Archivo de la etiqueta: Investigación

Una propuesta para transformar la comunicación científica mediante el acceso abierto diamante

Thomas, Camille, y Romain Vaucher. Guest Post — From Parasitism to Symbiosis: Escaping Peer-Pressure and For-Profit Publishers Through Diamond Open Access. The Scholarly Kitchen, 16 de julio de 2026.

Los autores recurren a una metáfora inspirada en la ecología para describir la evolución de la publicación científica. Comparan el sistema actual de comunicación académica con una relación de parasitismo, en la que las editoriales comerciales obtienen importantes beneficios económicos a partir del trabajo de investigadores, revisores y editores, quienes producen, evalúan y mejoran los artículos sin recibir compensación directa por esas tareas.

Según esta visión, el sistema ha evolucionado hacia un modelo donde la presión por publicar en revistas de alto impacto ha consolidado la dependencia de los investigadores respecto a un reducido grupo de grandes editoriales, limitando la capacidad de la comunidad científica para controlar sus propios canales de difusión.

El artículo sostiene que esta situación está alimentada por la denominada «peer pressure» académica, es decir, la presión institucional y profesional para publicar en determinadas revistas como requisito para obtener financiación, promociones o reconocimiento científico. Esta cultura de evaluación incentiva a los investigadores a priorizar el prestigio de la revista por encima de la apertura, la colaboración o el impacto social de la investigación. En consecuencia, el conocimiento generado con fondos públicos acaba frecuentemente bajo modelos comerciales que restringen el acceso o trasladan elevados costes de publicación a los propios autores mediante las tasas APC (Article Processing Charges).

Como alternativa, los autores defienden el Acceso Abierto Diamante (Diamond Open Access), un modelo en el que ni los lectores pagan por acceder a los contenidos ni los autores deben abonar costes por publicar. Estas revistas son gestionadas por universidades, sociedades científicas o comunidades académicas y se apoyan en infraestructuras abiertas, financiación institucional y colaboración entre investigadores. Para Thomas y Vaucher, este enfoque devuelve el control de la comunicación científica a quienes producen el conocimiento, favoreciendo un ecosistema más equitativo, transparente y orientado al interés público en lugar del beneficio empresarial.

Los autores argumentan que la transición hacia un modelo verdaderamente sostenible no depende únicamente de crear más revistas de acceso abierto diamante, sino de transformar los sistemas de evaluación científica. Mientras las universidades y los organismos financiadores continúen otorgando un peso desproporcionado a indicadores como el factor de impacto o el prestigio de determinadas cabeceras, los investigadores seguirán teniendo incentivos para publicar en editoriales comerciales. Por ello, proponen revisar los criterios de evaluación de la carrera investigadora para valorar la calidad intrínseca de los trabajos, las prácticas de ciencia abierta, la reproducibilidad y la contribución a la comunidad científica.

El texto concluye con una llamada a construir un ecosistema editorial basado en la simbiosis en lugar del parasitismo. En este nuevo modelo, investigadores, instituciones, bibliotecas, financiadores y editores comunitarios colaborarían para compartir infraestructuras, conocimientos y responsabilidades, fortaleciendo una comunicación científica abierta, sostenible y gobernada por la propia comunidad académica. Los autores reconocen que el acceso abierto diamante afronta importantes desafíos relacionados con la financiación, la escalabilidad y la visibilidad internacional, pero sostienen que representa una vía realista para recuperar la soberanía de la ciencia sobre sus propios procesos de publicación y difusión.

Publicación lenta, impacto duradero: Robert Harington reivindica el valor de no ser siempre el primero

Harington, Robert. Slow Food, Slow Publishing: The Beauty of Not Being First. The Scholarly Kitchen, 15 de julio de 2026. The Scholarly Kitchen.

Robert Harington, director editorial de la American Mathematical Society (AMS), propone en este artículo una reflexión crítica sobre la creciente obsesión de la comunicación científica por la velocidad. Frente a un ecosistema dominado por la urgencia de publicar antes que los demás, la presión por adoptar inmediatamente cada nueva tendencia tecnológica y la acelerada irrupción de la inteligencia artificial, el autor defiende una filosofía de la «publicación lenta» (slow publishing). Inspirándose en movimientos como el slow food y el periodismo lento, sostiene que la calidad, la reflexión y el compromiso con la comunidad científica deben prevalecer sobre la carrera permanente por ser los primeros en innovar o difundir resultados.

El artículo parte de la experiencia cotidiana del propio Harington en la AMS, donde observa cómo el debate editorial gira constantemente en torno a cuestiones urgentes: la crisis de la financiación científica, la búsqueda de nuevos modelos de negocio o la incorporación de la inteligencia artificial generativa en la creación de manuscritos. Aunque reconoce la importancia de estos desafíos, advierte que muchas veces la rapidez con la que el sector intenta reaccionar conduce a decisiones precipitadas y políticas cuyo impacto real sobre los autores resulta limitado. Para el autor, la publicación académica necesita recuperar espacios para la deliberación, el análisis y la evaluación pausada antes de adoptar cambios estructurales.

Como ejemplo tangible de esta filosofía, Harington describe el taller de impresión de la American Mathematical Society, que continúa produciendo libros mediante procesos cuidadosamente controlados, aunque incorporando tecnologías digitales modernas. La elaboración de una obra académica —desde la escritura y la revisión hasta la impresión y encuadernación— requiere tiempo y atención al detalle. Ese ritmo pausado no representa un retraso, sino una garantía de calidad y permanencia. Según el autor, disciplinas como las matemáticas, las humanidades o la economía demuestran que la excelencia científica no depende necesariamente de la velocidad de publicación, sino de la solidez intelectual de los contenidos y de su capacidad para perdurar.

El texto también aborda la cuestión del acceso abierto. Harington explica que la AMS ha optado por modelos Green y Diamond Open Access, evitando los cargos por procesamiento de artículos (APC). Considera que esta estrategia responde mejor a las características de la comunidad matemática, donde conviven libros, revistas y repositorios de preprints como arXiv dentro de un ecosistema equilibrado. Al no dejarse arrastrar por cada nueva moda editorial, la sociedad ha podido observar cómo numerosos modelos comerciales aparecían y desaparecían, mientras mantenía un sistema centrado en el servicio a la comunidad investigadora y en la sostenibilidad a largo plazo.

