Archivo de la etiqueta: Escritura académica

Las políticas de IA de las revistas académicas no logran frenar el auge de la escritura académica asistida por IA.

He, Y., & Bu, Y. (2026). Academic journals’ AI policies fail to curb the surge in AI-assisted academic writing. Proceedings of the National Academy of Sciences of the United States of America, 123(9), e2526734123. https://doi.org/10.1073/pnas.2526734123

El artículo aborda una cuestión crítica y de enorme actualidad en el mundo académico: la eficacia real de las políticas de inteligencia artificial (IA) adoptadas por revistas científicas para abordar el uso de herramientas de generación automática de texto.

En respuesta al crecimiento explosivo de herramientas de IA generativas como asistentes de redacción, muchas revistas han implementado políticas que, en teoría, deberían promover la transparencia (por ejemplo, requiriendo divulgación del uso de IA) y limitar la adopción indiscriminada para salvaguardar la integridad y originalidad de la literatura científica. Sin embargo, los autores señalan que el impacto real de estas políticas no se ha evaluado exhaustivamente a gran escala hasta ahora.

Para cuantificar ese impacto, los investigadores analizaron una base de datos consistente de 5 114 revistas académicas y más de 5,2 millones de artículos científicos para observar si las métricas de uso de IA y divulgación variaban entre publicaciones con y sin políticas formales sobre IA. Este enfoque permite ir más allá de los debates teóricos sobre política editorial y aportar evidencia empírica sobre lo que está ocurriendo en la práctica: ¿la existencia de una política de IA en una revista realmente frena el uso de herramientas automáticas o mejora la transparencia declarada?

Los resultados muestran una tendencia sorprendentemente clara: el uso de herramientas de IA en la redacción de artículos científicos crece rápidamente en todos los campos y tipos de revista, independientemente de si existe o no una política formal sobre IA. Incluso entre las revistas que han adoptado políticas de divulgación o restricción, no se observa una reducción significativa en el crecimiento del uso de IA en la escritura de artículos científicos en comparación con aquellas sin políticas. Este hallazgo pone en duda la eficacia de las políticas actuales como mecanismos de control, y sugiere que muchas de las prácticas de supervisión existentes pueden ser insuficientes para moderar la adopción de IA en la producción académica.

Además, los autores realizaron un análisis específico del texto completo de 164 000 publicaciones científicas, con especial atención a 75 000 artículos publicados desde 2023. Este análisis reveló una brecha notable en la transparencia: solo 76 artículos (~0,1 %) declararon explícitamente el uso de IA en su redacción, a pesar de que las herramientas automáticas son ampliamente accesibles y utilizadas. Esto indica no solo un aumento general en el uso de IA, sino también una ausencia de prácticas de divulgación consistentes, incluso cuando las revistas requieren declaraciones obligatorias sobre asistencia automatizada.

Los patrones observados en el crecimiento del uso de IA también varían según la disciplina y las características de las publicaciones. Los autores subrayan que las tasas de adopción de IA son especialmente elevadas en países no anglófonos, en las áreas de ciencias físicas y en revistas de acceso abierto de alto impacto. Este aspecto plantea cuestiones adicionales sobre cómo las diferencias culturales, lingüísticas y de acceso influyen en el uso de IA y en las estrategias de divulgación.

En el corazón de su discusión, los autores critican la ineficacia de las políticas actuales de las revistas como herramienta de regulación o guía ética frente al uso de IA en la escritura académica. Argumentan que las políticas basadas principalmente en declaraciones de uso no han logrado frenar la adopción de estas tecnologías, ni han aumentado la transparencia de manera significativa. En consecuencia, instan a una reevaluación completa de los marcos éticos y normativos que gobiernan la publicación científica, sugiriendo que se necesitan enfoques más robustos y posiblemente mecanismos automatizados que detecten y gestionen el uso de IA para proteger la integridad y fiabilidad de la investigación científica.

