Archivo de la etiqueta: Análisis comparado

Comparativa entre ChatGPT y Gemini: creatividad, interacción y productividad en la inteligencia artificial

Caswell, Amanda. 2025. “I Switched from ChatGPT to Gemini for One Week — and Here’s Why I’m Going Back to ChatGPT.” Tom’s Guide, 25 de septiembre de 2025. https://www.tomsguide.com/ai/i-switched-from-chatgpt-to-gemini-for-one-week-and-heres-why-im-going-back-to-chatgpt

Un análisis reciente de la experiencia de uso de Gemini, el modelo de inteligencia artificial de Google, frente a ChatGPT, evidencia diferencias significativas en creatividad, interacción y adaptación al usuario.

Durante una semana de prueba, Gemini demostró ser eficaz en tareas estructuradas, como la programación y la investigación, y ofreció una integración fluida con herramientas del ecosistema Google, incluyendo Docs y Gmail. Sin embargo, su desempeño en contextos que requieren creatividad y fluidez conversacional fue limitado en comparación con ChatGPT, que mantiene un estilo más versátil, expresivo y capaz de generar ideas originales en sesiones de lluvia de ideas o redacción más elaborada.

Otro punto destacado en la comparación es la capacidad de memoria de contexto. Mientras que ChatGPT logra seguir conversaciones largas y mantener la coherencia en proyectos continuos, Gemini mostró dificultades para recordar información previa en interacciones prolongadas, lo que puede afectar la productividad en tareas complejas o colaborativas. Por otro lado, Gemini ofrece ventajas para usuarios integrados en el ecosistema Google, permitiendo automatizar flujos de trabajo administrativos y de investigación de manera más directa, especialmente en la versión de suscripción avanzada Gemini Advanced.

En términos generales, aunque Gemini representa un avance en eficiencia y conectividad con herramientas digitales, ChatGPT sigue siendo superior en términos de creatividad, riqueza conversacional y adaptabilidad a tareas que requieren pensamiento crítico. El análisis sugiere que, mientras Gemini puede ser útil para productividad y tareas técnicas, la interacción con ChatGPT proporciona un valor diferencial en creatividad y generación de contenido original, consolidándose como la herramienta preferida para usuarios que priorizan la profundidad, la innovación y la continuidad en sus proyectos de IA.

🤖 ChatGPT

Fortalezas:

  • Creatividad y expresividad
  • Mantiene el contexto en conversaciones largas
  • Mejor para tareas creativas y críticas

Debilidades:

  • Salida menos estructurada
  • Puede tener dificultades con contextos extensos
  • Menos opciones de personalización

🌐 Gemini

Fortalezas:

  • Integración con herramientas de Google
  • Bueno para programación e investigación
  • Suscripción avanzada ofrece funciones adicionales

Debilidades:

  • Menos creativo y expresivo
  • Dificultades en conversaciones prolongadas
  • Flujo conversacional más débil

Diferencias entre ChatGPT (de OpenAI) y Microsoft Copilot

DataCamp. “ChatGPT vs. Copilot: Which AI Assistant Is Right for You?” DataCamp, abril–mayo 2025. Consultado el 30 de julio 2025.

Texto completo

ChatGPT destaca por su versatilidad y creatividad, siendo capaz de abordar tareas muy variadas y adaptarse a múltiples idiomas, formatos y estilos de escritura. Por su parte, Copilot está optimizado para la productividad dentro del ecosistema Microsoft 365: integra funciones en Word, Excel, PowerPoint, Outlook y Teams.

Uno de los puntos clave es que ChatGPT soporta una amplia gama de lenguajes de programación y frameworks, mientras que Copilot está especialmente enfocado en entornos de desarrollo de Microsoft y tareas empresariales estructuradas.

En cuanto al modelo de negocio, ambos ofrecen versiones gratuitas, pero se requiere suscripción (por ejemplo, ChatGPT Premium o Copilot Pro/Microsoft 365 Copilot) para acceder a funciones avanzadas.

Calidad de respuesta y fiabilidad

ChatGPT ofrece respuestas más conversacionales, creativas y adaptables, aunque puede no citar fuentes directamente. Copilot, al estar integrado con Bing y el ecosistema Microsoft, tiende a ofrecer respuestas más precisas, con formatos claros, mejor notación matemática y referencias verificables.

