En 2024, los más de 3.000 diarios del portafolio de Springer Nature publicaron más de 482.000 artículos, de los cuales 2.923 fueron retractados, según los datos compartidos en una nueva página sobre integridad en la investigación en su sitio web.
Este es un pequeño fragmento de la información proporcionada, que también detalla las herramientas de control de calidad que utiliza el editor, qué desencadena una investigación de integridad y qué sucede durante dichas investigaciones.
Los datos de las retractaciones se desglosan de la siguiente manera:
El 61,5% (1.797 artículos) de las retractaciones correspondieron a trabajos publicados antes de enero de 2023.
El 38,5% (1.126) fueron artículos publicados después de enero de 2023.
El 41% de las retractaciones de artículos publicados después de 2023 fueron de acceso abierto.
Alice Henchley, directora de comunicación y ética en Springer Nature, comentó que la página se creó para proporcionar más información sobre cómo se mantiene la precisión e integridad de la investigación, especialmente en el contexto de las nuevas tecnologías que impactan el sistema de investigación. Su objetivo es ofrecer transparencia y mostrar el compromiso de Springer Nature con la integridad científica, tanto en el proceso de aceptación de artículos como en la actualización de los registros de publicaciones cuando se identifican problemas después de la publicación.
Entre las retractaciones más notables figuran Environmental Science and Pollution Research, que eliminó artículos debido a citas sospechosas, frases problemáticas y el uso no divulgado de inteligencia artificial; Scientific Reports, que ha enfrentado retractaciones por artículos con frases confusas y problemas relacionados con autorías pagadas; y Applied Nanoscience, que retiró 34 artículos debido a problemas con números especiales editados por invitados.
Este enfoque en la transparencia busca apoyar a la comunidad científica y subraya el compromiso con la integridad en la publicación.
Las herramientas de inteligencia artificial (IA) están cambiando la investigación científica, con modelos como ChatGPT y DeepSeek facilitando tareas como la redacción y la resolución de problemas complejos. Llama es popular por su adaptabilidad en simulaciones científicas, mientras que Claude destaca en codificación. OLMo, por su parte, ofrece total transparencia en su funcionamiento.
Las herramientas de inteligencia artificial (IA) generativa están revolucionando el panorama de la investigación, ofreciendo una amplia variedad de modelos de lenguaje (LLM) para diferentes tareas. Desde la escritura de códigos hasta la generación de hipótesis o la edición de manuscritos, los investigadores ahora tienen acceso a más herramientas que nunca.
OpenAI y sus modelos de razonamiento OpenAI, con sede en San Francisco, lanzó su chatbot ChatGPT en 2022, y desde entonces ha desarrollado modelos avanzados como o1 y o3, diseñados para realizar razonamientos paso a paso. Estos modelos sobresalen en tareas como la resolución de problemas matemáticos y la depuración de código. Recientemente, OpenAI introdujo el o3-mini, una versión más rápida y accesible de su modelo de razonamiento, y ‘deep research’, una herramienta que permite generar informes sintéticos de información con citas de múltiples sitios web. Aunque potentes, estos modelos siguen siendo propensos a errores y no pueden reemplazar completamente a un investigador humano.
DeepSeek: el modelo versátil La empresa china DeepSeek lanzó su modelo DeepSeek-R1, que se destaca por su bajo costo y la capacidad de personalizarse para proyectos de investigación específicos. A diferencia de los modelos de OpenAI, DeepSeek-R1 es de «peso abierto», lo que permite a los investigadores adaptarlo a sus necesidades. Es especialmente útil para tareas como problemas matemáticos y generación de hipótesis. Sin embargo, presenta desventajas como un proceso de pensamiento lento y preocupaciones sobre la seguridad de los datos introducidos.
Llama: el caballo de batalla Llama, desarrollado por Meta AI, es otro modelo popular entre los investigadores, especialmente por su disponibilidad de código abierto, lo que permite a los usuarios adaptarlo para tareas específicas. Ha sido utilizado en simulaciones de computadoras cuánticas y para predecir estructuras cristalinas de materiales. A pesar de que requiere permisos para su uso, es ampliamente adoptado por la comunidad científica, que valora su accesibilidad y adaptabilidad.
