Archivo de la etiqueta: Citas bibliográficas

Guía del bibliotecario para el aprendizaje práctico de ChatGPT: creación y evaluación de citas

«Librarian Guide to Hands-on Learning ChatGPT Activities for Bibliographic Instruction: Citation Creation and Evaluation». Accedido 29 de mayo de 2023. https://www.chatgptlibrarian.com/2023/04/librarian-guide-to-hands-on-learning.html.

La enseñanza de habilidades bibliográficas es fundamental para que los estudiantes desarrollen competencias en la investigación y la escritura académica. Una herramienta cada vez más popular para brindar instrucción bibliográfica interactiva es ChatGPT, un modelo de lenguaje de inteligencia artificial desarrollado por OpenAI. Este artículo presenta una guía práctica para los bibliotecarios que deseen utilizar ChatGPT como una herramienta de aprendizaje práctico en la creación y evaluación de citas.

Desarrollo:

  1. Breve introducción a ChatGPT: Se proporciona una descripción general de ChatGPT y cómo puede ser utilizado como recurso para la enseñanza bibliográfica.
  2. Actividad 1: Creación de citas: Se ofrece una actividad práctica en la cual los estudiantes pueden interactuar con ChatGPT para aprender a crear citas bibliográficas correctamente utilizando diferentes estilos de citación (APA, MLA, Chicago, etc.). Se brindan ejemplos y se resuelven dudas comunes.
  3. Actividad 2: Evaluación de citas: Se presenta una actividad en la cual los estudiantes deben evaluar la calidad y precisión de diferentes citas bibliográficas generadas por ChatGPT. Se discuten los criterios para evaluar una cita adecuada y se promueve la reflexión crítica sobre la información utilizada.
  4. Consejos para la implementación: Se ofrecen sugerencias y recomendaciones prácticas para los bibliotecarios que deseen incorporar estas actividades en sus sesiones de instrucción bibliográfica, incluyendo el tiempo estimado, las mejores prácticas y las posibles adaptaciones.

I. Introducción

  • Explicar la importancia de crear citas precisas y con el formato adecuado
  • Discutir las ventajas de utilizar ChatGPT para la creación y evaluación de citas


II. Creación de citas

  • Discutir los diferentes estilos de citación (por ejemplo, APA, MLA, Chicago)
  • Proporcionar recursos para aprender las normas y directrices de cada estilo de citación
  • Demostrar cómo utilizar ChatGPT para generar citas en diferentes estilos
  • Proporcionar ejemplos de citas influyentes y precisas

III. Evaluación de citas

  • Discutir la importancia de evaluar la precisión y el formato de las citas
  • Explicar cómo utilizar ChatGPT para evaluar la precisión y el formato de las citas.
  • Demostrar cómo introducir citas en ChatGPT para su evaluación
  • Proporcionar ejemplos de citas con formato correcto y citas con errores

IV. Buenas prácticas

  • Proporcionar consejos para la creación y evaluación de citas, como el uso de fuentes fiables y la comprobación del formato.
  • Discutir los errores comunes que deben evitarse al crear citas, como la información inexacta o incompleta.
  • Ofrecer recursos para aprender más sobre la creación y evaluación de citas

V. Ejercicios prácticos

  • Proporcione ejercicios de práctica para que los estudiantes generen y evalúen citas utilizando ChatGPT.
  • Proporcionar comentarios sobre los ejercicios y ofrecer sugerencias para mejorarlos
    VI. Conclusión

Recapitule los puntos principales de la guía

  • Animar a los alumnos a seguir practicando la creación y evaluación de citas mediante ChatGPT.
  • Ofrécete para ayudarles con cualquier pregunta o problema que puedan tener al utilizar ChatGPT para la creación y evaluación de citas.

La utilización de ChatGPT como herramienta de aprendizaje práctico en la instrucción bibliográfica puede ser una forma efectiva y atractiva de ayudar a los estudiantes a desarrollar habilidades en la creación y evaluación de citas. Esta guía del bibliotecario proporciona actividades concretas y consejos útiles para aprovechar al máximo esta herramienta en el proceso de enseñanza y aprendizaje.

