Archivo de la etiqueta: Investigación

¿Cómo están respondiendo los investigadores a la Inteligencia Artificial (IA), que les entusiasma y preocupa?

Heaton, Benedict. «How are researchers responding to AI?» Oxford University Press, 23 de mayo de 2024. https://corp.oup.com/news/how-are-researchers-responding-to-ai/.

Oxford University Press recientemente llevó a cabo una encuesta entre más de 2,000 investigadores de diversas geografías, disciplinas académicas —incluyendo Humanidades, Ciencias STM (Science, Technology, Medicine), y Ciencias Sociales— y diferentes etapas de carrera, con el objetivo de conocer directamente de la comunidad investigadora cómo están reaccionando y utilizando la inteligencia artificial en su trabajo.

Encuesta a más de 2,000 investigadores de diversas geografías, disciplinas académicas —incluyendo Humanidades, Ciencias STM y Ciencias Sociales— y diferentes etapas de carrera, para conocer directamente de la comunidad de investigación cómo están reaccionando y utilizando la IA en su trabajo.

Los resultados revelan las consideraciones clave en las decisiones de los investigadores para involucrarse con la IA, incluyendo qué aspectos les entusiasman y les preocupan, y cómo están utilizando —o planean utilizar— las herramientas ya disponibles para ellos.

La mayoría de los investigadores académicos y autores de investigación afirman estar utilizando herramientas de inteligencia artificial (IA) en su práctica investigativa, a pesar de preocupaciones sobre la pérdida de habilidades críticas de pensamiento, el respeto por los derechos de propiedad intelectual (IP) y la desconfianza en los proveedores de IA.

Resumen de los hallazgos generales

  • Poco más de tres cuartas partes (76%) de los investigadores reportan utilizar alguna forma de herramienta de inteligencia artificial (IA) en su investigación actualmente. Las herramientas de traducción automática (49%) y los chatbots (43%) son las más populares, seguidas de los motores de búsqueda o herramientas de investigación impulsadas por IA (25%).
  • Un poco más de una cuarta parte (27%) indica tener un buen entendimiento general de las herramientas de IA.
  • Al considerar las etapas de la investigación, la IA se utiliza principalmente para descubrir investigaciones existentes, así como para la edición y resumen de investigaciones ya realizadas.
  • Aquellos que utilizan la IA en cualquier etapa de su investigación tienden a sentir que se han beneficiado al hacerlo, principalmente porque ayuda con la eficiencia.
  • La mitad (46%) de los investigadores informa que la institución donde trabajan no tiene una política de IA, y otro cuarto (26%) indica que no lo sabe.
  • En general, la confianza en las compañías de IA es muy baja, con solo un 8% confiando en que las compañías de IA no usarán sus datos sin permiso, y un 6% confiando en que cumplirán con los requisitos de privacidad y seguridad de datos.
  • También existen fuertes preocupaciones sobre las implicaciones para la propiedad intelectual y cómo la IA impactará la investigación académica en general, con una cuarta parte (25%) del grupo creyendo que la IA reduce la necesidad de pensamiento crítico.

En conclusión, la mayoría dice haber utilizado alguna forma de IA y más de dos tercios han sentido los beneficios de usar IA. También, la gran mayoría expresa desconfianza hacia las compañías de IA. Les preocupa cómo la IA podría afectar la calidad de la investigación, en concreto tienen temores sobre las cuestiones de propiedad intelectual, la posible reducción de habilidades críticas de pensamiento debido a la IA. También reconocen la importancia de considerar las implicaciones del uso de IA y más de la mitad dicen que buscaría orientación sobre IA en sociedades académicas.

    ¿Cómo se documentan los investigadores? Las técnicas de descubrimiento varían según la disciplina y el tipo de investigación realizada

    Buckley, Chad E.; Scott, Rachel E.; Shelley, Anne; Thayer-Styes, Cassie; and Murphy, Julie A., «Disciplinary Differences and Scholarly Literature: Discovery, Browsing, and Formats» (2024). Faculty and Staff Publications – Milner Library. 196.
    https://ir.library.illinoisstate.edu/fpml/196

