Archivo de la etiqueta: Investigación

Los 25 artículos científicos más citados desde el año 2000 tienen que ver con métodos, revisiones o software

Pearson, Helen, Heidi Ledford, Matthew Hutson, y Richard Van Noorden. “Exclusive: The Most-Cited Papers of the Twenty-First Century.” Nature, April 10, 2025. https://www.nature.com/articles/d41586-025-01125-9.​

Las citas en la literatura científica son una manera de reconocer el uso e influencia de investigaciones previas. Sin embargo, los artículos más citados no suelen ser los más conocidos por el público general, sino que tienden a ser herramientas metodológicas, revisiones sistemáticas o descripciones de software ampliamente utilizado. Según Misha Teplitskiy, sociólogo de la Universidad de Míchigan, aunque los científicos afirman valorar teorías y descubrimientos empíricos, lo que realmente citan con más frecuencia son los métodos.

La revista Nature ha realizado un análisis exhaustivo sobre los 25 artículos científicos más citados desde el año 2000, revelando qué estudios han tenido mayor impacto medido por el número de citas, y por qué han alcanzado tal relevancia. Sorprendentemente, muchos de los artículos más citados no están relacionados con los descubrimientos más espectaculares —como las vacunas de ARNm, CRISPR, el bosón de Higgs o las ondas gravitacionales—, sino con métodos, software, estadísticas y herramientas que sustentan el trabajo científico diario.

El artículo más citado, según la media de cinco bases de datos académicas (Web of Science, Scopus, OpenAlex, Dimensions y Google Scholar), es un trabajo de 2016 de investigadores de Microsoft sobre aprendizaje residual profundo (ResNet), una arquitectura de red neuronal con más de 150 capas. Esta innovación resolvió problemas de entrenamiento en redes muy profundas y allanó el camino para avances como AlphaGo, AlphaFold o ChatGPT. Dependiendo de la base de datos, sus citas oscilan entre 103.000 y más de 250.000.

Rank (median)CitationTimes Cited (range across databases)
1Deep residual learning for image recognition (2016, preprint 2015)103.756–254,074
2Analysis of relative gene expression data using real-time quantitative PCR and the 2–ΔΔCT method (2001)149.953–185,480
3Using thematic analysis in psychology (2006)100.327–230,391
4Diagnostic and Statistical Manual of Mental Disorders, DSM-5 (2013)98,312–367,800
5A short history of SHELX (2007)76.523–99,470
6Random forests (2001)31.809–146,508
7Attention is all you need (2017)56.201–150,832
8ImageNet classification with deep convolutional neural networks (2017)46.860–137,997
9Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries (2020)75.634–99,390
10Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries (2016)66.844–93,433

Supplementary information

Otros artículos destacados incluyen el DSM-5 (manual diagnóstico de psiquiatría), el algoritmo de Random Forests (utilizado en machine learning), y GLOBOCAN, un informe bianual de la OMS sobre estadísticas globales de cáncer.

Los artículos sobre IA dominan el ranking. El trabajo de Hinton en 2012 sobre AlexNet, que revolucionó el reconocimiento de imágenes, ocupa el puesto 8. El artículo de 2017 “Attention is all you need”, que introdujo la arquitectura transformer que impulsa modelos de lenguaje como ChatGPT, está en el puesto 7. El artículo sobre Random Forests, método estadístico muy utilizado y accesible, está en el puesto 6.

La comunidad de IA también se ha beneficiado de la cultura del código abierto y del uso extendido de preprints, aunque muchas bases de datos aún no integran adecuadamente las citas entre versiones preliminares y artículos revisados.

Muchos artículos populares describen software científico. Uno de ellos es el artículo sobre SHELX (puesto 5), un conjunto de programas para determinar estructuras moleculares mediante difracción de rayos X, escrito por George Sheldrick. Otro caso es DESeq2, software para analizar datos de secuenciación de ARN (puesto 18). Estos artículos se citan por su utilidad más que por su novedad teórica.

El caso del artículo en el puesto 2 es paradigmático: Thomas Schmittgen publicó el método 2–ΔΔCT porque un revisor le dijo que no podía citar un manual técnico. Hoy acumula más de 160.000 citas.