Integración con herramientas de trabajo

Copilot ofrece integración directa y profunda con aplicaciones como Microsoft Word, Excel, PowerPoint, Outlook y Teams. Puede analizar datos en Excel (tablas dinámicas, gráficos, fórmulas), generar presentaciones y redactar correos personalizados a partir de hilos de correo o documentos. ChatGPT, aunque puede conectarse a otras herramientas y servicios, requiere configuraciones externas mediante API o Zapier, lo que lo hace más flexible pero menos inmediato para usuarios de Microsoft 365.

Seguridad y entorno empresarial

Copilot se beneficia de las protecciones de seguridad y cumplimiento de Microsoft 365, incluyendo control de datos, gestión empresarial y políticas corporativas. ChatGPT ofrece medidas de seguridad estándar, con características adicionales en la versión Enterprise para entornos profesionales.

Qué herramienta elegir según tus necesidades

Si trabajas ampliamente en el entorno de Microsoft 365 y buscas automatizar tareas repetitivas como gestión de correos, informes o análisis en Excel dentro de un flujo estandarizado, Copilot puede ser la opción más eficiente. Permite realizar tareas rápidamente dentro de la suite (Word, Excel, PowerPoint, Outlook y Teams) sin salir del entorno familiar.

Si en cambio necesitas soluciones creativas, trabajar con múltiples formatos, personalizar respuestas o desarrollar con soporte en múltiples lenguajes y contextos, ChatGPT ofrece mayor flexibilidad y amplitud funcional, especialmente si deseas crear asistentes personalizados o escribir contenido narrativo, técnico o creativo.

En muchos casos, una combinación de ambos es una estrategia efectiva: se puede aprovechar ChatGPT para generación creativa y análisis abierto, mientras que Copilot se usa para flujos de trabajo dentro de Microsoft 365.

La lectura en papel mejora las habilidades de comprensión entre seis y ocho veces más que la lectura en dispositivos digitales

 Altamura, L., Vargas, C., & Salmerón, L. (2023). «Do New Forms of Reading Pay Off? A Meta-Analysis on the Relationship Between Leisure Digital Reading Habits and Text Comprehension». Review of Educational Research, 0(0). https://doi.org/10.3102/00346543231216463

Un equipo de la Universidad de Valencia analizó más de dos docenas de estudios publicados entre 2000 y 2022, con casi 470 000 participantes. Concluyeron que la lectura en papel mejora las habilidades de comprensión entre seis y ocho veces más que la lectura en dispositivos digitales

Un nuevo estudio realizado por la Universidad de Valencia concluye que la lectura en formato impreso mejora la comprensión lectora entre seis y ocho veces más que la lectura en pantallas. Esta investigación, que analizó más de veinte años de estudios y casi 470 000 participantes, confirma que el papel sigue siendo el medio más eficaz para fomentar una lectura profunda y comprensiva, especialmente en contextos educativos.

Una de las razones principales es que los textos digitales suelen presentar una calidad lingüística inferior. Muchas veces están escritos en un estilo conversacional, como en redes sociales, lo que limita la exposición a estructuras sintácticas complejas, vocabulario académico y razonamientos elaborados. Además, el acto de leer en pantalla tiende a ser más superficial, con un enfoque en el escaneo rápido y fragmentado, lo que perjudica la capacidad de conectar ideas y retener información.

Los resultados varían según la edad de los lectores. En niños de primaria, la lectura digital tiene un efecto claramente negativo sobre la comprensión. En adolescentes y universitarios, aunque la relación se vuelve algo más positiva, sigue siendo menos efectiva que la lectura en papel. Esto se debe en parte a que los lectores más jóvenes aún no dominan estrategias cognitivas que les permitan ignorar las distracciones digitales, mientras que los mayores han desarrollado mayor capacidad de autorregulación.

Los investigadores no están en contra del uso de tecnologías digitales, pero advierten que el aprendizaje profundo —especialmente en edades tempranas— requiere el tipo de atención, ritmo pausado y concentración que fomenta la lectura impresa. Por ello, recomiendan que las escuelas y educadores prioricen los libros físicos para desarrollar sólidas habilidades lectoras antes de introducir de manera intensiva la lectura digital.

En conclusión, aunque las pantallas ofrecen acceso rápido a una gran cantidad de información, no sustituyen las ventajas cognitivas y educativas de leer en papel. Para cultivar una comprensión lectora rica, duradera y crítica, especialmente en estudiantes, el libro impreso sigue siendo la herramienta más poderosa.

