Archivo de la etiqueta: Investigación

China logra superar a Estados Unidos en el número de publicaciones aparecidas en las revistas científicas más prestigiosas del mundo

Wagner, Caroline S. “China’s Historic Rise to the Top of the Scientific Ladder.” Quincy Institute for Responsible Statecraft, 24 octubre 2025

Texto completo

En los últimos años, China ha logrado un ascenso sin precedentes en el ámbito científico mundial, alcanzando y superando a Estados Unidos en la producción de artículos publicados en las revistas más prestigiosas del planeta. Este logro no se limita a una mera cuestión de cantidad: las publicaciones en estas revistas son altamente selectivas, con tasas de rechazo superiores al 90 %, y representan avances originales y de alta calidad. La capacidad de China para posicionarse a la cabeza refleja una combinación de inversión estratégica, planificación a largo plazo y desarrollo de talento científico altamente cualificado.

El crecimiento de la producción científica china ha sido vertiginoso. Hace apenas unos años, Estados Unidos lideraba con claridad, superando a China en más de la mitad de las publicaciones relevantes. Sin embargo, en menos de cinco años, China ha registrado un crecimiento sostenido que le ha permitido tomar la delantera, no solo en volumen total de publicaciones, sino también en las áreas de ciencia más competitivas y tecnológicamente estratégicas. Este avance rápido evidencia la eficacia de las políticas nacionales que priorizan la ciencia como motor de desarrollo económico y de influencia global.

China ha logrado consolidar su liderazgo en campos específicos donde históricamente se consideraba menos competitiva. La química, las ciencias físicas y las ciencias de la tierra y medioambientales son áreas en las que ha superado ampliamente a Estados Unidos, gracias a la combinación de infraestructura avanzada, programas de financiación robustos y colaboración intensa dentro de su sistema académico. Por otro lado, Estados Unidos mantiene ventaja en ciencias biológicas y de la salud, aunque su liderazgo podría verse amenazado por recortes presupuestarios y cambios en la política de investigación.

Un aspecto interesante de este ascenso es la transformación de la colaboración científica internacional. Mientras que en el pasado gran parte de la investigación china se desarrollaba en cooperación con científicos de Estados Unidos, Europa o Japón, actualmente se observa un incremento significativo de publicaciones nacionales. Esto indica que China ha alcanzado un nivel de autosuficiencia científica que le permite desarrollar ciencia de alto impacto sin depender tanto de la colaboración internacional. Este fenómeno plantea nuevas preguntas sobre la posible fragmentación de la ciencia global y la competencia por recursos y talento en un contexto multipolar.

El impacto de este cambio va más allá del ámbito académico. La posición de China como líder científico global tiene implicaciones directas para la innovación tecnológica, el desarrollo industrial, la economía y la geopolítica. Domina áreas estratégicas como la computación cuántica, las energías renovables, los semiconductores y la ciencia de materiales, consolidando así ventajas competitivas que podrían redefinir los equilibrios globales. Este nuevo escenario demuestra que la supremacía científica ya no es exclusiva de Occidente, y que el mundo se mueve hacia un sistema de innovación multipolar, donde China se establece como un actor central con capacidad de influir en la dirección de la ciencia y la tecnología mundial.

El ascenso científico de China representa un cambio estructural en el mapa global del conocimiento. Su liderazgo no es momentáneo ni superficial: está cimentado en inversión sostenida, estrategia política y capacidad tecnológica, lo que le permite no solo competir, sino también definir nuevas reglas en la producción científica y en la innovación global. Este fenómeno marca el inicio de una era en la que la ciencia mundial será más diversa, competitiva y multipolar, con implicaciones profundas para la economía, la política y la cooperación internacional.

Clarivate publica la lista 2025 de Investigadores Altamente Citados

Clarivate Announces Highly Cited Researchers 2025 List. STM Publishing News, 12 noviembre 2025. https://clarivate.com/highly-cited-researchers/

Esta lista distingue a aquellos investigadores cuya producción científica ha tenido un “impacto amplio y significativo” a nivel global.