Claude: el experto en codificación El modelo Claude 3.5 Sonnet de la firma Anthropic, basado en Silicon Valley, es altamente apreciado por su habilidad para escribir código y manejar información visual, como gráficos y tablas. Además, su capacidad para mantener el estilo técnico en la escritura lo hace útil para tareas como la redacción de propuestas de subvenciones y la anotación de códigos. Aunque su uso completo requiere acceso a una API de pago, se valora por su rendimiento en desafíos de codificación.
OLMo: la transparencia total OLMo 2 es un modelo de código abierto que ofrece una transparencia total, permitiendo a los investigadores examinar tanto los datos de entrenamiento como los algoritmos utilizados para desarrollar el modelo. Este nivel de transparencia es valioso para entender sesgos en los resultados y mejorar la eficiencia del modelo. Sin embargo, su uso requiere conocimientos técnicos, aunque los cursos gratuitos están reduciendo las barreras de entrada.
En general, la IA generativa está transformando la investigación científica, pero la elección del modelo adecuado depende de las necesidades del investigador y los recursos disponibles. Aunque estas herramientas prometen avances significativos, su implementación aún enfrenta desafíos como la supervisión humana y la protección de datos sensibles.
¿Cómo influirá el uso creciente de la IA en la asignación de fondos para la investigación? ¿Qué estándares de datos de investigación evolucionarán? ¿Cómo cambiará la IA la naturaleza de los resultados científicos? ¿Cómo evolucionarán las carreras científicas con el aumento del uso de la IA en la investigación? ¿Qué inversiones en infraestructuras se requieren para el éxito de la IA en el sector científico? ¿Qué ajustes legales son necesarios para permitir el uso de la IA en la investigación, asegurando altos estándares en la conducta responsable de la ciencia? ¿Cómo afectará la IA las colaboraciones internacionales en investigación?
La noción dominante que se comunica sobre la influencia de la inteligencia artificial (IA) es su capacidad para cambiarlo todo en todos los sectores, incluida la ciencia. Más allá de las promesas de nuevos avances en diferentes campos de investigación, están surgiendo una serie de preguntas críticas sobre el impacto de la IA en la documentación, financiación e informes de la ciencia.
Las discusiones en torno a estas preguntas son cruciales para el futuro de la ciencia y los sistemas de investigación. Las instituciones de investigación y los ministerios están comenzando a abordarlas, aunque con recursos limitados para guiarlos. Como muestra este estudio, sigue existiendo una notable falta de literatura comprensiva sobre el impacto de la IA en los aspectos estructurales de la ciencia y la investigación.
Varios países han desarrollado estrategias generales de IA para establecer sus planes y aspiraciones en cuanto al desarrollo e implementación de la IA en diferentes sectores. A pesar de las implicaciones inmediatas y significativas de estas estrategias para la ciencia y la investigación, estos documentos generalmente solo ofrecen declaraciones generales sobre la participación de las instituciones científicas y de investigación en la ejecución de los planes nacionales, sin profundizar en las implicaciones concretas.
Esto no sugiere que los países estén inactivos. Al contrario, se están formando asociaciones, lanzando iniciativas de capacitación, estableciendo infraestructuras e implementando políticas. Sin embargo, las personas en los ministerios gubernamentales, universidades y empresas de consultoría encargadas de preparar el entorno de investigación para la IA están trabajando en gran medida con especulaciones sobre los principales desafíos y tienen una visión limitada sobre los enfoques adoptados por países de tamaño y capacidad similares.
Los marcos que delinean los problemas clave para que los países consideren al planificar la integración de la IA en sus ecosistemas de investigación pueden ser de gran ayuda en esta etapa crítica. Este documento de trabajo ofrece uno de estos marcos, derivado de un análisis de la literatura existente.
