Archivo de la etiqueta: Investigación

Cómo aumentar tus citas académicas y mejorar tu índice h: estrategias clave para investigadores

World University Rankings 2025: methodology

Ale Ebrahim, Nader (2025). Strategies to Enhance Citation Counts and Improve Researchers’ h-index. figshare. Presentation. https://doi.org/10.6084/m9.figshare.28911272.v1

En el competitivo panorama académico actual, el número de citas que recibe un investigador y su índice h (h-index) son métricas cruciales para su carrera profesional. Estas cifras no solo reflejan la influencia de una investigación, sino que también condicionan oportunidades de financiación, promociones y el prestigio institucional.

En este contexto, Nader Ale Ebrahim, consultor en visibilidad de la investigación y bibliometría, propone una serie de estrategias prácticas y herramientas digitales para maximizar el impacto académico de los investigadores.

El artículo, basado en una presentación publicada en Figshare (https://doi.org/10.6084/m9.figshare.28911272.v1), destaca que producir buena investigación ya no es suficiente; es necesario también garantizar su visibilidad y accesibilidad.

El aumento en el número de citas y la mejora del índice h no son fruto de la casualidad, sino el resultado de una estrategia deliberada y bien estructurada orientada a potenciar la visibilidad académica. Tal como sostiene Ebrahim, es fundamental que los investigadores adopten una actitud proactiva en la difusión de su trabajo científico, utilizando de forma inteligente las herramientas digitales disponibles y aplicando buenas prácticas en comunicación académica. Este enfoque no solo contribuye a incrementar la frecuencia con la que se cita una investigación, sino que también abre la puerta a nuevas colaboraciones y a un mayor reconocimiento dentro de la comunidad científica internacional.

A continuación, se detallan las principales estrategias recomendadas:

  1. Optimizar el perfil del autor: Es fundamental mantener una identidad académica coherente. Para ello, se recomienda utilizar siempre el mismo nombre de autor y registrar un perfil en ORCID. También es clave mantener actualizado el perfil en Google Scholar, que centraliza la producción científica del investigador.
  2. Publicar de manera estratégica: Se aconseja elegir revistas académicas de alto impacto (preferentemente del cuartil Q1) que estén indexadas en bases como Scopus o Web of Science. Además, se sugiere usar herramientas de inteligencia artificial como Writefull o Scite.ai para mejorar el título, el resumen y las palabras clave, facilitando así la visibilidad y el descubrimiento del artículo.
  3. Apostar por el acceso abierto y repositorios: Hacer los artículos accesibles a través de plataformas como Zenodo o repositorios institucionales aumenta significativamente la posibilidad de ser citado. Cuantos más lectores puedan acceder libremente al contenido, mayor será su impacto.
  4. Aprovechar redes sociales y académicas: La difusión del trabajo en redes como ResearchGate, LinkedIn o Twitter/X, acompañada de resúmenes visuales, infografías o vídeos, incrementa su alcance. Participar en comunidades científicas también ayuda a posicionar la investigación ante públicos interesados.
  5. Colaboración internacional: Publicar con coautores de otras instituciones o países está directamente relacionado con un aumento en las citas. Estas colaboraciones amplían las redes de lectura y citación del trabajo.
  6. Utilizar herramientas de IA para mejorar la eficiencia: Herramientas como Scholarcy (para resumir textos), Connected Papers (para visualizar redes de citación), Grammarly o Jasper (para corregir y redactar con calidad), permiten mejorar tanto la forma como el contenido del artículo, lo cual incide directamente en su impacto.
  7. Añadir publicaciones en firmas de correo: Incluir enlaces a las últimas publicaciones en la firma del correo electrónico o en presentaciones académicas es una forma sutil pero efectiva de promocionar los trabajos.
  8. Crear y compartir contenido multimedia: Publicar vídeos, pódcast o presentaciones en plataformas como YouTube, Figshare o SlideShare puede hacer que la investigación sea más comprensible y atractiva para públicos diversos.

Un informe de Springer Nature revela amplias disparidades internacionales en la formación sobre integridad en la investigación.