Respecto a la inteligencia artificial, el autor adopta una postura deliberadamente moderada. Reconoce que la IA ya forma parte de los flujos de trabajo de autores, editores y lectores, pero rechaza convertirla en el eje que defina el futuro de la publicación científica. En su opinión, la IA debe entenderse como una herramienta útil, no como un elemento que sustituya el criterio editorial, la revisión por pares o el valor intelectual de las obras académicas. La verdadera innovación consiste en integrar estas tecnologías de forma prudente, sin perder de vista los principios fundamentales de rigor, transparencia y servicio a la comunidad científica.

Como conclusión, Harington reivindica que existe una auténtica belleza —y también una lógica empresarial— en avanzar más despacio. No propone rechazar la innovación ni ignorar los cambios tecnológicos, sino observarlos con calma, comprender sus implicaciones y adoptar únicamente aquellas transformaciones que aporten un beneficio real y duradero. En un contexto donde la inmediatez parece haberse convertido en un valor absoluto, el autor recuerda que la misión de la publicación académica no consiste en ganar la carrera de la velocidad, sino en construir conocimiento fiable, duradero y útil para las generaciones futuras.

Lo que los líderes de la edición científica dicen realmente sobre la IA cuando no están en público

Toler, T., & Cochran, A. (11 de marzo de 2026). What Publishing Leaders Say About AI When They’re Not on Panels: A Pulse on All Things AI. The Scholarly Kitchen. https://scholarlykitchen.sspnet.org/2026/03/11/what-publishing-leaders-say-about-ai-when-theyre-not-on-panels/

El artículo recoge las conclusiones de una serie de conversaciones privadas con catorce directivos de editoriales académicas, principalmente de sociedades científicas y editoriales independientes, con el objetivo de conocer cómo perciben realmente el impacto de la inteligencia artificial más allá de los discursos públicos. Los autores destacan que, lejos del entusiasmo o del alarmismo que suele caracterizar los debates abiertos, los responsables editoriales mantienen una visión mucho más pragmática, centrada en los desafíos estratégicos, económicos y organizativos que plantea la IA para el sector.

Uno de los temas que más preocupa es el uso del contenido editorial para entrenar modelos de inteligencia artificial. Los directivos consideran que los datos y publicaciones científicas representan uno de sus principales activos y que la negociación de licencias con las empresas de IA puede convertirse en una nueva fuente de ingresos. Sin embargo, también reconocen que vender el acceso al contenido para el entrenamiento de modelos puede implicar riesgos, ya que esos modelos podrían reducir el valor futuro de las publicaciones originales al ofrecer respuestas sin necesidad de consultar las fuentes.

Otro aspecto relevante es el cambio en la forma en que los investigadores accederán a la información científica. Si las búsquedas tradicionales son sustituidas por asistentes inteligentes que sintetizan contenidos y responden directamente a las preguntas, los editores tendrán que replantearse su papel en el ecosistema de la comunicación científica. La preocupación ya no es únicamente proteger el contenido, sino garantizar que las publicaciones sigan siendo visibles, citadas y reconocidas como fuentes autorizadas dentro de los nuevos sistemas basados en IA.

Las conversaciones también reflejan que muchas organizaciones están experimentando con herramientas de inteligencia artificial para automatizar tareas editoriales, mejorar los flujos de trabajo y aumentar la eficiencia. No obstante, los líderes insisten en que la implantación de estas tecnologías debe hacerse con cautela, evaluando cuidadosamente sus implicaciones para la calidad editorial, la integridad científica y la confianza de autores, revisores y lectores. La IA se contempla como una herramienta de apoyo y no como un sustituto del criterio humano.

El artículo concluye que la transformación provocada por la inteligencia artificial obligará a las editoriales científicas a redefinir sus modelos de negocio. Más que competir con las empresas tecnológicas, deberán encontrar formas de aportar valor añadido mediante contenidos fiables, metadatos de calidad, sistemas de atribución, licencias sostenibles y relaciones duraderas con investigadores e instituciones. En este nuevo escenario, la confianza, la procedencia verificable de la información y la capacidad para integrarse en los ecosistemas de IA serán factores decisivos para el futuro de la edición académica.

Hacia un estándar global para declarar el uso de la inteligencia artificial en la investigación científica

Weaver, Kari D.; Seghers, Bert; McNeice, Kiera; Perkins, Mike; Santamarina, Sergio; Lingard, Lorelei; Tsybuliak, Natalia; Dijstal, Felix. «Guest Post — Research Needs a Shared Standard for AI Disclosure.» The Scholarly Kitchen, 13 de julio de 2026. The Scholarly Kitchen (artículo original)

El artículo sostiene que la investigación científica necesita con urgencia un estándar internacional y compartido para declarar el uso de herramientas de inteligencia artificial (IA) durante todo el ciclo de investigación.

Los autores argumentan que la aparición de modelos generativos como ChatGPT ha modificado profundamente la forma en que los investigadores redactan textos, analizan datos, revisan literatura, programan o traducen documentos. Sin embargo, mientras la adopción de estas herramientas se ha generalizado, las normas para informar sobre su utilización continúan siendo fragmentarias, inconsistentes y, en muchos casos, inexistentes. Esta falta de uniformidad genera incertidumbre entre autores, revisores, editores e instituciones y pone en riesgo principios esenciales de la integridad científica, como la transparencia, la reproducibilidad y la responsabilidad sobre los resultados publicados.

Los autores defienden que la declaración del uso de la IA debe entenderse como una práctica equiparable a la divulgación de las fuentes de financiación, los conflictos de interés o las contribuciones de terceros. En su opinión, informar sobre la utilización de herramientas de IA no debe interpretarse como una admisión de debilidad o una sospecha de mala conducta, sino como una manifestación de buenas prácticas científicas. No obstante, diversos estudios muestran que muchos investigadores evitan revelar el uso de estas tecnologías por temor a que disminuya la credibilidad de sus trabajos o influya negativamente en los procesos de evaluación editorial. Este fenómeno ha creado una importante «brecha de divulgación»: aunque la IA ya forma parte de las prácticas habituales de investigación, una proporción significativa de autores nunca informa sobre su utilización al publicar sus resultados.