¿Pueden los chatbots de IA sustituir a los motores de búsqueda? un análisis del tráfico web global (2023–2025)

Sarkar, Sujan. 2025. Are AI Chatbots Replacing Search Engines? A 2-Year Data Study on Web Traffic Trends. OneLittleWeb. Última actualización 22 de abril de 2025. https://www.onelittleweb.com/ai-chatbots-vs-search-engines-study/

El informe de OneLittleWeb, titulado «Are AI Chatbots Replacing Search Engines? A 2-Year Data Study on Web Traffic Trends», analiza la evolución del tráfico web global entre abril de 2023 y marzo de 2025, comparando el uso de motores de búsqueda tradicionales con el de chatbots de inteligencia artificial.

Crecimiento de los Chatbots de IA

Durante el período analizado, los chatbots de IA experimentaron un crecimiento significativo en su tráfico web:

  • Crecimiento interanual del 80,92%: Pasaron de 30.500 millones de visitas entre abril de 2023 y marzo de 2024 a 55.200 millones en el mismo período de 2024-2025.
  • Dominio de ChatGPT: Este chatbot lidera el mercado con un 86,32% de participación en el tráfico total de chatbots, seguido por DeepSeek y Gemini.
  • Crecimiento de nuevos actores: DeepSeek y Grok destacaron por su rápido aumento en visitas, con incrementos del 113.007% y 353.787% respectivamente.

Comparación con los Motores de Búsqueda

A pesar del crecimiento de los chatbots, los motores de búsqueda tradicionales mantienen una posición dominante:

  • Tráfico total de 1,86 billones de visitas: Entre abril de 2024 y marzo de 2025, los motores de búsqueda registraron una ligera disminución del 0,51% en comparación con el año anterior.
  • Diferencia en visitas diarias: En marzo de 2025, los motores de búsqueda promediaron 5.500 millones de visitas diarias, mientras que los chatbots alcanzaron 233,1 millones, lo que representa una diferencia de casi 24 veces.
  • Participación de mercado: Google lidera con un 87,57% del tráfico entre los motores de búsqueda, seguido por Microsoft Bing y Yandex.

Integración de IA en los Motores de Búsqueda

Los motores de búsqueda están incorporando funciones basadas en IA para mejorar la experiencia del usuario:

  • Google: Ha introducido «AI Overviews» y «AI Mode», que proporcionan respuestas generadas por IA directamente en los resultados de búsqueda
  • Microsoft Bing: Implementó la «Search Generative Experience (SGE)», que utiliza IA para ofrecer respuestas más completas y contextuales.

Impacto en el Tráfico Web y el SEO

Aunque los chatbots de IA están ganando popularidad, su capacidad para dirigir tráfico a sitios web es limitada

  • Tasas de clics más bajas: Los chatbots tienen una tasa de clics promedio del 0,33%, en comparación con el 8,63% de los motores de búsqueda tradicionales.
  • Preocupaciones para los editores: La menor capacidad de los chatbots para generar tráfico directo plantea desafíos para los editores y creadores de contenido que dependen del SEO.

El estudio concluye que, aunque los chatbots de IA están creciendo rápidamente y transformando la forma en que los usuarios interactúan con la información, todavía no están reemplazando a los motores de búsqueda tradicionales. Los motores de búsqueda siguen siendo la principal fuente de acceso a la información en línea, y su integración con tecnologías de IA sugiere una evolución hacia una experiencia de búsqueda más conversacional y personalizada.

Comparativa de los principales asistentes de IA: ChatGPT, Google Gemini, Perplexity y Claude ¿Cuál elegir?

Julian Horsey, «ChatGPT vs Gemini vs Perplexity vs Claude: Which AI Assistant is Best?«, Geeky Gadgets, 14 de mayo de 2025, https://www.geeky-gadgets.com/chatgpt-vs-gemini-vs-perplexity-vs-claude/?utm_source=flipboard&utm_content=topic/artificialintelligence

Con el auge de los asistentes de inteligencia artificial, elegir el adecuado puede marcar una gran diferencia en términos de productividad, creatividad y eficiencia. Este análisis compara los cuatro líderes del sector según sus puntos fuertes, limitaciones y mejores usos.

ChatGPT (OpenAI): Muy versátil, ideal para tareas generales, redacción creativa y generación de imágenes. Sin embargo, puede perder el hilo en conversaciones largas y ocasionalmente ofrecer información errónea.

Google Gemini: Potente para tareas complejas, análisis profundo y trabajo colaborativo dentro del ecosistema Google. Perfecto para usuarios que manejan grandes volúmenes de datos, aunque puede resultar demasiado formal para usos creativos.

Perplexity AI: Se especializa en investigación en tiempo real, verificación de hechos y análisis de la competencia, con respuestas respaldadas por fuentes. No es tan eficaz en creatividad ni genera imágenes.