En esta edición, se han reconocido 6.868 investigadores de todo el mundo, quienes acumulan 7.131 reconocimientos, procedentes de más de 1.300 instituciones en 60 países y regiones. El hecho de que haya más “awards” que personas responde a que algunos investigadores han sido reconocidos en más de un campo científico (múltiples disciplinas).

El método de selección se basa principalmente en datos bibliométricos extraídos de la base de datos Web of Science Core Collection, tomando en cuenta la frecuencia de citas de los artículos. No obstante, Clarivate combina estos datos con análisis cuantitativo, métricas complementarias y revisión cualitativa por expertos, con el fin de identificar sólo aquellas contribuciones que genuinamente han influido en su campo a largo plazo.

En cuanto a la distribución geográfica:

  • El país con mayor número de reconocimientos es Estados unidos, con 2.670 premiados, lo que representa aproximadamente el 37 % del total mundial — una cifra que representa un ligero repunte respecto a años anteriores.
  • En segundo lugar aparece China con 1.406 premiados, (20 %), seguida por United Kingdom con 570 premiados, (8 %).
  • Otros países con presencia destacada: Alemania (363), Australia (312) y Canadá (227) awards.
  • Además, la concentración del talento resulta notable: aunque la lista cubre 60 países/regiones, el 86 % de los reconocimientos se concentran en solo 10 de ellos, y el 75 % en los cinco primeros. Esto evidencia una fuerte centralización del impacto científico global.
  • En lo que respecta a España, la presencia de 94 investigadores en ese selecto grupo supone un reconocimiento colectivo del desempeño científico nacional: demuestra que investigadores españoles están contribuyendo a la ciencia global con trabajos de gran impacto e influencia.

Un aspecto clave de esta edición 2025 es el refuerzo del procedimiento de evaluación: para combatir prácticas cuestionables (por ejemplo, producción extremadamente prolífica, auto-citas exageradas, patrones de citación anómalos), Clarivate ha implementado “capas adicionales de escrutinio”. En concreto, este año se excluyeron 432 premios potenciales debido a producción desmedida. Además, la revisión rigurosa permitió reintroducir la categoría de Matemáticas, que había sido temporalmente retirada en años previos.

Por último, la lista de HCR 2025 no sólo es un reconocimiento individual: funcionan como una especie de “termómetro global” del ecosistema científico, permitiendo analizar tendencias por país, instituciones, disciplinas, y también sirve como indicador del “talento investigador” distribuido internacionalmente.

Transformando la evaluación científica en las políticas de Ciencia, Tecnología e Innovación (CTI) de América Latina y el Caribe. Un estudio desde la altmetría

Calisto-Breiding, C., Peña-Pallauta, P. & Arellano-Rojas, P. (2021). Transformando la evaluación científica en las políticas de Ciencia, Tecnología e Innovación (CTI) de América Latina y el Caribe. Un estudio desde la altmetría. Información, Cultura y Sociedad, 45, 75–94. DOI: 10.34096/ics.i45.10075

El presente artículo estudia los significados que la comunidad científica internacional atribuye a las altmetrics como instrumentos de evaluación científica y componentes de una futura Política de Ciencia, Tecnología e Innovación (CTI) en Latinoamérica. Se aplica una metodología cualitativa de tipo descriptiva y se recoge la información mediante entrevistas semiestructuradas realizadas a investigadores de Chile, Argentina, Perú, Colombia, España y Estados Unidos, expertos en altmetría, métricas de información y/o políticas de información. Los resultados arrojan que las altmetrics fortalecen su valor analizándose junto a otros indicadores, ya que no miden por sí solas el impacto o calidad de la investigación, pero aportan noveles y relevantes datos de rápida acumulación, amplio alcance disciplinar y diverso origen, promoviendo el uso de nuevos canales de comunicación científica. Algunos de los indicadores altmétricos más provechosos, son las menciones en políticas públicas, en patentes de invención y en plataformas sociales de alto uso en la región, como Facebook, Twitter y Mendeley; indicadores de vinculación con el entorno, revisión por pares y otros criterios cualitativos también son relevantes. Se recomienda integrar los criterios cuantitativos y cualitativos en las políticas de CTI latinoamericanas, las cuales deben, además, ajustarse a las realidades y presupuestos locales.

