Archivo de la etiqueta: Escritura científica

Por qué los autores no revelan el uso de la IA y qué deberían (o no) hacer las editoriales al respecto

Staiman, Avi. Why Authors Aren’t Disclosing AI Use and What Publishers Should (Not) Do About It. The Scholarly Kitchen, 27 de enero de 2026.

Part 1

Part 2

  1. El problema central

En esta serie de dos artículos, Avi Staiman analiza un fenómeno creciente en las publicaciones académicas: aunque muchos investigadores utilizan herramientas de inteligencia artificial (IA) en diversas fases de su trabajo —desde la búsqueda de literatura, redacción de textos o apoyo en el análisis de datos—, muy pocos lo revelan explícitamente en sus manuscritos. Las políticas de muchas revistas y editoriales requieren este tipo de declaraciones, pero la práctica demuestra que casi nadie cumple con ellas y la razón no es simplemente desobediencia, sino un problema de incentivos, claridad y cultura editorial.

Los editores esperaban que al exigir a los autores que explicaran su uso de IA se fomentara una mayor transparencia, permitiendo que revisores y equipos editoriales evaluaran si ese uso era apropiado y cómo influía en la investigación. Sin embargo, esto no ha ocurrido en la práctica: con encuestas que muestran que más de la mitad de los investigadores (por ejemplo, un 62 %) usan IA en algún punto de su flujo de trabajo, solo una fracción mínima declara esa asistencia en sus artículos publicados.

  1. ¿Por qué los autores no revelan su uso de IA?

Staiman identifica varias razones clave:

a) Miedo a consecuencias negativas

Muchos autores temen que revelar el uso de IA sea interpretado como una señal de menor rigor, creatividad o capacidad académica, lo que podría influir negativamente en decisiones editoriales o de revisión por pares. Aunque las políticas puedan presentarse como neutrales, la percepción de estigma hace que los investigadores prefieran no mencionar su uso de IA.

b) Falta de claridad en las políticas

Las directrices actuales son muy heterogéneas y a menudo vagas: unas solo piden una declaración general, mientras que otras exigen documentación extensiva, incluyendo registros de chats con herramientas de IA. Esto causa confusión y lleva a los autores a preguntarse qué, cuándo y cómo deben declarar.

c) Carga burocrática sin incentivos

Muchas de estas exigencias demandan tiempo y esfuerzo significativos sin beneficios claros para los autores, lo que dificulta su adopción voluntaria.

d) Falta de consciencia del propio uso de IA

Algunos autores no se dan cuenta de que están empleando IA porque esta está integrada de manera invisible en herramientas cotidianas (por ejemplo, asistentes de escritura o búsqueda).

e) Confusión entre IA y plagio

Existe la percepción equivocada de que usar IA es equivalente a plagiar o engañar, lo que lleva a algunos autores a ocultar su uso deliberadamente en lugar de explicarlo con transparencia.

f) Políticas sin mecanismos de cumplimiento

Solo existiendo normas formales sin mecanismos claros de verificación o consecuencias percibidas, muchos autores simplemente apuestan a que no se les pedirá pruebas o explicaciones posteriores.

  1. ¿Qué no deben hacer los editores?

En el primer artículo, Staiman también advierte sobre lo que no es útil para resolver este problema:

Invertir fuertemente en herramientas de detección automática de IA, ya que son poco fiables y tienden a reforzar la idea de que el uso de IA es inherentemente sospechoso en lugar de normal.

  1. Cómo deberían abordar los editores el uso de IA (Parte 2)

En el segundo artículo de la serie, Staiman propone un cambio de foco fundamental: no se trata de documentar cada paso del uso de IA, sino de asegurar confianza en los resultados, reproducibilidad y responsabilidad científica.

a) Formular la pregunta correcta

En lugar de preguntar “¿Cómo usaste IA?”, los editores deberían centrarse en preguntas clásicas de integridad científica:

¿Los datos son fiables y transparentes?

¿Los métodos están claros y pueden reproducirse?

¿El análisis es robusto y verificable?

Este enfoque sitúa las preocupaciones en resultados y calidad de la investigación, no en la herramienta en sí.

b) Declaraciones estructuradas y de bajo coste

Staiman recomienda que las revistas implementen formularios simples donde los autores marquen categorías de uso de IA (p.ej., búsqueda, análisis, generación de código, revisión lingüística), en lugar de exigir narrativas detalladas o capturas de pantalla. Esto reduce la carga y mejora la consistencia en las declaraciones.

c) Requisitos escalonados según el riesgo

No todos los usos de IA implican el mismo nivel de riesgo para la reproducibilidad. Por ejemplo:

Edición de texto y traducción – no debería requerir declaración exhaustiva.