La segunda edición del documento presenta un total de 18 estudios de caso de países de diferentes tamaños y regiones, elaborados por personas directamente involucradas en estas discusiones en sus respectivos países. Este documento es una expansión de la edición anterior publicada en marzo de 2024.
Es importante considerar las circunstancias de países de diversos tamaños, que también son grandes contribuyentes a los avances científicos, en lugar de centrarse únicamente en las grandes potencias de la IA. Se buscó deliberadamente obtener información sobre cómo los países pequeños y medianos están preparando sus ecosistemas de investigación para la adopción de la IA.
Este documento de trabajo tiene como objetivo:
Recopilar conocimientos e información sobre los problemas y los esfuerzos actuales para preparar los sistemas de ciencia e investigación para la IA.
Ayudar a los países a desarrollar hojas de ruta para la adopción de la IA en sus sistemas científicos.
Crear redes regionales y globales de personas involucradas en la reflexión sobre la adaptación e implementación de la IA para la ciencia.
Sensibilizar y ayudar a dar forma a una discusión crítica entre las comunidades científicas y políticas sobre los problemas cruciales que plantea la IA para la organización de la ciencia y la investigación.
El desarrollo del documento de trabajo se benefició de un taller convocado en octubre de 2023 en Kuala Lumpur, Malasia, y un taller en Santiago de Chile, Chile, en abril de 2024, que reunió a participantes de alrededor de 12 países de cada región de Asia y el Pacífico, y América Latina y el Caribe. Las contribuciones de algunos países que participaron en los talleres se han incorporado a la segunda versión del documento. La coordinación de los talleres fue generosamente apoyada por la Academia Australiana de Ciencias y la Academia de Ciencias de Malasia para el taller en Malasia, y la Iniciativa Latinoamericana para Datos Abiertos (ILDA) y la Academia Colombiana de Ciencias Exactas, Físicas y Naturales (ACCEFYN) para el taller en Chile.
En las últimas décadas, se ha escrito extensamente sobre la investigación y la elaboración de tesis. Este libro destaca una distinción fundamental que con frecuencia se pasa por alto: la diferencia entre la Wissenschaft alemana y la Science inglesa. En este contexto, se defiende la diversidad y pluralidad tanto en la investigación científica como en su escritura. Además, se propone un enfoque innovador: la tesis como un ensayo científico, un formato que puede ser tan sólido y riguroso, o tan flexible y atenuado, como cualquier otro.
El texto reflexiona sobre la evolución de la investigación científica en el campo de la psicología en Argentina, destacando su desarrollo a lo largo del tiempo con influencias de diversas teorías y enfoques epistemológicos. Se menciona la acumulación de un vasto material tanto escrito como oral, así como el uso de instrumentos científicos en hospitales, laboratorios y escuelas. Además, se señala la importancia de las tesis doctorales y la variabilidad del método científico en función de los aportes acumulativos. Se reconoce el papel de la literatura en la psicología y se cuestiona la noción de verdad en la ciencia, afectada por el relativismo cultural. Finalmente, se enfatiza la necesidad de definir claramente los conceptos científicos para facilitar la comunicación y el avance social, ya que la ciencia, al igual que la creencia, es un componente esencial de la cultura.
Carlyn Zwarenstein describe cómo la administración de Trump está eliminando datos cruciales relacionados con la salud y la ciencia, lo que ha motivado a científicos y bibliotecarios digitales a salvar esta información. Entre las medidas tomadas están la eliminación de términos de investigación y la suspensión de publicaciones de la CDC. Diversos grupos están archivando estos datos para preservarlos ante posibles cambios y pérdidas, destacando el esfuerzo por proteger la integridad de la información pública en un contexto de censura y reescritura histórica.
Las decisiones de la administración Trump han afectado gravemente el acceso a la información científica y de salud, bloqueando sitios web y censurando términos clave en investigaciones federales. Ante esta situación, científicos y expertos en datos se han movilizado para salvar esta información esencial antes de que se pierda permanentemente, utilizando herramientas como el Internet Archive para preservar los datos y evitar su eliminación.