    Texto completo

    El estudio informa sobre las experiencias de los profesores en relación con el descubrimiento de contenido académico, destacando similitudes y diferencias en una variedad de disciplinas académicas. Los autores entrevistaron a veinticinco profesores en una universidad pública de alta investigación en el Medio Oeste para explorar las intersecciones del descubrimiento, la navegación y el formato desde diversas perspectivas disciplinarias. Aunque la mayoría de los participantes dependen de herramientas de descubrimiento similares, como catálogos de bibliotecas, bases de datos y Google Scholar, sus técnicas de descubrimiento variaban según la disciplina y el tipo de investigación realizada. La navegación no es un método estándar para el descubrimiento, pero algunos académicos aún la utilizan de manera selectiva y estratégica. Los artículos de revistas son el formato más importante en todas las disciplinas, pero los libros, capítulos y actas de conferencias son esenciales para algunos académicos y deben considerarse al facilitar el descubrimiento. Los hallazgos detallan varias formas en que las experiencias disciplinarias y personales moldean las prácticas de los académicos. Los autores discuten la desconexión percibida entre la capacidad de exploración, descubrimiento y acceso a la literatura académica y exploran soluciones que hacen que la biblioteca sea central para el descubrimiento y la navegación.

    Encuesta sobre el uso de chatbots de IA generativa por parte de estudiantes para la investigación académica

    Deschenes, A., & McMahon, M. (2024). A Survey on Student Use of Generative AI Chatbots for Academic Research. Evidence Based Library and Information Practice, 19(2), 2–22. https://doi.org/10.18438/eblip30512

    El estudio de Amy Deschenes y Meg McMahon de la Universidad de Harvard revela que el 65% de los estudiantes utiliza o planea utilizar chatbots de IA generativa para trabajos académicos, aunque muchos desconfían de sus resultados. A pesar de su uso activo, los estudiantes buscan orientación para utilizarlos eficazmente. Los bibliotecarios deben aprender a usar estas herramientas para apoyar a los estudiantes en la evaluación crítica y la incorporación de resultados de IA en sus investigaciones.

    La investigación tiene como tiene como objetivo comprender el uso de la IA generativa entre estudiantes de pregrado y posgrado. Específicamente, se busca saber cuántos estudiantes utilizan estas herramientas, con qué frecuencia y para qué tareas. Además, se pretende identificar la confianza de los estudiantes en los resultados generados por la IA y sus opiniones sobre la posibilidad de una herramienta de IA generativa mantenida localmente. También se exploró el interés de los estudiantes en recibir capacitación sobre el uso de la IA generativa en el contexto académico. Este estudio tiene como finalidad ayudar a los bibliotecarios a entender la adopción de la IA generativa entre los estudiantes y la necesidad de incorporarla en sus labores de apoyo académico.

    Para llevar a cabo el estudio, un equipo compuesto por tres miembros del personal de la biblioteca y un pasante estudiante diseñó y ejecutó una encuesta que fue distribuida a 360 estudiantes de la Universidad de Harvard. La distribución se realizó a través de listas de correo electrónico y en lugares frecuentados por estudiantes como cafés y bibliotecas del campus. La recopilación y análisis de datos se llevó a cabo utilizando la plataforma Qualtrics.

    Los resultados revelaron que casi el 65% de los encuestados ha utilizado o planea utilizar chatbots de IA generativa para sus trabajos académicos. Sin embargo, a pesar de este uso, la mayoría de los estudiantes (65%) no considera que los resultados generados por la IA sean suficientemente confiables para fines académicos. Estos hallazgos indican que, aunque los estudiantes emplean activamente estas herramientas, existe una necesidad de orientación y formación sobre su uso eficaz.

    Se encontró que casi el 65% de los encuestados ha utilizado o planea utilizar chatbots de IA generativa para el trabajo académico, aunque la mayoría de los encuestados (65%) no encuentra sus resultados lo suficientemente confiables para el trabajo académico. Los hallazgos muestran que los estudiantes usan activamente estas herramientas, pero desean orientación sobre cómo usarlas eficazmente.

    En conclusión, la investigación muestra que los estudiantes están interactuando con la IA generativa en sus actividades académicas, pero no confían completamente en la información que esta produce. Es esencial que los bibliotecarios comprendan el impacto significativo de esta tecnología en los hábitos de búsqueda de información y de investigación de los estudiantes. Para brindar un apoyo adecuado, los bibliotecarios deben estar capacitados en el uso de estas herramientas, de manera que puedan asesorar a los estudiantes sobre cómo evaluar críticamente los resultados de la IA e incorporarlos de manera efectiva en sus investigaciones.