Los artículos de acceso abierto se citan mucho y cada vez más en Wikipedia

Yang, Puyu, Ahad Shoaib, Robert West, y Giovanni Colavizza. «Wikipedia and open access». arXiv, 23 de mayo de 2023. https://doi.org/10.48550/arXiv.2305.13945.

Wikipedia es una conocida plataforma de difusión del conocimiento, y las fuentes científicas, como los artículos de revistas, desempeñan un papel fundamental en apoyo de su misión. El movimiento de acceso abierto tiene como objetivo hacer que el conocimiento científico esté disponible abiertamente, e intuitivamente podríamos esperar que el acceso abierto ayude a promover la misión de Wikipedia. Sin embargo, se desconoce en gran medida el alcance de esta relación. Para llenar este vacío, se analizaron un gran conjunto de datos de citas de Wikipedia cuyo objetivo era analizar el papel del acceso abierto en los patrones de citación de Wikipedia.

Se descubrió que los artículos de acceso abierto se citan mucho y cada vez más en Wikipedia. Es más, muestran una probabilidad un 15% mayor de ser citados en Wikipedia en comparación con los artículos de acceso cerrado, después de controlar los factores de confusión. Este efecto de citación del acceso abierto es particularmente fuerte en el caso de los artículos con bajo número de citas, incluidos los publicados recientemente.

Los resultados demuestran que el acceso abierto desempeña un papel clave en la difusión del conocimiento científico, entre otras cosas al proporcionar a los editores de Wikipedia acceso oportuno a resultados novedosos. Estas conclusiones tienen importantes implicaciones para investigadores, responsables políticos y profesionales del campo de la ciencia y la tecnología de la información.

ChatGPT podría verse obligado a mostrar sus fuentes gracias al nuevo proyecto de ley de regulación de la IA de la Unión Europea

updated, Jeff Parsons last. «ChatGPT Could Be Forced to Show Its Sources Thanks to New AI Regulation Bill». Tom’s Guide, 28 de abril de 2023. https://www.tomsguide.com/news/new-ai-regulation-could-mean-a-big-change-for-chatgpt.

The Artificial Intelligence Act

Una de las primeras cosas de la que te das cuenta mientras pruebas ChatGPT es que las fuentes y citas utilizadas por el chatbot de IA no aparecen a menos que se le pidas

Se trata de un problema generalizado en el sector de la inteligencia artificial que ha provocado la ira tanto de editoriales como de profesionales creativos. La mayoría estamos de acuerdo en que es importante proporcionar información precisa y dar crédito a quienes la han creado.

En la actualidad, la Unión Europea está elaborando la primera normativa exhaustiva que regula el despliegue de la IA (opens in new tab). Y una de las normas más recientes incluidas en el documento es que los fabricantes de herramientas de inteligencia artificial estarán obligados a revelar cualquier material protegido por derechos de autor que hayan utilizado para crearlas.

En la nueva normativa, según un primer borrador, los desarrolladores de modelos generativos de IA tendrían que publicar un «resumen suficientemente detallado» de los materiales protegidos por derechos de autor que hayan utilizado como parte de su creación.

ChatGPT, Google Bard y otros grandes modelos lingüísticos rastrean enormes cantidades de datos (ya sea en la web o a través de conjuntos de datos curados) para proporcionar sus respuestas. A medida que aumentan las capacidades de estas herramientas de inteligencia artificial para, por ejemplo, incluir la generación de imágenes, también aumenta la cantidad de datos de contenido rastreados. Cuando esto se extiende a cosas como letras de canciones o código informático, muchas personas creen que se está infringiendo el derecho de autor.

ChatGPT mostrará citas y fuentes de la información que proporciona siempre que el usuario se lo pida.

De hecho, el pasado noviembre, OpenAI (creadora de ChatGPT) fue objeto de una demanda colectiva por parte de dos demandantes anónimos que alegaban que había monetizado indebidamente código fuente abierto de GitHub para entrenar el sistema.