Los informes GLOBOCAN de 2018 y 2020 están entre los diez primeros. Son herramientas esenciales para investigadores y responsables de políticas públicas. Otro trabajo clave (puesto 19) es el artículo sobre las “marcas distintivas del cáncer” (hallmarks of cancer), que ayudó a estructurar la investigación oncológica contemporánea.

El análisis muestra que el impacto en la ciencia no depende solo de grandes descubrimientos, sino de herramientas que permiten a otros investigar con más precisión, fiabilidad y alcance. El auge de la inteligencia artificial, el desarrollo de software y los métodos estadísticos dominan las citas, destacando cómo la ciencia avanza no solo por lo que descubre, sino por cómo lo hace.

La transformación inminente de la investigación: enfrentando el iceberg de la inteligencia artificial

Daley, Mark. «What We Really Need Is a ‘Deck Chair Configuration’ Committee… Facing the Uncomfortable AI Research Iceberg.» Noetic Engines, February 11, 2025. https://noeticengines.substack.com/p/what-we-really-need-is-a-deck-chair

Se aborda de manera crítica la tendencia actual en la investigación sobre la inteligencia artificial (IA), que se ha centrado en adoptar la IA de forma incremental, mejorando herramientas existentes, como la corrección de textos o la gestión de referencias. Aunque estas mejoras son útiles, Daley argumenta que estas pequeñas modificaciones son apenas la punta del iceberg de lo que la IA puede ofrecer en el ámbito de la investigación, y que en realidad estamos al borde de una transformación mucho más profunda.

Daley menciona el estudio Wiley ExplanAItions, que concluye que en un par de años, la IA ayudará a los investigadores a realizar tareas como resumir artículos más rápidamente o generar citas más precisas. Sin embargo, esta visión de la IA se queda corta al no considerar los avances que ya están ocurriendo. Según el autor, la verdadera revolución no está solo en mejorar las herramientas actuales, sino en que la IA está avanzando hacia un futuro en el que será capaz de ejecutar todo el proceso de investigación de manera autónoma en ciertos campos. Esto incluye la capacidad de generar nuevas hipótesis, diseñar y realizar experimentos complejos, analizar los datos y generar conclusiones escritas que podrían ser sometidas a una revisión por pares.

El autor resalta que este cambio ya es una realidad, mencionando ejemplos concretos, como el uso de la IA o1-pro en la investigación económica, que permitió a un investigador realizar un trabajo con suficiente novedad y mérito para ser publicado en una revista científica. Además, se menciona cómo otras aplicaciones de IA ya están escribiendo tesis de doctorado, lo que implica que las herramientas de IA no solo están mejorando la eficiencia de los investigadores, sino que están comenzando a reemplazar ciertas habilidades humanas clave en el proceso de investigación.

Daley advierte que centrarse únicamente en soluciones a corto plazo, como la mejora de la corrección de citas, sin tener en cuenta el potencial transformador de la IA, es comparable a centrarse en la mejora de un establo de caballos cuando los automóviles están a punto de hacer obsoleta esa industria. En su opinión, la IA está avanzando rápidamente más allá de tareas secundarias y está comenzando a asumir tareas que históricamente solo podían ser realizadas por seres humanos, como la formulación de hipótesis y el diseño de experimentos.

En cuanto a las implicaciones éticas, el artículo menciona la necesidad de replantear la forma en que la academia aborda la IA. Aunque los investigadores y líderes académicos a menudo subestiman la velocidad y el impacto de estos cambios, Daley subraya que esperar hasta que la IA esté realizando investigaciones completas será un error, ya que para ese momento podría ser demasiado tarde para desarrollar políticas y estructuras adecuadas que garanticen la integridad académica y la calidad de la investigación.

Finalmente, Daley hace una llamada a la acción por parte de la academia. En lugar de conformarse con pequeños avances y adaptaciones, el autor insta a los académicos a prepararse para una transformación profunda de la investigación científica. Esto no significa que los investigadores humanos desaparezcan, sino que deberán adaptarse y trabajar junto con la IA de una manera más integral. La clave será anticiparse a los cambios y reestructurar cómo se lleva a cabo, se evalúa y se recompensa la investigación en este nuevo ecosistema impulsado por la IA.