    Documento de opinión sobre la digitalización avanzada de la investigación

    European Commission, Directorate-General for Research and Innovation, Opinion paper on advanced digitalisation of research, Publications Office of the European Union, 2024, https://data.europa.eu/doi/10.2777/932733

    El documento discute cómo la digitalización avanzada en la recolección, validación, análisis y simulación de datos puede mejorar la reproducibilidad de la investigación y la usabilidad de los datos. Resalta que, al aplicar principios y políticas de Ciencia Abierta, se puede crear una masa crítica de Datos FAIR evaluados por calidad (QAFAIRD) y objetos de investigación. Esto permitirá el desarrollo confiable y seguro de la Inteligencia Artificial, el Aprendizaje Automático y los Entornos Virtuales de Investigación.

    El documento identifica el estado actual de la digitalización avanzada en la investigación y señala los cuellos de botella que deben abordarse para cumplir con estos objetivos. Además, busca contribuir a la plena operatividad del EOSC (European Open Science Cloud).

    Ética e integridad en la investigación – Crear una cultura de confianza y excelencia

    European Commission, Directorate-General for Research and Innovation, Publications Office of the European Union, Ethics and integrity in research – Building a culture of trust and excellence, Publications Office of the European Union, 2024, https://data.europa.eu/doi/10.2830/190203

    La ética y la integridad de la investigación son requisitos previos para la excelencia investigadora y para mantener la confianza de la sociedad en la ciencia. Además, la investigación responsable debe reflexionar sobre las repercusiones sociales y el posible mal uso de los nuevos avances tecnológicos, como la inteligencia artificial, las nuevas técnicas genómicas, la biomedicina, la geoingeniería, la biología sintética y la neurotecnología. Esto requiere un proceso colectivo, amplio e integrador de reflexión y diálogo, basado en los valores en torno a los cuales queremos organizar la sociedad y en el papel que las tecnologías deben desempeñar en ella. La Unión Europea se ha comprometido a proteger y promover los derechos, valores y principios fundamentales, tanto en el ámbito nacional como en la cooperación internacional en materia de investigación e innovación. Los ocho proyectos financiados por Horizonte que figuran en el Results Pack de CORDIS sobre ética e integridad en la investigación ilustran cómo la UE fomenta el desarrollo de la formación, la educación y la capacitación, el diálogo con los socios mundiales y la mejora de los marcos, herramientas y procedimientos para garantizar que el progreso científico y tecnológico vaya de la mano de los valores que apreciamos.

    Publicación de CiteScore 2023 (2024)

    «CiteScore 2023: A comprehensive, clear and current metric for journal impact | Elsevier Scopus Blog». Accedido 13 de junio de 2024. https://blog.scopus.com/posts/citescore-2023-a-comprehensive-clear-and-current-metric-for-journal-impact.

    Scopus anuncia el próximo lanzamiento de CiteScore 2023, una métrica que proporciona información sobre el impacto de las citas de las revistas.

    Desarrollado por el equipo del International Center for the Study of Research (ICSR), CiteScore ofrece una evaluación equilibrada y completa de las contribuciones basadas en la investigación de una revista. CiteScore permite a investigadores, bibliotecarios, editores y oficinas de investigación tomar decisiones bien informadas sobre dónde publicar y estrategias de publicación.

    Aspectos destacados del lanzamiento de CiteScore 2023:

    1. Cobertura ampliada: CiteScore 2023 incluye 29.777 títulos activos, con 2.212 títulos recibiendo su primer CiteScore. Esta cobertura más amplia asegura un conjunto de datos más completo para evaluar el impacto de las revistas.
    2. Más títulos de acceso abierto: El lanzamiento incluye 6.943 títulos de acceso abierto, con 52 de ellos clasificándose como número 1 en sus respectivas categorías, destacando la creciente importancia de la investigación de acceso abierto.
    3. Diversas categorías temáticas: CiteScore cubre 334 categorías temáticas, con Historia siendo el área más grande, comprendiendo 1.760 títulos. Esta diversidad permite a los usuarios explorar el impacto en varios campos.
    4. Títulos de alto impacto: CiteScore 2023 identifica 11.144 títulos con CiteScore pero sin Factor de Impacto en 2022. Entre ellos, 416 títulos están altamente clasificados en sus respectivas áreas, ubicándolos en el top 10%.
    5. Representación global: El 22% de las revistas CiteScore son publicaciones no en inglés en más de 50 idiomas, proporcionando una perspectiva global sobre el impacto de la investigación.
    6. Impacto creciente: 668 títulos experimentaron un aumento de CiteScore del 100% o más entre 2022 y 2023, mostrando la naturaleza dinámica del impacto de la investigación.