Para afrontar este problema, el artículo describe la iniciativa impulsada desde la World Conferences on Research Integrity (WCRI), que ha creado un grupo de trabajo internacional con el apoyo de organizaciones como el International Science Council (ISC), COPE, STM y la Global Young Academy. El objetivo consiste en desarrollar un estándar de referencia mundial para la declaración del uso de IA, inspirado en modelos ampliamente aceptados como las normas de Vancouver para publicaciones biomédicas. El proceso se basa en varias rondas de consulta internacional dirigidas a investigadores, editores, responsables de integridad científica y otros actores del ecosistema académico, con el propósito de construir un consenso amplio antes de proponer un marco definitivo.

Los resultados preliminares de la primera consulta muestran que existe un amplio consenso sobre la necesidad de establecer reglas claras, aunque también revelan importantes desafíos. Los participantes coinciden en que cualquier sistema de declaración debe ser suficientemente flexible para adaptarse a disciplinas muy diversas y evitar imponer cargas administrativas excesivas a los investigadores. Asimismo, consideran fundamental determinar con precisión qué aspectos deben declararse, cuál debe ser el nivel adecuado de detalle y cómo integrar esa información en los manuscritos y en las infraestructuras editoriales existentes. También se debatió ampliamente cuál debe ser el verdadero propósito de estas declaraciones: facilitar la reproducibilidad de la investigación, reforzar la transparencia ética, mejorar la rendición de cuentas o combinar todos estos objetivos simultáneamente.

Otro de los mensajes centrales del artículo es que el uso de la inteligencia artificial no debe ser estigmatizado. Los autores sostienen que las herramientas de IA representan una nueva generación de tecnologías avanzadas, pero que los principios clásicos de la integridad científica siguen siendo plenamente aplicables. La responsabilidad última sobre el contenido científico continúa recayendo en los investigadores humanos, independientemente de las herramientas empleadas durante el proceso. Por ello, las declaraciones sobre IA deberían proporcionar únicamente la información necesaria para que revisores y lectores puedan valorar si las contribuciones de estas herramientas podrían haber influido en la fiabilidad de los métodos, los resultados o las conclusiones del estudio, evitando exigir una documentación innecesariamente detallada que dificulte la investigación.

Finalmente, los autores anuncian la apertura de nuevas rondas de consulta durante la segunda mitad de 2026 y principios de 2027 con el objetivo de perfeccionar una propuesta de estándar global. Subrayan que el éxito de esta iniciativa dependerá de la participación activa de investigadores, universidades, editoriales, financiadores y organismos de integridad científica de todo el mundo. Solo mediante un consenso internacional será posible establecer un sistema de divulgación que promueva la confianza en la investigación, facilite la evaluación de los trabajos científicos y permita integrar la inteligencia artificial en la ciencia de forma responsable, transparente y compatible con los principios fundamentales de la investigación académica.

La compraventa de autorías científicas: un análisis de Nature destapa el mercado global del fraude académico

Research Information. 2026. “Paper Mills Expose Global Market for Authorship Fraud, Nature Analysis Finds.” Research Information, 27 de abril de 2026. https://www.researchinformation.info/news/paper-mills-expose-global-market-for-authorship-fraud-nature-analysis-finds

Un análisis publicado por Nature revela la existencia de un mercado internacional altamente organizado dedicado a la venta de autorías científicas, una de las manifestaciones más preocupantes del fraude en la comunicación académica. La investigación recopiló una base de datos con más de 18.700 anuncios publicados entre marzo de 2020 y abril de 2026 por siete grandes paper mills —empresas que producen artículos científicos fraudulentos o de escasa calidad y comercializan puestos de autoría—, poniendo de manifiesto que estas prácticas se han convertido en una industria transnacional con un elevado volumen económico.

El estudio muestra que el precio por ocupar la posición de primer autor oscila desde 57 dólares hasta más de 5.600 dólares, con una mediana cercana a los 800 dólares. Las ofertas se difundían principalmente mediante canales de Telegram y páginas web especializadas, dirigidas especialmente a investigadores sometidos a fuertes presiones para publicar, procedentes de regiones como Oriente Medio, Asia Central, Europa del Este e India. Además de artículos científicos, algunas organizaciones ofrecían también autorías en libros, patentes, premios académicos e incluso otros servicios destinados a mejorar artificialmente el prestigio profesional de los clientes.

Los investigadores sostienen que estos negocios van mucho más allá de la producción de manuscritos falsificados. En realidad, operan como empresas especializadas en la manipulación de la reputación científica, aprovechando un sistema académico donde las publicaciones siguen siendo el principal indicador para acceder a promociones, financiación y reconocimiento profesional. Esta dinámica alimenta un mercado que responde directamente a la presión del modelo de «publicar o perecer».

La investigación también demuestra que una parte de estos trabajos fraudulentos consigue superar los procesos editoriales y llegar a revistas científicas de prestigio. Al comparar cientos de anuncios con publicaciones reales, los autores identificaron 53 artículos publicados cuyos títulos coincidían con las ofertas de venta de autoría; únicamente cinco habían sido retractados. Entre las revistas afectadas aparecen publicaciones de grandes editoriales internacionales como Springer Nature, Wiley, Elsevier, Frontiers y Taylor & Francis, además de actas de congresos del IEEE, lo que evidencia que incluso los sistemas editoriales más consolidados siguen siendo vulnerables a estas prácticas.

El estudio concluyó que ocupar la posición de primer autor tiene un coste medio cercano a los 800 dólares, con precios que oscilan entre 57 y más de 5.600 dólares. Los resultados se describen en un preprint enviado al repositorio arXiv. La base de datos también pone de manifiesto el alcance internacional de las paper mills. Los investigadores localizaron anuncios en Telegram relacionados con operaciones en India, Irak y Uzbekistán, además de miles de anuncios procedentes de sitios web vinculados a empresas establecidas en Rusia, Letonia, Kazajistán y Ucrania. Las siete paper mills analizadas anunciaban la venta de puestos de autoría en artículos científicos, mientras que algunas también ofrecían la posibilidad de figurar como autores de libros de texto, patentes y otros productos académicos, además de servicio relacionados con la obtención de premios y reconocimientos académicos.

