Archivo de la etiqueta: Investigación

¿Quién posee el conocimiento? Copyright, IA Generativa y el futuro de la publicación académica

Kochetkov, Dmitry. 2025. “Who Owns the Knowledge? Copyright, GenAI, and the Future of Academic Publishing.” arXiv, noviembre 24, 2025. https://doi.org/10.48550/arXiv.2511.21755

El documento aborda el impacto profundo y multifacético de la inteligencia artificial generativa (GenAI) y los grandes modelos de lenguaje (LLMs) en la investigación científica y el sistema de publicación académica. Las capacidades de estas tecnologías, señala el autor, representan un cambio de paradigma que ofrece oportunidades revolucionarias para acelerar descubrimiento, análisis y difusión del conocimiento, pero al mismo tiempo plantea desafíos éticos, legales y regulatorios significativos que no han sido adecuadamente resueltos por los marcos jurídicos existentes en las principales jurisdicciones del mundo.

Un foco central del análisis es el reto que GenAI plantea para las leyes de copyright tradicionales y para los principios de la ciencia abierta. Kochetkov argumenta que las normativas actuales en países como Estados Unidos, China, la Unión Europea y el Reino Unido, aunque pretenden fomentar la innovación, dejan vacíos importantes específicamente en relación con el uso de obras protegidas por derechos de autor y de resultados de ciencia abierta para entrenar modelos de IA. Es decir, las normas pensadas para regular la reutilización humana de contenidos no cubren adecuadamente la ingestión masiva de textos científicos por parte de algoritmos de aprendizaje automático.

El autor también discute las limitaciones de los mecanismos de licencia existentes, incluyendo las licencias de acceso abierto como las de Creative Commons. Aunque estas licencias han sido útiles para permitir la reutilización y difusión entre personas, no están diseñadas para regular el entrenamiento de GenAI, que implica procesamiento de datos a gran escala y sin intervención humana directa. Esto se traduce, según el artículo, en una falta de atribución y reconocimiento de la autoría real de los contenidos, lo cual socava nociones académicas fundamentales de originalidad, crédito y responsabilidad intelectual.

Frente a esto, Kochetkov propone una crítica al uso automático de figuras legales como la “excepción de uso justo” (“fair use”) en Estados Unidos para justificar el entrenamiento de modelos de IA con textos académicos. En su análisis, depender de este enfoque es problemático porque no respeta suficientemente los derechos de los creadores originales —especialmente cuando los modelos son desarrollados o explotados comercialmente o cuando producen derivados opacos sin atribución clara— y podría favorecer la consolidación de mercados oligopólicos donde prevalecen intereses comerciales sobre la integridad científica y la equidad en la producción de conocimiento.

Como alternativa, el autor aboga por que los autores mantengan derechos explícitos para rechazar el uso de sus obras en procesos de entrenamiento de IA, independientemente de la doctrina de uso justo, y que las universidades jueguen un papel más activo en la gobernanza responsable de IA. Las instituciones académicas, sostiene, están en una posición única para desarrollar políticas internas que reflejen los valores de integridad científica, transparencia y justicia epistémica, negociando derechos que incluyan cláusulas específicas sobre IA.

Finalmente, Kochetkov llama a un esfuerzo legislativo internacional armonizado que pueda integrar coherentemente derechos de autor, ciencia abierta y el uso de GenAI en la investigación académica. Una regulación coordinada a nivel global ayudaría a proteger la propiedad intelectual, garantizar transparencia en los datos de entrenamiento, y evitar que la infraestructura de conocimiento científico quede dominada por intereses comerciales en detrimento del acceso equitativo y la integridad de la producción académica.

En conjunto, el artículo plantea que la revolución de la IA en la ciencia requiere no solo innovación tecnológica, sino también reformas profundas en las políticas de derechos de autor, licencias abiertas y gobernanza institucional, para asegurar que la transformación digital refuerce —y no erosione— los principios fundamentales de la investigación científica y la difusión del saber.

