pruebas diseñado para evaluar la fiabilidad de los modelos de lenguaje a gran escala (LLMs) al generar referencias y enlaces a artículos académicos en arXiv. Los autores parten de la preocupación por el uso creciente de LLMs en redacción académica, donde su capacidad para producir contenido coherente y persuasivo no siempre va acompañada de precisión factual. En particular, señalan el riesgo de que los modelos generen referencias inventadas o incorrectas, lo que compromete la integridad de un trabajo de investigación.

Para abordar este problema, ArXivBench reúne un conjunto de 6.500 prompts que cubren trece áreas temáticas dentro de la informática, organizadas en ocho categorías y cinco subcampos. La herramienta incluye un flujo de trabajo automatizado para generar nuevos prompts y un sistema de evaluación que permite medir el rendimiento de diferentes modelos sin recurrir a técnicas de recuperación aumentada (RAG), evaluando así sus capacidades “de fábrica”. Se probaron quince modelos, tanto de código abierto como propietarios, analizando su precisión al proporcionar enlaces correctos y contenido relevante.

Los resultados muestran que el rendimiento varía de forma significativa según la disciplina. El subcampo de inteligencia artificial es donde los modelos ofrecen mejores resultados, mientras que en otras áreas las tasas de error son más elevadas. Entre los modelos evaluados, Claude-3.5-Sonnet destacó por su capacidad para generar respuestas relevantes y referencias exactas, superando de forma consistente a otros competidores.

Los autores concluyen que, si bien los LLMs pueden ser útiles en ciertas fases del trabajo académico, no son aún herramientas plenamente fiables para la generación de referencias académicas, especialmente en áreas menos cubiertas por sus datos de entrenamiento. ArXivBench se propone así como un instrumento para medir y mejorar la fiabilidad de estos sistemas, ofreciendo datos comparativos que orienten tanto a investigadores como a desarrolladores hacia un uso más responsable y fundamentado de la inteligencia artificial en la producción científica.

Las universidades chinas quieren que los estudiantes utilicen más la IA

MIT Technology Review. “Chinese Universities Want Students to Use More AI.” MIT Technology Review, July 28, 2025. https://www.technologyreview.com/2025/07/28/1120747/chinese-universities-ai-use/

En contraste con muchas instituciones occidentales que aún ven la IA como una amenaza, las universidades chinas están adoptando una estrategia proactiva. Lo que antes era desaconsejado —como el uso de ChatGPT en tareas académicas— ahora se alienta activamente, siempre que se haga con buenas prácticas. Un informe revela que solo el 1 % del profesorado y del alumnado afirma no haber usado herramientas de IA, y cerca del 60 % las utiliza frecuentemente, ya sea varias veces al día o semanalmente.

Este cambio refleja una tendencia a reconocer la IA no como un problema, sino como una habilidad esencial para el siglo XXI.

El surgimiento del modelo chino DeepSeek ha sido crucial. Varias universidades —como la de Shenzhen, Zhejiang, Shanghai Jiao Tong y Renmin— ya han incorporado cursos basados en DeepSeek. Estos programas no solo enseñan tecnología, sino que abordan también temáticas clave como la seguridad, la privacidad y la ética. Este enfoque holístico está alineado con el plan nacional China 2035, que busca un sistema educativo de alta calidad e inclusivo.

Un estudio reciente sobre estudiantes de ingeniería en China encontró que más de la mitad reconoce una mejora en su eficiencia, iniciativa y creatividad al usar IA generativa. Casi la mitad añadió que esta tecnología también potenció su pensamiento independiente. No obstante, hubo cierta preocupación sobre la precisión y confiabilidad específica de dominio, y muchos no percibieron una mejora significativa en sus calificaciones académicas.

El caso chino no es aislado. Técnicamente, a nivel mundial, la IA generativa ha comenzado a definir nuevas dinámicas educativas:

  • En Occidente, el enfoque aún gira en torno a detectar y sancionar su uso. Pero mientras muchos luchan por controlar su presencia, China ya la ve como una competencia y una herramienta empoderadora MediumLinkedIn.
  • Existe un impulso claro hacia integrar IA en todos los niveles educativos —incluyendo exámenes y libros de texto— para fomentar el pensamiento crítico y la resolución de problemas

Conectores discursivos más utilizados en la redacción académica

Los conectores son palabras o expresiones que sirven para unir ideas, establecer relaciones lógicas entre frases o párrafos, y guiar al lector a través del razonamiento del autor. Son esenciales para lograr una escritura clara, ordenada y persuasiva.

El cuadro de CIFAIC presenta una clasificación ordenada de los conectores discursivos más utilizados en la redacción académica. Estos conectores están agrupados según la función lógica que cumplen dentro del texto, lo que permite al escritor seleccionar el más adecuado según la intención comunicativa. Por ejemplo, se incluyen conectores de adición como “además” o “incluso”, que sirven para sumar ideas; de contraste como “sin embargo” o “aunque”, que permiten oponer argumentos; y de causa como “porque” o “debido a”, que explican el origen de una afirmación. Esta organización facilita el uso consciente y estratégico de los conectores, lo cual es fundamental para lograr una escritura coherente y persuasiva.