Mientras tanto, muchas comunicaciones públicas también se han suspendido. Por primera vez en sesenta años, la agencia federal de salud, los Centros para el Control y la Prevención de Enfermedades (CDC), ha dejado de publicar sus propios informes, incluido el Informe Semanal de Morbilidad y Mortalidad (MMWR). Esto se suma a una orden de censura sobre las comunicaciones que impide a sus científicos compartir con el público cualquier descubrimiento nuevo, desde nuevos conocimientos sobre el tratamiento del cáncer hasta el potencial de nuevas pandemias como el ébola.
Además, ordena que se elimine una lista de términos específicos de cualquier manuscrito de investigación de los CDC que se esté enviando, que ya esté siendo considerado o que ya esté en prensa en cualquier revista científica o médica, y que se pause o retracte la publicación hasta que se eliminen los términos del trabajo. Los términos en cuestión son: Género, transgénero, persona embarazada, personas embarazadas, LGBT, transexual, no binario, no binario, asignado masculino al nacer, asignado femenino al nacer, biológicamente masculino, biológicamente femenino.
Una búsqueda rápida realizada por Salon en PubMed, la base de datos de publicaciones académicas biomédicas y de salud, así como disciplinas relacionadas como ciencias de la vida y ciencias químicas, administrada por los Institutos Nacionales de Salud, muestra que actualmente contiene 145.340 páginas de resultados (1.453.391 publicaciones individuales) que incluyen el término “género” y publicaciones con el término “transexual”, con artículos que datan desde 1903.
Dado que los artículos sobre ciencias médicas informan detalles demográficos, excluir artículos que informan sobre estas cuestiones o usan este lenguaje significaría no publicar nuevos y emocionantes descubrimientos sobre el tratamiento del cáncer o, digamos, información vital sobre la transmisión del H5N1 entre los agricultores estadounidenses o el brote de tuberculosis de larga data en el área de Kansas City. Las implicaciones exactas de las órdenes del presidente Trump no están del todo claras, por lo que es difícil decir exactamente qué podría no publicarse como resultado de ellas, pero también es probable que haya autocensura preventiva. El lunes, algunas de las páginas ya habían sido restauradas, según el New York Times, lo que subraya el estado impredecible de cierta información federal.
En el medio, una orden general de censura sobre las comunicaciones prohíbe a cualquier científico de los CDC presentar cualquier conocimiento científico nuevo al público. A medida que los sitios y páginas web de salud financiados por el gobierno federal desaparecen en tiempo real de Internet, comienza la carrera para preservar conjuntos de datos vitales e información que antes era pública.
Charles Gaba, analista de datos de políticas de atención médica y desarrollador web, ha creado enlaces en su sitio web a cada copia reflejada de las páginas web públicas de los CDC tal como aparecen en Internet Archive, una organización no partidista y sin fines de lucro con casi 30 años de antigüedad dedicada a preservar Internet de la censura y la pérdida de datos.
Por ejemplo, el Archivo EOT tiene registros de que la Universidad del Norte de Texas solicitó una URL usaid.gov en una fecha particular y recibió un mensaje de error 404 u otra indicación de que el contenido ya no estaba disponible. La Agencia de los Estados Unidos para el Desarrollo Internacional, USAID, recibió una orden de suspensión de trabajos el mes pasado, y el lunes se informó que se había ordenado a los empleados que se quedaran en casa y que Trump planea fusionar USAID con Estados Unidos. Departamento de Estado, reduciendo su fuerza laboral y presupuesto en el proceso. Una búsqueda en Salon de usaid.gov el mismo día dio como resultado un mensaje de error “no se puede encontrar el servidor”.
Phillips sugiere que los periodistas, investigadores, grupos comunitarios o ciudadanos independientes deberían tratar de proteger el contenido que es importante para ellos descargando copias de información o conjuntos de datos importantes.