Análisis de datos o generación de código científico – sí debería requerir declaraciones específicas y mayor escrutinio editorial.

d) Afirmaciones explícitas de responsabilidad

Una declaración formal de autoría que afirme que el autor se responsabiliza plenamente de todos los elementos científicos, independientemente de las herramientas utilizadas, puede ayudar a centrar el debate en la integridad científica y no en la tecnología.

e) Educación y cambio cultural

Es clave que editores y revisores reciban entrenamiento para evaluar el impacto del uso de IA sobre la metodología y la reproducibilidad, y no para juzgar la estética o estilo de escritura generado por IA

OpenAI lanza Prism, un editor científico con IA

Prism

https://openai.com/es-ES/index/introducing-prism/

OpenAI ha presentado Prism, una nueva herramienta de inteligencia artificial destinada a transformar la forma en que los científicos y académicos redactan, editan y colaboran en artículos científicos. Prism es un entorno de trabajo basado en la nube con integración nativa de GPT-5.2,

El modelo más avanzado de OpenAI para razonamiento matemático y científico, que actúa directamente dentro del flujo de escritura en lugar de funcionar como un chat separado o una simple ayuda externa. Esta integración permite a investigadores redactar textos, gestionar ecuaciones y citas, buscar literatura relevante y preparar documentos completos sin cambiar constantemente entre múltiples aplicaciones especializadas. Prism estará disponible próximamente para las organizaciones que utilicen los planes ChatGPT Business, Team, Enterprise y los de educación.

La herramienta responde a una crítica común en la comunidad científica: la fragmentación de las herramientas tradicionales para escribir papers, que obliga a saltar entre editores LaTeX, gestores de referencias, lectores de PDF y chats de IA, lo cual interrumpe el flujo de trabajo y consume tiempo. Prism unifica estas funciones en un solo espacio de trabajo LaTeX nativo, permitiendo colaboración en tiempo real con colegas sin límite de participantes y sin la necesidad de instalaciones locales complejas. Con ello OpenAI busca agilizar y simplificar tareas repetitivas para que los investigadores puedan concentrarse en las ideas y el contenido científico.

Entre las funciones destacadas de Prism se encuentran la capacidad de chatear con el modelo para explorar ideas o hipótesis dentro del contexto del propio documento, buscar e incorporar trabajos relacionados (por ejemplo, desde repositorios como arXiv) con gestión contextual de citas, y convertir ecuaciones o diagramas tomados de pizarras directamente a código LaTeX. También se incluyen opciones para edición por voz y cambios in situ sin copiar y pegar entre diferentes herramientas, lo que representa un nuevo enfoque en comparación con los flujos de trabajo existentes.

OpenAI ha puesto a disposición Prism de forma gratuita para cualquier persona con una cuenta personal de ChatGPT, y planea extender el acceso a usuarios de planes empresariales, educativos y profesionales en el futuro. La compañía lo presenta como un paso inicial hacia lo que espera sea una integración más profunda de la IA en la actividad científica diaria, reduciendo la fricción en la escritura académica y fomentando la colaboración global entre investigadores.

Aunque el objetivo principal de Prism es facilitar la escritura y la gestión de manuscritos, también ha generado debates sobre las implicaciones éticas y de calidad en la investigación científica, dado que herramientas similares de IA pueden aumentar la producción de textos sin necesariamente garantizar la solidez de los contenidos que se publican. Sin embargo, OpenAI subraya que la herramienta no realiza investigación autónoma y que la responsabilidad de verificar rigor, exactitud y validez científica sigue recayendo en los investigadores humanos.

Un mapeo global de los idiomas en las publicaciones académicas y sus citas

Pradier, Carolina, Lucía Céspedes y Vincent Larivière. 2026. “How Multilingual Is Scholarly Communication? Mapping the Global Distribution of Languages in Publications and Citations.” Journal of the Association for Information Science and Technology 1–15. https://doi.org/10.1002/asi.70055

El artículo aborda la diversidad lingüística en la comunicación científica global, un tema que ha recibido atención en estudios regionales, pero que escasea en análisis de gran escala con datos objetivos.

Los autores identifican que el idioma es una fuente importante de inequidades sistémicas en ciencia, ya que favorece a quienes publican en inglés, mientras que los investigadores que utilizan otros idiomas enfrentan barreras para la visibilidad, la difusión y el reconocimiento de su trabajo. Este tipo de desigualdades se vuelve evidente en la producción y citación de publicaciones científicas, donde el predominio del inglés puede limitar la participación efectiva de hablantes no nativos.