World map highlighting regions with high, low, and gap in research integrity training resources
Illustration showing global inequality in research integrity training access

Springer Nature. “New Analysis from Springer Nature Reveals Widespread International Disparities in Research Integrity Training.” Comunicado de prensa, 29 de mayo de 2025. https://group.springernature.com/gp/group/media/press-releases/research-integrity-training-white-paper/27783258

Springer Nature ha publicado un nuevo informe que revela disparidades significativas a nivel internacional en la formación sobre integridad en la investigación. El estudio, presentado el 29 de mayo de 2025 por la editora en jefe de Nature, Dra. Magdalena Skipper, analiza encuestas realizadas en Australia, Reino Unido, Estados Unidos, India, Japón, China y Brasil, destacando variaciones en el acceso, metodología y comprensión de la formación en integridad investigadora.

Principales hallazgos

  • Acceso desigual a la formación: Los investigadores en China (79%) y Japón (73%) reportaron el mayor acceso a formación en integridad, seguidos por Australia (68%), EE. UU. (56%), India (53%), Reino Unido (51%) y Brasil (27%). Sin embargo, un mayor acceso no siempre se traduce en mejores resultados; por ejemplo, el Reino Unido y Brasil, con menor acceso, también presentan las tasas más bajas de retracciones.
  • Apoyo a la formación obligatoria: Entre el 84% y el 94% de los investigadores en todos los países encuestados apoyan la formación obligatoria en integridad en algún momento de su carrera.
  • Evaluación limitada del aprendizaje: Pocos investigadores (entre el 7% y el 29%) están obligados a demostrar comprensión del material mediante pruebas formales; en su lugar, las evaluaciones suelen basarse en discusiones o trabajos en grupo.
  • Enfoque en etapas tempranas de la carrera: La formación se dirige principalmente a estudiantes de posgrado e investigadores en etapas iniciales, aunque en China y Japón también se incluye a personal no académico y ejecutivo, lo que podría indicar un compromiso institucional más amplio.
  • Variaciones en los métodos de entrega: Mientras que la mayoría de las regiones utilizan una combinación de formatos en línea y presenciales, Japón depende en gran medida de la formación exclusivamente en línea, e India prefiere formatos presenciales más que otros países.
  • Necesidad de orientación adicional: En todos los países, los investigadores expresaron la necesidad de más orientación sobre autoría. Además, en Australia, EE. UU., Reino Unido y Brasil, se manifestó un deseo de recibir más formación en la gestión y compartición de datos de investigación.

Recomendaciones

El informe aboga por un liderazgo institucional más sólido y una formación híbrida adaptada para integrar la integridad en la investigación académica. Se destaca la necesidad de apoyo más accesible y personalizado para los investigadores en todas las etap

Anthropic lanza un programa para apoyar la investigación científica con IA

 AI for Science program

Wiggers, Kyle. “Anthropic Launches a Program to Support Scientific Research.” TechCrunch, May 5, 2025. https://techcrunch.com/2025/05/05/anthropic-launches-a-program-to-support-scientific-research/?utm_source=flipboard&utm_content=Techcrunch/magazine/Latest+TechCrunch+Stories

Anthropic, una empresa destacada en el desarrollo de inteligencia artificial, ha lanzado un programa llamado AI for Science con el objetivo de impulsar la investigación científica mediante el uso de sus modelos de IA. Este programa está especialmente enfocado en apoyar proyectos científicos de alto impacto, con especial énfasis en las áreas de biología y ciencias de la vida, que son campos donde la IA tiene un enorme potencial para acelerar descubrimientos y avances.

El programa ofrecerá a los investigadores seleccionados hasta 20.000 dólares en créditos para acceder a la API de Anthropic durante un periodo de seis meses. Los beneficiarios podrán utilizar toda la gama de modelos de IA que la empresa ha desarrollado, incluyendo la familia Claude, conocida por su capacidad avanzada para comprender y procesar lenguaje natural, además de realizar razonamientos complejos. Esta infraestructura tecnológica permitirá a los científicos analizar grandes volúmenes de datos complejos, generar nuevas hipótesis de investigación, diseñar experimentos de forma más eficiente y comunicar sus hallazgos de manera más clara y efectiva.