Desde su lanzamiento en noviembre de 2022, ChatGPT ha sido utilizado por investigadores para mejorar la redacción académica, revisar literatura científica y escribir código para analizar datos. Aunque algunos creen que el chatbot aumenta la productividad, otros temen que esté facilitando el plagio, introduciendo imprecisiones en los artículos y consumiendo grandes cantidades de energía.
Un estudio de la editorial Wiley, realizado entre marzo y abril de 2024, reveló que el 81% de los investigadores han usado ChatGPT, lo que lo convierte en la herramienta de IA más popular entre los académicos. La mayoría de los encuestados considera que, en los próximos cinco años, será crucial que los investigadores desarrollen habilidades en IA.
Se estima que al menos 60.000 artículos académicos publicados en 2023 fueron escritos con la ayuda de un modelo de lenguaje grande (LLM).
El 10% de los artículos en biomedicina y el 17,5% en informática en 2024 tuvieron sus resúmenes redactados con asistencia de IA.
Se estima que entre el 6,5% y el 16,9% de las revisiones por pares en conferencias de IA en 2023 y 2024 fueron generadas sustancialmente por LLM.
ChatGPT ha demostrado ser útil para superar barreras lingüísticas, ayudando especialmente a investigadores que no tienen el inglés como lengua materna. Sin embargo, se reconoce que tiene limitaciones, especialmente en tareas complejas como revisiones bibliográficas, ya que puede generar información errónea o inventada. Además, la privacidad es una preocupación, ya que los datos introducidos en la IA podrían ser utilizados para entrenar nuevos modelos.
A pesar de estos desafíos, algunos investigadores están explorando la posibilidad de que ChatGPT y otros modelos de IA puedan ir más allá de ser simples asistentes virtuales, convirtiéndose en «científicos» capaces de diseñar proyectos de investigación. Algunos estudios preliminares, como un proyecto reciente en el que los modelos de IA colaboraron para diseñar nanocuerpos contra el coronavirus, han mostrado resultados prometedores.
Una encuesta de la editorial Wiley realizada a casi 5.000 investigadores en más de 70 países sugiere que el uso de herramientas de inteligencia artificial (IA) para redactar manuscritos, solicitudes de subvenciones y realizar revisiones por pares será ampliamente aceptado en los próximos dos años.
La mayoría de los encuestados considera que la IA será clave en la investigación y publicación científica, con más de la mitad opinando que ya supera a los humanos en tareas como revisar grandes volúmenes de literatura, resumir hallazgos, detectar errores en la escritura, verificar plagios y organizar citas. Se espera que en los próximos dos años la IA se vuelva común en 34 de 43 casos de uso analizados.
Sin embargo, el uso real de la IA aún es limitado. Solo el 45% de los primeros 1.043 encuestados ha empleado IA en su trabajo, principalmente para traducción, corrección y edición de textos. Aunque el 81% ha usado ChatGPT de OpenAI, solo un tercio conoce otras herramientas como Gemini de Google o Copilot de Microsoft. El uso varía según el país y la disciplina, siendo más frecuente en China y Alemania, así como en investigadores de informática y medicina.
El estudio destaca barreras globales para la adopción de la IA, como la falta de directrices claras y formación, citadas por más del 60% de los investigadores. Además, un 70% considera que las editoriales deben establecer normas sobre el uso aceptable de la IA en la investigación académica.
Un estudio sobre 43 posibles casos de uso de la IA en la investigación científica revela tendencias clave:
Alto interés en la IA: La mayoría de los investigadores desean usar IA en 39 de los 43 casos analizados, lo que indica que su adopción limitada hasta ahora no se debe a falta de interés.
Reconocimiento de la capacidad de la IA: En 23 casos, los investigadores ya creen que la IA supera a los humanos, mostrando confianza en la tecnología y su potencial actual.
Rápida aceptación esperada: Se prevé que en dos años, 34 de los 43 casos de uso sean ampliamente aceptados, lo que sugiere una aceleración en la adopción de la IA en la investigación.