10 razones por las que la revista científica no se adapta a las nuevas formas de hacer y comunicar ciencia en el siglo XXI

Worlock, David. 2025. “10 Reasons Why the Science Research Journal Has Passed Its Sell-by Date.” David Worlock, April 2025. https://www.davidworlock.com/2025/04/10-reasons-why-the-science-research-journal-has-passed-its-sell-by-date/

El autor propone una revisión profunda y urgente del modelo actual, denunciando no solo su ineficacia y costes, sino también su incapacidad para adaptarse a las nuevas formas de hacer y comunicar ciencia en el siglo XXI.

Se recogen una reflexión crítica presentada durante una conferencia reciente del UKSG en Brighton. El autor, uno de los participantes en un debate junto con representantes de Elsevier y Coherent Digital, expone diez argumentos que justifican su afirmación de que el sistema de publicación científica, tal como lo conocemos, necesita una transformación profunda.

El sistema de publicación científica ha quedado anclado en estructuras del pasado, reproduciendo en digital las limitaciones del mundo impreso. La irrupción de la inteligencia artificial promete cambiar radicalmente este panorama, automatizando procesos, eliminando intermediarios innecesarios y creando un nuevo ecosistema de comunicación científica más ágil, accesible y confiable.

  1. El acceso abierto ya no cumple su promesa
    El modelo de acceso abierto (open access), que en su origen pretendía reducir barreras y costos para que el conocimiento científico fuera más accesible, ha comenzado no solo a estancarse, sino incluso a retroceder. Su funcionamiento basado en el volumen de publicaciones ha generado desconfianza, pues antepone la cantidad a la calidad. Irónicamente, lo que debía ser una alternativa más económica, ahora está siendo rechazado precisamente por sus elevados costes.
  2. La revisión por pares está en crisis
    El sistema de revisión por pares, que históricamente ha sido la piedra angular de la credibilidad científica, se encuentra quebrado. Cada vez más investigadores, entidades financiadoras y usuarios pierden la confianza en este mecanismo. Su lentitud, falta de transparencia y vulnerabilidad ante fraudes han generado una creciente deslegitimación del proceso.
  3. Falta un sistema centralizado de retracciones
    Existe una carencia grave de transparencia en lo que respecta a las retractaciones de artículos científicos. Los usuarios no disponen de un índice centralizado ni fiable para consultar qué artículos han sido retirados y por qué. Esto genera incertidumbre sobre la validez del conocimiento publicado y dificulta la depuración de errores científicos.
  4. Las publicaciones son demasiado lentas
    En áreas donde el conocimiento avanza a gran velocidad —como la biotecnología, la inteligencia artificial o la salud pública—, el sistema tradicional de publicación científica resulta excesivamente lento. Las revistas no logran adaptarse a los ritmos que exige la investigación actual, lo que entorpece el progreso científico y su aplicación práctica.
  5. Costes insostenibles para la comunidad investigadora
    Publicar en revistas científicas se ha convertido en una tarea costosa y poco rentable. Los beneficios no justifican el gasto y los financiadores se muestran cada vez más reacios a asumir los pagos asociados. El desequilibrio entre coste y retorno ha hecho que este sistema se perciba como económicamente insostenible.
  6. Falta de integridad estructural
    Muchos de los problemas actuales podrían resolverse si las revistas ofrecieran la integridad editorial plena que los usuarios esperan. Sin embargo, hoy en día proliferan contenidos generados por inteligencias artificiales sin control, artículos de papermills (fábricas de artículos) y fraudes sistemáticos que socavan la confianza en las publicaciones científicas.
  7. Estándares técnicos difíciles de aplicar en el sistema actual
    El desarrollo y aplicación de estándares técnicos como metadatos estructurados, identificadores persistentes (PIDs) y códigos de contenido (ISCC, C2PA, etc.) resulta más viable en entornos de autopublicación que dentro de los sistemas rígidos y obsoletos de las editoriales científicas. Esto limita el potencial de la ciencia abierta y dificulta la interoperabilidad entre plataformas.
  8. La validación científica debe independizarse de las revistas
    Los procesos de reconocimiento y evaluación científica —como la concesión de becas, ascensos o financiación— están demasiado ligados al prestigio de las revistas y a métricas como el factor de impacto, fácilmente manipulables. Sería preferible desarrollar sistemas independientes y más justos que reconozcan la calidad real de los investigadores sin depender de la marca editorial.
  9. El formato del artículo científico necesita evolucionar
    El formato tradicional de artículo ya no responde a las necesidades actuales. Es necesario introducir prácticas como la pre-registro de hipótesis y metodologías, y la integración de datos experimentales, código, vídeos, imágenes, audio, blogs y otros soportes que hoy en día las revistas no contemplan. La publicación científica debe volverse multimodal y más transparente.
  10. La lectura humana ya no es suficiente
    Dado el volumen de información disponible, muchos investigadores no tienen tiempo para leer artículos completos. Por ello, la comunicación entre máquinas se vuelve crucial. Sin embargo, las estructuras narrativas actuales no están diseñadas para su interpretación automática, lo que impide aprovechar el potencial de la inteligencia artificial y del análisis automatizado. Se necesita una transición hacia datos estructurados y enriquecidos con metadatos, comprensibles por máquinas.