El análisis también sugiere que algunos manuscritos producidos por estas organizaciones llegan a publicarse. Los periodistas de Nature revisaron más de 600 anuncios vinculados a unos 400 artículos e identificaron 53 trabajos publicados cuyos títulos coincidían con los de los anuncios. Solo cinco de ellos habían sido retractados.

Los autores consideran que la base de datos recopilada puede convertirse en una herramienta valiosa para editores y editoriales científicas. El análisis de los anuncios permitirá desarrollar mecanismos automáticos para detectar manuscritos sospechosos, identificar revistas especialmente expuestas y comprender mejor las estrategias comerciales empleadas por estas organizaciones. En un contexto donde el fraude científico evoluciona rápidamente y se beneficia de nuevas tecnologías y plataformas digitales, disponer de este tipo de información resulta esencial para reforzar la integridad de la investigación y proteger la credibilidad de la literatura científica.

Por qué las emociones también importan en la comunicación académica

Irfanullah, H. (2026). The Emotional Rollercoaster of Scholarly Publishing. The Scholarly Kitchen, 6 de julio de 2026. The Scholarly Kitchen

La publicación científica suele analizarse desde una perspectiva centrada en los procesos editoriales, la revisión por pares, los indicadores bibliométricos o la integridad de la investigación. Sin embargo, Haseeb Irfanullah propone un enfoque diferente: situar las emociones de quienes participan en este ecosistema en el centro del debate.

El autor sostiene que autores, revisores y editores experimentan una auténtica «montaña rusa emocional» a lo largo del ciclo de publicación, marcada por la incertidumbre, la frustración, la esperanza, la satisfacción o el agotamiento. A pesar de que estas emociones influyen directamente en la calidad del trabajo científico y en el bienestar de sus protagonistas, rara vez son consideradas en el diseño de las políticas editoriales o en la gestión de las revistas.

El artículo parte de una experiencia personal del propio autor para mostrar cómo la relación entre investigadores y revistas puede evolucionar de maneras muy distintas según las respuestas emocionales que generan los procesos editoriales. La larga espera para recibir una decisión, las revisiones contradictorias, el rechazo de un manuscrito o la falta de comunicación por parte de las revistas provocan sentimientos de ansiedad, desmotivación e incluso pérdida de confianza. Estas experiencias no afectan únicamente a quienes publican; también repercuten en su disposición futura para aceptar invitaciones como revisores o colaborar con determinadas publicaciones. Irfanullah recuerda que detrás de cada manuscrito hay personas cuya trayectoria profesional y estado emocional pueden verse profundamente condicionados por la forma en que se gestionan estos procesos.

El autor amplía posteriormente la reflexión al conjunto del sistema de comunicación científica. Se pregunta cómo se sienten los propios editores cuando son conscientes de que determinadas políticas editoriales o retrasos perjudican a los autores, y si las estructuras actuales favorecen realmente relaciones más humanas entre todos los actores implicados. Esta mirada invita a reconsiderar los desequilibrios de poder existentes en la publicación académica, donde los autores suelen ocupar la posición más vulnerable mientras dependen de decisiones tomadas por editores, revisores y editoriales. Incorporar la dimensión emocional permitiría construir procesos editoriales más empáticos, transparentes y respetuosos, sin renunciar al rigor científico.

Otro de los aspectos destacados del artículo es la relación entre las emociones y las profundas transformaciones que atraviesa la comunicación científica. Irfanullah aborda cuestiones como el crecimiento descontrolado del número de publicaciones, la presión constante por publicar, la dependencia de indicadores bibliométricos y los problemas de integridad científica derivados de este modelo. También analiza el papel emergente de los servidores de preprints y de la inteligencia artificial aplicada a la revisión científica, preguntándose si estos cambios acabarán modificando o incluso sustituyendo el modelo tradicional de revista académica, vigente desde 1665. Frente a estas incertidumbres, el autor invita a reflexionar no solo sobre las implicaciones técnicas o económicas de estas innovaciones, sino también sobre las emociones que generan entre quienes participan en el sistema científico.

En la parte final, el artículo plantea una llamada a humanizar la publicación académica. Para Irfanullah, las decisiones que toman investigadores, revisores, editores y editoriales no responden únicamente a criterios racionales, sino que están profundamente influidas por emociones como la confianza, el miedo, la ilusión o el cansancio. Reconocer explícitamente esta dimensión permitiría diseñar políticas editoriales más sensibles al bienestar de la comunidad investigadora y favorecer una cultura científica menos dominada por la presión de publicar y más orientada a la colaboración, la calidad y el impacto social del conocimiento. La comunicación científica, concluye el autor, no puede entenderse únicamente como un proceso técnico; es, ante todo, una actividad profundamente humana.

La inteligencia artificial ya forma parte de la revisión por pares: es hora de que las políticas editoriales lo reconozcan

Vicario, E. (2026). Guest Post — Now is the Time for AI in Peer Review, and Publishing Policies Need to Recognize This. The Scholarly Kitchen, 30 de junio de 2026.

Se plantea que el debate sobre la utilización de la inteligencia artificial en la revisión por pares (peer review) ha dejado de ser una cuestión de futuro para convertirse en una realidad que las políticas editoriales deben afrontar de manera explícita. La autora sostiene que la IA ya está profundamente integrada en numerosos procesos de la comunicación científica —desde la detección de plagio y la identificación de manipulaciones de imágenes hasta el descubrimiento de patrones asociados a las «paper mills» o fábricas de artículos fraudulentos—, por lo que resulta incoherente prohibir o restringir su utilización precisamente en una de las fases más importantes del proceso editorial: la evaluación por pares.

