Archivo de la etiqueta: Invesgttigación

¿Se puede ser experto en el impacto de la investigación?

Ged Hall and Tamika Heiden Impact of Social Sciences. «Can You Ever Be an Expert in Research Impact?», LSE 12 de septiembre de 2023. https://blogs.lse.ac.uk/impactofsocialsciences/2023/09/12/can-you-ever-be-an-expert-in-research-impact/.


Cada vez más, se valora la especialización en la evaluación del impacto de la investigación por parte de académicos, profesionales de la investigación y un creciente número de expertos en esta área. Ged Hall y Tamika Heiden, basándose en su experiencia en la creación de un curso sobre los principios fundamentales del impacto de la investigación, investigan tres aspectos clave de esta especialización en el ámbito de la evaluación de impacto de la investigación.

En 2019, Ged fue coautor de un capítulo titulado ‘Uncertainty and Confusion: the starting point of all expertise’ en el libro ‘Research Impact and the Early Career Researcher‘. El capítulo hace hincapié en que la noción de lo que es un investigador evoluciona constantemente. Estos cambios pueden producirse de forma sistémica, a través de elementos como la «agenda de impacto», y a lo largo de la carrera de cada investigador, a medida que asume nuevas responsabilidades (por ejemplo, convertirse en Director de Escuela, etc.), lo que genera ciclos regulares de incertidumbre y confusión.

El capítulo también señalaba que McAlpine et al. (pp.125-154) veían esa identidad en evolución a través de 3 lentes o retos: intelectual (normalmente un sustituto de experto), de redes (redes sociales adecuadas que crecen y cambian con el tiempo) e institucional (tener la infraestructura y la cultura adecuadas). Estos retos y ciclos de incertidumbre conducen a un alto grado de síndrome del impostor en el mundo académico

El diccionario de la lengua inglesa Oxford define experto como «una persona que tiene muchos conocimientos o es muy hábil en un área determinada». Entonces, ¿qué conocimientos o habilidades necesita un «experto en impacto»? Bayley et al. describieron un marco para la movilización de conocimientos y competencias de impacto que comprende 80 competencias en 11 ámbitos. Si consideramos la amplitud de lo que se entiende por impacto de la investigación (económico, social, cultural, sanitario, de bienestar, político, etc.), también debemos tener en cuenta la miríada de contextos o sistemas (también en constante cambio) en los que deben desplegarse estas competencias. Si añadimos esas «insignias» de conocimiento a los 80 ámbitos que ya hemos mencionado, el camino para llegar a ser un «experto» se vuelve arduo en las tres ópticas.

Para cualquier investigador o investigador adyacente que desee ser eficaz en el desarrollo del impacto de la investigación, recomendamos establecer una base que abarque tanto el aprendizaje teórico como el práctico. Lo teórico forma parte de la perspectiva intelectual y lo práctico probablemente proceda de las perspectivas institucional y de creación de redes.

Afortunadamente, las universidades y los organismos interinstitucionales están empezando a reconocer este reto multidimensional y están invirtiendo en recursos y en un cambio de cultura tanto a nivel institucional (funciones y financiación del impacto de la investigación) como sectorial (por ejemplo,  Research Impact CanadaKnowledge Equity Network, etc.). Los que trabajamos en este ámbito somos conscientes de la importancia de compartir y colaborar para generar impacto en la investigación. Dadas esas numerosas competencias, no es de extrañar que ninguna persona pueda hacerlo todo. Afortunadamente, la comunidad internacional de investigación de impacto es increíblemente generosa a la hora de compartir conocimientos y colaborar, como demuestran series de seminarios como Impact through Culture Change de la Universidad de Auckland y las sesiones Next Generation Impact de la Universidad de Kent y, esperamos, a través de nuestro propio trabajo (Tamika a través de la cumbre anual  Research Impact Summit, y sus colegas, a través del podcast  Research Culture Uncovered).