Aún no está claro cuál será el impacto de la normativa en el desarrollo de la IA, ni cómo se aplicará, pero los legisladores europeos esperan que sirva de modelo para la política de IA en otras partes del mundo. La UE afirma que su política en materia de IA dará lugar a «nuevas normas mundiales para garantizar que se pueda confiar en la IA», del mismo modo que su ley GDPR se ha convertido en un punto de referencia para las normas de privacidad.

El proyecto de ley en sí no se ha finalizado, ya que los distintos Estados miembros de la UE tienen que ponerse de acuerdo para que se apruebe. No obstante, se espera que la versión final se confirme y apruebe este mismo año.

Un nuevo preprint explora la reutilización de datos y las citas

New preprint explores tracing data reuse and citations. (2023, abril 20). Scholarly Communications Lab | ScholCommLab. https://www.scholcommlab.ca/2023/04/20/new-preprint-explores-tracing-data-reuse-and-citations/

En nuestra era digital, no cabe duda de que los científicos comparten y reutilizan datos abiertos. Sin embargo, sigue sin estar claro hasta qué punto están extendidas las prácticas de reutilización y citación de datos en las disciplinas académicas, y por qué los científicos citan -o no- datos en sus trabajos de investigación.

Las citas de datos, o citas en listas de referencias a datos, se consideran cada vez más un medio importante para rastrear la reutilización de datos e incentivar su puesta en común. Aunque las diferencias disciplinarias en las prácticas de citación de datos han sido bien documentadas mediante enfoques cienciométricos, aún no sabemos hasta qué punto son representativas dentro de las disciplinas. Tampoco conocemos aún las motivaciones de los investigadores para citar -o no citar- datos en sus trabajos académicos. Se presentan aquí los resultados de la mayor encuesta conocida (n=2.492) para investigar explícitamente las prácticas de citación de datos, preferencias y motivaciones, utilizando una muestra representativa de autores académicos por disciplina, tal y como está representada en la Web of Science (WoS). Presentamos los resultados sobre las prácticas y motivaciones actuales de los investigadores para reutilizar y citar datos y también examinamos sus preferencias sobre cómo les gustaría que se citaran sus propios datos. Concluimos analizando los patrones disciplinarios en dos grandes grupos, centrándonos en los patrones de las ciencias sociales y las humanidades, y consideramos las implicaciones de nuestros resultados para el seguimiento y la recompensa de la puesta en común y la reutilización de datos.

¿Qué motiva a los investigadores que citan datos a hacerlo? En toda la muestra, la mayoría de las razones podrían interpretarse como motivaciones que reflejan la práctica «ideal» de la investigación (por ejemplo, mostrar una deuda intelectual), ayudar a otros a encontrar datos o apoyar la validez de las afirmaciones de su investigación. Pocos encuestados indicaron que los factores externos, es decir, que las revistas o los editores les aconsejaran hacerlo, fueran un factor motivador en su decisión de citar datos.

Sin embargo, se encuentran algunas diferencias disciplinarias significativas en esta cuestión. Por ejemplo, los investigadores de ciencias sociales y humanidades (SHH) indicaron que citaban datos para reconocer la deuda intelectual con más frecuencia de lo esperado. Una posible explicación de este hecho podría estar vinculada a los fines comunes para los que nuestros encuestados de las SSH reutilizan los datos (por ejemplo, servir de base para un nuevo estudio o integrar fuentes para construir un argumento).

Granjas de citas y círculos de autocitación

Hill, Sarah. «Citation Farms and Circles of Self-Citation». The Big Idea, 19 de marzo de 2020,

Texto completo

Las «granjas de citas», consisten en autores que se autocitan o se citan mutuamente de forma rutinaria y masiva para aumentar el impacto de sus publicaciones. Aunque se cree que estas «granjas de citas», también conocidas como «cárteles de citas», son el sello de la mala ciencia, la mayoría de los investigadores están de acuerdo en que hay espacio para la autocitación, pero que es una buena práctica limitarla cuando sea posible.