En el contexto académico, los conectores son herramientas esenciales para estructurar el pensamiento de manera lógica y ordenada. No solo ayudan a enlazar frases y párrafos, sino que también guían al lector a través del razonamiento del autor. El uso adecuado de conectores mejora la cohesión textual, refuerza la argumentación y demuestra dominio del lenguaje formal. Además, permiten establecer relaciones complejas entre ideas, como la comparación, la ejemplificación, la concesión o la conclusión, lo que enriquece el contenido y le da profundidad.

En definitiva, dominar el uso de conectores es una habilidad clave para cualquier persona que aspire a escribir textos académicos de calidad. La imagen funciona como una excelente guía de consulta rápida, ideal para estudiantes, investigadores y profesionales que deseen mejorar la claridad y efectividad de sus escritos. Incorporar estos conectores de manera natural y precisa no solo eleva el nivel del texto, sino que también refleja rigor intelectual y capacidad crítica.

El auge alarmante de los artículos científicos fraudulentos

“Fraudulent Scientific Papers Are Booming.” The Economist, 6 de agosto de 2025. https://www.economist.com/science-and-technology/2025/08/06/fraudulent-scientific-papers-are-booming

Se analiza un problema creciente y alarmante en la ciencia: el aumento exponencial de artículos científicos fraudulentos. Mientras que el número total de publicaciones científicas se duplica aproximadamente cada quince años, el número estimado de artículos fraudulentos se duplica cada año y medio, lo que indica un ritmo mucho más acelerado de expansión de la falsedad en la literatura académica. Esta tendencia sugiere que, si continúa, los estudios fraudulentos podrían llegar a representar una proporción significativa del conocimiento científico disponible.

Uno de los factores clave detrás de este fenómeno son los llamados «paper mills», organizaciones que venden artículos ya redactados o fabricados, muchas veces con datos falsos, imágenes manipuladas o plagios. A cambio, los científicos obtienen autorías o citas sin esfuerzo real. Estas redes operan con una sofisticación sorprendente, casi como mafias, e involucran a editores corruptos, intermediarios y revistas vulnerables. Solo un pequeño número de individuos en posiciones editoriales puede facilitar la publicación masiva de estudios falsos, lo que multiplica la propagación del fraude.

El sistema editorial, tal como está estructurado, muestra vulnerabilidades importantes. Los intentos de combatir la difusión de artículos fraudulentos, como retirar revistas de bases de datos académicas o deindexarlas, han sido insuficientes. La proliferación de estudios falsos distorsiona campos enteros, dificulta los procesos de revisión y pone en riesgo los meta-análisis que guían prácticas médicas y científicas. Esto erosiona la confianza tanto dentro de la comunidad científica como en el público general, amenazando la credibilidad del método científico y sus aplicaciones.

Para llegar a su conclusión, los autores buscaron artículos publicados en PLOS ONE, una revista importante y generalmente reconocida que identifica cuál de sus 18.329 editores es responsable de cada artículo. (La mayoría de los editores son académicos que realizan la revisión por pares durante toda su investigación). Desde 2006, la revista ha publicado 276.956 artículos, 702 de los cuales fueron retractados y 2.241 recibieron comentarios en PubPeer, un sitio web que permite a otros académicos y a investigadores en línea plantear inquietudes.

El artículo también hace un llamado urgente a reforzar la integridad académica. Aunque existen herramientas para contrarrestar la amenaza —como retractaciones, exclusión de autores o instituciones, y revisiones de indexación en bases académicas—, las medidas actuales no son suficientes frente al crecimiento desenfrenado del fraude. De no implementarse estrategias más rigurosas y coordinadas, advierten los expertos, la propia ciencia podría verse comprometida.

Para preservar la credibilidad y la utilidad del conocimiento científico, será crucial que las instituciones académicas, las publicaciones y los evaluadores actúen de manera decidida y coordinada, reformando incentivos y fortaleciendo los mecanismos de control y verificación.

Cómo las deficientes instalaciones bibliotecarias minan la confianza pública y el impacto en la comunidad

Baffigo, Carlos. “The Cost of Neglect: How Poor Library Facilities Undermine Public Trust and Community Impact.” LinkedIn, 3 de julio de 2025. https://www.linkedin.com/pulse/cost-neglect-how-poor-library-facilities-undermine-public-baffigo-zhctc/

Se analiza cómo la falta de inversión en la infraestructura de las bibliotecas públicas afecta directamente a su reputación, a su impacto social y a la confianza ciudadana. Aunque estas instituciones cumplen un papel esencial como centros de equidad, educación y vida cívica, el deterioro físico de los edificios transmite un mensaje contradictorio: se apuesta por la innovación tecnológica y los programas, pero se descuida el espacio que los alberga.