Manual de redacción científica: cómo escribir manuscritos de forma eficiente y efectiva

Farji-Brener, Alejandro Gustavo, y Víctor Arroyo-Rodríguez. 2025. Manual de redacción científica: cómo escribir manuscritos de forma eficiente y efectiva. 1.ª ed. electrónica en PDF. Ciudad de México: Universidad Nacional Autónoma de México (UNAM). ISBN 978-607-587-923-9.

Texto completo

El manual constituye una obra de referencia destinada a cubrir una carencia estructural en la formación universitaria y de posgrado: la ausencia de una enseñanza sistemática sobre cómo escribir textos científicos publicables. Los autores parten de la constatación de que, aunque la publicación científica es un eje central de la carrera académica —tanto como mecanismo de difusión del conocimiento como indicador de productividad profesional—, la mayoría de los investigadores aprende a escribir “sobre la marcha”, bajo presión y mediante un proceso de ensayo y error que suele resultar frustrante. Frente a este panorama, el manual se propone como un “instructivo de navegación” que acompaña al lector desde las etapas previas a la escritura hasta el envío del manuscrito y la gestión del rechazo editorial, combinando reflexión conceptual, orientación práctica y una notable voluntad pedagógica.

Uno de los aportes centrales del libro es la distinción entre redacción eficiente y redacción efectiva. La eficiencia se entiende como la capacidad de escribir de manera organizada, económica en tiempo y energía, reduciendo el desgaste emocional que suele acompañar al proceso de escritura científica. La efectividad, en cambio, se refiere a la capacidad del texto para cumplir su objetivo principal: predisponer favorablemente a editores y revisores, atraer lectores y aumentar el impacto del trabajo en términos de lectura y citación. Desde esta doble perspectiva, los autores insisten en que escribir bien no es un talento innato reservado a unos pocos, sino una habilidad que puede aprenderse y perfeccionarse mediante estrategias concretas y práctica constante. Aunque el manual tiene un sesgo hacia las ciencias biológicas y, en particular, la ecología, sus principios son presentados como ampliamente transferibles a otras disciplinas científicas.

El manual subraya que publicar artículos científicos cumple una función esencial en el avance del conocimiento, ya que permite comunicar resultados, contrastar hipótesis, evitar la duplicación de esfuerzos y estimular nuevas líneas de investigación. Al mismo tiempo, reconoce abiertamente las dimensiones más “egoístas” de la publicación, vinculadas al progreso profesional, la obtención de financiación y el reconocimiento académico. Los autores reivindican, además, el carácter creativo de la escritura científica y la legítima satisfacción asociada a la producción intelectual, estableciendo un paralelismo con otras formas de creación cultural. Un mensaje clave atraviesa esta sección inicial: nadie está obligado a leer un artículo científico, por lo que es responsabilidad del autor hacer que su trabajo resulte relevante, claro y atractivo.

La huella de la Inteligencia Artificial en la escritura académica: un análisis del cambio lingüístico tras los LLMs

Kousha, Kayvan, and Mike Thelwall. “How Much Are LLMs Changing the Language of Academic Papers after ChatGPT? A Multi-Database and Full Text Analysis.” arXiv (September 2025). https://arxiv.org/abs/2509.09596

El artículo analiza cómo los modelos de lenguaje grande (LLMs), en particular tras la aparición pública de ChatGPT, están influyendo en el estilo lingüístico de los artículos académicos.

Para ello, los autores se centran en doce términos muy característicos de los textos generados o corregidos con LLMs —como delve, underscore, intricate o meticulous— y estudian su evolución en seis grandes bases de datos: Scopus, Web of Science, PubMed, PubMed Central (PMC), Dimensions y OpenAlex. Además, aplican un análisis exhaustivo a más de 2,4 millones de artículos de PMC publicados entre 2021 y mediados de 2025.

Los resultados muestran un crecimiento espectacular en la frecuencia de estos términos tras la popularización de ChatGPT. Por ejemplo, entre 2022 y 2024, delve aumentó cerca de un 1500 %, underscore un 1000 % e intricate un 700 %. En los textos completos de PMC, el uso de underscore seis o más veces en un artículo se disparó más de un 10.000 % entre 2022 y 2025. También destacan los aumentos de intricate (≈ 5400 %) y meticulous (≈ 2800 %).