Este enfoque colaborativo es la razón por la que cuando tuvimos la oportunidad de trabajar con 21 universidades y una serie de brillantes investigadores de impacto, profesionales y profesionales para crear el programa Research Impact: Creating Meaning and Value, nos pusimos manos a la obra. Sabíamos que la experiencia mejoraría nuestra propia capacidad intelectual, nuestras redes y nuestros recursos institucionales. Lo que significa que hemos aprendido tanto como hemos ayudado a aprender a nuestros colaboradores. También sabíamos que este nivel de apertura, intercambio y colaboración era necesario para generar un recurso de aprendizaje que ayudara a quienes se inician en la investigación de impacto a desarrollar sus conocimientos fundamentales.

Entonces, ¿cómo puede alguien desarrollar estos conocimientos básicos para convertirse en un experto en impacto? La respuesta es sencilla de enunciar y difícil de poner en práctica: es trabajo en equipo y aprendizaje continuo. El equipo necesita una amplia gama de conocimientos diferentes (teóricos y prácticos) y la capacidad de compartir, pensar, actuar y reflexionar desde las múltiples perspectivas que implican esas posiciones de conocimiento. El impacto de la investigación y los conocimientos necesarios para llevarla a cabo no pueden producirse sin él.

La creación de estos equipos es muy compleja porque tienen que cruzar diferentes fronteras, como las disciplinarias y las organizativas. Esto se denomina a veces colaboración radical y estos equipos son necesarios porque el impacto de la investigación es un problema sociotécnico. Sean cuales sean los conocimientos técnicos necesarios, hay que conectarlos, mediarlos y movilizarlos a través de las personas.

El trabajo en equipo parece sencillo, pero requiere compromiso y tiempo para establecer relaciones sólidas. Sin embargo, el tiempo es el recurso más escaso en el mundo académico, por lo que crear equipos es una gran exigencia. Esto pone de relieve otro consejo: concéntrese en los tipos de impacto de la investigación que realmente valora. Por usted nos referimos a las personas que forman el equipo y al propósito negociado del propio equipo: este enfoque basado en valores es el pegamento esencial que les mantiene unidos y sostiene el compromiso necesario para impulsar el cambio.

Para responder a nuestra pregunta, la pericia de impacto es una propiedad colectiva del equipo y no de un individuo. Identificarse como experto en impacto podría considerarse presuntuoso, incluso arrogante. El concepto de «experto» es insano en un sistema de investigación verdaderamente abierto y democrático. Por eso buscamos continuamente oportunidades de colaboración, para poder seguir aprendiendo y formando el equipo adecuado, con la experiencia adecuada, para el reto de impacto adecuado. Nuestros más de 20 años colaborando y formando parte de equipos brillantes, significa que podemos, desde nuestras dos posiciones, estimular los atributos adecuados en esos equipos, que son el pensamiento innovador, la resolución de problemas, una fuerte determinación (quizás terquedad) para encontrar soluciones, y un auténtico deseo de comprometerse con las personas y organizaciones que poseen esos conocimientos diferentes. Si pretende convertirse en un experto en impacto por sí solo, es de esperar que su incertidumbre y confusión nunca se disipen.

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.

Recursos para la visibilidad e indización de revistas académicas.

José Octavio Alonso Gamboa ; Felipe Rafael Reyna Espinosa. Recursos para la visibilidad e indización de revistas académicas. 2a ed. Latindex, 2023

Texto completo

Este documento compila una selección de recursos de información (bases de datos) que indizan revistas académicas iberoamericanas. Las bases de datos han sido clasificadas de la siguiente manera: servicios de índices y resúmenes, directorios de revistas, portales o hemerotecas virtuales, servicios de categorización y evaluación de revistas, servicios que informan sobre las políticas de acceso y uso de los contenidos y sistemas nacionales de clasificación de revistas, también conocidos como listas núcleo nacionales. Los autores seguiran trabajando y agregando más bases de datos en subsecuentes versiones.

Dimensions presenta la versión beta de un nuevo Asistente de IA

Dimensions presenta la versión beta de un nuevo Asistente de IA para mejorar la experiencia del usuario, en la que la comunidad investigadora desempeña un papel fundamental para garantizar que nuestra IA ofrezca lo que necesitan.