Claude AI (Anthropic): Destaca en creatividad, lluvia de ideas y pensamiento estratégico. Tiene una ventana de contexto muy grande (hasta 200.000 tokens), pero no genera imágenes.

Cual elegir

¿Cuál elegir?

Depende de tus necesidades:

Necesidad principalAsistente recomendado
Redacción creativa + imágenesChatGPT
Investigación profundaGoogle Gemini
Información precisa y actualPerplexity AI
Ideas, estrategia y proyectos largosClaude AI

OpenAlex y Crossref como fuentes de datos bibliográficas alternativas a Web of Science y Scopus en ciencias de la salud.

Cebrián, Guillem, Ángel Borrego y Ernest Abadal. 2025. «OpenAlex y Crossref como fuentes de datos bibliográficas alternativas a Web of Science y Scopus en ciencias de la salud.» Revista Española de Documentación Científica 48 (1). https://doi.org/10.3989/redc.2025.1.1649.

El artículo analiza el valor de OpenAlex y Crossref como fuentes alternativas a las reconocidas bases de datos Web of Science (WoS) y Scopus, particularmente en el campo de las ciencias de la salud. La motivación surge del creciente uso de WoS y Scopus en procesos de evaluación científica, lo que ha derivado en críticas por su falta de transparencia, sesgos comerciales y limitada cobertura temática y geográfica. En este contexto, los autores exploran si OpenAlex y Crossref pueden ofrecer una cobertura más amplia, representativa y abierta.

Para abordar el primer objetivo, los autores partieron de un listado de revistas categorizadas como «Health Sciences» por Scopus. A partir de este conjunto, analizaron cuántas de estas publicaciones estaban indexadas en Crossref, WoS y Scopus. También compararon el país y la editorial de cada revista.

Para el segundo objetivo, se seleccionaron al azar 300 artículos (100 de cada año entre 2017 y 2019) publicados en revistas científicas españolas de ciencias de la salud. Se consultaron las tres bases de datos (OpenAlex, WoS y Scopus) para verificar la presencia de estos artículos, el número de citas que habían recibido, y la completitud de los metadatos (autores, título, año, DOI, etc.). Para acceder a la información de Crossref y OpenAlex, se emplearon consultas mediante sus respectivas APIs.

1. Cobertura de revistas y editoriales

  • Crossref indexa un mayor número de títulos que WoS y Scopus. En concreto, supera en un 18 % a WoS y en un 14 % a Scopus.
  • La cobertura por países y editoriales también es más amplia en Crossref, que muestra una mayor representatividad de editoriales pequeñas o periféricas.
  • Mientras que WoS y Scopus tienden a concentrarse en publicaciones de grandes editoriales y países centrales (EE.UU., Reino Unido, Países Bajos), Crossref incluye una variedad más diversa.

2. Cobertura de artículos y citas en OpenAlex

  • De los 300 artículos muestreados, OpenAlex recuperó el 93 %, mientras que Scopus y WoS recuperaron el 88 % y 82 % respectivamente.
  • El cómputo de citas fue mayor en OpenAlex que en las otras dos bases. En promedio, OpenAlex ofrecía un 23 % más de citas que WoS y un 17 % más que Scopus.
  • En cuanto a la calidad de los metadatos, no hubo grandes diferencias. Las tres bases presentaban niveles similares de completitud, especialmente en campos como título, autores y año. OpenAlex destaca por su apertura y facilidad de acceso a los datos mediante API.

Los resultados confirman que Crossref y OpenAlex ofrecen una cobertura más amplia y representativa, lo que las convierte en herramientas útiles para investigaciones y procesos de evaluación más inclusivos. Su carácter abierto y gratuito constituye una ventaja clara frente a WoS y Scopus, que son plataformas comerciales con acceso limitado.

Sin embargo, los autores también advierten de ciertas limitaciones. Por ejemplo, aunque Crossref ofrece una amplia cobertura de revistas, no todas están actualizadas o bien mantenidas por sus editores. Por otro lado, OpenAlex, al ser un recurso relativamente reciente, aún está en desarrollo y puede presentar inconsistencias ocasionales.

Conclusiones

  1. Crossref presenta una cobertura de revistas superior a WoS y Scopus, tanto en cantidad como en diversidad editorial y geográfica.
  2. OpenAlex muestra mayor cobertura de artículos y citas, así como una calidad de metadatos comparable a la de las otras dos bases.
  3. Ambas plataformas representan una alternativa viable y sólida para estudios bibliométricos, especialmente en un entorno que promueve la ciencia abierta.
  4. Los resultados del estudio pueden servir de base para repensar los criterios de evaluación científica, diversificando las fuentes y apoyando modelos más equitativos y abiertos.