Para seleccionar a los investigadores participantes, Anthropic evaluará las candidaturas cada primer lunes de mes, basándose en criterios como la trayectoria y las contribuciones previas a la ciencia de los postulantes, el potencial impacto de sus proyectos y la capacidad real de la inteligencia artificial para acelerar sus investigaciones. Además, el proceso de selección incluye un riguroso análisis de bioseguridad para garantizar que las investigaciones propuestas no puedan ser usadas con fines dañinos o no éticos. Esta revisión contará con expertos en los campos científicos correspondientes, asegurando que las propuestas sean sólidas y viables.

Este lanzamiento se enmarca en una tendencia creciente dentro de la industria tecnológica, donde múltiples compañías están invirtiendo en el desarrollo de herramientas de inteligencia artificial específicamente diseñadas para la ciencia. Por ejemplo, Google ha presentado su propio “AI co-scientist,”, un asistente automatizado que ayuda a formular hipótesis y planificar investigaciones. OpenAI, otra de las grandes competidoras de Anthropic, junto con startups como FutureHouse y Lila Sciences, también están apostando a que la IA puede revolucionar la velocidad y eficacia del trabajo científico, en especial en la medicina y las ciencias biológicas.

Sin embargo, a pesar del entusiasmo del sector tecnológico, muchos investigadores mantienen reservas sobre el nivel actual de utilidad de estas tecnologías en el proceso científico. Esto se debe principalmente a que la IA todavía presenta limitaciones en términos de confiabilidad y creatividad disruptiva. Mientras la IA puede ser muy útil para filtrar datos o reducir opciones en proyectos que requieren una exploración amplia, es menos clara su capacidad para realizar el tipo de pensamiento original y fuera de lo común que suele ser necesario para grandes descubrimientos científicos.

Un ejemplo ilustrativo de estas dificultades fue el caso reportado en 2023 por Google, donde se dijo que su IA llamada GNoME había ayudado a sintetizar 40 nuevos materiales. Sin embargo, análisis externos indicaron que ninguno de esos materiales era realmente novedoso, lo que subraya las limitaciones actuales de la tecnología para generar avances genuinos por sí sola.

Con este programa, Anthropic busca no solo apoyar a la comunidad científica, sino también demostrar que sus modelos de IA pueden superar estas barreras y generar resultados concretos y valiosos para la ciencia. La empresa espera que al facilitar el acceso a su tecnología, más investigadores puedan acelerar sus proyectos, particularmente en áreas críticas como la comprensión de sistemas biológicos complejos, el análisis genético, el desarrollo de nuevos fármacos para enfermedades globales, y la mejora de la productividad agrícola.

Finalmente, el programa de Anthropic representa un paso importante para estrechar la colaboración entre la inteligencia artificial y la comunidad científica. Al establecer un proceso de selección riguroso y centrado en el mérito y la seguridad, Anthropic pretende garantizar que los avances promovidos por su IA sean éticos, significativos y contribuyan a enfrentar algunos de los desafíos más urgentes del mundo actual.

Manual para la investigación: Guía para la formulación, desarrollo y divulgación de proyectos

Escorcia Oyola, Olavo. Manual para la investigación: Guía para la formulación, desarrollo y divulgación de proyectos. Bogotá: Universidad Nacional de Colombia, Facultad de Artes, 2009.

Texto completo

El Manual para la investigación de Olavo Escorcia Oyola es una guía práctica diseñada para orientar a estudiantes —principalmente de Arquitectura, Diseño y disciplinas afines— en el proceso completo de elaboración de un trabajo de investigación, desde la formulación inicial hasta la divulgación de resultados. Basado en la experiencia docente del autor en la Universidad Nacional de Colombia y otras instituciones latinoamericanas, el libro se propone como un recurso accesible para quienes se enfrentan por primera vez a la investigación académica, especialmente en contextos donde esta no tiene una tradición consolidada.