Alfabetización de datos: cómo navegar la transición de la publicidad exagerada a la realidad

Data Literacy: Navigating the Shift from Hype to Reality. Library Trends, Vol. 74, Núm. 3 (febrero de 2026) https://muse.jhu.edu/issue/56412

El número 3 del volumen 74 de la revista Library Trends explora el concepto de alfabetización de datos más allá del entusiasmo tecnológico, enfocándose en cómo las bibliotecas y los profesionales de la información están integrando esta competencia en sus prácticas educativas y de servicio. La edición parte de la premisa de que la creciente complejidad de los ecosistemas de información —lo que algunos investigadores describen como la “sobrecarga de datos”— desafía a las bibliotecas a redefinir su papel formativo más allá de la alfabetización informacional tradicional. El propósito es comprender hasta qué punto las bibliotecas han desarrollado estrategias críticas y efectivas para preparar a sus usuarios a interpretar, evaluar y usar datos de forma ética en contextos diversos.

El contenido incluye artículos que analizan tanto perspectivas teóricas como experiencias prácticas: desde enfoques críticos sobre la enseñanza de la alfabetización de datos en entornos de desconfianza hasta iniciativas comunitarias dirigidas a poblaciones específicas, como inmigrantes o estudiantes universitarios. Se presentan estudios de caso sobre programas de formación interdisciplinaria, pedagogías inclusivas y proyectos que vinculan la alfabetización de datos con necesidades sociales, como la comprensión de la inseguridad alimentaria. Además, se examina cómo los planes de estudio en biblioteconomía y ciencias de la información están evolucionando para incorporar competencias de datos de manera más sistemática.

Un marco para evaluar la confiabilidad de los resultados de la investigación científica

Brian A. Nosek, David B. Allison, Kathleen Hall Jamieson, Marcia McNutt, A. Beau Nielsen y Susan M. Wolf. A Framework for Assessing the Trustworthiness of Scientific Research Findings. Proceedings of the National Academy of Sciences of the United States of America (PNAS), Vol. 123, No. 6, e2536736123, publicado el 3 de febrero de 2026. DOI: 10.1073/pnas.2536736123

El artículo propone un marco conceptual estructurado para evaluar qué hace que los resultados científicos sean confiables, abordando debates actuales sobre la integridad y la credibilidad de la investigación en múltiples áreas del conocimiento.

Los autores —expertos en metodología, comunicación científica, ética e integridad de la investigación— argumentan que no existe una única respuesta simple a la pregunta de qué hace que los hallazgos científicos sean dignos de confianza, dado que enfoques tradicionales como la reputación de la revista, el recuento de citas o la revisión por pares por sí solos son indicadores insuficientes y a veces engañosos de la calidad real de la investigación. En lugar de esto, proponen un enfoque de sistemas que se centra en prácticas y estructuras observables que pueden facilitar la evaluación de la confiabilidad de los resultados.

El marco desarrollado se organiza en siete componentes esenciales que, en conjunto, ayudan a juzgar la confianza que se puede depositar en una investigación. Estos pilares incluyen si el estudio es responsable (accountable), es decir, si quienes lo realizan son transparentes y responsables de sus decisiones; si es evaluable, lo que significa que sus métodos y datos pueden ser examinados por otros; si ha sido evaluado —por pares, por replicación o por crítica—; si está bien formulado, con objetivos claros y relevantes; si controla sesgos y errores y, finalmente, si las conclusiones están justificadas por la evidencia. Según los autores, estos aspectos combinados permiten un juicio más sólido sobre la confianza en los hallazgos que los simples proxies externos de reputación o prestigio.