Dimensions proporciona una extensa base de datos de citas que permite a los investigadores rastrear y analizar las citas de sus trabajos académicos. Esta funcionalidad es fundamental para evaluar el impacto de las investigaciones y comprender cómo están siendo utilizadas y referenciadas por otros investigadores. La mayoría de sus servicios y productos son gratuitos y otros de pago. Un producto innovador en varios aspectos que pretende ser una alternativa a Elsevier y Clarivate.

Dimensions AI Assistant  utiliza capacidades avanzadas de inteligencia artificial (IA) para proporcionar a los usuarios resúmenes semánticamente ricos y resultados contextualizados, superando las búsquedas tradicionales basadas en palabras clave.

Para garantizar que Dimensions AI Assistant satisface las necesidades de su público objetivo, está invitando a un número limitado de usuarios beta de todo el mundo a participar activamente en la configuración de la forma en que la IA ayudará a los usuarios de Dimensions en el futuro. Estos usuarios pertenecerán a diversos sectores, como el académico, las empresas, las editoriales, las agencias gubernamentales y las organizaciones de financiación, que representan la base de clientes clave de Digital Science.

El principal objetivo del lanzamiento de la versión beta cerrada de Dimensions AI Assistant es recabar valiosos comentarios de usuarios beta que representen a diversos segmentos, como académicos, entidades corporativas, editores, agencias gubernamentales y organizaciones de financiación. Este enfoque garantiza que las necesidades e interacciones de los usuarios reciban la máxima importancia a medida que se desarrollan las funciones de la aplicación. «Al dar prioridad al lanzamiento de la versión beta como paso esencial, pretendemos perfeccionar el producto y asegurarnos de que se ajusta a las expectativas y requisitos de su público objetivo», afirma Christian Bode, Jefe de Producto de Dimensions.

Un científico de la Universidad de Córdoba pública un artículo cada 37 horas y firma sus estudios como investigador de otras instituciones extranjeras

Ansede, Manuel. «Suspendido de empleo y sueldo por 13 años uno de los científicos más citados del mundo, el español Rafael Luque». El País, 31 de marzo de 2023. https://elpais.com/ciencia/2023-03-31/suspendido-de-empleo-y-sueldo-por-13-anos-uno-de-los-cientificos-mas-citados-del-mundo-el-espanol-rafael-luque.html.

El químico español Rafael Luque Alvarez de Sotomayor, uno de los científicos más citados del mundo, ha sido suspendido de empleo y sueldo por 13 años. La Universidad de Córdoba, donde trabaja, tomó esta medida al descubrir que firmaba sus estudios como investigador de otras instituciones extranjeras, como la Universidad Rey Saúd en Arabia Saudí y la Universidad Rusa de la Amistad de los Pueblos en Moscú, a pesar de tener un contrato de tiempo completo con la universidad española.

Luque es reconocido por ser uno de los científicos más productivos de España, con cerca de 700 estudios publicados, especialmente en el campo de la química verde, centrada en la síntesis de productos con menor generación de residuos. En los primeros tres meses de 2023, ha firmado 58 estudios, lo que equivale a un artículo cada 37 horas.

Las universidades saudíes, en un intento por atraer a los científicos más citados, ofrecen atractivas condiciones y añadir el nombre de la institución en la firma de los estudios. Luque comenzó a firmar como investigador de la Universidad Rey Saúd en 2019, además de su afiliación con la Universidad de Córdoba. Aunque niega haber recibido dinero directamente de estas instituciones, admite haber recibido financiamiento para sus análisis y beneficios como viajes y hoteles.

El sistema científico actual se basa en la cantidad de estudios publicados y citados, lo que ha llevado a prácticas cuestionables, como la creación de estudios fraudulentos para mejorar los currículos. Luque ha sido objeto de críticas en la plataforma PubPeer, donde se cuestiona la inclusión de citas innecesarias en sus trabajos para aumentar el número de citas de otros colegas.