Las mejores herramientas de IA para la investigación (Guía de Nature)

Van Noorden, Richard, y Timothy Perkel. «AI’s Growing Role in Science.» Nature, 2025. https://www.nature.com/articles/d41586-025-00437-0

Las herramientas de inteligencia artificial (IA) están cambiando la investigación científica, con modelos como ChatGPT y DeepSeek facilitando tareas como la redacción y la resolución de problemas complejos. Llama es popular por su adaptabilidad en simulaciones científicas, mientras que Claude destaca en codificación. OLMo, por su parte, ofrece total transparencia en su funcionamiento.

Las herramientas de inteligencia artificial (IA) generativa están revolucionando el panorama de la investigación, ofreciendo una amplia variedad de modelos de lenguaje (LLM) para diferentes tareas. Desde la escritura de códigos hasta la generación de hipótesis o la edición de manuscritos, los investigadores ahora tienen acceso a más herramientas que nunca.

OpenAI y sus modelos de razonamiento
OpenAI, con sede en San Francisco, lanzó su chatbot ChatGPT en 2022, y desde entonces ha desarrollado modelos avanzados como o1 y o3, diseñados para realizar razonamientos paso a paso. Estos modelos sobresalen en tareas como la resolución de problemas matemáticos y la depuración de código. Recientemente, OpenAI introdujo el o3-mini, una versión más rápida y accesible de su modelo de razonamiento, y ‘deep research’, una herramienta que permite generar informes sintéticos de información con citas de múltiples sitios web. Aunque potentes, estos modelos siguen siendo propensos a errores y no pueden reemplazar completamente a un investigador humano.

DeepSeek: el modelo versátil
La empresa china DeepSeek lanzó su modelo DeepSeek-R1, que se destaca por su bajo costo y la capacidad de personalizarse para proyectos de investigación específicos. A diferencia de los modelos de OpenAI, DeepSeek-R1 es de «peso abierto», lo que permite a los investigadores adaptarlo a sus necesidades. Es especialmente útil para tareas como problemas matemáticos y generación de hipótesis. Sin embargo, presenta desventajas como un proceso de pensamiento lento y preocupaciones sobre la seguridad de los datos introducidos.

Llama: el caballo de batalla
Llama, desarrollado por Meta AI, es otro modelo popular entre los investigadores, especialmente por su disponibilidad de código abierto, lo que permite a los usuarios adaptarlo para tareas específicas. Ha sido utilizado en simulaciones de computadoras cuánticas y para predecir estructuras cristalinas de materiales. A pesar de que requiere permisos para su uso, es ampliamente adoptado por la comunidad científica, que valora su accesibilidad y adaptabilidad.

Claude: el experto en codificación
El modelo Claude 3.5 Sonnet de la firma Anthropic, basado en Silicon Valley, es altamente apreciado por su habilidad para escribir código y manejar información visual, como gráficos y tablas. Además, su capacidad para mantener el estilo técnico en la escritura lo hace útil para tareas como la redacción de propuestas de subvenciones y la anotación de códigos. Aunque su uso completo requiere acceso a una API de pago, se valora por su rendimiento en desafíos de codificación.

OLMo: la transparencia total
OLMo 2 es un modelo de código abierto que ofrece una transparencia total, permitiendo a los investigadores examinar tanto los datos de entrenamiento como los algoritmos utilizados para desarrollar el modelo. Este nivel de transparencia es valioso para entender sesgos en los resultados y mejorar la eficiencia del modelo. Sin embargo, su uso requiere conocimientos técnicos, aunque los cursos gratuitos están reduciendo las barreras de entrada.

En general, la IA generativa está transformando la investigación científica, pero la elección del modelo adecuado depende de las necesidades del investigador y los recursos disponibles. Aunque estas herramientas prometen avances significativos, su implementación aún enfrenta desafíos como la supervisión humana y la protección de datos sensibles.

Evaluación de la cobertura de citas en 59 bases de datos: más allá de Google Scholar, Scopus y Web of Science

Gusenbauer, Michael. «Beyond Google Scholar, Scopus, and Web of Science: An Evaluation of the Backward and Forward Citation Coverage of 59 Databases’ Citation Indices». Research Synthesis Methods n/a, n.o n/a. Accedido 11 de julio de 2024. https://doi.org/10.1002/jrsm.1729.