El fenómeno no afecta de igual manera a todas las disciplinas. El crecimiento es mucho mayor en áreas STEM (Ciencia, Tecnología, Ingeniería y Matemáticas) que en Ciencias Sociales o en Artes y Humanidades. Asimismo, los autores detectan que la co-ocurrencia de estos términos es cada vez más fuerte: artículos que emplean underscore tienden también a incluir con mayor frecuencia pivotal o delve, mostrando correlaciones que en 2022 eran casi inexistentes.

Se evidencia que la influencia de ChatGPT y otros LLMs se percibe claramente en el lenguaje académico, no solo en la frecuencia de ciertos términos, sino también en un estilo más uniforme y “pulido”. Este fenómeno puede ayudar a investigadores no nativos en inglés a acercarse a los estándares de redacción científica, reduciendo barreras lingüísticas en la publicación internacional. Sin embargo, también plantean interrogantes sobre el riesgo de homogeneización, exceso de artificio o pérdida de diversidad estilística en la escritura académica.

Los detectores de escritura realizada por IA actuales no son fiables en escenarios prácticos

Sadasivan, Vinu Sankar, Aounon Kumar, Sriram Balasubramanian, Wenxiao Wang, y Soheil Feizi. “Can AI-Generated Text be Reliably Detected?” arXiv, marzo 17, 2023. https://doi.org/10.48550/arXiv.2303.11156

Investigadores de la Universidad de Maryland, liderados por Soheil Feizi, profesor asistente de informática, han evaluado la fiabilidad de los detectores de contenido generado por inteligencia artificial (IA). Su conclusión es clara: los detectores actuales no son fiables en escenarios prácticos. Feizi señala que herramientas comunes como paráfrasis pueden reducir la precisión de detección a niveles similares a una simple moneda al aire.

Feizi distingue dos tipos de errores de detección: tipo I, cuando un texto humano es marcado como generado por IA, y tipo II, cuando un texto de IA pasa como humano. Ambos presentan graves implicaciones, especialmente en contextos académicos y editoriales, donde errores pueden arruinar reputaciones y ser extremadamente difíciles de refutar.

Adicionalmente, incluso los métodos basados en marcas digitales (watermarking), teóricamente diseñados para identificar contenido de IA, pueden ser vulnerables a ataques de suplantación. El investigador advierte que dichas fallas podrían socavar la credibilidad de los mecanismos de autenticación digital.

Soheil Feizi explica que, en la práctica, dada la semejanza en la distribución de estilos entre textos humanos y generados por IA —y la sofisticación creciente de las técnicas de engaño—, es “teóricamente imposible” distinguir con certeza absoluta el origen de un texto.

Por otro lado, Furong Huang, también profesora asistente en la Universidad de Maryland, adopta una posición más optimista. Ella sostiene que los modelos de detección podrían mejorar si se dispone de una gran cantidad de ejemplos genuinos de escritura humana para su entrenamiento. Es decir, la clave para refinar estas herramientas sería el acceso a más y mejores datos.

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.

ChatGPT en la escritura académica: un análisis cienciométrico de la literatura publicada entre 2022 y 2023

Lendvai GF. ChatGPT in Academic Writing: A Scientometric Analysis of Literature Published Between 2022 and 2023. Journal of Empirical Research on Human Research Ethics. 2025;0(0). doi:10.1177/15562646251350203

El artículo analiza cómo la literatura académica ha percibido la herramienta de inteligencia artificial ChatGPT en el contexto de la escritura académica. Utilizando un enfoque cientométrico, los autores examinan la evolución de las publicaciones académicas que abordan el uso de ChatGPT en la redacción de textos científicos, identificando tendencias, patrones y áreas de interés en la investigación.

El estudio se centra en el análisis de 171 artículos académicos revisados por pares, extraídos de la base de datos Scopus, que abordan el uso de ChatGPT en la escritura académica. Utilizando el software CiteSpace, los autores realizaron un análisis de co-citación de documentos para mapear la estructura temática e intelectual del discurso sobre ChatGPT en la producción de conocimiento académico.