Además, el artículo subraya que la confiabilidad no es sinónimo de corrección absoluta: un resultado puede ser imperfecto o incluso incorrecto en algún detalle, pero aún así ser confiable si ha sido producido y comunicado de manera que los errores sean transparentes y susceptibles de ser detectados y corregidos con el tiempo. Esta distinción es crucial, ya que refleja que la ciencia es un proceso acumulativo en el que la capacidad de detectar errores y aprender de ellos es lo que permite avanzar en el conocimiento. El marco enfatiza también la importancia de crear lenguajes comunes y métricas significativas para que investigadores, instituciones, revistas científicas, financiadores e incluso el público puedan evaluar y comunicar mejor la confiabilidad de la investigación.

Finalmente, los autores señalan que adoptar este marco no resolverá todos los problemas de la ciencia por sí mismo, pero puede servir como una herramienta integral para mejorar la evaluación de la investigación más allá de estándares obsoletos. Al centrarse en comportamientos y prácticas que fomentan el escrutinio crítico, la transparencia, la reducción de sesgos y la evidencia sólida, el marco pretende fortalecer la base de confianza en la ciencia, contribuyendo a que los hallazgos sean más útiles y significativos tanto para la comunidad académica como para la sociedad en general.

7 aspectos clave del marco para evaluar la confiabilidad de los resultados científicos, explicados uno por uno con detalle:

1. Responsabilidad (Accountability)

Los investigadores deben ser transparentes y responsables sobre cómo diseñaron, condujeron y reportaron su estudio. Esto implica que haya claridad en quién hizo qué, y que los autores puedan ser contactados o interrogados sobre sus decisiones. La responsabilidad fomenta la confianza porque asegura que no hay ocultamiento de información crucial.

2. Evaluabilidad (Evaluability)

Los métodos, datos y resultados deben ser accesibles y presentados de tal forma que otros científicos puedan revisar, reproducir o cuestionar el trabajo. Esto incluye compartir datos abiertos, protocolos, códigos y materiales usados, para que el estudio pueda ser examinado y validado por terceros.

3. Evaluación (Assessment)

El estudio debe haber sido sometido a algún tipo de revisión crítica, ya sea a través del proceso tradicional de revisión por pares, revisiones independientes, replicaciones por otros investigadores o críticas constructivas. La evaluación rigurosa ayuda a detectar errores o sesgos que podrían afectar la confiabilidad.

4. Formulación adecuada (Well-formulated)

El problema de investigación debe estar claramente definido, con objetivos precisos y relevantes. Un estudio bien planteado evita ambigüedades que dificultan interpretar los resultados y asegura que las preguntas que busca responder son importantes y están claramente expresadas.

5. Control de sesgos y errores (Control of biases and errors)

Los investigadores deben usar métodos para minimizar la influencia de prejuicios, errores sistemáticos o aleatorios que podrían distorsionar los resultados. Esto puede incluir diseño experimental riguroso, uso de controles, aleatorización y análisis estadísticos adecuados para validar la robustez del hallazgo.

6. Justificación de conclusiones (Justification of conclusions)

Las conclusiones que se presentan deben estar respaldadas por la evidencia empírica recogida. No basta con afirmar algo llamativo o deseable; debe haber una relación clara entre los datos y las interpretaciones o afirmaciones que se hacen.

7. Transparencia y comunicación (Transparency and communication)

Finalmente, el estudio debe comunicar claramente los métodos, limitaciones, resultados y cualquier conflicto de interés. La transparencia en la comunicación permite que otros comprendan plenamente el contexto y alcance del estudio, y facilita que se interpreten correctamente los hallazgos.

La base de datos Predatory Reports de Cabells alcanza las 20 000 revistas depredadoras y engañosas

Cabells. (3 de febrero de 2026). Cabells’ Predatory Reports Database Hits 20,000 Deceptive Journals. Recuperado de https://blog.cabells.com/2026/02/03/cabells-predatory-reports-database-hits-20000-deceptive-journals/

Cabells, empresa estadounidense de servicios de información, ahora incluye más de 20 000 revistas en su base de datos Predatory Reports. Este recurso único ha crecido más del 300 % desde su lanzamiento en 2017.