La autocitación puede ser necesaria, por ejemplo, si usted es la única persona que ha realizado un determinado tipo de investigación antes. Citar su propio trabajo o el de sus coautores puede ser la medida adecuada. «Todo el mundo se autocita porque, tarde o temprano, todo el mundo se basa en hallazgos anteriores», afirma Hadas Shema en el blog Scientific American. Shema cita a R. Costas, et al, en su artículo de 2010, «Self-cities at the meso and individual levels» (Autocitas en los niveles meso e individual): «Dada la naturaleza acumulativa de la producción de nuevos conocimientos, las autocitas constituyen una parte natural del proceso de comunicación».

Hay una forma sencilla de medir el impacto del trabajo de un investigador: utilizando el Factor de Impacto de la Revista (JIF). Un índice h de 20 indica que un investigador ha publicado 20 artículos con al menos 20 citas. Tras 20 años de investigación, un índice h de 20 es bueno, 40 es sobresaliente y 60 es excepcional. La ventaja del índice h es que combina la productividad (el número de publicaciones) y el impacto (número de citas) en un solo número.

Según la revista Nature, en 2017, un profesor tuvo una idea para contabilizar más a fondo las autocitas. Este profesor, ahora en la Universidad de Helsinki, sugirió un índice de autocitación, o índice s, en la línea del indicador de productividad del índice h. Creado por Justin Flatt, Alessandro Blasimme, Effy Vayena, así un científico tiene un índice s si ha publicado s artículos, cada uno de los cuales ha recibido al menos s autocitaciones. Con esta nueva herramienta, un índice s de 10 significaría que un investigador ha publicado 10 artículos con al menos 10 autocitaciones cada uno.

El profesor que ideó este sistema de puntuación afirma que no se trataba de establecer umbrales para lo que era un índice s adecuadamente bajo, ni tampoco de avergonzar a los que se autocitan mucho. Utilizando los datos, se trataba simplemente de otra herramienta para medir el impacto de ciertas teorías y artículos.

Según John Ioannidis, médico de la Universidad de Stanford (California) especializado en metaciencia: «Este [estudio] no debería llevar a vilipendiar a los investigadores por sus índices de autocitación, entre otras cosas porque éstos pueden variar entre disciplinas y etapas de la carrera». Y añade: «Sólo ofrece información completa y transparente. No debería utilizarse para emitir veredictos como el de decidir que una autocitación demasiado alta equivale a un mal científico».

¿Reduce la autocitación la probabilidad de publicación? Sí, según algunos autores. «Clarivate supervisa las autocitaciones cuando calcula el factor de impacto de una revista, y puede retirar de la lista a una revista cuando las tasas de autocitación son demasiado altas o cambia la clasificación relativa de una revista dentro de su campo», dice el doctor Phil Davis, experto en comunicación científica en el blog The Scholarly Kitchen. «Ningún editor quiere ser conocido como el que puso a la revista en ‘tiempo muerto'».

«La autocitación es necesaria para informar al lector sobre el trabajo previo del autor y proporcionar información de fondo. Un índice bajo de autocitación puede llevar a un revisor a creer que los antecedentes del autor son inadecuados, mientras que un índice alto podría indicar que está ignorando el trabajo de sus colegas. Se recomienda un equilibrio», dice Paul W. Sammarco, en Ethics in Science and Environmental Politics. Así que, buena suerte con el equilibrio, sobre todo para los que trabajan en disciplinas con experimentación novedosa. Siempre que no cite a sus amigos y colegas a propósito para aumentar sus índices h, al final todo debería ser igual.

Manipulación de citas

«Citation Manipulation». COPE: Committee on Publication Ethics, 2022.
DOI: https://doi.org/10.24318/cope.2019.3.1

Texto completo

El documento de debate de COPE sobre la manipulación de las citas define las cuestiones clave y las soluciones existentes en torno a las prácticas de citación poco éticas. COPE agradece los comentarios que contribuyan a este debate en curso.

La citación manipuladora se caracteriza por comportamientos destinados a incrementar el número de citas para beneficio personal, tales como: autocitación excesiva del propio trabajo de un autor, citación excesiva a la revista que publica el artículo citado y citación excesiva entre revistas de forma coordinada. Se dan ejemplos de autocitación legítima cuando se incluye o se solicita para atender necesidades válidas. COPE recomienda que las revistas desarrollen políticas sobre los niveles apropiados de autocitación, proporcionen educación a los editores y tengan procedimientos claros para responder a la potencial manipulación de las citas.