Incluso los adoptantes tardíos se preparan: Aunque algunos investigadores son más cautelosos, la mayoría espera que en poco tiempo la IA se convierta en una herramienta esencial en su trabajo.
En cuanto a en el interés de los investigadores respecto a los uso y en la comparación entre el rendimiento de la IA y el humano. Los hallazgos clave incluyen:
Promoción y difusión del artículo: Aunque la IA supera a los humanos en varias tareas de post-publicación, los investigadores muestran menor interés en estas aplicaciones, salvo en aquellas que mejoran la accesibilidad de sus trabajos.
Determinación del tema de investigación: Los investigadores están dispuestos a usar IA para revisar grandes volúmenes de información, pero no confían en su capacidad para anticipar nuevas tendencias en sus campos.
Realización de la investigación: Aunque esta fase genera menos interés, la IA es vista como útil para gestionar grandes cantidades de datos.
Preparación para la publicación: Es una de las áreas donde la IA tiene mayor aceptación, especialmente en la autoevaluación y asistencia en la redacción de manuscritos.
Revisión por pares: La mayoría de los investigadores prefieren que los humanos sigan desempeñando el papel principal en este proceso, destacando la importancia del juicio humano.
Casos actuales de uso de la IA en investigación
Redacción y preparación de manuscritos: 72% de los investigadores están interesados, y 62% consideran que la IA supera a los humanos en tareas como detección de errores, asistencia en escritura, verificación de plagio y generación automática de citas.
Manejo de grandes volúmenes de información: 67% de interés y 60% ven a la IA como superior en revisión de estudios, monitoreo de publicaciones y procesamiento de datos.
Accesibilidad y difusión de la investigación: 65% de interés y 58% consideran que la IA es útil en resúmenes en lenguaje sencillo y gestión del conocimiento.
Oportunidades en desarrollo
Generación de predicciones y recomendaciones: 64% de interés, pero 56% creen que los humanos aún lideran. Aplica a identificación de tendencias y selección de referencias.
Automatización de tareas administrativas: 58% de interés y 57% consideran que los humanos siguen siendo clave en gestiones como búsqueda de financiación.
Futuras aplicaciones de la IA en investigación
Mejora de métodos de investigación y colaboración: 54% de interés en identificación de colaboradores y optimización de experimentos.
Generación automatizada de contenido: 53% de interés en crear contenido multimedia y educativo basado en investigaciones.
Revisión por pares asistida por IA: 56% de interés en herramientas para estandarizar comentarios y agilizar el proceso.
El papel de las editoriales científicas en el uso de la IA
70% de los investigadores quieren que los editores establezcan guías claras sobre el uso de IA en publicaciones.
69% desean que ayuden a evitar errores y sesgos.
Más de la mitad buscan mejores prácticas para un uso seguro y responsable de la IA.
Este informe, enmarcado en el objetivo de monitorización de la ciencia abierta de la Línea 2 de REBIUN para el año 2024, presenta la Medición del Acceso Abierto en las universidades españolas y el CSIC del periodo 2019-2023. Los datos muestran un crecimiento importante del porcentaje de artículos en acceso abierto: del 75,6% (77.731 publicaciones) en el año 2022 se pasó al 80% (82.413 publicaciones) en 2023. En estos datos están incluidos los artículos que se publican en acceso abierto en revistas o se encuentran depositados en repositorios institucionales. Como en el estudio anterior, publicado en 2023, se usan los datos extraídos de OpenAlex a partir del identificador de cada universidad y de los centros del Consejo Superior de Investigaciones Científicas (CSIC). De acuerdo con la tendencia de años anteriores y los datos referentes al periodo 2019-2023, puede decirse que el acceso abierto a las publicaciones resultado de la investigación de las universidades y CSIC está claramente consolidado. La medición refleja que a partir del 2020 se produce un importante incremento en la publicación en revistas híbridas, probablemente debido a los acuerdos transformativos CRUE-CSIC y los que las instituciones hayan firmado a nivel individual. En este informe, por primera vez, se proporcionan los datos de la vía diamante. Datasets disponibles en: https://doi.org/10.21950/BOMYUU
Las revistas secuestradas imitan a las legítimas adoptando sus títulos, ISSN y otros metadatos. En raras ocasiones, sin embargo, los editores compran los derechos de una revista legítima, pero continúan la publicación bajo protocolos de publicación considerablemente menos estrictos y sin señalar claramente al lector el cambio en la propiedad o las normas de publicación (a veces conocidas como revistas «clonadas»). Los académicos pueden verse engañados para que publiquen en revistas secuestradas -muchas de las cuales son de pago- con ofertas de publicación rápida e indexación en bases de datos como Scopus; estar indexado en esas bases de datos es reconocido por muchas universidades y gobiernos como una marca de legitimidad.