Se identificaron diez clusters temáticos principales, entre los que destacan:

  1. Riesgos éticos: Incluye preocupaciones sobre la autoría, el plagio y la integridad académica.
  2. Aplicaciones prácticas: Uso de ChatGPT para la redacción de textos, generación de resúmenes y asistencia en la escritura.
  3. Innovaciones pedagógicas: Integración de ChatGPT en entornos educativos para mejorar la enseñanza y el aprendizaje.

El análisis también destacó una creciente aceptación de ChatGPT como herramienta para mejorar la escritura y apoyar marcos educativos innovadores, especialmente entre hablantes no nativos de inglés. Sin embargo, persisten preocupaciones sobre referencias inventadas, plagio, ética de la autoría y la fiabilidad de las herramientas de detección de IA.

El estudio destaca el creciente interés en la aplicación de ChatGPT en diversos aspectos de la escritura académica, incluyendo la generación de contenido, la asistencia en la redacción y la mejora de la calidad del texto. Además, se analizan las implicaciones éticas y metodológicas de utilizar herramientas de IA en la producción académica, considerando aspectos como la autoría, la originalidad y la integridad de la investigación.

A través de este análisis, los autores proporcionan una visión detallada de cómo la comunidad académica está incorporando ChatGPT en sus prácticas de escritura y los desafíos que esto implica. El estudio también sugiere áreas para futuras investigaciones y el desarrollo de directrices para el uso ético y efectivo de la inteligencia artificial en la redacción académica.

El estudio enfatiza la necesidad de una supervisión proactiva y el desarrollo de políticas para garantizar una integración responsable de la IA generativa en la investigación y la educación. Se sugiere que las instituciones académicas implementen directrices claras sobre el uso de herramientas como ChatGPT, promoviendo prácticas éticas y transparentes en la producción académica.

La inteligencia artificial y la generación de contenidos académicos

La inteligencia artificial y la generación de contenidos académicos

27 DE FEBRERO de 2025 10:00 AM de Colombia. 16 h. de España Escuela de Ingenieros Militares de Colombia Biblioteca Coronel Lino de Pombo de la Escuela de Ingenieros Militares los invita: CONFERENCIA Virtual GRATUITA

Conferenciante: Julio Alonso Arévalo Universidad de Salamanca

Preparación de la publicación: la redacción de artículos de investigación para su publicación

«Preparing to Publish», Open Textbook Library 2023.

PDF

ePub

Este libro ofrece abundante material didáctico sobre el tema de la redacción de artículos de investigación para su publicación y la realización de tesis o disertaciones. El texto proporciona a los estudiantes de posgrado información útil, estrategias y consejos sobre cómo navegar por la escritura disciplinaria en sus campos y cómo entender, diseccionar y, en última instancia, construir su propio artículo de investigación. El texto está organizado de acuerdo con un formato estándar de artículo de investigación, desglosando cada sección de la investigación empírica de una manera simple y directa para ayudar a los estudiantes de posgrado a construir un manuscrito de calidad, basado en argumentos, a medida que escriben los hallazgos de sus estudios empíricos.

Enseñanza de la escritura de la tesis de posgrado en entornos presenciales y virtuales

Enseñanza de la escritura de la tesis de posgrado en entornos presenciales
y virtuales / Guadalupe Alvarez … [et al.] ; coordinación general de Guadalupe Alvarez
… [et al.]. – 1a ed. – Los Polvorines : Universidad Nacional de General Sarmiento, 2023.