Vicario parte de un diagnóstico ampliamente compartido en la comunidad científica: la inteligencia artificial ha acelerado tanto las posibilidades legítimas de producción científica como las formas industrializadas de fraude académico. Las investigaciones recientes sobre redes organizadas de generación masiva de artículos falsos muestran que las herramientas basadas en IA están siendo utilizadas para fabricar investigaciones fraudulentas a gran escala. Sin embargo, la autora defiende que la respuesta no puede consistir en excluir la IA del ecosistema editorial, sino en emplearla también para combatir esas mismas amenazas. En su opinión, si la inteligencia artificial forma parte del problema, necesariamente debe formar parte de la solución.

El texto subraya que los grandes editores científicos ya utilizan sistemas inteligentes para examinar los manuscritos antes de que lleguen a los revisores humanos. Estas herramientas permiten detectar manipulaciones de imágenes, similitudes textuales, anomalías en las citas, patrones característicos de artículos producidos por «paper mills» y otros indicios de fraude científico. Plataformas como el STM Integrity Hub representan, según la autora, un ejemplo de cómo la IA se ha convertido en una infraestructura habitual para preservar la integridad de la literatura científica. Desde esta perspectiva, la pregunta ya no es si la inteligencia artificial tiene cabida en la publicación científica, sino cómo debe gobernarse su utilización de forma ética y transparente.

El núcleo del artículo se centra en la revisión por pares, un ámbito donde persisten fuertes restricciones debido a preocupaciones relacionadas con la confidencialidad de los manuscritos inéditos, la privacidad de los datos y el riesgo de delegar en algoritmos decisiones que requieren juicio científico. Vicario reconoce que estas preocupaciones son legítimas, pero considera que las políticas actuales han quedado desfasadas respecto a la práctica real. En su experiencia, numerosos revisores ya emplean discretamente herramientas de IA para resumir manuscritos, comprobar análisis estadísticos, revisar código, mejorar la redacción o identificar posibles inconsistencias. La ausencia de normas claras no elimina este uso; simplemente lo convierte en una práctica invisible y no regulada.

La autora también sitúa este debate en el contexto de la creciente crisis del sistema de revisión por pares. El número de manuscritos sometidos a evaluación continúa aumentando mientras disminuye la disponibilidad de revisores expertos, que soportan una carga de trabajo cada vez mayor. Diversos estudios citados muestran un incremento de la fatiga de los revisores y una distribución desigual del esfuerzo de evaluación. En este escenario, la IA podría actuar como una herramienta de apoyo que permitiera automatizar tareas rutinarias y liberar tiempo para aquellas actividades donde el criterio humano resulta insustituible: valorar la originalidad de una investigación, la solidez metodológica, la relevancia de los resultados o la contribución al conocimiento científico.

Uno de los aspectos más relevantes del artículo es su propuesta de sustituir el actual debate dicotómico —permitir o prohibir la IA— por un marco de gobernanza basado en principios comunes para toda la comunidad científica. Vicario propone cinco pilares fundamentales. El primero es la transparencia, de modo que los revisores declaren cuándo y cómo han utilizado herramientas de inteligencia artificial sin temor a ser penalizados. El segundo es la responsabilidad, dejando claro que el juicio científico corresponde siempre al revisor humano, independientemente del apoyo tecnológico recibido. El tercero consiste en establecer límites claros sobre las tareas que la IA puede desempeñar —como resumir textos, mejorar el lenguaje o analizar estructuras— y aquellas que deben permanecer exclusivamente bajo criterio humano, como evaluar la novedad científica o la calidad metodológica. A ello añade la necesidad de garantizar la confidencialidad mediante herramientas que respeten estándares adecuados de protección de datos y, finalmente, implantar mecanismos de supervisión editorial que hagan visible, auditable y controlable el uso de la IA durante todo el proceso de evaluación.

El artículo concede un papel especialmente relevante al Committee on Publication Ethics (COPE), organización que durante años ha establecido las principales referencias éticas para la publicación científica. Aunque COPE ya ha comenzado a elaborar documentos de discusión y posicionamientos sobre inteligencia artificial, Vicario considera que todavía falta una guía práctica específica dirigida a revisores y editores que unifique criterios y reduzca la actual fragmentación de políticas entre editoriales, universidades y organismos financiadores. La autora también menciona las discusiones mantenidas durante la edición de 2026 de la World Conference on Research Integrity como una oportunidad para construir un consenso internacional sobre estos principios.

En conjunto, el texto constituye una defensa de un uso responsable, regulado y transparente de la inteligencia artificial en la revisión por pares. No propone sustituir el juicio de los expertos por algoritmos, sino integrar estas herramientas como apoyo dentro de un sistema donde la responsabilidad última siga correspondiendo a los revisores humanos. Para la autora, ignorar que la IA ya está presente en la práctica cotidiana solo incrementará la distancia entre las normas oficiales y el funcionamiento real de la comunicación científica. El verdadero desafío no consiste en decidir si la inteligencia artificial debe participar en la revisión por pares, sino en establecer un marco común que garantice confianza, transparencia e integridad en su utilización.

Descubren una red de 80.000 citas fraudulentas ocultas en los metadatos de publicaciones científicas

Besançon, Lonni; Cabanac, Guillaume; Labbé, Cyril; Magazinov, Alexander; di Scala, Jules; Tkaczyk, Dominika; Weber-Boer, Kathryn (2025). Detection of metadata manipulations: Finding sneaked references in the scholarly literature. Preprint enviado a Journal of the Association for Information Science and Technology (JASIST). arXiv:2501.03771. Disponible en: arXiv – Detection of metadata manipulations

La investigación demuestra que la infraestructura global de comunicación científica presenta una vulnerabilidad crítica: es posible manipular artificialmente el impacto académico insertando citas inexistentes en los metadatos de un artículo sin alterar el documento publicado, comprometiendo así la fiabilidad de los sistemas internacionales de evaluación basados en citación. Los resultados son extraordinariamente reveladores. El análisis de 4.077 documentos identificó más de 80.000 referencias fraudulentas insertadas artificialmente, distribuidas en 2.787 artículos manipulados.