Tras alcanzar las 10 000 en 2019 y las 15 000 en 2021, una reciente actualización tecnológica de la base de datos ha permitido añadir más revistas en los últimos meses, lo que ha elevado a Predatory Reports a su nuevo récord. Al 30 de enero de 2026, la base de datos contaba con 20 274 revistas, lo que ofrece a los clientes una capacidad inigualable para verificar fuentes, referencias y opciones de envío de revistas para garantizar la veracidad del expediente académico. Las revistas se incluyen en Predatory Reports si cumplen con alguno de los más de 70 criterios que el equipo de expertos de Cabells emplea para determinar si una revista es engañosa o no. Las revistas depredadoras suelen ser falsas y buscan engañar a los autores para que paguen por su publicación, generalmente aparentando ser revistas legítimas revisadas por pares, e impactando a los actores académicos interesados ​​explotando el modelo de acceso abierto y utilizando tácticas engañosas para solicitar el envío de artículos.

Predatory Reports se complementa con Journalytics Academic y Journalytics Medicine, bases de datos seleccionadas de más de 13 000 y 9000 revistas, respectivamente, que han sido verificadas como revistas académicas de prestigio. Junto con Predatory Reports, proporcionan información sobre publicaciones, métricas y análisis para que los académicos puedan identificar las revistas más adecuadas para publicar sus investigaciones y maximizar su impacto. Al comentar sobre este hito, la directora ejecutiva de Cabells, Lacey Earle, afirmó: «Como demuestra este nuevo hito, la creciente actividad de las editoriales depredadoras para estafar a investigadores académicos y defraudar a los financiadores no da señales de detenerse, especialmente porque las tecnologías de IA generativa facilitan más que nunca la creación de contenido académico. Para sortear este panorama cada vez más complejo, Predatory Reports apoya a financiadores, editoriales, académicos y sus instituciones a verificar las opciones de revistas y evitar los diversos engaños que representan las revistas depredadoras».

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

Las bibliotecas de Emory cancelan suscripciones a revistas de Elsevier debido al aumento de los costos

Goyal, Samara. “Emory Libraries Cancel Elsevier Journals Due to Rising Journal Costs.” The Emory Wheel, 21 de enero de 2026. https://www.emorywheel.com/article/2026/01/emory-libraries-cancel-elsevier-journals-due-to-rising-journal-costs

La decisión reciente de las bibliotecas de la Universidad de Emory en Atlanta, Estados Unidos, de reducir su acceso a las revistas académicas publicadas por Elsevier, uno de los mayores editores científicos del mundo.

La razón principal de esta medida fue el aumento continuo de los costos de suscripción, en un contexto de presupuesto universitario ajustado, en el que la institución no recibió financiación adicional para cubrir las alzas anuales. Según explicó la bibliotecaria y administradora universitaria Lisa Macklin, la falta de recursos obligó a cancelar parte de la colección para equilibrar las cuentas de la biblioteca, lo que permitió un ahorro de alrededor de 655 000 dólares para el sistema bibliotecario.

La reducción del acceso a los títulos de Elsevier fue el resultado de un proceso interno de evaluación en el cual bibliotecarios especializados y responsables de áreas temáticas revisaron datos de uso y costos, con la participación de profesores y estudiantes para priorizar las necesidades de la comunidad académica. Esto llevó a una colección más condensada, con 590 títulos seleccionados de Elsevier, que se considera que se ajustan mejor a los programas de investigación y enseñanza de Emory. La decisión forma parte de un patrón más amplio de tensiones entre bibliotecas académicas y grandes editoriales científicas, en un momento en que los costes de las revistas seriadas han crecido de manera sostenida, superando con frecuencia los presupuestos disponibles.