German Natonal Academy of Sciences propone un cambio estructural de modelo de comunicación científica basado en una financiación directa de revistas científicas.

Tautz, D., Holzer, A., Schmidt, K. M., Buchner, J., Grötschel, M. & Jurburg, S. A New Concept for the Direct Funding and Evaluaton of Scientfc Journals.
Discussion No. 38, Halle (Saale): German Natonal Academy of Sciences
Leopoldina, 2025

Texto completo

La Academia Nacional de Ciencias de Alemania (Leopoldina) ha publicado el 15 de abril de 2025 un documento de debate que propone una profunda transformación en el modelo de publicación científica. El foco principal del texto es la necesidad de financiar directamente y evaluar públicamente las revistas científicas, con el objetivo de garantizar el acceso abierto al conocimiento, reducir costes y mejorar la calidad de las publicaciones académicas.

Actualmente, el acceso a los artículos científicos está restringido por barreras de pago impuestos por un pequeño grupo de editoriales con fines de lucro. Estas empresas obtienen ingresos bien sea a través de suscripciones de bibliotecas o mediante el cobro a los autores por publicar sus investigaciones (las llamadas article processing charges, APC). Dado que la financiación de la ciencia y las bibliotecas universitarias proviene del erario público, los beneficios de estas editoriales terminan repercutiendo en el presupuesto público, sin que exista una mejora proporcional en el valor científico ofrecido. Además, la escasa competencia ha derivado en una especie de monopolio editorial, que ha encarecido el sistema sin mejorar su eficiencia ni su calidad.

Frente a esta problemática, el documento propone que la financiación de las revistas científicas siga el mismo modelo que la investigación pública. En este sentido, serían las sociedades científicas, academias o instituciones públicas las encargadas de solicitar recursos para crear y mantener revistas científicas. Estas solicitudes se evaluarían mediante procedimientos competitivos y con criterios similares a los aplicados en la financiación de proyectos de investigación. De este modo, no solo se aseguraría la calidad y la pertinencia científica de las publicaciones, sino que también se garantizaría la transparencia en la gestión de los recursos.

El modelo propuesto se basa en el acceso abierto diamante (diamond open access), que se distingue por ser gratuito tanto para los autores como para los lectores. A diferencia del modelo de acceso abierto “oro”, donde el autor asume los costes de publicación, el modelo diamante plantea que la financiación provenga exclusivamente de fondos públicos adjudicados mediante convocatorias específicas. Así, el control editorial y financiero permanecería en manos de la comunidad científica, y los componentes del proceso editorial (como la revisión, maquetación o difusión) podrían contratarse a terceros mediante procedimientos abiertos y competitivos.

Para implementar este nuevo sistema, el informe recomienda involucrar activamente a las sociedades científicas que ya gestionan publicaciones, a fin de calcular el presupuesto necesario y diseñar adecuadamente el proceso de solicitud de fondos. También propone poner en marcha un proyecto piloto a nivel nacional que permita probar la viabilidad del modelo y ajustar sus mecanismos. Asimismo, se sugiere crear un grupo de trabajo internacional para explorar posibilidades de cofinanciación supranacional, lo cual permitiría extender el sistema a escala europea o global.