Este trabajo constituye una de las investigaciones más inquietantes y relevantes de los últimos años en el ámbito de la integridad científica, al revelar una nueva forma de manipulación bibliométrica basada en la inserción de lo que los autores denominan “sneaked references” o referencias infiltradas. Se trata de citas que no aparecen en el texto visible ni en la bibliografía real de un artículo científico, pero que sí son introducidas artificialmente en los metadatos depositados en infraestructuras académicas como Crossref, permitiendo que sistemas bibliométricos las contabilicen como citas legítimas. El hallazgo cuestiona directamente la fiabilidad de numerosos indicadores de impacto científico utilizados globalmente, desde el índice h hasta métricas institucionales empleadas en rankings universitarios, financiación de proyectos o evaluación académica.

El estudio se centra inicialmente en el caso del International Journal of Innovative Science and Research Technology (IJISRT), una revista en la que los investigadores detectaron un patrón sistemático de inserción fraudulenta de referencias adicionales durante el registro de metadatos. Estas referencias eran invisibles para cualquier lector que consultara el PDF del artículo, pero aparecían en los registros enviados a Crossref, generando citas falsas que beneficiaban principalmente a artículos publicados en la misma revista. Este mecanismo constituye una variante sofisticada del conocido fenómeno del citation gaming, es decir, estrategias destinadas a inflar artificialmente el número de citas recibidas por revistas o artículos con el fin de mejorar indicadores de impacto y reputación científica.

Para detectar esta anomalía, los autores diseñan dos metodologías automatizadas innovadoras. La primera consiste en comparar la lista de referencias depositadas en los metadatos de Crossref con las referencias extraídas automáticamente del PDF mediante herramientas como GROBID, especializada en extracción estructurada de documentos académicos. La segunda técnica compara directamente el texto completo extraído del PDF con las cadenas textuales almacenadas en los registros de referencias de Crossref, utilizando algoritmos de similitud textual como la distancia de Levenshtein implementada en bibliotecas como RapidFuzz. Ambas metodologías buscan determinar si una referencia registrada en el sistema realmente aparece en el documento original o si ha sido añadida clandestinamente en la fase de indexación.

Los resultados son extraordinariamente reveladores. El análisis de 4.077 documentos identificó más de 80.000 referencias fraudulentas insertadas artificialmente, distribuidas en 2.787 artículos manipulados. Algunos artículos beneficiados llegaron a recibir cientos de citas indebidas, alcanzando cifras completamente anómalas en plataformas como Digital Science Dimensions o OpenAlex OpenAlex. El caso más extremo documentado en el artículo corresponde a un DOI que aparecía acreditado con aproximadamente 1.700 citas en Dimensions y 1.800 en OpenAlex, aunque una parte sustancial de esas citas provenían exclusivamente de referencias falsas introducidas en metadatos y nunca presentes en publicaciones reales. Esto demuestra que la manipulación logró atravesar múltiples sistemas de agregación científica y afectar directamente bases de datos utilizadas mundialmente para evaluar investigación.

Uno de los aspectos más preocupantes del estudio es que esta manipulación ocurre en una capa invisible para la mayoría de investigadores, bibliotecarios y evaluadores científicos. Tradicionalmente, las malas prácticas en citación implicaban añadir citas irrelevantes dentro del propio artículo, mediante coerción editorial o acuerdos entre autores. Sin embargo, el mecanismo identificado aquí opera después de la publicación, en el nivel de los metadatos depositados en infraestructuras centrales del ecosistema científico. Esto significa que incluso artículos perfectamente legítimos pueden convertirse, sin conocimiento de sus autores, en vehículos para generar citas artificiales que alteren métricas globales. El problema deja de ser un asunto editorial aislado para convertirse en una vulnerabilidad sistémica de la infraestructura internacional de comunicación científica.

Los investigadores intentaron además escalar el análisis a gran escala examinando más de 47 millones de documentos científicos procesados por Dimensions desde el año 2000, con el objetivo de detectar patrones similares en toda la literatura académica mundial. Aunque el procesamiento masivo presenta limitaciones técnicas, especialmente en la extracción automática de referencias desde archivos PDF, el estudio demuestra que existen mecanismos potenciales para auditar grandes volúmenes de literatura científica y detectar patrones anómalos de citación. Los autores también exploraron heurísticas basadas en referencias duplicadas dentro de registros Crossref como posible señal temprana de manipulación sistemática.

El artículo plantea profundas implicaciones para todo el ecosistema de comunicación científica. Si plataformas como Crossref, OpenAlex, Scopus o sistemas derivados utilizan metadatos potencialmente manipulados, entonces gran parte de los indicadores bibliométricos contemporáneos podrían estar sujetos a distorsiones invisibles. Los autores reclaman mecanismos de auditoría más rigurosos por parte de infraestructuras académicas, validaciones automáticas entre texto completo y metadatos depositados, así como mayor vigilancia sobre prácticas editoriales sospechosas. Más allá del caso específico investigado, el estudio abre una discusión fundamental sobre la fragilidad de los sistemas de evaluación científica contemporáneos y sobre cómo la obsesión por las métricas cuantitativas puede incentivar nuevas formas de fraude cada vez más sofisticadas y difíciles de detectar.

OpenEval: la inteligencia artificial entra en la revisión científica y redefine el futuro del peer review

OpenEval Project. “OpenEval Project: Transparent LLM-Enabled Peer Review Assessment”. Plataforma de investigación abierta sobre evaluación científica asistida por inteligencia artificial, 2026. Disponible en: OpenEval Project

OpenEval propone una revolución en la evaluación científica al sustituir la revisión global del artículo por un análisis automatizado de cada afirmación individual contenida en el paper, demostrando que la inteligencia artificial puede participar activamente en la validación del conocimiento científico y cuestionando el modelo tradicional de peer review que ha dominado la ciencia durante siglos

El proyecto OpenEval representa una de las iniciativas más ambiciosas actualmente en desarrollo para replantear uno de los pilares centrales de la ciencia moderna: el sistema de peer review o revisión por pares. Durante más de tres siglos, la validación de artículos científicos ha dependido casi exclusivamente del juicio humano de especialistas encargados de evaluar la calidad metodológica, la consistencia argumentativa y la solidez empírica de un trabajo antes de su publicación. Sin embargo, el crecimiento exponencial de la producción científica mundial —acentuado todavía más por el uso creciente de herramientas de inteligencia artificial generativa— está comenzando a desbordar la capacidad del sistema tradicional. OpenEval surge precisamente como respuesta a este problema estructural: desarrollar un sistema transparente, sistemático y automatizado capaz de analizar artículos científicos mediante modelos de lenguaje avanzados y comparar sus evaluaciones con revisiones realizadas por expertos humanos.