El artículo también contextualiza esta decisión dentro de las estrategias alternativas que la biblioteca está empleando para mitigar el impacto en los usuarios. Por ejemplo, recuerda que en 2024 se canceló un paquete de títulos de Wiley, y desde entonces la biblioteca ha ofrecido un servicio de entrega acelerada de artículos que permite a estudiantes y profesores solicitar artículos individuales pagando una tarifa fija menor al coste de una suscripción completa. Este enfoque, aunque no sustituye el acceso inmediato a todas las publicaciones, busca asegurar que los investigadores puedan obtener los materiales que necesitan de forma más eficiente que mediante préstamos interbibliotecarios tradicionales.

Además, el artículo recoge reflexiones de la comunidad universitaria sobre la evolución del acceso al conocimiento científico en la era digital. Autoridades académicas señalan que las bibliotecas se ven forzadas a equilibrar la disponibilidad de recursos para áreas con gran demanda y aquellas especializadas, mientras que la tecnología y nuevas herramientas, incluida la inteligencia artificial, están cambiando la manera en que se accede y utiliza la información académica. Estas variables plantean desafíos continuos para las políticas de colección y acceso en las bibliotecas universitarias, en medio de debates más amplios sobre modelos de publicación científica, acceso abierto y sostenibilidad económica de la comunicación académica.

¿Por qué los autores no revelan el uso de IA en sus trabajos de investigación?

Staiman, Avi. 2026. “Why Authors Aren’t Disclosing AI Use and What Publishers Should (Not) Do About It.” The Scholarly Kitchen, January 27, 2026. https://scholarlykitchen.sspnet.org/2026/01/27/why-authors-arent-disclosing-ai-use-and-what-publishers-should-not-do-about-it/

El artículo aborda el fenómeno creciente de que muchos autores académicos no están declarando el uso de herramientas de inteligencia artificial (IA) en sus procesos de investigación y redacción, a pesar de que un número significativo de ellos reconoce emplearlas en distintas fases del trabajo científico

Staiman explica que, aunque las editoriales han desarrollado políticas que requieren declaraciones sobre el uso de IA con el objetivo de mantener la integridad de la literatura científica, estas normas no están siendo efectivamente cumplidas: solo un porcentaje muy bajo de autores realmente declara haber usado IA en sus manuscritos. Esta brecha entre las expectativas formales de transparencia y la práctica real refleja, según el autor, varios factores humanos y estructurales que dificultan la declaración abierta de asistencia artificial en la escritura científica.

Una de las principales razones de esta falta de transparencia es el miedo de los investigadores a que la divulgación de uso de IA sea percibida negativamente por editores y revisores, lo que podría influir adversamente en la evaluación de la calidad, originalidad o rigor del trabajo. Aunque muchos investigadores usan IA para tareas como mejorar la redacción, sintetizar información o buscar literatura relevante, existe una percepción persistente de que tal uso podría ser interpretado como una forma de atajo o amenaza a la integridad académica, lo que crea un ambiente en el que los autores prefieren omitir estas declaraciones.

Otra barrera importante es la confusión y falta de claridad en las directrices editoriales: las políticas de las revistas y editoriales varían ampliamente sobre qué tipo de uso de IA debe ser declarado, cuándo hacerlo y cómo documentarlo. Algunos requisitos son vagos o excesivamente complejos, lo que genera incertidumbre en los autores respecto a si deben declarar, cómo hacerlo o si incluso es obligatorio. Esta ambigüedad, combinada con la carga adicional de trabajo que supone documentar exhaustivamente cada instancia de uso de IA y la ausencia de incentivos claros para hacerlo, contribuye a que muchos autores opten por no reportarlo.

Además, el artículo señala que algunos autores ni siquiera son conscientes del uso de IA en herramientas integradas en aplicaciones comunes (como asistentes de redacción en suites ofimáticas), lo que dificulta aún más la trazabilidad y divulgación de la asistencia artificial. También destaca una confusión extendida entre el uso de IA y el plagio, lo que lleva a algunos autores a tratar de ocultar signos de asistencia de IA en lugar de ser transparentes, con la intención de evitar evaluaciones negativas o fallos en las pruebas de detección.