En definitiva, la propuesta de la Leopoldina busca asegurar que el conocimiento científico financiado con recursos públicos sea accesible libremente por toda la sociedad, esté gestionado desde la comunidad científica y se publique bajo principios de calidad, eficiencia y transparencia. Se trata de una iniciativa que, de implementarse, supondría una transformación radical del sistema editorial científico actual, desplazando el protagonismo de las grandes editoriales comerciales hacia las instituciones científicas públicas.

Gemini permite convertir tus documentos de Google Docs en podcast, mejorar la escritura y generar gráficos

Google ha integrado nuevas funciones de su asistente de inteligencia artificial, Gemini, en Google Workspace. Una de las más destacadas es la capacidad de convertir documentos de Google Docs en podcasts. Ahora, al generar un informe o artículo, puedes obtener un resumen en audio con dos voces de IA que conversan sobre los puntos clave del texto. Esto facilita la revisión auditiva de tu trabajo y lo hace más accesible, especialmente para personas con discapacidades visuales o de lectura.

Además, Gemini introduce la función «Ayúdame a mejorar» en Google Docs, un editor virtual que sugiere mejoras en la redacción y estructura del texto. Esta herramienta estará disponible próximamente. También se está desarrollando una función para Google Sheets llamada «Ayúdame a analizar», que utiliza Gemini para analizar datos y generar gráficos, facilitando la interpretación de hojas de cálculo sin necesidad de ser un experto.

Aunque la idea de que una IA lea o resuma tu trabajo puede parecer extraña, estas funciones están diseñadas para complementar y amplificar nuestras capacidades, no para reemplazarnos. Con estas herramientas, el futuro del trabajo y la educación podría incluir resúmenes dinámicos de textos y análisis de datos más accesibles y rápidos.

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

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

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

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

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

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

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

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

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

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

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

STM Trends 2029: desafíos, innovaciones y transformaciones en el ámbito de la comunicación académica y científica

«STM Trends 2029»:

International Association of Scientific, Technical and Medical Publishers (STM). 2025. «STM Trends 2029.» STM Association. Publicado el 2 de abril de 2025. https://stm-assoc.org/stm-trends-2029-the-reveal/

Video

STM (International Association of Scientific, Technical and Medical Publishers) ha presentado su informe anual STM Trends 2029, una especie de brújula estratégica que apunta hacia los próximos desafíos, innovaciones y transformaciones en el ámbito de la comunicación académica y científica. El informe fue revelado durante la Conferencia STM en Estados Unidos, celebrada recientemente en Washington D.C., y se perfila como un análisis prospectivo del ecosistema editorial para los próximos 3 a 5 años.

Con la imagen simbólica de un puente en construcción como punto de partida —que representa tanto el presente en transición como un futuro en gestación— STM Trends 2029 destaca la necesidad urgente de colaboración y resiliencia en un panorama marcado por la incertidumbre y el cambio.

El informe se estructura en torno a tres grandes vectores:

  1. La convergencia de la inteligencia artificial, la fragmentación del conocimiento y la erosión de la confianza:
    La inteligencia artificial está transformando profundamente la forma en que se crea, revisa, disemina y consume el conocimiento científico. A la vez, el ecosistema se encuentra cada vez más fragmentado, tanto en lo tecnológico como en lo institucional, y esto ocurre en paralelo a una creciente desconfianza social hacia la ciencia, las publicaciones y las plataformas de difusión del saber.
  2. Un paisaje informativo turbulento y en transformación constante:
    La velocidad con que se produce y disemina la información científica no tiene precedentes. Pero esta expansión va acompañada de riesgos: la proliferación de contenidos no revisados o mal interpretados, la presión por publicar, y la necesidad de distinguir el conocimiento validado del ruido informativo, se han convertido en retos diarios. STM advierte que la transparencia, la trazabilidad y los estándares son más necesarios que nunca.
  3. La construcción de nuevas alianzas para reforzar la confianza en la investigación:
    El informe subraya que ninguna institución, editorial o sistema puede resolver los retos actuales de manera aislada. En cambio, se propone la creación de nuevas coaliciones entre editores, investigadores, instituciones académicas, financiadores y tecnólogos para reconstruir las bases de la confianza. Este enfoque implica una visión más abierta, interoperable, ética y colaborativa del ecosistema científico.