La obra se estructura en tres partes fundamentales: Planeación, Desarrollo y Divulgación, que reflejan las etapas esenciales de todo proceso investigativo. En la fase de planeación, se abordan temas como la justificación, los objetivos, la elección del tema, la formulación del problema y la redacción del protocolo de investigación. Se presentan estrategias útiles para delimitar adecuadamente un tema, identificar fuentes bibliográficas pertinentes y emplear herramientas como mapas conceptuales, fichas bibliográficas o técnicas de lluvia de ideas.

En la segunda parte, dedicada al desarrollo, se ofrecen orientaciones prácticas para el manejo de la información, la realización del trabajo de campo y la elaboración de informes. Se enfatiza la importancia de la redacción cuidadosa, la estructura lógica del texto y el tratamiento tanto del contenido como de la forma. Esta sección busca preparar al estudiante para la producción del informe final, que será la culminación del proceso investigativo.

La tercera parte trata sobre la divulgación, considerando tanto la sustentación oral del trabajo como su eventual publicación. El autor resalta que compartir los resultados no solo permite validar la calidad del trabajo, sino que también contribuye a fortalecer redes de conocimiento, especialmente en campos como la tecnología aplicada a la arquitectura. Además, se incluye un conjunto de anexos que proporcionan herramientas adicionales: formatos de control, modelos de fichas, mapas conceptuales y pautas sobre derechos de autor, entre otros.

En conjunto, el manual promueve una concepción pedagógica de la investigación como una práctica formativa, que potencia la capacidad crítica, la autonomía intelectual y el compromiso del estudiante con su disciplina. Su tono accesible, su estructura clara y sus herramientas didácticas lo convierten en un recurso valioso no solo para estudiantes, sino también para docentes que buscan guiar procesos investigativos con sentido práctico y contextualizado.

Importancia de los podcast en la potencialización y ampliación del impacto académico de los investigadores

Allison Symulevich, Matt Torrence, Jason Boczar, y Jessica Szempruch, «Podcasting as Open Access: A Review and Discussion of Potential Impact on Scholarly Communication and Promotion» Journal of Librarianship and Scholarly Communication 13, no. 1 (2025): eP18241, https://doi.org/10.31274/jlsc.18241

Los podcasts académicos constituyen una forma informal mediante la cual el profesorado puede compartir su experiencia investigadora con una audiencia más amplia e internacional. En el artículo, los autores sostienen que los podcasts representan un tipo de comunicación académica informal y destacan el papel que pueden desempeñar las bibliotecas en el éxito de su difusión y accesibilidad.

En los últimos años, los podcasts académicos han emergido como una valiosa herramienta de comunicación científica informal, permitiendo a docentes, investigadores y especialistas compartir su conocimiento y experiencia más allá de los canales tradicionales de divulgación, como los artículos académicos o las conferencias. Este tipo de contenido, al ser accesible y narrativo, facilita la conexión con audiencias más amplias y diversas, incluyendo estudiantes, colegas de otras disciplinas, profesionales del sector y el público general.

Uno de los aportes más significativos del podcasting en el entorno académico es su naturaleza abierta. Cuando estos materiales se publican en repositorios institucionales de acceso abierto, como se ha hecho en la Universidad del Sur de Florida, se garantiza su disponibilidad permanente y gratuita, lo que contribuye directamente a mejorar la visibilidad, el alcance internacional y la trazabilidad del trabajo académico. Este enfoque no solo amplía la audiencia potencial del contenido, sino que también complementa la evaluación del impacto de la producción científica a través de nuevas métricas de uso, como descargas, escuchas, alcance geográfico y nivel de interacción en plataformas digitales.

A nivel institucional, las bibliotecas universitarias pueden desempeñar un papel clave al apoyar la creación, el alojamiento, la preservación y la difusión de podcasts académicos, ayudando a los investigadores a optimizar el impacto de su producción intelectual. Asimismo, estos formatos pueden integrarse como evidencias de transferencia de conocimiento en procesos de evaluación y promoción académica, dado que reflejan habilidades de comunicación científica, compromiso con la sociedad y capacidad de innovación.