Para examinar esta cuestión, el estudio utiliza datos bibliométricos masivos de dos fuentes amplias: OpenAlex y Dimensions. Estas bases de datos permiten analizar tanto el idioma de las publicaciones científicas (cerca de 87,5 millones) como el idioma de los artículos citados dentro de esas publicaciones (aproximadamente 1,48 mil millones) para el período 1990–2023. A partir de este enorme corpus de datos, los autores miden la proporción de artículos publicados en diferentes idiomas, así como las prácticas de citación relativas al idioma.

Los resultados muestran que, si bien el inglés continúa dominando la comunicación científica global, algunas lenguas han crecido más rápido que el inglés en términos de producción científica reciente, especialmente el indonesio, el portugués y el español. Este crecimiento está relacionado con la expansión de circuitos académicos regionales —por ejemplo, en América Latina e Indonesia— que fortalecen la producción y circulación de conocimiento en lenguas distintas del inglés. Este fenómeno sugiere que las políticas nacionales que valoran tanto la publicación en la lengua local como en inglés pueden tener impactos concretos sobre la distribución lingüística de las publicaciones científicas.

Otra dimensión importante del estudio es la preferencia por publicar y citar en la misma lengua (own-language preference). Los autores señalan que los investigadores tienden a citar obras en su propio idioma con más frecuencia de lo esperado por azar, especialmente en los idiomas distintos al inglés. Esto pone de manifiesto no solo la persistencia de prácticas lingüísticas locales, sino también una fuerte conexión entre el multilingüismo y la bibliodiversidad —entendida como la diversidad de lenguas, formatos y enfoques en la comunicación científica—. Además, se observa que las ciencias sociales y las humanidades son los campos menos dominados por el inglés, lo que contrasta con disciplinas como las ciencias naturales o biomédicas, donde el inglés es casi universal.

Los hallazgos del artículo ponen de relieve que el dominio del inglés no es absoluto ni inmutable, sino que está siendo matizado por desarrollos regionales y políticas de comunicación científica que validan otras lenguas. Al mismo tiempo, el estudio reconoce que las bases de datos bibliométricas aún subrepresentan contenido no anglófono, lo que implica que la diversidad real puede ser mayor de lo que se observa. En conjunto, estos resultados invitan a repensar las prácticas de evaluación científica global y a promover enfoques que reconozcan la riqueza del multilingüismo en la generación y difusión del conocimiento

Guía para la iniciación a la publicación de artículos científico

Iáñez Rodríguez, Irène; Alejandro López Ruiz; María Ángeles Martín Lara; y Alicia Ronda Gálvez. Guía para la iniciación a la publicación de artículos científicos. Sevilla: Editorial Universidad de Sevilla, 2020

Texto completo

Esta obra está concebida como una guía para los estudiantes de posgrado que se inician en el ámbito de la investigación. Se trata de un manual práctico, sustentado en la experiencia de sus autores, que reúne los principales aspectos a considerar a la hora de publicar un artículo científico. Con frecuencia, al comienzo de la carrera investigadora surgen dudas y problemas para los que no siempre se encuentran respuestas en los libros: ¿dónde publicar un artículo?, ¿cómo elegir la revista adecuada?, ¿qué orden de autoría es el más conveniente?, entre otros. Estas cuestiones suelen resolverse con la práctica y, probablemente, al finalizar la tesis doctoral resulten más fáciles de responder. Sin embargo, no existe una solución única: cada investigador aporta su visión en función de su experiencia o intereses.

Con este propósito, los autores recogen en la guía distintas alternativas y orientaciones, de manera que sea el propio investigador quien valore y decida cuál se adapta mejor a su situación particular.

El manual se estructura en tres secciones: el cuerpo principal, un glosario con los términos más relevantes y, finalmente, una bibliografía de consulta y referencia. A su vez, el cuerpo del manual se organiza en seis capítulos que abordan los aspectos esenciales del proceso de publicación de un artículo científico.

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.