El papel de la Inteligencia Artificial en la investigación científica: una perspectiva científica para las políticas europeas

Purificato, E., D. Bili, R. Jungnickel, V. Ruiz Serra, J. Fabiani, K. Abendroth Dias, D. Fernandez Llorca, y E. Gomez. 2025. The Role of Artificial Intelligence in Scientific Research: A Science for Policy, European Perspective. Luxemburgo: Oficina de Publicaciones de la Unión Europea. doi:10.2760/7217497. JRC143482.

Texto completo

La Inteligencia Artificial (IA) está transformando fundamentalmente el proceso científico en todas sus etapas, desde la generación de hipótesis y el diseño experimental hasta el análisis de datos, la revisión por pares y la difusión de resultados. Este informe del Centro Común de Investigación (JRC) de la Comisión Europea proporciona un análisis científico y técnico clave para fundamentar la Estrategia Europea para la IA en la Ciencia. La IA, impulsada por técnicas como el Aprendizaje Automático (ML), el Aprendizaje Profundo (DL) y la IA Generativa (GenAI), tiene el potencial de acelerar drásticamente los descubrimientos, fomentar la colaboración interdisciplinaria y mejorar la reproducibilidad en áreas críticas para la Unión Europea, como la salud, el cambio climático y las tecnologías limpias.

La IA se posiciona como un «científico co-asistente» a lo largo del ciclo de investigación. En la fase inicial, ayuda a acelerar el análisis de la literatura y a identificar lagunas de conocimiento, lo que facilita la formulación de hipótesis novedosas. En la fase experimental, permite el diseño automatizado de experimentos y la simulación, evolucionando hacia los «laboratorios autónomos» (self-driving labs). El ejemplo de AlphaFold en la predicción de estructuras proteicas es citado como un hito que demuestra el poder transformador de la IA en la aceleración de la verificación de hipótesis biológicas. Además, la IA es crucial en el procesamiento de datos masivos, ya que puede analizar vastos conjuntos de datos multimodales para detectar patrones y realizar descubrimientos en genómica, astronomía y otras ciencias computacionales que superan la capacidad de análisis humano. En la etapa de comunicación, las herramientas de IA son cada vez más utilizadas para la redacción científica, la edición, la visualización de datos y la superación de barreras idiomáticas.

A pesar de sus promesas, la integración de la IA en la ciencia conlleva desafíos importantes que requieren una gobernanza robusta. Los principales riesgos identificados incluyen el sesgo algorítmico, la posible proliferación de «alucinaciones» e información fabricada, la erosión potencial de las habilidades de pensamiento crítico y un fenómeno denominado deriva epistémica. Esta deriva describe la tendencia de la tecnología a reforzar inadvertidamente los paradigmas de investigación existentes, lo que podría limitar la diversidad de las preguntas científicas exploradas o separar las conclusiones científicas de una supervisión humana crítica. Para afrontar estos riesgos y maximizar los beneficios de la IA, el informe propone tres áreas principales de acción política:

(1) Fomentar los principios de la ciencia abierta (datos, modelos e infraestructura abiertos) para garantizar la reproducibilidad y la confiabilidad.

(2) Realizar una inversión estratégica en infraestructura de Computación de Alto Rendimiento (HPC), ‘Fábricas de IA’ y repositorios de datos científicos abiertos.

(3) Impulsar el desarrollo de un nuevo conjunto de habilidades en los investigadores, promoviendo equipos «híbridos» que combinen experiencia en el dominio científico con métodos avanzados de IA y ciencia de datos.