El estudio «Beyond Google Scholar, Scopus, and Web of Science: An evaluation of the backward and forward citation coverage of 59 databases’ citation indices» de Michael Gusenbauer, publicado el 14 de junio de 2024, evalúa la cobertura de citas de los índices de 59 bases de datos, incluyendo Google Scholar, Scopus y Web of Science, además de otras menos analizadas como Lens, Scite, Dimensions, OpenAlex, PubMed y JSTOR.

El análisis abarca 259 artículos de revistas de diversas disciplinas, con el objetivo de guiar a los académicos en la selección de índices con una cobertura documental más amplia y enlaces de citas hacia atrás (BWC) y hacia adelante (FWC) más precisos y completos.

Hallazgos clave:

  • FWC (Forward Citation Coverage): Google Scholar, ResearchGate, Semantic Scholar y Lens destacan como las mejores opciones, con Lens sobresaliendo en capacidades de descarga.
  • BWC (Backward Citation Coverage): Web of Science Core Collection se recomienda sobre Scopus por su precisión. Las bases de datos de editores como IEEE Xplore o ScienceDirect son las más precisas en BWC, aunque solo para un número limitado de artículos.

Los resultados muestran que los 259 artículos utilizados para calcular las puntuaciones de BWC (citas hacia atrás) y FWC (citas hacia adelante) fueron accesibles de manera desigual en las bases de datos. En general, las bases de datos más grandes también cubrían más artículos, una relación visible en una correlación de Pearson de r = 0.84. Google Scholar y OpenAlex fueron las únicas bases de datos que cubrieron todos los artículos, mientras que PLOS y Econstor tuvieron la menor cobertura, identificando solo nueve artículos.

La mitad de las bases de datos proporcionaron información de FWC para todos o casi todos (96%) los artículos que cubrían, de los cuales dos tercios lo hicieron para todos los artículos. La otra mitad proporcionó solo información fragmentada, siendo Ingenta Connect la que menos información ofreció, con solo un artículo (6%) que tenía información de FWC. Se encontró una correlación notable entre el tamaño de la base de datos y la cobertura de FWC (r = 0.63), lo que significa que las bases de datos más grandes tienen índices de FWC más completos. Existen múltiples razones por las cuales esta correlación es menor que la cobertura de artículos (r = 0.84): primero, problemas en la provisión y enlace de datos significan que algunos artículos cubiertos no aparecen en las BWCs o FWCs. Por ejemplo, ScienceOpen, SciTech Premium Collection (a través de ProQuest) y Academic Search Premier (a través de EBSCOhost) tienen bases de datos comparativamente grandes, pero la información de citas que proporcionan es débil. Otra razón es que ciertos proveedores limitan artificialmente la cobertura; por ejemplo, Ebsco ofrece diferente cobertura de citas en sus productos. Además, las bases de datos más pequeñas tienen una amplia cobertura de FWC o BWC debido al uso de proveedores de datos externos que extienden sus índices de citas mucho más allá de la cobertura de artículos de sus propias bases de datos (por ejemplo, IEEEXplore, PLOS, ScienceDirect, Sage). Todos estos hallazgos significan que el tamaño de la base de datos por sí solo no es un indicador perfecto de la cobertura de citas.

El número de BWCs en todos los campos científicos en 2018 fue una mediana de 54.5 y una media de 93.9. Ninguna base de datos proporcionó información de BWC para todos los artículos; las más cercanas a la cobertura total fueron Scopus, OpenAlex, Lens y ScienceOpen. Entre los artículos que fueron cubiertos, alrededor del 36% de todas las bases de datos proporcionaron información completa de BWC, mientras que otro 17% lo hizo para más del 90% de los artículos. Las bases de datos restantes proporcionaron información más fragmentada, siendo Academic Search Premier (a través de EBSCOhost) la que menos proporcionó, con solo el 7% de sus artículos con información de BWC. El análisis muestra que tanto las grandes bases de datos multidisciplinarias como las bases de datos de editoriales más pequeñas pueden proporcionar información de BWC completa y precisa. En esta línea, se encontró que el tamaño de la base de datos estaba débilmente correlacionado con la precisión de la información de BWC (r = 0.16). Una razón probable puede ser que las bases de datos de editoriales más pequeñas, en particular, tenían información de BWC comparativamente buena. En comparación, las bases de datos más grandes no siempre eran precisas, a menudo sobreestimando el número de BWCs que tenía un artículo.

Estos hallazgos ayudarán a los académicos en la realización de revisiones sistemáticas, meta-análisis y análisis bibliométricos a seleccionar las bases de datos más adecuadas para la búsqueda de citas.