El estudio también plantea la necesidad de avanzar hacia una estandarización de los sistemas de medición del impacto de los podcasts académicos, así como la generación de guías que permitan a otras instituciones replicar buenas prácticas en este campo emergente de la ciencia abierta.

ChatGPT en Investigación y escritura científica: Guía para principiantes.

Bastidas, Sebastián, y Leonardo Osorio. 2023. «ChatGPT in Scientific Research and Writing: A Beginner’s Guide.» ResearchGate. https://www.researchgate.net/publication/384032901_ChatGPT_in_Scientific_Research_and_Writing_A_Beginner’s_Guide

Una introducción completa y práctica al uso de ChatGPT en el ámbito de la investigación científica y la redacción académica. Se enfoca en explicar cómo esta herramienta de inteligencia artificial puede asistir a los investigadores, especialmente a quienes están comenzando, en diversas etapas del proceso científico.

Primero, el texto detalla las capacidades de ChatGPT para generar textos coherentes, resumir información, ayudar en la formulación de preguntas de investigación y apoyar en la redacción de manuscritos, desde la introducción hasta la discusión. Destaca que ChatGPT puede agilizar la revisión bibliográfica y facilitar la generación de ideas, lo cual puede ser valioso para investigadores novatos o con limitaciones de tiempo.

Sin embargo, el libro también subraya las limitaciones y riesgos asociados al uso de ChatGPT. Señala que la IA puede producir información incorrecta o inventada («alucinaciones»), por lo que los usuarios deben validar rigurosamente cualquier contenido generado antes de incorporarlo en trabajos científicos. Además, advierte sobre cuestiones éticas, como la necesidad de transparencia en el uso de IA y la importancia de evitar el plagio o la dependencia excesiva.

El texto proporciona consejos prácticos para integrar ChatGPT en el flujo de trabajo científico, enfatizando que la IA debe ser una herramienta complementaria y no un sustituto del juicio crítico o la revisión humana. También incluye recomendaciones para mejorar la interacción con la IA, como el uso de indicaciones claras y específicas, y para comprender mejor sus capacidades y limitaciones.

En conclusión, el artículo presenta a ChatGPT como un recurso innovador y prometedor para mejorar la eficiencia en la investigación y la redacción, siempre que se utilice con responsabilidad y conciencia de sus limitaciones técnicas y éticas. Su enfoque introductorio lo hace ideal para investigadores principiantes que buscan familiarizarse con el potencial y los desafíos de la inteligencia artificial aplicada a la ciencia.

Litmaps:  herramienta IA para visualizar y rastrear la evolución de la investigación académica a través de mapas de citas.

Network visualization of academic citations linking fields like physics, biology, computer science, economics, and humanities
Visualization of global academic citation networks across multiple scientific fields

Litmaps

Acceder

Litmaps es una solución innovadora para gestionar el conocimiento académico, descubrir nuevas conexiones entre investigaciones y mantener al día el seguimiento de publicaciones recientes. Ideal tanto para estudiantes como para investigadores consolidados, su uso puede marcar la diferencia a la hora de elaborar una revisión exhaustiva, preparar un artículo o simplemente organizar la información científica de manera visual y eficaz.

Litmaps es una herramienta digital diseñada para ayudar a investigadores, académicos y estudiantes a explorar, visualizar y gestionar literatura científica de manera más eficiente. Su principal utilidad radica en la creación de mapas conceptuales interactivos que muestran visualmente cómo están conectados diferentes artículos académicos mediante citas y referencias. Esto permite comprender la evolución de un campo de estudio y detectar relaciones clave entre investigaciones que, de otro modo, podrían pasar desapercibidas.

Una de sus funciones más destacadas es el descubrimiento automático de literatura relacionada. A partir de los artículos que el usuario incorpora en su mapa, Litmaps sugiere nuevas publicaciones relevantes, lo que facilita la ampliación de la revisión bibliográfica sin necesidad de realizar múltiples búsquedas manuales en distintas bases de datos. Además, ofrece la posibilidad de seguir temas de interés, de manera que se reciben notificaciones cuando se publican trabajos nuevos sobre el área específica que se está investigando.