Google Scholar Labs, un nueva versión de búsqueda académica potenciada por IA

Google Scholar Labs

Google ha lanzado Google Scholar Labs, una nueva versión de búsqueda académica potenciada por IA. La herramienta analiza la pregunta del usuario para identificar los temas clave, sus relaciones y aspectos relevantes

Google ha presentado Google Scholar Labs, una nueva función experimental que incorpora tecnología de inteligencia artificial generativa directamente en Google Scholar. Hasta ahora, no estaba claro si la compañía integraría IA en su buscador académico, pero desde el 18 de noviembre de 2025 ya está disponible —aunque solo para un grupo limitado de usuarios con sesión iniciada, con lista de espera para el resto. Actualmente está disponible solo para usuarios que hayan iniciado sesión y en inglés, y es una función experimental.

Este proyecto realiza búsquedas más sofisticadas en Google Scholar considerando todos esos elementos. A continuación, evalúa los resultados y selecciona los artículos más relevantes para responder de forma concreta a la consulta, explicando para cada uno cómo contribuye a la respuesta. Además, permite hacer preguntas de seguimiento para profundizar.

Scholar Labs está diseñado para transformar la forma en que se responden preguntas de investigación complejas que requieren analizar un tema desde diferentes ángulos. La herramienta interpreta la consulta del usuario para identificar sus conceptos clave, relaciones y aspectos relevantes. Luego realiza búsquedas en Google Scholar considerando todos esos elementos. Tras valorar los resultados obtenidos, selecciona los artículos que mejor responden a la pregunta inicial y explica para cada uno de ellos cómo contribuye a resolverla. Por ejemplo, si alguien pregunta cómo afecta el consumo de cafeína a la memoria a corto plazo, Scholar Labs busca estudios sobre ingesta de cafeína, retención de memoria y factores cognitivos relacionados con la edad, filtrando la información para ofrecer la respuesta más completa posible.

Esta función mantiene además todas las características habituales de Google Scholar, como enlaces a las fuentes originales, indicaciones claras del sitio de procedencia (arXiv, bioRxiv, editoriales académicas, etc.) y uso del texto completo del artículo cuando esté disponible para elaborar las explicaciones. De momento, Scholar Labs solo admite preguntas en inglés y se encuentra en fase experimental, con la intención de ampliarse progresivamente en función de la experiencia de los usuarios y del feedback recibido. Finalmente, la noticia destaca que esta apuesta por la IA de Google se suma al ecosistema ya existente de herramientas impulsadas por IA en el ámbito científico, como las desarrolladas por el Allen Institute for AI, creador de Semantic Scholar.

Las bibliotecas universitarias como infraestructuras esenciales para la investigación

“The Case for Viewing Libraries as Research Infrastructures.” Knowledge Rights 21, 17 de noviembre de 2025.

Knowledge Rights 21 sostiene que las bibliotecas de investigación deben reconocerse como infraestructuras fundamentales para la ciencia, más allá de su papel tradicional como depósitos de libros. Según el artículo, una infraestructura de investigación incluye recursos y servicios —tanto físicos como digitales— que permiten producir nuevo conocimiento, desde equipamiento técnico hasta colecciones de datos y servicios especializados.

La Comisión define una «infraestructura de investigación» como instalaciones que ofrecen recursos y servicios a las comunidades científicas para llevar a cabo investigación e impulsar la innovación. Estas infraestructuras no deben limitarse únicamente a fines investigativos: pueden ser físicas, dispersas, o incluso virtuales, e incluir equipos científicos, colecciones, sistemas informáticos, redes de comunicación, y otros elementos accesibles a usuarios externos. También contempla infraestructuras de información como archivos o bases de datos científicas. Las reglas para crear este tipo de consorcios ya están establecidas con la regulación ERIC, que facilita la colaboración entre países.

En su nueva estrategia, la Comisión reconoce varios problemas actuales: la financiación fragmentada, la baja cooperación entre infraestructuras, dificultades de acceso por parte de ciertos actores, carencias de formación, la lenta adopción de la inteligencia artificial y la digitalización, y limitaciones en el uso de datos. Para resolverlos, propone acciones como mapear mejor las necesidades de inversión y formación, apoyar mecanismos de coordinación, crear espacios unificados de acceso (“ventanillas únicas”) y revisar regulaciones como la ERIC o la futura Ley del Espacio Europeo de Investigación.