Luque acumula premios y reconocimientos por su trabajo, pero ha estado involucrado en escándalos previos, incluyendo un caso de apropiación de datos por parte de uno de sus estudiantes.

Aunque Luque afirma que su suspensión se debe a envidias y desacuerdos con el equipo anterior de la Universidad de Córdoba, la institución argumenta que se violaron aspectos de incompatibilidad según las normativas de personal público.

Registro de Organizaciones de Investigación (ROR)

The Research Organization Registry (ROR)

https://ror.org/

El Registro de Organizaciones de Investigación (ROR) es un registro mundial, dirigido por la comunidad, de identificadores persistentes abiertos para organizaciones de investigación. ROR facilita que cualquier persona o sistema pueda desambiguar los nombres de las instituciones y conectar las organizaciones de investigación con los investigadores y los resultados de la investigación.

Las organizaciones no son entidades estáticas. Cambian de nombre, se fusionan, se dividen, cierran y vuelven a surgir, lo que dificulta la conexión entre las organizaciones de investigación y los resultados de la investigación y los investigadores. Un identificador persistente para las organizaciones de investigación facilita esta tarea.

ROR es el primer y único identificador de organizaciones que está disponible abiertamente (datos CC0 disponibles a través de una API REST abierta y un volcado de datos público), centrado específicamente en la identificación de afiliaciones en metadatos académicos, desarrollado como una iniciativa comunitaria para satisfacer los casos de uso de la comunidad, y diseñado para ser integrado en la infraestructura académica abierta. Es el identificador por defecto admitido en los metadatos DOI de Crossref, los metadatos DOI de DataCite y ORCID.

ROR se utiliza en sistemas de publicación de revistas, repositorios de datos, plataformas de gestión de fondos y subvenciones, flujos de trabajo de acceso abierto y otros componentes de la infraestructura de investigación para desambiguar las afiliaciones institucionales, mejorar el descubrimiento y el seguimiento de los resultados de la investigación por afiliación y facilitar los flujos de trabajo de publicación de OA, entre otros casos de uso. Más información sobre las integraciones actuales de ROR.

Taxonomía de la Ciencia Abierta con Julio Santillán Aldana y con Remedios Melero. Planeta Biblioteca 2023/07/21

Taxonomía de la Ciencia Abierta

con Julio Santillán Aldana y con Remedios Melero

Planeta Biblioteca 2023/07/21

ESCUCHAR EL PROGRAMA

Ir a descargar

Silveira, L. da, Ribeiro, N. C., Melero, R., Mora-Campos, A. ., Piraquive-Piraquive, D. F. ., Uribe-Tirado, A., Sena, P. M. B., Polanco-Cortés, J. ., Santillán-Aldana, J. ., Silva, F. C. C. da ., Araújo, R. F. ., Enciso-Betancourt, A. M. e Fachin, J. (2023) “Taxonomia da Ciência Aberta: revisada e ampliada”, Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, 28, p. 1–22. doi: 10.5007/1518-2924.2023.e91712.

Artículo en español

Hoy tuvimos la oportunidad de conversar con Julio Santillán Aldana y Remedios Melero acerca de la publicación de una taxonomía de la Ciencia Abierta, un proyecto en el que representan a un grupo de 12 investigadores de Latinoamérica y España. Durante la entrevista, exploramos los detalles de este proyecto y sus implicaciones en la comunicación científica. El proyecto de la taxonomía de la Ciencia Abierta surgió como una iniciativa para clasificar y organizar de manera sistemática las diferentes prácticas, enfoques y metodologías que conforman el campo emergente de la Ciencia Abierta. Este enfoque representa una mirada inclusiva y colaborativa hacia la investigación científica, y se centra en la apertura y accesibilidad de datos, métodos y resultados para fomentar la transparencia y la colaboración. En cuanto a las implicaciones en la comunicación científica, la taxonomía de la Ciencia Abierta proporciona una estructura clara para que los investigadores, instituciones y comunidades puedan entender, discutir y aplicar conceptos relacionados con la Ciencia Abierta de manera más precisa y efectiva. Esto facilita la comunicación entre expertos y el público en general, lo que a su vez puede aumentar la difusión y comprensión de las prácticas de Ciencia Abierta en la comunidad científica y en la sociedad en general. La importancia de disponer de un recurso como esta taxonomía radica en que proporciona una base sólida y estructurada para avanzar en la comprensión y la aplicación de la Ciencia Abierta. Al contar con una clasificación precisa de las prácticas y enfoques dentro de este ámbito, se facilita la colaboración entre investigadores y la identificación de áreas de mejora y oportunidades para futuras investigaciones. Además, este recurso también puede servir como guía para las instituciones y políticas científicas en la promoción de prácticas más abiertas y transparentes.