La innovación central del proyecto consiste en cambiar radicalmente la unidad básica de evaluación científica. Tradicionalmente, un artículo se revisa como un documento global donde los revisores formulan observaciones generales sobre hipótesis, metodología, resultados o conclusiones. OpenEval propone descomponer cada paper en unidades mínimas verificables: afirmaciones concretas o claims individuales. Cada afirmación es extraída automáticamente del texto mediante procesamiento lingüístico avanzado y posteriormente clasificada según el tipo de evidencia que la respalda. El sistema distingue, por ejemplo, afirmaciones sustentadas en datos experimentales directos, referencias bibliográficas previas, inferencias estadísticas o interpretaciones especulativas. Esta descomposición granular permite que la inteligencia artificial no evalúe un artículo como un bloque narrativo indivisible, sino como una red estructurada de afirmaciones susceptibles de verificación independiente. La idea responde a una intuición fundamental: la ciencia debería ser legible no solo para seres humanos, sino también para máquinas capaces de interpretar formalmente la arquitectura lógica del conocimiento científico.

Para poner a prueba esta metodología, los desarrolladores construyeron uno de los mayores corpus experimentales de revisión científica automatizada disponibles actualmente. El sistema procesó 16.089 artículos científicos procedentes de la revista de acceso abierto eLife, identificando 1.964.856 afirmaciones individuales distribuidas en casi 300.000 unidades evaluables. Paralelamente se recopilaron más de 29.000 revisiones generadas por OpenEval y cerca de 29.205 revisiones realizadas previamente por revisores humanos, permitiendo comparar ambos sistemas de evaluación. Uno de los hallazgos más significativos fue comprobar que la inteligencia artificial identificaba un mayor número de afirmaciones relevantes dentro de cada artículo que los revisores humanos. Mientras los expertos humanos tendían a concentrarse en un conjunto relativamente limitado de resultados principales, OpenEval lograba cubrir un espectro mucho más amplio del contenido científico, detectando matices argumentativos que frecuentemente pasan desapercibidos durante el proceso convencional de peer review.

El proyecto revela además una cuestión especialmente relevante: los sistemas automatizados no solo son capaces de reproducir evaluaciones humanas, sino que en ciertos aspectos pueden mostrar comportamientos analíticos diferentes e incluso más rigurosos. Los datos comparativos muestran que OpenEval tiende a ser más conservador frente a afirmaciones basadas en especulación o inferencias indirectas, mientras que otorga mayor confianza a resultados respaldados por datos experimentales o citas verificables. En varios casos, la inteligencia artificial clasificó determinadas afirmaciones como inciertas o insuficientemente sustentadas allí donde revisores humanos habían emitido valoraciones más favorables. Esto sugiere que la automatización no necesariamente implica replicar sesgos humanos existentes, sino introducir nuevas formas de escrutinio científico potencialmente más sistemáticas y consistentes. La revisión científica comienza así a transformarse desde una práctica artesanal basada en juicio experto hacia un proceso parcialmente algorítmico basado en análisis estructurado del conocimiento.

Otro elemento decisivo del proyecto es su apuesta por la transparencia. A diferencia del sistema tradicional de revisión académica, donde los informes de los evaluadores suelen permanecer ocultos o limitados al editor y a los autores, OpenEval permite explorar públicamente los resultados a través de una interfaz interactiva. Los usuarios pueden examinar manuscritos concretos, visualizar cada afirmación extraída automáticamente y comparar directamente las evaluaciones emitidas por inteligencia artificial frente a revisores humanos. Esta apertura convierte el proceso de evaluación científica en un objeto de investigación en sí mismo, permitiendo estudiar empíricamente cómo se toman decisiones editoriales, qué tipo de afirmaciones generan mayor controversia y en qué áreas coinciden o divergen humanos y algoritmos. La revisión por pares deja de ser una práctica opaca para convertirse en un sistema observable y cuantificable.

Desde una perspectiva más amplia, OpenEval se inscribe en un cambio profundo dentro del ecosistema de comunicación científica contemporánea. Durante siglos, el artículo académico fue simultáneamente unidad de conocimiento, unidad narrativa y unidad de evaluación. Proyectos como OpenEval cuestionan esa estructura histórica al sugerir que el verdadero objeto de validación científica no debería ser el artículo como documento cerrado, sino cada afirmación verificable que lo compone. Esta lógica conecta directamente con propuestas emergentes que defienden una ciencia machine-readable, es decir, una producción científica estructurada de tal forma que sistemas artificiales puedan navegar, contrastar y evaluar automáticamente el conocimiento publicado. Si esta visión prospera, el peer review del futuro podría dejar de consistir en enviar manuscritos completos a dos o tres especialistas y pasar a funcionar como un sistema híbrido donde algoritmos analizan miles de afirmaciones individuales antes de que expertos humanos intervengan en la interpretación final.

La consecuencia filosófica de este proyecto resulta especialmente profunda. Durante siglos se asumió que evaluar ciencia era una capacidad exclusivamente humana basada en experiencia disciplinar, intuición metodológica y juicio crítico experto. OpenEval pone en cuestión esa convicción al demostrar que sistemas algorítmicos pueden participar activamente en la validación del conocimiento científico a gran escala. Esto obliga a replantear no solo la infraestructura editorial académica, sino conceptos mucho más amplios como autoridad científica, legitimidad epistemológica y confianza en los mecanismos que históricamente han definido qué conocimiento merece incorporarse al patrimonio intelectual colectivo. La inteligencia artificial deja así de ser simplemente una herramienta auxiliar para convertirse en un nuevo actor dentro del propio proceso de construcción y validación de la ciencia contemporánea.