Desde el punto de vista de las bibliotecas, estos desarrollos les atañen directamente. Muchas colecciones de datos e información —el núcleo de las bibliotecas— pueden considerarse infraestructuras de investigación. Existen ejemplos concretos: CLARIN (recursos lingüísticos), DARIAH (humanidades digitales) o la Infraestructura Europea de Investigación sobre el Holocausto (EHRI), que agrupa archivos federados con herramientas para facilitar su acceso.

El texto destaca que muchas bibliotecas ya funcionan bajo modelos cooperativos: comparten recursos mediante el préstamo interbibliotecario, especializan sus colecciones para evitar duplicidades y trabajan para mejorar el acceso a distintos tipos de usuarios, desde investigadores hasta el público general.

Asimismo, el artículo identifica desafíos comunes entre bibliotecas e infraestructuras de investigación: financiación fragmentada, desigualdad en el acceso, falta de capacitación en ámbitos como la digitalización y la inteligencia artificial, y ausencia de marcos sólidos para la colaboración transfronteriza.

Para integrarlas en el ecosistema de infraestructuras, Knowledge Rights 21 propone que las bibliotecas participen en evaluaciones europeas de necesidades, que identifiquen y planifiquen sus carencias —como habilidades digitales o IA—, y que se desarrollen soluciones normativas para mejorar el acceso transfronterizo, por ejemplo mediante el suministro documental. Además, defienden políticas que armonicen el acceso abierto con la gestión de licencias y contenidos, de manera que las bibliotecas puedan ofrecer sus colecciones con mayor libertad y también una gobernanza compartida.

Como propuesta, se sugiere integrar formalmente a las bibliotecas en las políticas europeas de investigación, incluyendo planes conjuntos de recursos, formación continua y mecanismos de gobernanza compartida. También se aboga por facilitar el acceso transfronterizo a colecciones y por armonizar políticas de acceso abierto con el uso comunitario de los recursos bibliotecarios.

La función Deep Research convierte a NotebookLM en un investigador proactivo

Google ha introducido dos mejoras muy importantes en NotebookLM: la función Deep Research y la compatibilidad con más tipos de archivos.

Con Deep Research el usuario plantea una pregunta, la IA elabora un plan de investigación y navega por cientos de sitios web para recopilar fuentes de calidad. Mientras esto ocurre en segundo plano, se puede seguir añadiendo más material al cuaderno. Al terminar, la herramienta genera un informe estructurado con las fuentes citadas, que puede incorporarse directamente al cuaderno. Además, se puede aprovechar otras funciones del sistema, como resúmenes en audio o vídeo, para analizar los contenidos de forma más dinámica.

Por otro lado, NotebookLM ahora admite más formatos de archivo para cargar información desde diferentes tipos de fuentes. Entre ellos están: hojas de cálculo de Google Sheets (muy útil para trabajar con datos estructurados), documentos de Microsoft Word (.docx), PDFs directamente desde Google Drive, enlaces a archivos de Drive que no requieren descarga, e incluso imágenes — por ejemplo, notas manuscritas o folletos. Esto permite que el usuario construya su base de conocimiento a partir de documentos muy diversos sin tener que convertir todo a un único formato.

Con estas mejoras, Google busca que NotebookLM sea más útil para flujos de trabajo reales de investigación: desde estudiantes que analizan datos o borradores, hasta profesionales que necesitan generar informes detallados sin abandonar su entorno habitual de trabajo.