Finalmente, el autor advierte que, si las editoriales no clarifican, educan y, sobre todo, repiensan cómo deben abordar el uso de IA, es probable que la falta de divulgación continúe. Argumenta que las editoriales no deberían centrarse en herramientas de detección de IA —las cuales son poco fiables y pueden reforzar la idea de que el uso de IA es inaceptable— sino en proporcionar directrices claras, educar a la comunidad académica sobre prácticas responsables y crear políticas que reconozcan las distintas formas legítimas de asistencia de IA sin sacrificar la integridad de la investigación.

Actitudes y comportamientos de comunicación académica entre investigadores de la Generación Z

Nicholas, David; Clark, David; Abdullah, Abrizah; Revez, Jorge; Rodríguez Bravo, Blanca; Świgoń, Marzena; y Akeroyd, John. “The scholarly communication attitudes and behaviours of Gen‑Z researchers: a pathfinding study.” Cambridge Open Engage, 23 de enero de 2026, DOI: 10.33774/coe‑2026‑s8b36. Cambridge University Press, 2026

Texto completo

Estudio piloto cualitativo que explora las actitudes y comportamientos de comunicación académica de investigadores de la Generación Z (nacidos aproximadamente entre mediados de los 90 y comienzos de los 2010) en comparación con colegas pertenecientes a generaciones anteriores dentro de la misma fase de carrera académica. El objetivo central de este trabajo fue identificar diferencias emergentes que puedan justificar una investigación más amplia en el futuro.

La investigación se basó en entrevistas en profundidad de aproximadamente una hora con alrededor de 30 investigadores de la Generación Z provenientes de ocho países y abarcando diversas disciplinas. Para contextualizar estos hallazgos, los autores compararon las experiencias narradas por los participantes más jóvenes con un grupo más amplio de 120 investigadores más veteranos.

Además, el equipo de investigación empleó análisis mediante IA (Claude AI) no sólo para procesar los datos cualitativos obtenidos, sino también para evaluar el estado actual de la literatura publicada sobre comunicación académica entre investigadores jóvenes. Este uso de IA refleja una tendencia hacia la integración de herramientas tecnológicas en la propia praxis investigadora, algo que también está siendo observado como una característica distintiva entre generaciones.

Entre los hallazgos preliminares, los autores destacan que los investigadores de la Generación Z tienden a adoptar estratégicamente la inteligencia artificial como un medio para mejorar su eficiencia y avanzar en sus carreras académicas. En contraste, los investigadores más experimentados muestran una mayor conciencia crítica y cautela respecto a las implicaciones filosóficas y éticas del uso de estas tecnologías en la comunicación y difusión del conocimiento científico.

El estudio concluye que, pese a las limitaciones de tamaño y alcance de la muestra, existen diferencias suficientemente claras en prácticas y actitudes que justifican una investigación ampliada. Esto podría enriquecer la comprensión de cómo evoluciona la comunicación académica en un contexto globalizado y tecnológicamente mediado, particularmente entre los recién llegados al mundo académico frente a generaciones anteriores.

Tres importantes universidades de investigación renuncian al nuevo acuerdo con Elsevier

Grove, Jack. “Three Major Research Universities Opt Out of New Elsevier Deal.” Times Higher Education, 22 de enero de 2026. https://www.timeshighereducation.com/news/three-major-research-universities-opt-out-new-elsevier-deal

En enero de 2026, tres universidades británicas centradas en investigación anunciaron que no renovarán sus acuerdos con la editorial académica Elsevier, a pesar de que una negociación nacional liderada por el organismo sectorial Jisc había concluido recientemente con ofertas de suscripción consideradas “fuertes y con ahorro comparado con precios históricos”.