Litmaps también permite organizar la información de forma clara. Los usuarios pueden agrupar artículos por temas, añadir etiquetas y notas personalizadas, lo que resulta especialmente útil para estructurar trabajos académicos como tesis, artículos científicos o presentaciones. Otra ventaja importante es su función colaborativa: los mapas pueden compartirse con otros investigadores o compañeros de equipo, lo que facilita el trabajo en grupo y la coordinación en proyectos conjuntos.

Esta plataforma funciona directamente desde el navegador y es compatible con herramientas como Zotero, Mendeley o archivos BibTeX, lo que permite importar bibliografía con facilidad. Litmaps ofrece una versión gratuita con funciones básicas y opciones de pago que habilitan características más avanzadas como mapas ilimitados o descubrimiento extendido.

Cómo hacer una revisión de la literatura con Elicit plataforma de IA

Hacer una revisión de la literatura con Elicit, una plataforma de inteligencia artificial para investigación académica, es un proceso ágil que combina búsqueda semántica, organización automatizada y extracción de información clave. A continuación, te explico cómo hacerlo paso a paso:

🔍 1. Accede a Elicit

  • Ve a: https://elicit.com
  • Puedes registrarte con tu cuenta de Google (es gratuito para funciones básicas).

📚 2. Elige el tipo de búsqueda

Tienes dos opciones principales:

a) Find Papers (Buscar artículos)

  • Ideal para una búsqueda rápida.
  • Te da hasta 8 artículos relevantes en segundos, junto con un resumen.
  • Recomendado si estás empezando o necesitas una visión general.

b) Systematic Review / Elicit Report

  • Genera una revisión más extensa con hasta 500 artículos.
  • Clasifica y explica la relevancia de cada resultado.
  • Puede tardar varios minutos, pero es muy útil para revisiones de literatura más completas.

✏️ 3. Formula tu pregunta de investigación

Ejemplo:

  • “What are the effects of music therapy on Alzheimer’s patients?”
  • “How does artificial intelligence impact library services?”

Elicit interpreta el significado (semántica) de tu pregunta, no solo palabras clave, por lo que puedes escribirla de forma natural.

📄 4. Explora los resultados

Elicit te mostrará:

  • Título, autores, año y resumen de cada artículo.
  • Información adicional como población estudiada, resultados clave, metodología, etc. (en columnas).
  • Puedes agregar columnas específicas, por ejemplo: outcomes, methods, sample size.

📁 5. Filtra, selecciona y exporta

  • Marca los artículos más relevantes para tu revisión.
  • Puedes exportar los datos en CSV o copiar directamente a tu procesador de textos o gestor bibliográfico.
  • Si hay PDF disponible, puedes acceder desde Elicit directamente.

⚠️ 6. Ten en cuenta sus limitaciones

  • Elicit no reemplaza por completo a bases de datos tradicionales como Scopus o Web of Science.
  • Los artículos que no están en acceso abierto pueden aparecer solo con resumen.
  • Conviene verificar la calidad y pertinencia de las fuentes encontradas.

✅ Recomendaciones finales

  • Usa Find Papers para explorar, y Elicit Report para profundizar.
  • Combina Elicit con otras fuentes bibliográficas para mayor cobertura.
  • Añade citas manualmente si vas a incluir los artículos en tu trabajo académico.

La plataforma científica de IA Elicit incorpora la búsqueda semántica

Scientist interacting with AI-driven semantic search platform on computer in a laboratory
A scientist uses AI-powered semantic search on a computer to explore molecular properties and drug discovery research.

Elicit

https://elicit.com/

Elicit utiliza un sistema de búsqueda semántica, lo que significa que no se limita a buscar palabras clave, sino que interpreta la intención de la consulta del usuario. Gracias a esto, puede encontrar artículos relevantes que podrían no aparecer en buscadores tradicionales como PubMed o Google Scholar. Esta forma de búsqueda permite obtener resultados más precisos y útiles para investigaciones complejas o preguntas abiertas.