    La metodología de CiteScore refleja el impacto de citación de las contribuciones basadas en la investigación de una revista con mayor estabilidad, consistencia en los períodos de tiempo utilizados, y permanece integral, actual, clara y gratuita. Fue desarrollada por el equipo del ICSR (International Center for the Study of Research), basado en una investigación de mercado extensa y según Scopus aprovecha las debilidades inherentes del JIF como métrica de citación a nivel de revista.

    Las mujeres en la historia de la ciencia: libro de consulta

    Wills, Hannah, Sadie Harrison, Erika Jones, Rebecca Martin, y Farrah Lawrence-Mackey, eds. Women in the History of Science: A Sourcebook. UCL Press, 2023.


    Texto completo

    Mujeres en la Historia de la Ciencia reúne fuentes primarias que ponen de relieve la participación de las mujeres en la producción de conocimientos científicos en todo el mundo. A partir de textos, imágenes y objetos, cada fuente primaria va acompañada de un texto explicativo, preguntas para fomentar el debate y una bibliografía para facilitar la investigación. Ordenado por periodos de tiempo, desde el 1200 a.C. hasta el siglo XXI, y a través de 12 temas inclusivos y de gran alcance, este libro es un compañero inestimable tanto para estudiantes como para profesores a la hora de explorar la historia de las mujeres en los campos de la ciencia, la tecnología, las matemáticas, la medicina y la cultura.

    Mientras que las mujeres son excluidas con demasiada frecuencia de los relatos tradicionales de la historia de la ciencia, este libro se centra en las voces y experiencias de las mujeres en toda una serie de ámbitos del conocimiento. Al cuestionar nuestra comprensión de lo que es la ciencia, dónde se produce y quién produce el conocimiento científico, este libro es una ayuda para liberar el currículo en escuelas y universidades.

    ¿Cómo eligen los autores la revista a la que enviar un artículo?

    Maggio, Lauren A., Natascha Chtena, Juan Pablo Alperin, Laura Moorhead, y John M. Willinsky. «“The Best Home for This Paper”: A Qualitative Study of How Authors Select Where to Submit Manuscripts». bioRxiv, 17 de mayo de 2024. https://doi.org/10.1101/2024.05.14.594165.

    Para los investigadores, seleccionar una revista objetivo para enviar un manuscrito es una decisión crítica con implicaciones para la carrera. En educación médica, una investigación realizada en 2016 encontró que los autores estaban influenciados por múltiples factores como el prestigio de una revista y su misión. Sin embargo, desde esta investigación, el panorama de publicación ha cambiado para incluir una variedad más amplia de revistas, una mayor amenaza de revistas predatorias y nuevos modelos de publicación. Este estudio actualiza y expande cómo los autores de educación médica deciden a qué revista enviar, con el objetivo de describir los factores motivacionales y las características de las revistas que guían la toma de decisiones de los autores.

    Los autores consideraron cinco grupos de enfoque cualitativos en los que participaron veintidós autores y editores de educación médica. Durante los grupos de enfoque, los participantes participaron en una discusión sobre cómo seleccionan una revista para enviar sus manuscritos. Se transcribió el audio de todos los grupos de enfoque. Las transcripciones se analizaron utilizando análisis temático de libro de códigos.

    Los participantes consideraron múltiples factores al seleccionar una revista objetivo. Los factores incluyeron el impacto de una revista, el alcance de una revista, la calidad de la revista y factores técnicos (por ejemplo, límites de palabras). Los participantes también describieron cómo los factores sociales influían en su proceso y que el acceso abierto juega un papel que podría tanto alentar como disuadir la presentación.