La investigación en jaque: menos de la mitad de los científicos tiene tiempo para investigar, pero la IA promete revolucionar la ciencia

Elsevier. Researcher of the Future: A Confidence in Research Report. August–September 2025. Elsevier Insights. https://assets.ctfassets.net/o78em1y1w4i4/137SmnpRSP2mSuhDxtFdls/72a1777e8a72f3c60748956037f76433/Researcher-Of-The-Future.pdf

Un estudio global de Elsevier, realizado con más de 3.200 investigadores de 113 países, analiza cómo los académicos perciben su rol en la investigación en un contexto marcado por cambios en el ecosistema científico, incluyendo la inteligencia artificial, la movilidad, la financiación, la integridad investigadora y la colaboración internacional.

La investigación científica enfrenta fuertes presiones de tiempo y financiación, mientras que la IA ofrece un potencial transformador si se proporcionan herramientas adecuadas, formación y supervisión ética. Al mismo tiempo, la colaboración global e interdisciplinaria emerge como un factor clave en la evolución de la ciencia.

Uno de los hallazgos más relevantes es que menos de la mitad de los investigadores afirma no disponer de tiempo suficiente para dedicarse a la investigación. Esta falta de tiempo se debe a la creciente presión derivada del volumen de información, las obligaciones administrativas y docentes, la incertidumbre en la financiación y la necesidad de publicar resultados.

En términos de financiación, solo un tercio de los investigadores espera que los fondos en su campo aumenten en los próximos años, con un pronóstico más pesimista en América del Norte y Europa, mientras que China muestra un optimismo mucho mayor. Esta percepción de escasez de recursos impulsa la movilidad de los investigadores, ya que aproximadamente el 29 % está considerando cambiar de país en busca de mejores condiciones de trabajo o financiación.

Respecto a la adopción de la inteligencia artificial, el uso de herramientas de IA ha aumentado significativamente en el último año. Sin embargo, solo un tercio de los investigadores considera que su institución tiene una política de IA adecuada y que ha recibido la formación apropiada para utilizar estas herramientas. Las diferencias regionales son notables: en China, la mayoría de los investigadores ve la IA como una oportunidad que les da más opciones y empoderamiento, mientras que en Estados Unidos y el Reino Unido los porcentajes son mucho menores. Algunos datos:

  • El 58 % utiliza ahora herramientas de IA en su trabajo, en comparación con el 37 % en 2024.
  • Sin embargo, solo el 32 % de los investigadores a nivel mundial cree que existe una buena gobernanza de la IA en su institución.
  • De manera similar, solo el 27 % considera que cuenta con la formación adecuada para usar la IA.

Los investigadores utilizan la IA principalmente para encontrar y resumir literatura, realizar revisiones, analizar datos, redactar propuestas de financiación y escribir artículos o informes. No obstante, son más reticentes a usar IA para tareas creativas de mayor nivel, como generar hipótesis o diseñar estudios, a menos que las herramientas sean personalizadas y fiables.

También surgen preocupaciones éticas: solo una minoría cree que las herramientas de IA están desarrolladas de forma ética y que son totalmente fiables. Para aumentar la confianza en estas herramientas, los investigadores demandan transparencia, actualización de los datos de entrenamiento, seguridad, precisión y validación por expertos humanos.

Finalmente, el informe evidencia un aumento en la colaboración interdisciplinaria y global: la mayoría de los investigadores trabaja cada vez más con colegas de otros campos y de otros países, especialmente en Asia‑Pacífico.

Uso y desarrollo ético de la Inteligencia Artificial en la UNAM

Uso y desarrollo ético de la Inteligencia Artificial en la UNAM. Autores Dra. Luz María Castañeda de León Dra. Ana Yuri Ramírez Molina Mtro. Juan Manuel Castillejos Reyes Mtra. María Teresa Ventura Miranda. Primera edición digital, octubre de 2025. Universidad Nacional Autónoma de México (UNAM) Dirección General de Cómputo y de Tecnologías de Información y Comunicación. ISBN 978-607-587-954-3.

Texto completo

Este trabajo se enmarca en las recomendaciones de la UNESCO sobre la ética de la IA (2021–2024) y en el Plan de Desarrollo Institucional de la UNAM 2023–2027. Su objetivo principal es promover una integración responsable de los sistemas de IA (SIA) en la docencia y la investigación universitarias.