STM invita a todas las organizaciones del sector a utilizar los contenidos visuales del informe como punto de partida para conversaciones estratégicas internas. También ofrece la posibilidad de solicitar una presentación personalizada de STM Trends 2029, diseñada para fomentar la reflexión colectiva y la toma de decisiones orientada al futuro.

En definitiva, STM Trends 2029 no solo es un análisis de tendencias, sino una llamada a la acción: estamos en un momento crítico para decidir cómo queremos que sea el puente hacia el futuro del conocimiento.

arXiv lanza un proyecto piloto para incorporar resúmenes en audio generados por inteligencia artificial en su plataforma

Boboris, Kat. 2025. “arXiv Pilots Audio Summaries in Partnership with ScienceCast.” arXiv Blog, April 8, 2025. https://blog.arxiv.org/2025/04/08/arxiv-pilots-audio-summaries-in-partnership-with-sciencecast/

arXiv ha lanzado un proyecto piloto en colaboración con ScienceCast para incorporar resúmenes en audio de 60 segundos generados por inteligencia artificial en su plataforma Esta iniciativa busca ampliar el acceso al contenido científico más allá del formato PDF, continuando la línea iniciada en 2024 con la introducción de versiones en HTML de los artículos.

arXiv, uno de los repositorios científicos de acceso abierto más importantes del mundo, ha iniciado un proyecto piloto en colaboración con la plataforma ScienceCast para ofrecer resúmenes en audio de 60 segundos generados por inteligencia artificial. Esta iniciativa se enmarca en los esfuerzos de arXiv por hacer la ciencia más accesible a un público más amplio, diversificando los formatos disponibles más allá del tradicional PDF. Ya en 2024, arXiv había comenzado a ofrecer versiones en HTML de los artículos recientes, lo cual mejoraba la legibilidad y accesibilidad en dispositivos móviles y navegadores.

En esta nueva fase, los resúmenes en audio están disponibles, por el momento, solo para artículos nuevos de la categoría astro-ph.HE (astrofísica de alta energía) publicados a partir del 1 de diciembre de 2024. Estos audios se generan automáticamente a partir de los archivos TeX durante el proceso de envío del artículo, lo que permite una rápida publicación del contenido sintetizado. Para acceder a ellos, los lectores pueden dirigirse al menú lateral derecho de la página de resumen del artículo en arxiv.org, donde encontrarán una nueva sección llamada “Additional Features” (Funciones adicionales). Allí, el enlace “Audio Summaries” conduce a una página de destino donde se puede escuchar el resumen directamente en la plataforma de ScienceCast.

ScienceCast, que desde 2022 forma parte de arXivLabs —una incubadora de innovación abierta que conecta arXiv con herramientas externas— ya había implementado con éxito un programa similar con el repositorio bioRxiv en el campo de las ciencias biológicas. Su plataforma emplea inteligencia artificial para generar contenido audiovisual breve que resume los principales aportes de un artículo científico, lo que facilita el acceso al conocimiento tanto para investigadores como para estudiantes, divulgadores y entusiastas de la ciencia.

Ramin Zabih, director académico de arXiv y profesor de informática en Cornell Tech, destacó que esta colaboración representa un paso más en el cumplimiento de la misión de arXiv: garantizar que la ciencia esté abierta y disponible para todos. Con más de 2.6 millones de artículos en su repositorio, arXiv representa una fuente esencial para investigadores de múltiples disciplinas. En este contexto, los resúmenes en audio constituyen una herramienta útil para mantenerse al día con los avances, incluso en campos fuera del área de especialización de cada lector.

Por su parte, Erin Sharoni, directora ejecutiva de ScienceCast, subrayó que el objetivo de su empresa es eliminar barreras en los flujos de trabajo de investigación, promoviendo el acceso abierto y la participación activa de cualquier persona interesada en el conocimiento científico, desde expertos hasta el público general.

Aunque el proyecto se encuentra en una fase inicial y limitada a una categoría temática, se prevé su ampliación a otras áreas del conocimiento, así como la incorporación de más funcionalidades de audio y visualización. Desde arXiv y ScienceCast se anima a los usuarios a compartir sus comentarios, sugerencias o inquietudes, tanto a través del blog oficial como directamente en www.sciencecast.org.