Batalla de los bots de IA: Copilot vs ChatGPT vs Gemini

Nield, David. «Battle of the AI Bots: Copilot vs ChatGPT vs Gemini». Popular Science, 11 de mayo de 2024. https://www.popsci.com/technology/copilot-vs-chatgpt-vs-gemini/.

El artículo «Battle of the AI bots: Copilot vs ChatGPT vs Gemini,» publicado el 11 de mayo de 2024 por David Nield, compara el rendimiento de tres conocidos chatbots generativos: Copilot de Microsoft, ChatGPT de OpenAI y Gemini de Google.

La batalla entre los bots de inteligencia artificial, específicamente Copilot de GitHub, ChatGPT de OpenAI y Gemini de Google, refleja el avance significativo en el campo de la inteligencia artificial y su aplicación en diversas áreas. Cada uno de estos bots tiene características y especializaciones que los distinguen, y a continuación se presenta una comparación detallada de cada uno:

Microsoft Copilot:


Copilot se encuentra prácticamente en todo lo que hace Microsoft ahora: Bing, Windows, OneDrive, y también está disponible en forma de aplicación web y móvil. Ni siquiera necesitas registrarte para usarlo, aunque tu asignación de uso está limitada si no inicias sesión con tus credenciales de Microsoft.

Copilot utiliza el motor de búsqueda Bing de Microsoft de manera transparente, y muchas respuestas tienen enlaces web adjuntos como citas, muy útiles si quieres asegurarte de que la IA no está alucinando. Además, tiene un tono amigable y conversacional, ofreciendo un montón de sugerencias para estímulos cada vez que lo abres.

El motor de IA que sustenta a Copilot es en realidad el GPT-4 de OpenAI (al menos hasta que Microsoft desarrolle el suyo propio), pero las herramientas son diferentes en varios aspectos, incluidos los tres ajustes de chat que puedes modificar para ajustar la salida de texto de Copilot: Más Creativo, Más Equilibrado y Más Preciso.

Copilot es la elección obvia si ya estás inmerso profundamente en el ecosistema de Microsoft. Funciona bien al referenciar información relevante de la web y proporciona enlaces de cita que son claros y fáciles de seguir.

OpenAI ChatGPT:

Parece que ChatGPT ha estado marcando el ritmo en lo que respecta a la IA generativa, pero ¿realmente es mucho mejor que la competencia cuando realmente lo usas? Ciertamente está ampliamente disponible: Puedes acceder a él desde la web en cualquier computadora, o desde las aplicaciones móviles en Android e iOS.

Hay una gran diferencia entre la versión gratuita de ChatGPT y la versión Plus de 20$ al mes; necesitas ser suscriptor para obtener características como generación de imágenes y escaneo de documentos, por ejemplo. Una suscripción también te permite construir tus propios GPT, con estímulos personalizados y tus propios datos (así que podrías, por ejemplo, alimentar a un GPT con tus propios documentos y luego hacer preguntas sobre ellos.

ChatGPT Plus también te da acceso a los modelos GPT-4 más recientes, pero el modelo GPT-3.5 gratuito es una puerta de entrada perfectamente adecuada a las conversaciones con chatbots de IA. Es rápido y versátil, aunque no te ofrece enlaces a otros lugares en la web como lo hace Copilot, para ayudarte a verificar la veracidad de lo que estás leyendo.

Una de las principales razones para elegir ChatGPT como tu chatbot preferido es que está en la vanguardia del desarrollo de IA, con nuevas mejoras y características lanzadas regularmente. Dicho esto, impresiona más cuando estás pagando por él, así que tal vez no sea el bot al que recurrir si tienes un presupuesto ajustado.

Google Gemini:

Por último, tenemos Google Gemini (anteriormente conocido como Google Bard), que está disponible como una aplicación web, una aplicación independiente para Android y en la aplicación de Google para iOS. Nuevamente, hay dos planes, gratuito y de pago, pero ese plan de pago (20$ al mes) es parte de Google One, por lo que también obtienes extras como almacenamiento en la nube incluido.

En cuanto a las diferencias reales en el uso del producto, pagar una tarifa mensual solo te da acceso a un modelo más nuevo y más inteligente (estos modelos también se llaman Gemini). En algunas situaciones, es posible que no notes la diferencia, pero en otras, como la programación o las matemáticas, probablemente lo harás.