    Los hallazgos describen los factores motivacionales y las señales influyentes que guían a los autores en su toma de decisiones sobre la selección de revistas. Estos hallazgos confirman, extienden y actualizan los factores de selección de revistas reportados en educación médica y otras disciplinas. Notablemente, estos hallazgos enfatizan el papel de los factores sociales, las relaciones y las experiencias personales, que estaban ausentes en trabajos anteriores. Además, observamos una mayor consideración del OA y un alejamiento del énfasis en el prestigio de la revista.

    Indicadores para una evaluación del impacto de los datos abiertos

    Bas, P., Page, M., Indicators for an open data impact assessment, Publications Office of the European Union, 2024, https://data.europa.eu/doi/10.2830/323236

    Aunque el impacto de los datos abiertos ha sido estudiado anteriormente, generalmente de manera ad hoc, aún es necesario explorar métodos estructurados e indicadores para medir su impacto y la posibilidad de basar estos indicadores en conjuntos de datos existentes. Este informe representa el segundo paso en la definición de una metodología para una evaluación a nivel europeo del impacto de los datos abiertos. La serie de estudios tiene como objetivo crear una herramienta interactiva de monitoreo para la evaluación del impacto de los datos abiertos. Este segundo estudio busca proporcionar una base teórica para desarrollar una metodología que analice el impacto de los recursos de datos públicos, enfocándose en los diferentes impactos a considerar y los indicadores que podrían cuantificarlos. Este informe utiliza los resultados y conclusiones presentados en el primer estudio sobre «repensar el impacto de los datos abiertos» como base. Los resultados de este estudio podrían incorporarse en un tercer estudio, donde se podría desarrollar y pilotar una metodología preliminar para medir el impacto de los datos abiertos.

    Un informe de la Royal Society advierte que la dependencia excesiva de herramientas de IA «opacas» en la investigación podría afectar la fiabilidad de los hallazgos científicos

    «Science in the age of AI : How artificial intelligence is changing the nature and method of scientific research». Royal Society, accedido 30 de mayo de 2024. https://royalsociety.org/news-resources/projects/science-in-the-age-of-ai/.

    Informe

    El informe «The Science in the Age of AI» de la academia nacional de ciencias del Reino Unido analiza las oportunidades y desafíos del aprendizaje automático y los modelos de lenguaje grande como herramientas transformadoras para la investigación del siglo XXI.

    Desde la codificación y el análisis estadístico hasta la generación de nuevas perspectivas a partir de grandes conjuntos de datos, las herramientas de IA ya están transformando campos como el descubrimiento de fármacos y la modelización climática.

    Sin embargo, el informe advierte que la complejidad y la naturaleza de «caja negra» de los modelos sofisticados de aprendizaje automático significa que los investigadores que los utilizan no siempre pueden explicar sus resultados.

    Esto no impide que la IA genere conocimientos útiles. No obstante, un creciente número de estudios irreproducibles basados en IA y aprendizaje automático plantea dudas sobre la solidez de sus conclusiones.

    En última instancia, el informe advierte que las tecnologías de IA poco fiables o no fidedignas suponen riesgos para la ciencia y la confianza de la sociedad en sus hallazgos.

    Para mitigar estos desafíos y maximizar los beneficios que puede aportar la IA, el informe recomienda:

    • Establecer marcos de trabajo abiertos en ciencia, medio ambiente y ética para la investigación basada en IA, a fin de garantizar que los hallazgos sean precisos, reproducibles y apoyen el bien público. Esto podría incluir acuerdos para que los datos con los que se entrenan los modelos de IA estén disponibles para los investigadores, o ejercicios de «equipos rojos» para probar los límites de su uso.
    • Invertir en infraestructuras regionales y multisectoriales de IA al estilo del CERN, para garantizar que todas las disciplinas científicas puedan acceder a la potencia de cálculo y a los recursos de datos necesarios para llevar a cabo una investigación rigurosa y mantener la competitividad de los investigadores no pertenecientes a la industria.
    • Promover la alfabetización en IA entre los investigadores y la colaboración con los desarrolladores para garantizar su accesibilidad y facilidad de uso.

    El informe revisado por pares fue dirigido por un grupo de trabajo de expertos formado por académicos y representantes de la industria, e incluyó revisiones de pruebas, entrevistas y talleres sobre las aplicaciones emergentes y las tendencias en materia de IA, los riesgos de seguridad y el panorama de las patentes.