Uno de los efectos más inmediatos de este abandono es la disminución en la circulación y la asistencia. Cuando los edificios están mal iluminados, poco ventilados o con servicios deteriorados, los usuarios dejan de acudir, independientemente de la calidad de las actividades ofrecidas. En contraste, está comprobado que las renovaciones y modernizaciones generan incrementos notables en el uso y la participación comunitaria.

Otro aspecto clave es la seguridad. Instalaciones con cerraduras dañadas, sistemas de vigilancia ineficientes o iluminación deficiente se vuelven más vulnerables al vandalismo y al uso indebido. Esto no solo pone en riesgo a los empleados y usuarios, sino que deteriora la percepción de la biblioteca como un espacio seguro, alejando a familias, estudiantes y personas mayores.

La reducción en las métricas de uso tiene consecuencias presupuestarias. Menos visitantes y préstamos suelen interpretarse erróneamente como falta de interés comunitario, lo que deriva en recortes de financiación. Además, los problemas menores de mantenimiento se transforman con el tiempo en costosas reparaciones de capital, agravando la carga financiera y desviando recursos de programas y servicios.

El deterioro también afecta la imagen pública de la biblioteca. Un edificio descuidado comunica desinterés institucional y debilita el prestigio de la biblioteca en comparación con el acceso digital, cada vez más presente. Esto impacta no solo en la relación con los usuarios, sino también en la moral del personal, en la confianza de los donantes y en las oportunidades de colaboración con otras organizaciones.

Finalmente, las bibliotecas que no logran proyectar un rol cívico sólido son relegadas en la planificación municipal. En un contexto de desarrollo urbano, salud pública y modernización tecnológica, las instituciones con instalaciones deterioradas pierden visibilidad como posibles aliadas estratégicas. Por el contrario, cuando los edificios están bien mantenidos, las bibliotecas pueden desempeñar múltiples funciones: desde centros de aprendizaje y desarrollo laboral hasta estaciones de apoyo durante emergencias climáticas.

Contenido generado por IA está contaminando los servidores de preprints

Watson, Traci. «AI content is tainting preprints: how moderators are fighting back.» Nature, 12 de agosto de 2025. https://doi.org/10.1038/d41586-025-02469-y.

Diversos servidores de preprints —como PsyArXiv, arXiv, bioRxiv y medRxiv— están detectando un aumento en el número de manuscritos que parecen haber sido generados o asistidos por inteligencia artificial o incluso por fábricas de artículos («paper mills»). Este comportamiento plantea serias dudas sobre la integridad de la ciencia abierta y la velocidad de publicación sin control.

Un caso emblemático involucró un manuscrito titulado “Self-Experimental Report: Emergence of Generative AI Interfaces in Dream States” publicado en PsyArXiv. El estilo estrambótico del contenido, la falta de afiliación del autor y la ausencia de detalles claros sobre el uso de IA llevaron a una alerta lanzada por la psicóloga Olivia Kirtley, quien luego solicitó su eliminación. Aunque el autor afirmó que la IA solo tuvo un papel limitado (como cálculo simbólico y verificación de fórmulas), no lo declaró explícitamente, lo que violó las normas del servidor.

En el servidor arXiv, los moderadores estiman que aproximadamente un 2 % de las presentaciones son rechazadas por tener indicios de IA o ser elaboradas por paper mills.

En bioRxiv y medRxiv, se rechazan más de diez manuscritos al día que resultan sospechosos de ser generados de forma automatizada, dentro de un promedio de 7.000 envíos mensuales

Los servidores de preprints reconocen un incremento reciente en contenido generado por IA, especialmente tras el lanzamiento de herramientas como ChatGPT en 2022. Esto ha generado una crisis creciente en apenas los últimos meses. El Centro para la Ciencia Abierta (Center for Open Science), responsable de PsyArXiv, expresó públicamente su preocupación por esta tendencia.

Un estudio publicado la semana pasada en Nature Human Behavior estima que, en septiembre de 2024, casi dos años después del lanzamiento de ChatGPT, los LLM produjeron el 22 % del contenido de los resúmenes de informática publicados en arXiv y aproximadamente el 10 % del texto de los resúmenes de biología publicados en bioRxiv. En comparación, un análisis de los resúmenes biomédicos publicados en revistas en 2024 reveló que el 14 % contenía texto generado por LLM en sus resúmenes. (imagen de arriba)

Sin embargo, aplicar filtros más rigurosos para detectar contenido automatizado presenta desafíos: requiere recursos adicionales, puede ralentizar el proceso de publicación y genera dilemas sobre qué contenidos aceptar o rechazar sin convertirse en un sistema excesivamente burocrático

La proliferación de contenido no fiable amenaza con erosionar la credibilidad de la ciencia de los repositorios de preprints, que juegan un papel cada vez más relevante en la difusión rápida de descubrimientos. Se vuelve clave que los servicios de preprints implementen mecanismos de detección más sofisticados, promuevan la transparencia respecto al uso de IA en la redacción y mantengan un equilibrio entre agilidad de publicación y rigor científico.