Texto completo

La proliferación internacional de los estudios de posgrado en las décadas recientes ha puesto de manifiesto un problema común: la escasa eficacia terminal de los programas. Entonces, se ha vuelto necesario diversificar las intervenciones pedagógicas y fundamentarlas con investigaciones científicas. A su vez, se torna cada vez más frecuente el uso de tecnologías digitales y ello exige estrategias docentes novedosas acordes con las necesidades de los estudiantes. De ahí que resulte relevante este libro, en el que se comunican hallazgos de investigaciones orientadas a reconocer y caracterizar prácticas de enseñanza que contribuyen al mejoramiento de la escritura de la tesis de posgrado en entornos presenciales y virtuales y sus articulaciones. Al respecto, se presentan las decisiones que guiaron el diseño, la puesta en práctica y la evaluación de los cursos, talleres y grupos de escritura que se implementaron en diferentes provincias argentinas, destinados a profesionales de diversas carreras. También se incluyen las perspectivas de tesistas sobre intervenciones centradas en favorecer la producción de las tesis.

ChatGPT puede convertir a los malos escritores en mejores

Williams, Rhiannon. «ChatGPT Can Turn Bad Writers into Better Ones». MIT Technology Review. Accedido 25 de agosto de 2023. https://www.technologyreview.com/2023/07/13/1076199/chatgpt-can-turn-bad-writers-into-better-ones/.

Según un estudio, las personas que utilizan ChatGPT como ayuda para escribir son más productivas y realizan trabajos de mayor calidad que las que no lo hacen.

Desde su lanzamiento en noviembre del año pasado, ChatGPT ha ayudado a la gente a hacer su trabajo, y sus entusiastas usuarios lo han utilizado para redactar todo tipo de documentos, desde material de marketing hasta correos electrónicos e informes.

Ahora tenemos el primer indicio de su efecto en el lugar de trabajo. Un nuevo estudio realizado por dos estudiantes de economía del MIT, publicado hoy en Science, sugiere que podría ayudar a reducir las diferencias en la capacidad de redacción de los empleados. Descubrieron que podría permitir a los trabajadores menos experimentados que carecen de habilidades de escritura producir un trabajo similar en calidad al de sus colegas más cualificados.

Shakked Noy y Whitney Zhang reclutaron a 453 profesionales del marketing, analistas de datos y profesionales con estudios universitarios y les pidieron que realizaran dos tipos de tareas que normalmente llevarían a cabo como parte de su trabajo, como redactar comunicados de prensa, informes breves o planes de análisis. A la mitad se les dio la opción de utilizar ChatGPT para ayudarles a completar la segunda de las dos tareas.

A continuación, un grupo de profesionales comprobó la calidad de los resultados y los calificó en una escala de 1 a 7, siendo 7 el mejor resultado. Cada trabajo fue evaluado por tres personas de la misma profesión, contratadas a través de la plataforma de investigación Prolific.

Los escritores que decidieron utilizar ChatGPT tardaron un 40% menos en completar sus tareas, y produjeron trabajos que los evaluadores calificaron con un 18% más de calidad que los de los participantes que no lo utilizaron. Los escritores que ya eran expertos en redacción pudieron reducir el tiempo que dedicaban a su trabajo, mientras que los que fueron evaluados como escritores más débiles produjeron trabajos de mayor calidad una vez que tuvieron acceso al chatbot.

«ChatGPT es muy bueno en la producción de este tipo de contenido escrito, por lo que su uso para automatizar partes del proceso de escritura parece probable que ahorre mucho tiempo», dice Noy, autor principal de la investigación.

«Una cosa que está clara es que es muy útil para el trabajo de cuello blanco: mucha gente lo utilizará y va a tener un efecto bastante grande en cómo se estructura el trabajo de cuello blanco», añade.

Sin embargo, los resultados de ChatGPT y otros modelos generativos de IA distan mucho de ser fiables. ChatGPT es muy bueno presentando información falsa como factualmente correcta, lo que significa que aunque los trabajadores puedan aprovecharlo para ayudarles a producir más trabajo, también corren el riesgo de introducir errores.

Dependiendo de la naturaleza del trabajo de una persona, ese tipo de inexactitudes podrían tener graves implicaciones. El abogado Steven Schwartz fue multado el mes pasado con 5.000 dólares por un juez por utilizar ChatGPT para elaborar un informe jurídico que contenía opiniones judiciales y citas legales falsas.