Los autores que ya tengan un resumen en audio generado para su artículo también pueden contactar a ScienceCast para ofrecer retroalimentación o plantear preocupaciones específicas a través del correo electrónico: vacheh.joakim@sciencecast.ai.

Este proyecto representa un nuevo paso hacia una ciencia más inclusiva, comprensible y accesible, adaptada a las nuevas formas de consumo de contenido en la era digital.

RetractBase: base de datos de las publicaciones que han sido retractadas o retiradas

https://retractbase.csic.es

RetractBase es una base de datos abierta que tiene como objetivo recopilar el listado más completo posible de publicaciones científicas que han sido retractadas o retiradas desde el año 2000.

En el contexto de la ciencia y las publicaciones, una «retractación» (o «retractación de artículo científico») se refiere a la retirada oficial de un artículo científico publicado debido a errores graves, mala conducta científica o violaciones éticas.

Esta herramienta está dirigida a la comunidad académica y científica, con la intención de promover la investigación sobre la integridad científica y la detección de posibles casos de mala conducta. Con más de 60.000 registros disponibles, RetractBase se alinea con los principios de la Ciencia Abierta al ofrecer un recurso transparente que permite advertir sobre el uso y la citación inapropiada de trabajos científicos que ya no son válidos.

La base de datos se apoya en fuentes bibliográficas abiertas, como Crossref y OpenAlex, utilizando las interfaces públicas (APIs) de estas plataformas para obtener los registros de publicaciones retractadas, así como sus correspondientes avisos de retractación o retirada. Una de las principales innovaciones de RetractBase es que conecta directamente las publicaciones con los documentos que explican su retractación, permitiendo así conocer las razones que motivaron dicha acción.

Cada registro dentro de RetractBase proporciona enlaces web tanto a la publicación original como al aviso de retractación, además de incluir identificadores provenientes de otras fuentes externas como PubMed, OpenAlex y Crossref. Esto facilita el acceso a información adicional y contrastada sobre cada publicación. Asimismo, RetractBase enlaza las publicaciones con los comentarios que han recibido en PubPeer, una plataforma donde otros investigadores pueden señalar posibles fallos o irregularidades. Estos comentarios han sido clasificados en función del tipo de problema que presentan las publicaciones.

Finalmente, se han diseñado varios indicadores que permiten medir el impacto de las retractaciones desde diferentes perspectivas, como el autor, la revista científica, la institución u organización de afiliación y el país. De este modo, RetractBase no solo permite identificar qué trabajos han sido retractados, sino también analizar patrones y tendencias relacionadas con la producción científica y su control de calidad. Puedes consultar la base de datos en el siguiente enlace: https://retractbase.csic.es/intro.

Hacia una nueva cultura científica

​Cuesta Valera, Salomé, y María José Martínez de Pisón, coords. III Jornadas hacia una nueva cultura científica. Valencia: Universitat Politècnica de València, 2025.

Texto completo

Las III Jornadas Hacia una nueva cultura científica refuerzan el objetivo inicial de fomentar la investigación responsable en la comunidad universitaria UPV, en sintonía con los principios de la RRI (Responsible Research and Innovation): educación científica, igualdad de género, acceso abierto, gobernanza, ética y participación ciudadana, situando este objetivo en el contexto de la nueva ley de universidades y su giro normativo para introducir la ciencia ciudadana en los procesos de investigación universitaria. Desde la institución es importante impulsar, formalizar, vertebrar e interiorizar estos principios, para que el esfuerzo coordinado de los investigadores consiga transformar la sociedad y hacer frente a los grandes retos. Estas Jornadas son una iniciativa del Vicerrectorado de Arte, Ciencia, Tecnología y Sociedad (ACTS) en colaboración con la Unidad de Comunicación Científica e Innovación de la Universitat Politècnica de Valencia y la participación de los Vicerrectorados de Investigación; de Innovación y Transferencia; de Ocupación y Formación Permanente; de Estudiantes y Emprendimiento; de Intenacionalización y Comunicación; y forma parte del Plan Estratégico 2023-2027