Escribir es pensar: reflexión crítica sobre el papel de la IA en la redacción científica

Writing is thinking. Nat Rev Bioeng 3, 431 (2025). https://doi.org/10.1038/s44222-025-00323-4

El texto subraya que escribir no se reduce a comunicar resultados, sino que es una herramienta esencial para descubrir y ordenar ideas de manera estructurada. Al plasmar pensamientos en palabras, se logra transformar años de investigación en una narrativa coherente que permite definir claramente el mensaje central y el impacto del trabajo científico

Escribir artículos científicos es una parte integral del método científico y una práctica habitual para comunicar los resultados de la investigación. Sin embargo, escribir no consiste únicamente en informar de resultados; también es una herramienta para descubrir nuevos pensamientos e ideas. La escritura nos obliga a pensar —no de la forma caótica y no lineal en la que nuestra mente suele divagar, sino de manera estructurada e intencional—. Al ponerlo por escrito, podemos ordenar años de investigación, datos y análisis en una historia coherente, identificando así nuestro mensaje principal y la influencia de nuestro trabajo. Esto no es solo una observación filosófica; está respaldada por evidencias científicas. Por ejemplo, escribir a mano puede generar una amplia conectividad cerebral y tener efectos positivos sobre el aprendizaje y la memoria.

Aunque los modelos de lenguaje grandes (LLMs) pueden generar artículos y hasta revisiones de pares en pocos minutos, el editorial advierte que carecen de responsabilidad ética y académica. Además, su contenido puede contener errores, como referencias inventadas o hallazgos inexactos (fenómeno conocido como hallucination), lo que exige una verificación exhaustiva

Los LLMs actuales también pueden equivocarse, un fenómeno conocido como alucinación. Por ello, el texto generado por estos modelos debe ser revisado y verificado minuciosamente (incluyendo cada referencia, ya que podría ser inventada). Esto pone en duda cuánto tiempo ahorran realmente los LLMs en la actualidad. Puede resultar incluso más difícil y llevar más tiempo editar un texto generado por un LLM que redactar un artículo o un informe de revisión por pares desde cero, en parte porque para poder editarlo es necesario comprender el razonamiento que hay detrás. Algunos de estos problemas podrían abordarse con LLMs entrenados únicamente con bases de datos científicas, como se describe en un artículo de revisión de Fenglin Liu y su equipo incluido en este mismo número. El tiempo lo dirá.

No obstante, los LLMs pueden tener un papel útil: ayudan a mejorar la gramática y la claridad, especialmente para quienes no son hablantes nativos de inglés. También pueden servir para resumir literatura, estimular la creatividad o superar bloqueos de escritura, Sin embargo, el editorial concluye que delegar completamente la escritura a estos modelos puede impedirnos reflexionar profundamente y elaborar una narrativa memorable, una habilidad valiosa más allá del ámbito académico

Guía de escritura académica

Blezio Ducret, Cecilia. Guía de escritura académica. Uruguay. Montevideo: Flacso , 2017.

Texto completo

El trabajo académico ha adquirido mayor complejidad en las últimas décadas, lo que ha hecho necesario establecer y estandarizar procedimientos para facilitar la comunicación. Esto incluye, por ejemplo, la elección de fuentes confiables, las formas de citar y documentar, y otros aspectos relacionados con la ética del trabajo académico. Esta ética implica que debe quedar claro a quién pertenecen las ideas y conceptos presentados en el trabajo.

Más allá de estas consideraciones, las pautas de estilo, aunque arbitrarias en principio, deben cumplirse. Este texto se posiciona sobre la escritura académica, estableciendo los criterios formales que se deben seguir en los trabajos, incluyendo un capítulo sobre las diversas formas de expresar argumentos y otro sobre el uso no sexista del lenguaje. Por lo tanto, un manual de escritura, como este, reúne tanto los aspectos teóricos e institucionales como los políticos.

El primer artículo redactado por una inteligencia artificial que supera la revisión por pares

Whitney Grace, “The First AI-Written Paper to Pass Peer Review” ArnoldIT, April 2, 2025, https://arnoldit.com/wordpress/2025/04/02/the-first-ai-written-paper-to-pass-peer-review/.

Sakana AI informa de que «The AI Scientist Generates Its First Peer-Reviewed Scientific Publication». Se trata del primer artículo generado completamente por IA que ha pasado el mismo proceso de revisión al que someten sus artículos los científicos humanos

El 2 de abril de 2025, la empresa tecnológica  Sakana AI anunció un hito en el campo de la inteligencia artificial y la investigación científica: por primera vez, un artículo generado íntegramente por una IA superó con éxito el proceso de revisión por pares, el mismo procedimiento riguroso al que se someten los trabajos elaborados por investigadores humanos. Este avance representa un punto de inflexión en la relación entre la inteligencia artificial y la producción académica.

El trabajo fue realizado por una versión mejorada de su sistema denominado The AI Scientist-v2, una evolución del modelo original desarrollado por Sakana AI. Aunque los detalles técnicos de esta nueva versión aún no han sido publicados (se prometen en una próxima entrega), se sabe que el experimento se llevó a cabo en colaboración con los organizadores del taller de la conferencia ICLR 2025 (International Conference on Learning Representations), una de las tres principales conferencias internacionales en el campo del aprendizaje automático y la inteligencia artificial, junto con NeurIPS e ICML.