¿Es el artículo científico la próxima víctima de la inteligencia artificial? La transformación radical de la comunicación científica

Requarth, Tim. “The next unit of science: Is the scientific paper due to be replaced?” En The Transmitter, sección From Bench to Bot, 11 de mayo de 2026. Publicado en el medio especializado The Transmitter: Neuroscience News and Perspectives

El artículo de plantea una cuestión profundamente disruptiva para el ecosistema académico contemporáneo: si el tradicional artículo científico —la unidad fundamental de comunicación del conocimiento desde hace más de tres siglos— está entrando en una fase terminal debido al avance de la inteligencia artificial.

La reflexión parte de una perspectiva histórica, recordando que antes de la aparición de las revistas científicas en el siglo XVII, los investigadores publicaban extensos tratados, como hizo Johannes Kepler en Astronomia Nova o Isaac Newton en su célebre Principia. La aparición de publicaciones periódicas, como Philosophical Transactions de la Royal Society, permitió acelerar el intercambio de resultados científicos, fragmentando el conocimiento en unidades más pequeñas y dinámicas: el paper. Durante siglos, este modelo fue extraordinariamente exitoso y permitió avances acumulativos que definieron la ciencia moderna.

Sin embargo, según el autor, ese modelo ha comenzado a mostrar signos evidentes de agotamiento, y la irrupción de la inteligencia artificial no hace sino acelerar una crisis que ya existía. Herramientas basadas en modelos de lenguaje permiten hoy producir artículos académicos a una velocidad sin precedentes, hasta el punto de saturar completamente el sistema de revisión por pares. Se menciona el caso de investigadores que generan versiones casi idénticas de estudios reutilizando bases de datos públicas con ligeras modificaciones textuales para evitar sistemas antiplagio, así como el desarrollo de sistemas automatizados como Paper Orchestra, presentado por Google, capaz de transformar notas de laboratorio en un manuscrito científico completo, con figuras y referencias verificadas, en apenas cuarenta minutos. Esta automatización masiva amenaza directamente uno de los pilares del sistema científico: la evaluación rigurosa realizada por expertos humanos, cuyos tiempos y capacidades están siendo desbordados.

Frente a esta situación, diversos científicos comienzan a proponer un replanteamiento radical de la propia estructura de la publicación académica. El artículo analiza especialmente el proyecto OpenEval, desarrollado por investigadores como Lior Pachter y colaboradores, que propone descomponer cada paper en unidades verificables: afirmaciones concretas, evidencias que las sustentan y evaluaciones automatizadas de la consistencia de dichas evidencias. Aplicado a cerca de 16.000 artículos de la revista eLife, el sistema logró identificar casi dos millones de afirmaciones individuales y mostró una capacidad de evaluación comparable a revisores humanos, aunque con una cobertura significativamente superior. La idea central consiste en separar dos funciones que actualmente están fusionadas en el paper: por un lado, la comunicación estructurada de resultados; por otro, la narrativa interpretativa que contextualiza esos hallazgos.

El texto presta especial atención a cómo esta transformación podría beneficiar disciplinas particularmente fragmentadas como la neurociencia. En campos donde conviven investigaciones sobre genética molecular, sinapsis neuronales, comportamiento, neuroimagen o psicología experimental, gran parte del conocimiento permanece aislado en compartimentos estancos porque ningún investigador puede procesar el volumen total de publicaciones existentes. Sistemas de conocimiento estructurado y legible por máquinas permitirían conectar automáticamente descubrimientos relacionados que actualmente permanecen invisibles entre sí. El autor cita ejemplos concretos en los que investigaciones independientes sobre mecanismos sinápticos similares no llegaron a citarse mutuamente pese a sus implicaciones complementarias, un problema que podría resolverse mediante bases de conocimiento interconectadas alimentadas por inteligencia artificial.

Más radical todavía es la propuesta formulada por la física italiana Francesca Colaiori, quien imagina una futura red adaptativa del conocimiento donde el paper desaparece por completo como unidad principal y es sustituido por “objetos de conocimiento”: hipótesis, conjuntos de datos, métodos, preguntas abiertas o resultados experimentales individuales que se conectan dinámicamente entre sí, de manera similar a una gigantesca enciclopedia científica colaborativa. En este escenario, publicar dejaría de consistir en redactar un artículo cerrado y pasaría a parecerse más a editar una red viva de conocimiento colectivo. Paralelamente, revistas como NEJM AI ya experimentan con sistemas híbridos en los que revisores humanos trabajan junto a modelos de lenguaje que generan informes automatizados, reduciendo el tiempo entre envío y aceptación a apenas siete días.

No obstante, Requarth introduce una advertencia crucial frente a este entusiasmo tecnológico. El acto mismo de escribir un artículo científico no es únicamente un mecanismo administrativo de comunicación, sino una parte fundamental del proceso intelectual del investigador. La dificultad de redactar obliga a clarificar ideas, detectar incoherencias metodológicas, reorganizar argumentos y descubrir debilidades conceptuales que a menudo no se perciben durante la experimentación. Automatizar completamente la escritura científica podría eliminar precisamente ese proceso cognitivo donde muchas veces surge una comprensión más profunda del propio descubrimiento. En otras palabras, aunque el artículo científico sea un formato imperfecto como contenedor de datos, podría seguir desempeñando una función intelectual esencial que no resulta fácilmente reemplazable por sistemas automatizados.

El ensayo sitúa a la ciencia en un momento histórico comparable a la transición que siglos atrás llevó del tratado erudito al artículo breve de revista. Así como aquel cambio revolucionó la velocidad y naturaleza del progreso científico, la inteligencia artificial podría estar impulsando una nueva mutación estructural en la forma en que la humanidad organiza, valida y comparte el conocimiento. El paper tradicional, argumenta el autor, ya está siendo superado de facto por un ecosistema caótico formado por archivos suplementarios interminables, repositorios de datos, código sin documentar y bases distribuidas en múltiples plataformas. La pregunta ya no sería si el artículo científico desaparecerá, sino qué nueva arquitectura sustituirá ese modelo y cómo preservar, en medio de esa transición tecnológica, la dimensión profundamente humana del pensamiento científico. El futuro de la investigación, concluye Requarth, dependerá de encontrar un equilibrio entre la eficiencia algorítmica y la reflexión intelectual que durante siglos ha definido el acto mismo de hacer ciencia.