Independientemente de la versión de Gemini que elijas, la interfaz es muy similar a la de ChatGPT, con tus conversaciones anteriores a la izquierda de la pantalla. Enlazar con conversaciones anteriores es sencillo, y nos gusta la forma en que puedes ver múltiples respuestas en borrador para el mismo estímulo (aunque los borradores a menudo son muy similares).

Al igual que con Copilot y Microsoft, Gemini tiene mucho sentido si ya usas muchos productos de Google; de hecho, es posible que ya lo hayas usado a través de Google Docs o Gmail. Sin embargo, en términos de respuestas y la interfaz, se parece más a la oferta de OpenAI, para bien o para mal: un poco más eficiente y no tan amigable como Copilot.

Conclusiones

No estábamos buscando encontrar un ganador absoluto a través de esta comparación, y de hecho, todos están bastante equilibrados: como Copilot, ChatGPT y Gemini pueden usarse de forma gratuita, puedes ver por ti mismo cuál se adapta mejor a tus necesidades. En cuanto a nuestras pruebas, Copilot te ofrece la mayor funcionalidad de IA sin pagar, ChatGPT es más o menos la IA más competente (pero solo si pagas por ella), mientras que Gemini es la opción si ya eres fan de todo lo que hace Google.

En conclusión, cada herramienta tiene sus propias particularidades. Copilot es ideal para usuarios de Microsoft, ChatGPT es competente pero requiere suscripción para su máximo potencial, y Gemini es recomendable para usuarios de Google. Todos pueden probarse gratuitamente para ver cuál se adapta mejor a las necesidades de cada usuario.

ChatGPT vs. Gemini: Una comparación


ChatGPT vs. Gemini: Una comparación

Gemini de Google está conectado a Internet en tiempo real, lo que significa que puede acceder y procesar información del mundo real a medida que se genera. Esto le permite ofrecer respuestas más precisas y actualizadas

Gemini de Google es un modelo de lenguaje grande (LLM) al igual que ChatGPT, pero con un enfoque particular en la precisión y la información factual, especialmente en temas técnicos. A diferencia de ChatGPT, que se centra en la fluidez y la creatividad de las conversaciones, Gemini se orienta a la exactitud y la confiabilidad de la información que proporciona.

Esta diferencia se refleja en el tamaño y la capacidad de ambos modelos. ChatGPT, con 1.5B de parámetros, se entrena en un conjunto de datos de texto y código, mientras que Gemini, con 540B de parámetros, se entrena en un conjunto de datos masivo que incluye información técnica y científica.

Similitudes:

  • Modelos de lenguaje grandes: Ambos pueden generar texto, traducir idiomas, escribir diferentes tipos de contenido creativo y responder a sus preguntas de manera informativa.
  • Aún en desarrollo: Ambos están constantemente aprendiendo y mejorando, y pueden tener errores factuales o malentendidos ocasionales.
  • Niveles gratuitos disponibles: Ambos ofrecen versiones gratuitas con capacidades limitadas, con opciones de pago para más funciones.
  • Ambos tienen versiones de pago. Gemini Avanced

Diferencias:

ChatGPT:

  • Se enfoca en formatos de texto creativo: Conocido por su capacidad para generar poemas, código, guiones, piezas musicales, correos electrónicos, cartas, etc.
  • Desarrollo OpenAI: Desarrollado por OpenAI, una empresa de investigación centrada en la inteligencia artificial.
  • Acceso: Tiene una base de usuarios más amplia y más información disponible en línea.
  • Posibles sesgos: Ha sido criticado por posibles sesgos en sus resultados, lo que requiere una evaluación cuidadosa por parte del usuario.

Gemini:

  • Se enfoca en la precisión fáctica y la recuperación de información: Más adepto a responder preguntas de manera completa e informativa, basándose en el conocimiento fáctico.
  • Desarrollo de Google: Desarrollado por Google AI, conocido por su experiencia en modelos de lenguaje grandes y tecnología de búsqueda.
  • Modelo más nuevo: Menos utilizado que ChatGPT, con información limitada disponible en línea en comparación con su competidor.
  • Énfasis en la seguridad: Diseñado con principios de seguridad en mente, con el objetivo de mitigar posibles daños como la generación de contenido dañino.

La elección entre ellos depende de sus necesidades:

  • Para escritura creativa y formatos de texto: ChatGPT podría ser una mejor opción debido a su gama más amplia de capacidades creativas.
  • Para información fáctica y respuestas completas: Gemini podría ser una mejor opción debido a su enfoque en la precisión y la recuperación de información.

En última instancia, la mejor manera de decidir es probar ambos y ver cuál prefiere.