Estas instituciones, entre las cuales figuran la University of Kent, la University of Essex y la University of Sussex, decidieron no adherirse al nuevo acuerdo Read and Publish con Elsevier para 2026. La University of Kent explicó que los fondos liberados se destinarán a apoyar un enfoque más sostenible y centrado en los investigadores hacia la publicación en acceso abierto, incluyendo la financiación de los cargos por procesamiento de artículos (APCs) en las propias revistas de Elsevier.

La University of Essex expresó insatisfacción con los aumentos de precio propuestos y la falta de compromiso de Elsevier para avanzar hacia un modelo de acceso abierto más sólido, aunque la universidad mantiene acuerdos con otros grandes editores como Sage, Springer Nature, Taylor & Francis y Wiley para 2026.

Por su parte, la University of Sussex tampoco renovó con Elsevier y ha listado acuerdos con editores más pequeños para el periodo 2026–28. Las decisiones de estas universidades reflejan tensiones crecientes en el sector académico sobre el coste de las suscripciones y el papel de los grandes editores comerciales en el acceso a contenidos científicos.

Aunque muchos campus del Reino Unido aún no han declarado si aceptarán el acuerdo negociado por Jisc, hay predicciones de que más instituciones puedan optar por no adherirse a medida que expiren los plazos de transición. Algunos analistas señalan que decisiones similares tomadas en 2025 por universidades como Sheffield, Surrey o York demostraron que los investigadores pueden continuar su trabajo utilizando vías alternativas para acceder al material científico sin un acuerdo de suscripción directa con Elsevier.

Adiós a Elsevier y Clarivate: OpenAlex y la nueva era de la ciencia abierta

Winemiller, Sam. 2026. “OpenAlex and Values‑Aligned Tools.” ACRLog, 26 de enero de 2026. https://acrlog.org/2026/01/26/openalex-and-values-aligned-tools/

Se hace una llamada a la comunidad académica y bibliotecaria para cuestionar la hegemonía de herramientas comerciales en la evaluación científica y abrazar alternativas abiertas como OpenAlex —no solo por su utilidad técnica, sino también por su potencial para reflejar y reforzar valores compartidos de acceso abierto, inclusión y control comunitario sobre las infraestructuras que sostienen el conocimiento global.

La academia necesita desvincular de las entidades corporativas nuestra capacidad para comprender y evaluar la actividad académica. Compañías como Elsevier y Clarivate han integrado efectivamente métodos de evaluación en la academia que dependen de sus herramientas propietarias (Scopus y SciVal; Web of Science y Journal Citation Reports e InCites, respectivamente). De manera conveniente, estos productos también emiten juicios sobre la “legitimidad” de los lugares de publicación académica y sobre si son valiosos como líneas dentro de un expediente de promoción o para decisiones de suscripción bibliotecaria, lo que plantea preguntas sobre posibles conflictos de interés. Uno podría suponer que las revistas propiedad de Elsevier rara vez se excluyen del corpus de Scopus, por ejemplo.

La necesidad de separar la indexación y evaluación de la actividad académica del control corporativo coincide con la necesidad de recuperar cierto grado de control sobre todo el sistema de publicación académica. Un camino posible sería un cambio significativo hacia espacios gestionados por instituciones académicas, sociedades científicas o alianzas académicas, en lugar de editores con fines de lucro; sin embargo, un obstáculo básico para este cambio es la indexación inconsistente e incompleta de dichos espacios en gráficos de conocimiento científico como Scopus y Web of Science. En su reciente artículo sobre el tema, Nazarovets et al. (2026) concluyen con esta sugerencia: “…la visibilidad desigual de las UJs [revistas universitarias] resalta un punto ciego estructural en la evaluación global de la investigación: a menos que infraestructuras más inclusivas como DOAJ y OpenAlex sean ampliamente reconocidas y mejoradas en cuanto a cobertura y fiabilidad de metadatos, grandes partes de la producción académica permanecerán invisibles incluso si se decide abandonar WoS [Web of Science] y Scopus.” Este es solo uno de los posibles beneficios de invertir en infraestructura abierta como OpenAlex (tal como lo recomienda la UNESCO). La infraestructura abierta puede definirse como herramientas y recursos fundamentales, gratuitos, sobre los cuales se puede realizar, compartir y explorar la ciencia y la investigación abierta.