Conocimiento, uso y reutilización de los datos abiertos en la ciencia española

Vidal Cabo, Christian. «Conocimiento, uso y reutilización de los datos abiertos en la ciencia española». Tesis doctoral, Universitat Politècnica de València, 2022. https://doi.org/10.4995/Thesis/10251/184664.

El Gobierno Abierto es un modo de política pública que se basa en los pilares de colaboración y participación ciudadana, transparencia y rendición de cuentas y derecho de acceso a la información pública. De la mano de las tecnologías de la información y las comunicaciones, gobiernos y administraciones llevan a cabo iniciativas de apertura de datos, movimiento conocido como Open Data (Datos Abiertos). Las plataformas digitales donde estas entidades ponen a disposición de la sociedad civil los datos son conocidas como portales de datos abiertos. Se trata de fuentes de información donde los conjuntos de datos son potencialmente reutilizables, con cualquier fin y sin ningún tipo de restricción, únicamente de referencia de autoría de los datos.

La comunidad científica, personal altamente cualificado dentro de la sociedad, pueden llegar a ser reutilizadores potenciales de estas fuentes de información. El producto derivado se traduce en producción científica: artículos, usos de datos abiertos en proyectos de investigación, comunicaciones y docencia. Este estudio aborda, por una parte, el conocimiento que tienen los investigadores e investigadoras acerca de los datos abiertos. Por otra, el uso y la reutilización de los datos abiertos para generar conocimiento científico.

Para llevar a cabo el estudio se ha desarrollado una metodología cuantitativa. Se ha elaborado una encuesta, distribuida en un bloque inicial de contexto con 6 preguntas y 6 bloques de carácter técnico con 24 preguntas, es decir, un cuestionario con 30 preguntas.

Se obtienen un total de 783 respuestas, procedentes de 34 provincias españolas. Los investigadores e investigadoras proceden de 47 universidades españolas y 21 centros de investigación, y existe representación 19 áreas de investigación de la Agencia Estatal de Investigación.

Con los datos obtenidos a través de esta metodología cuantitativa, se procesan, se normalizan y se lleva a cabo un análisis. Además, con los datos se desarrolla una plataforma para visualizar los resultados de la encuesta.

Las herramientas de detección de texto mediante inteligencia artificial son muy fáciles de engañar

Weber-Wulff, Debora, Alla Anohina-Naumeca, Sonja Bjelobaba, Tomáš Foltýnek, Jean Guerrero-Dib, Olumide Popoola, Petr Šigut, y Lorna Waddington. «Testing of Detection Tools for AI-Generated Text». arXiv, 21 de junio de 2023. https://doi.org/10.48550/arXiv.2306.15666.

Después de semanas después del lanzamiento de ChatGPT, surgieron temores de que los estudiantes utilizaran el chatbot para generar ensayos aceptables en cuestión de segundos. En respuesta a estos temores, las startups comenzaron a desarrollar productos que prometían detectar si un texto había sido escrito por un humano o por una máquina.

El problema es que, según una nueva investigación que aún no ha sido revisada por pares, es relativamente fácil engañar estas herramientas y evitar su detección. Debora Weber-Wulff, profesora de medios y computación en la Universidad de Ciencias Aplicadas, HTW Berlin, trabajó con un grupo de investigadores de diversas universidades para evaluar la capacidad de 14 herramientas, incluyendo Turnitin, GPT Zero y Compilatio, para detectar textos escritos por ChatGPT de OpenAI.