En su primera parte, el texto define la IA desde las perspectivas de la Unión Europea y la OCDE, destacando su carácter sistémico, autónomo y adaptable. Asimismo, subraya la necesidad de un entendimiento crítico de estas tecnologías, sobre todo en contextos del Sur Global, donde las condiciones tecnológicas y económicas difieren de las del Norte Global. Se emplean dos modelos teóricos: la Teoría de la Acción Razonada de Fishbein y Ajzen, para explicar la adopción de conductas éticas en el uso de IA, y el Modelo de Resolución de Problemas de Kaufman, que orienta un proceso de mejora continua.

El documento analiza las tendencias del uso de la IA en la docencia universitaria, abordando su papel en el aprendizaje adaptativo, la generación de contenidos, la evaluación y la analítica del aprendizaje. Estas aplicaciones facilitan la personalización educativa, aunque implican desafíos como la pérdida de control docente, la integridad académica o los sesgos algorítmicos. En el ámbito de la investigación, la IA contribuye a procesar grandes volúmenes de datos, acelerar publicaciones y fomentar la colaboración científica, pero plantea dilemas sobre autoría, fiabilidad de la información y privacidad de los datos.

La sección sobre ética propone cinco principios fundamentales (beneficencia, no maleficencia, autonomía, justicia y transparencia), inspirados en la UNESCO, que deben guiar el uso universitario de la IA. Además, se revisan los marcos internacionales de integración ética y se comparan con el Código de Ética Universitario de la UNAM, que promueve valores como la honestidad, la igualdad y la responsabilidad social. Aunque la institución aún no cuenta con un marco formal de integración de la ética en los SIA, existen esfuerzos en distintas dependencias por promover comportamientos éticos en la investigación y la docencia.

Finalmente, el informe recomienda desarrollar políticas institucionales que orienten el uso ético de la IA, fomentar la alfabetización digital y ética de la comunidad universitaria, y establecer mecanismos de supervisión y evaluación continua. El propósito es garantizar que la innovación tecnológica se alinee con los valores humanistas y sociales que caracterizan a la UNAM.

Academ-AI es un proyecto que detecta posibles casos de uso no declarado de inteligencia artificial en artículos científicos y ponencias

Academ-AI

https://www.academ-ai.info/

Academ-AI es un proyecto dedicado a detectar casos sospechosos de uso no declarado de inteligencia artificial en la literatura académica. Su objetivo es identificar artículos publicados en revistas científicas o presentados en congresos que contengan fragmentos de texto con rasgos característicos de los modelos de lenguaje, pero en los que no se haya reconocido explícitamente el uso de estas herramientas.

La iniciativa busca llamar la atención sobre un fenómeno cada vez más común en la comunicación científica y fomentar una mayor transparencia editorial. El proyecto recopila ejemplos de textos en los que se observan expresiones o estructuras típicas de la escritura generada por IA, como frases genéricas, repeticiones innecesarias o giros lingüísticos impropios del estilo académico. En cada caso, se muestran los fragmentos sospechosos y se explica por qué podrían haber sido producidos por un modelo de lenguaje. La página invita además a investigadores, revisores y lectores a colaborar enviando nuevos ejemplos o sugerencias para ampliar la base de datos.

Academ-AI solo incluye artículos de revistas y ponencias de conferencias, dejando fuera otros formatos como libros, capítulos o preprints. El sitio organiza los casos documentados y ofrece una visión general de la extensión del fenómeno, que afecta a publicaciones de distintos campos del conocimiento y niveles de prestigio.

Aunque el propio proyecto reconoce que algunos textos pueden haber sido incluidos por error, su principal contribución es poner de relieve los riesgos que implica la falta de transparencia en el uso de la inteligencia artificial en la escritura científica. Academ-AI actúa así como una herramienta de vigilancia ética y como un recordatorio de la necesidad de reforzar las políticas editoriales que garanticen la autenticidad y la integridad del trabajo académico.