Con el objetivo de garantizar la imparcialidad del proceso, el artículo fue sometido a una revisión a doble ciego: ni los autores del trabajo (en este caso, la IA) ni los evaluadores conocían la identidad de los otros. Aunque se informó al comité de revisión que podría recibir trabajos generados por IA, no se especificó cuáles lo eran, lo que permitió evaluar el contenido en igualdad de condiciones.

La IA fue instruida para investigar y escribir sobre un tema amplio y relevante dentro del campo del aprendizaje profundo. Tras completar el proceso de redacción, se generaron múltiples trabajos, de los cuales se seleccionaron tres para su envío, con el objetivo de no sobrecargar al comité revisor y asegurar la calidad del experimento. Los investigadores humanos responsables del proyecto realizaron un análisis interno de los textos generados y eligieron los tres que consideraron más sólidos, tanto por su calidad técnica como por la diversidad de los temas abordados.

De esos tres artículos, uno fue aceptado tras recibir evaluaciones muy favorables. Obtuvo una puntuación media de 6,33, situándose por encima del umbral medio de aceptación del taller e incluso por encima de muchas propuestas redactadas por científicos humanos. Las valoraciones individuales incluyeron puntuaciones de 6 (ligeramente por encima del umbral de aceptación) y 7 (calificado como un “buen artículo” y con recomendación clara de aceptación).

El objetivo declarado del experimento fue meramente científico: los desarrolladores querían medir, con honestidad y sin intenciones comerciales o engañosas, hasta qué punto una inteligencia artificial es capaz de desempeñar tareas complejas y creativas que tradicionalmente han estado reservadas al intelecto humano. En lugar de levantar sospechas sobre trampas o fraudes en el sistema académico, la intención fue demostrar el potencial real —y los límites— de la inteligencia artificial en la investigación científica contemporánea.

Este acontecimiento abre un debate crucial sobre el futuro de la autoría, la originalidad y la evaluación académica. También plantea preguntas sobre la relación entre humanos y máquinas en el ámbito del conocimiento: ¿Podrán las IA convertirse en colaboradoras regulares de los investigadores humanos? ¿Se redefinirá el concepto de autoría científica? ¿Cómo cambiarán los procesos de revisión y validación de contenidos académicos ante la irrupción de inteligencias artificiales con estas capacidades?

Aunque todavía es pronto para responder con certeza, lo que está claro es que The AI Scientist-v2 ha marcado un antes y un después. A partir de ahora, no solo habrá que competir con otros investigadores en la búsqueda de la verdad científica, sino también con algoritmos que, poco a poco, van demostrando que son capaces no solo de procesar información, sino también de generar conocimiento estructurado y valioso.

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

Cómo escribir y publicar un artículo científico


Gastel, Barbara, y Robert A. Day. 2016. How to Write and Publish a Scientific Paper. 8th ed. Santa Barbara, CA: ABC-CLIO.

Texto completo

La obra es una guía integral para investigadores y académicos que desean escribir y publicar trabajos científicos. En su octava edición, ofrece consejos prácticos, estrategias y ejemplos para desarrollar artículos claros, concisos y efectivos.

El libro se organiza en secciones que abarcan desde la preparación inicial hasta la publicación y difusión de los resultados. Algunos de los temas principales incluyen:

1. Estructura del artículo científico: Explica el formato estándar IMRaD (Introducción, Métodos, Resultados y Discusión), resaltando la importancia de cada sección y cómo elaborarlas eficazmente.

2. Proceso de escritura: Proporciona técnicas para planificar, redactar y revisar manuscritos, destacando la importancia de la precisión y la claridad.

3. Citas y referencias: Detalla cómo dar crédito a las fuentes de manera adecuada para evitar el plagio y respetar las normas éticas.

4. Publicación científica: Aborda cómo seleccionar la revista adecuada, manejar el proceso de revisión por pares y responder a comentarios de revisores y editores.

5. Comunicación científica: Ofrece consejos para la preparación de presentaciones orales, posters y propuestas de proyectos.

6. Aspectos éticos: Discute cuestiones como la autoría, el plagio, el manejo de datos y la duplicación de publicaciones.

El libro es especialmente útil para investigadores jóvenes y para aquellos que no son hablantes nativos de inglés, ya que incluye recomendaciones sobre escritura científica en este idioma. La obra combina teoría, práctica y anécdotas, ofreciendo una referencia esencial para quienes buscan destacar en el ámbito académico.