La mayoría de estas herramientas funcionan buscando características distintivas de textos generados por IA, como la repetición, y luego calculando la probabilidad de que el texto haya sido generado por una IA. Sin embargo, el equipo descubrió que todas las herramientas probadas tenían dificultades para detectar textos generados por ChatGPT que habían sido ligeramente reorganizados por humanos y ocultados por una herramienta de parafraseo, lo que sugiere que todo lo que los estudiantes necesitan hacer es adaptar ligeramente los ensayos generados por la IA para evadir los detectores.

Los investigadores evaluaron las herramientas escribiendo ensayos cortos de nivel universitario sobre una variedad de temas, que incluían ingeniería civil, ciencias de la computación, economía, historia, lingüística y literatura. Los ensayos fueron escritos por los propios investigadores para asegurarse de que el texto no estuviera ya en línea, lo que significaría que podría haber sido utilizado para entrenar a ChatGPT. Luego, cada investigador escribió un texto adicional en bosnio, checo, alemán, letón, eslovaco, español o sueco. Esos textos se pasaron por la herramienta de traducción de IA DeepL o Google Translate para traducirlos al inglés.

El equipo luego utilizó ChatGPT para generar otros dos textos cada uno, que modificaron ligeramente en un intento de ocultar que habían sido generados por IA. Un conjunto fue editado manualmente por los investigadores, que reorganizaron las oraciones e intercambiaron palabras, mientras que otro fue reescrito utilizando una herramienta de parafraseo de IA llamada Quillbot. Al final, tenían 54 documentos para probar las herramientas de detección.

Descubrieron que si bien las herramientas eran buenas para identificar textos escritos por humanos (con una precisión promedio del 96%), tenían un desempeño más deficiente cuando se trataba de detectar textos generados por IA, especialmente cuando habían sido editados. Aunque las herramientas identificaron textos generados por ChatGPT con un 74% de precisión, esta cifra disminuyó al 42% cuando el texto generado por ChatGPT había sido ligeramente modificado.

Compilatio, que fabrica una de las herramientas probadas por los investigadores, señala que es importante recordar que su sistema solo indica pasajes sospechosos, que clasifica como posible plagio o contenido potencialmente generado por IA.

Inteligencia Artificial en la Ciencia: retos, oportunidades y futuro de la investigación

OECD. Artificial Intelligence in Science: Challenges, Opportunities and the Future of Research, Paris: OECD Publishing, 2023, https://doi.org/10.1787/a8d820bd-en

PDF

ePUB

Los rápidos avances de la inteligencia artificial (IA) en los últimos años han dado lugar a numerosas aplicaciones creativas en la ciencia. Acelerar la productividad de la ciencia podría ser el más valioso económica y socialmente de todos los usos de la IA. Utilizar la IA para acelerar la productividad científica apoyará la capacidad de los países de la OCDE para crecer, innovar y hacer frente a los retos mundiales, desde el cambio climático hasta los nuevos contagios.

Esta publicación está dirigida a un público amplio, que incluye a los responsables políticos, el público y las partes interesadas en todos los ámbitos de la ciencia. Está escrita en un lenguaje no técnico y recoge las perspectivas de destacados investigadores y profesionales. El libro examina diversos temas, como los usos actuales, emergentes y posibles usos futuros de la IA en la ciencia, dónde es necesario progresar para servir mejor a los avances científicos y los cambios en la productividad científica.

Además, explora medidas para acelerar la integración de la IA en la investigación en los países en desarrollo.

Una contribución distintiva del libro es el examen de las políticas para la IA en la ciencia. Los responsables políticos y los agentes de los sistemas de investigación pueden hacer mucho para profundizar en el uso de la IA en la ciencia, magnificando sus efectos positivos y adaptándose al mismo tiempo a las cambiantes implicaciones de la IA para la gobernanza de la investigación.