Para quienes no estén familiarizados con OpenAlex, es esencialmente una gran base de datos de trabajos académicos y metadatos relacionados. OpenAlex se centra en la inclusión amplia de trabajos académicos, en contraste con la “curaduría” de fuentes legítimas practicada por servicios propietarios. Posee una interfaz web y puede consultarse mediante API, pero en esencia es una infraestructura dedicada al dominio público a través de la licencia CC0, mantenida activamente por una organización sin fines de lucro (501(c)3). Por supuesto, depender de datos de citas reportados por los editores puede ser cuestionable, pero mientras trabajamos en reconocer y recompensar otros tipos de evidencia sobre el impacto de la investigación, al menos podemos usar datos de citas lo más completos posibles.

¿Es OpenAlex tan bueno como sus competidores? Según mi experiencia, suele ser igual o mejor para la mayoría de propósitos, como generar listas de publicaciones de autores, incluyendo preprints, o analizar tendencias de publicación en acceso abierto de una institución a lo largo del tiempo. La mayoría de quienes lo han explorado a fondo parecen coincidir. Culbert et al. (2024) analizaron la cobertura de referencias de OpenAlex en comparación con Web of Science y Scopus, encontrándola “comparable”, incluso antes de las recientes mejoras de OpenAlex, que incluyeron más de 50 millones de trabajos nuevos. En una revisión de Katina, Ho (2025) calificó a OpenAlex como “…una alternativa prometedora y fiable a las bases de datos de citas tradicionales por suscripción para investigadores, administradores universitarios, instituciones de investigación y organismos gubernamentales interesados en actividades de investigación y colaboraciones potenciales.” Otras herramientas de descubrimiento académico, como Overton, utilizan OpenAlex como fuente de datos fundamental.

Cada persona necesitará probarlo para evaluar si su usabilidad cumple con sus estándares, pero para quienes dudan, basta considerar que el simple uso de estas herramientas puede ser una pequeña contribución hacia un futuro diferente para la infraestructura de investigación. Los coordinadores involucrados en la Declaración de Barcelona sobre Información de Investigación Abierta comentaron sobre el compromiso de la declaración de apoyar infraestructuras para información de investigación abierta:

“Lo que creemos importante para las organizaciones es asumir seriamente su responsabilidad de apoyar estas infraestructuras, las cuales solo pueden existir y desarrollarse si son usadas y apoyadas. Esto incluye apoyo financiero, pero también puede involucrar participación en la gobernanza y contribuciones en especie, como aportar datos y mejorar su calidad. En cuanto a las contribuciones financieras, la Universidad de la Sorbona es un gran ejemplo: cuando se dieron de baja de Web of Science, redirigieron parte de ese presupuesto a apoyar OpenAlex. En general, abogamos por hacer de las inversiones en infraestructura abierta una parte integral de los presupuestos institucionales.”

Para muchos en bibliotecas universitarias, no contamos con recursos significativos para invertir o desinvertir, aunque votar con nuestro dinero sigue siendo una opción si tenemos autorización para hacerlo. Sin embargo, lo que sí está dentro de nuestro ámbito de influencia es aprender sobre infraestructura alineada con valores y usarla, aprovechando nuestras posiciones como profesionales de la información para enseñar y motivar a otros a usar infraestructura alineada con valores. En mi institución, hemos empezado con proyectos pequeños, como integrar OpenAlex en nuestra plataforma local de perfiles académicos y trabajar para añadir nuestro repositorio institucional como fuente de datos para OpenAlex. Ya sea OpenAlex u otra herramienta alineada con valores, podemos “votar” con nuestro uso como un pequeño acto diario de apoyo o resistencia. Enseñando sobre estas herramientas, pequeños actos individuales se convierten en poder colectivo.