Rastrear estas revistas no es tarea fácil, pero saber qué revistas pueden haber sido secuestradas es vital para la integridad del mundo editorial. Anna Abalkina se involucró en el proceso cuando ella y sus colegas, investigando denuncias de plagio, se toparon con varios títulos, entre ellos el Journal of Talent Development and Excellence, que aumentó drásticamente su indexación de artículos en Scopus en 2020, y Waffen-und Kostümkunde, una revista que citaba un artículo sobre psicología absolutamente ajeno a la especialización en armas y vestuario de la revista. Abalkina comenzó entonces a analizar los archivos de estas revistas y halló coincidencias con otras.
En colaboración con Retraction Watch, Abalkina ha creado la herramienta Retraction Watch Hijacked Journal Checker. Este recurso se actualiza periódicamente; se añadirán más revistas a medida que se descubra su condición de secuestradas.
La herramienta se basa en el método de análisis de archivos desarrollado por Anna Abalkina, quien ha identificado más de 60 dominios web de revistas secuestradas. Además, amplió su investigación incorporando títulos sugeridos por lectores.
Los principales métodos empleados incluyen:
Archivos duplicados: Comparación de archivos de revistas con títulos iguales o similares para detectar coincidencias en los artículos publicados.
Plantillas web idénticas: Detección de revistas secuestradas por el uso de plantillas web idénticas entre ellas.
Crecimiento anómalo en indexación: Un aumento inusual en la cantidad de artículos indexados en bases de datos internacionales puede indicar secuestro.
Citas anómalas: Publicaciones con citas no relacionadas con la temática de la revista pueden ser señal de secuestro.
Comentarios de académicos: Opiniones de investigadores en plataformas como Scimago o por correspondencia pueden alertar sobre revistas comprometidas.
Para confirmar el secuestro, también se analizan aspectos como el título, ISSN, indexación, dominio web, comité editorial y archivos de la revista. En algunos casos, no se puede identificar con certeza la revista original, pero se señala que un dominio es altamente sospechoso de ser un secuestro.
Si conoces algún titulo a tener en cuenta para su estudio y que sea incluido en la lista lo puedes comunicar aquí
Trueblood, Jennifer S., et al. “The Misalignment of Incentives in Academic Publishing and Implications for Journal Reform.” Proceedings of the National Academy of Sciences of the United States of America 122, no. 5 (2025): e2401231121. https://www.pnas.org/doi/10.1073/pnas.2401231121
Se analiza el conflicto entre los dos principales objetivos de la publicación académica: la difusión del conocimiento y el reconocimiento científico. Aunque ambos pueden fomentar investigaciones profundas, la presión por maximizar métricas de publicación puede distorsionar las prioridades académicas. Los editores comerciales han aprovechado esta dinámica para obtener grandes beneficios, utilizando revisores no remunerados, estableciendo barreras económicas a la difusión de investigaciones y cobrando altas tarifas por el acceso abierto. El estudio explora modelos alternativos de publicación científica y plantea posibles reformas en la evaluación académica, señalando que el éxito de estos nuevos enfoques dependerá de su impacto en los actuales sistemas de acreditación, que priorizan métricas como citas e índices de impacto.