Puntos clave

  • La manipulación de citas es un problema cuando las referencias no contribuyen al contenido académico del artículo y se incluyen únicamente para aumentar las citas.
  • Cualquier parte que incluya o solicite añadir citas cuando las motivaciones son meramente autopromocionales viola la ética de la publicación.
  • Las sanciones por la manipulación de citas pueden incluir la dimisión de los editores de sus funciones editoriales, o la eliminación o el rechazo de las revistas de los índices de citas.
  • Las revistas deben desarrollar políticas y normas para determinar los umbrales de autocitación, proporcionar recursos educativos para apoyar las mejores prácticas y establecer procedimientos para responder a una posible mala conducta.
  • Puede haber casos en los que la autocitación y las solicitudes de citas sean legítimas

Documentos relacionados

Citation games: mocking research COPE speaker presentation at ISMTE European Virtual Event, 2020

Reviewer requesting addition of multiple citations of their own work, 2019

Citations: link, locate, discover, connect Guest article, August 2018

Self-citation: where’s the line? Forum discussion, November 2017

Los peligros de la alta autocitación y las «granjas de citas»: un investigador recibió el 94% de las citas de si mismo o de sus coautores.

Van Noorden, Richard, y Dalmeet Singh Chawla. «Hundreds of Extreme Self-Citing Scientists Revealed in New Database». Nature, vol. 572, n.o 7771, agosto de 2019, pp. 578-79.

Texto completo

Más sobre Autocitas

Cientos de científicos se autocitan de forma extrema. Algunos investigadores muy citados parecen ser grandes autopromotores, pero los especialistas advierten del peligro de la autocitación.

Los investigadores más citados del mundo, según datos recién publicados, son un grupo curiosamente ecléctico. Premios Nobel y eminentes expertos se codean con nombres menos conocidos, como Sundarapandian Vaidyanathan, de Chennai (India). Lo que salta a la vista sobre Vaidyanathan y otros cientos de investigadores es que muchas de las citas de sus trabajos proceden de sus propios artículos o de los de sus coautores.

Vaidyanathan, informático del Vel Tech R&D Institute of Technology, un instituto de gestión privada, es un ejemplo extremo: ha recibido el 94% de sus citas de sí mismo o de sus coautores hasta 2017, según un estudio publicado este mes en PLoS Biology. No es el único. El conjunto de datos, que enumera a unos 100.000 investigadores, muestra que al menos 250 científicos han acumulado más del 50% de sus citas de sí mismos o de sus coautores, mientras que la tasa media de autocitación es del 12,7%.

El estudio podría ayudar a señalar a posibles autopromotores extremos y, posiblemente, a las «granjas de citas», en las que grupos de científicos se citan mutuamente de forma masiva, dicen los investigadores. «Creo que las granjas de autocitación son mucho más comunes de lo que creemos», afirma John Ioannidis, médico de la Universidad de Stanford (California) especializado en metaciencia -el estudio de cómo se hace la ciencia- y que dirigió el trabajo. «Los que tienen más de un 25% de autocitación no tienen por qué tener un comportamiento poco ético, pero puede ser necesario un examen más minucioso», afirma.

Los datos son, con mucho, la mayor colección de métricas de autocitación jamás publicada. Y llegan en un momento en el que las agencias de financiación, las revistas y otros organismos se están centrando más en los posibles problemas causados por el exceso de autocitación. En julio, el Comité de Ética de las Publicaciones (COPE), un organismo asesor de las editoriales de Londres, destacó la autocitación extrema como una de las principales formas de manipulación de las citas. Este problema se enmarca en una preocupación más amplia por la excesiva dependencia de las métricas de citación para tomar decisiones sobre contratación, ascensos y financiación de la investigación.