Elicit es una herramienta de inteligencia artificial diseñada para ayudar en la búsqueda, análisis y síntesis de información científica. Su objetivo principal es facilitar el trabajo de investigadores, estudiantes y profesionales que necesitan encontrar artículos académicos relevantes y resumir evidencias de forma rápida y eficiente.

Existen dos formas principales de buscar artículos en Elicit: Systematic Review/Reports y Find Papers. La primera opción, Systematic Review/Reports, ofrece hasta 500 resultados y analiza detalladamente la relevancia de cada uno en relación con la consulta realizada, aunque el proceso puede tardar varios minutos. En cambio, Find Papers devuelve hasta 8 artículos relevantes acompañados de un resumen, y lo hace en pocos segundos. Por eso, se recomienda usar Find Papers para búsquedas rápidas y Systematic Review/Reports para revisiones más exhaustivas.

Elicit accede a una base de datos con más de 126 millones de artículos académicos procedentes del corpus de Semantic Scholar, que abarca todas las disciplinas académicas. Incluye publicaciones de revistas reconocidas como PubMed, JAMA, BMJ, Nature y Science, entre muchas otras. Esto permite que sus resultados sean amplios y multidisciplinares.

Cuando el PDF del artículo está disponible, Elicit permite acceder a él directamente haciendo clic en el título. Sin embargo, si el texto completo no está disponible por ser un artículo de acceso restringido, el sistema se basa en el resumen para ofrecer respuestas o generar análisis. Elicit no se limita a artículos de acceso abierto, aunque da prioridad al contenido completo cuando puede acceder a él.

Es importante tener en cuenta que Elicit no reemplaza completamente las búsquedas tradicionales en bases de datos para revisiones sistemáticas. Se recomienda como una herramienta complementaria que puede ayudar a descubrir trabajos que no aparecerían en búsquedas por palabras clave. Así, se convierte en un aliado útil tanto para investigadores como para estudiantes que buscan una visión más completa de un tema.

Gestión de datos de investigación con Yusnelkis Milanés Guisado. Planeta Biblioteca 2025/05/08

Gestión de datos de investigación con Yusnelkis Milanés Guisado.

Planeta Biblioteca 2025/05/08

ESCUCHAR

Descargar

Hoy en Radio USAL hemos conversado con Yusnelkis Milanés Guisado, científica de datos y analista de investigación en el Joint Research Centre (JRC) de la Comisión Europea en Sevilla. Con una sólida trayectoria en análisis, visualización y gestión de datos, así como en inteligencia artificial, Yusnelkis nos ha ofrecido una visión integral sobre la importancia de la gestión de datos de investigación, destacando su impacto en la transparencia, reproducibilidad y eficiencia de los proyectos científicos.

Durante la entrevista, ha explicado que la gestión de datos no solo implica almacenamiento, sino también planificación, documentación, protección y compartición adecuada a lo largo del ciclo de vida de un proyecto. Subrayó la necesidad de garantizar la privacidad, especialmente en investigaciones con datos personales, aplicando medidas éticas y tecnológicas para proteger la información sensible.

En cuanto a formación, recomendó que los jóvenes investigadores adquieran desde el inicio competencias en gestión de datos, principios FAIR (datos localizables, accesibles, interoperables y reutilizables), y habilidades en visualización y uso de herramientas digitales. También abordó el papel cada vez más relevante que desempeña la inteligencia artificial, que exige un enfoque riguroso y ético en el manejo de datos.

Desde su experiencia como consultora, alertó sobre errores frecuentes como la falta de planificación en la gestión de datos o el uso inadecuado de visualizaciones, y sugirió plataformas y estrategias para asegurar la preservación a largo plazo y la apertura responsable de la ciencia. Finalmente, señaló los retos que aún enfrenta la ciencia abierta, como las resistencias culturales, la escasa formación y la infraestructura limitada en algunos entornos.