«Cuando vinculamos la promoción profesional y prestamos demasiada atención a las métricas basadas en las citas, incentivamos la autocitación», afirma el psicólogo Sanjay Srivastava, de la Universidad de Oregón, en Eugene.

Aunque muchos científicos están de acuerdo en que el exceso de autocitación es un problema, hay poco consenso sobre cuánto es demasiado o sobre qué hacer al respecto. En parte, esto se debe a que los investigadores tienen muchas razones legítimas para citar su propio trabajo o el de sus colegas. Ioannidis advierte que su estudio no debe llevar a denunciar a determinados investigadores por sus índices de autocitación, entre otras cosas porque éstos pueden variar según las disciplinas y las etapas de la carrera. «Sólo ofrece información completa y transparente. No debe utilizarse para emitir veredictos como el de decidir que una autocitación demasiado elevada equivale a un mal científico», afirma.

Zotero: aprende a trabajar con Zotero en 10 pasos

Zotero: aprende a trabajar con Zotero en 10 pasos

Libros sobre Zotero GRATIS

Alonso-Arévalo, J. (2015). Zotero: los gestores de referencias: software para la gestión y mantenimiento de las referencias bibliográficas en trabajos de investigación. [e-Book] Salamanca: Ediciones del Universo

Zotero es un programa de código abierto que permite a los usuarios recolectar, administrar y citar referencias bibliográficas de investigaciones de todo tipo de orígenes desde el navegador. Zotero es, en su más básico nivel, es un administrador de referencias bibliográficas diseñado para almacenar, administrar y citar referencias, además de poder integrar en la herramienta libros, artículos y cualquier otro documento.

Ventaja de citación del acceso abierto (OACA)

El proyecto OpCit ha mantenido durante muchos años una lista de estudios actualizados sobre la existencia o no de una ventaja de citación para los artículos de acceso abierto. (The Open Access Citation Advantage Service OACA).

SPARC Europa actualizó las listas de estudios, algunos detalles comparativos de sus metodologías y sus resultados. El resumen de los resultados de los estudios (hasta 2015) se puede encontrar aquí

Esta tabla resume los resultados

  • Número total de estudios hasta 2015 fueron 70
  • Estudios que encontraron una ventaja de citación 46
  • Estudios que no encontraron ninguna ventaja de citación 17
  • Estudios que no fueron concluyentes, que encontraron datos no significativos o que midieron otros

El estudio Do articles in open access journals have more frequent altmetric activity than articles in subscription-based journals? arrojo los siguientes resultados que mostraron un aumento del 18% en las citas por parte de las publicaciones disponibles en OA, sin embargo, ese efecto positivo se debió a otros mecanismos (se descubrió que el autoarchivo aumentaba las citas en un 33%) que la publicación en revistas nacidas en OA (Ruta dorada), resultó tener un efecto negativo de un 17% menos de citas que todas las publicaciones en promedio.

¿El acceso abierto aumenta realmente el impacto? Un análisis aleatorio a gran escala con 2,5 millones de documentos

Maddi, A., & Sapinho, D. (2022). Does Open Access Really Increase Impact? A Large-Scale Randomized Analysis. https://doi.org/10.48550/arxiv.2206.06874

La ventaja de la citación en acceso abierto (The Open Access Citation Advantage OACA) ha sido un importante tema de debate en la literatura durante los últimos veinte años. En este trabajo, se propone un método para constituir un grupo de control para aislar el efecto OACA. Así, comparamos el impacto de las citas (MNCS) de 2.458.378 publicaciones en revistas totalmente OA con el (MNCS ponderado) de un grupo de control de publicaciones no OA (#10.310.842). Del mismo modo, se hizo el mismo ejercicio para las publicaciones OA en revistas híbridas (#1,024,430) y su grupo de control (#11,533,001), durante el período 2010-2020. Los resultados mostraron que no hay ventaja de la citación en acceso abierto (OACA) para las publicaciones en revistas totalmente OA, y que más bien hay una desventaja. Por el contrario, la ventaja de la citación en acceso abierto parece ser una realidad en las revistas híbridas, lo que sugiere que una mejor accesibilidad en este contexto tiende a mejorar la visibilidad de las publicaciones.