Archivo de la etiqueta: Investigación

¿Que pasa con los autores hiperprolíficos que publican más de un artículo al día de término medio?

Oransky, Author Ivan. «Meet the Author Who Has Published More than 500 Letters to the Editor in a Year». Retraction Watch (blog), 24 de julio de 2023. https://retractionwatch.com/2023/07/24/meet-the-author-who-has-published-more-than-500-letters-to-the-editor-in-a-year/.

Los autores hiperprolíficos son aquellos cuya productividad científica es tan sorprendentemente alta que a muchos otros científicos les parecería inverosímil y prácticamente inviable. Si revisamos los datos de Scopus, aparecen más de 9000 autores que han logrado publicar, de promedio, 72 artículos al año, lo que equivale a un artículo cada 5 días. Según un estudio de Nature, la gran mayoría de los autores hiperprolíficos (7.888 registros de autor, 86%) publicaron en física. En física de partículas y de altas energías, los proyectos son realizados por grandes equipos internacionales que pueden tener más de 1.000 miembros. Todos los participantes figuran como autores como marca de pertenencia al equipo, no por escribir o revisar los artículos.

Los autores hiperprolíficos llevan tiempo llamando la atención. En 2018, por ejemplo, un artículo de Nature informaba de que «miles de científicos han publicado un artículo cada cinco días.» Y a principios de este año El País señalaba que un científico ahora suspendido publicaba un artículo cada 37 horas.

¿Qué pasa con un autor que publica más de una vez al día, por término medio?

Viroj Wiwanitkit ha publicado 543 artículos indexados en PubMed en los últimos 12 meses, la gran mayoría de ellos cartas al editor. La mayoría de las cartas de Wiwanitkit con sus colegas parecen constar de un solo párrafo. Muchas se refieren al COVID-19 y las vacunas, pero el catálogo incluye cartas sobre la viruela del mono, la cirugía de prótesis de rodilla, el trastorno bipolar e incluso el ChatGPT. Se entrevisto a este autor.

Para ser claros, la mayoría de las definiciones de autores hiperprolíficos excluyen este tipo de obras. Pero el volumen parecía digno de mención. A lo largo de varios correos electrónicos, le hicimos algunas preguntas a Wiwanitkit, ahora profesor adjunto en la Universidad Joseph Ayobabalola de Nigeria. A continuación reproducimos una versión editada;

¿Cómo explica su productividad?

Para el trabajo de perfil, colaboro con otros autores de perfil y, en la mayoría de los casos, me encargo de la supervisión. El tipo de artículo en el que trabaja nuestro grupo suele ser una carta científica al editor, que es un tipo de artículo estándar en las revistas científicas. Nuestro grupo se centra en trabajar y publicar sólo en una revista estándar no predatoria (no remunerada) con indexación internacional. Por supuesto, el artículo tiene que pasar la revisión científica por pares y la comprobación del código de conducta por parte de la editorial académica.

Una forma de producir el trabajo científico tiene que empezar con buenas ideas, planificar y trabajar en el plan académico. Como también soy editor de muchas revistas, suelo recibir comunicaciones de algunos profesionales académicos para colaborar.

Usted no es el primero que me pregunta cómo hacer muchas publicaciones, y yo le respondo con un concepto sencillo: hay que crear una idea, elaborar un plan y practicar para adquirir experiencia en el trabajo y la escritura. Además, suelo enseñar a mis subordinados a seguir el código de conducta, ya que si no se sigue un buen código de conducta, no se obtendrán ideas creativas ni experiencia para realizar cualquier trabajo.

Llevo más de 30 años trabajando en países pobres en desarrollo. Al principio, escribí muchos artículos que fueron rechazados (más de mil borradores de artículos que presenté durante mis primeras prácticas académicas y fueron rechazados).

¿Por qué se centran en las revistas indexadas?

Las revistas indexadas son una plataforma estándar en la sociedad académica. Las revistas grises y depredadoras no son buenas. Creo que lo entiende.

¿Recibe algún beneficio económico o de otro tipo por publicar estas cartas?

Nunca he recibido dinero por escribir esos trabajos. El trabajo académico es por voluntad propia. También he aconsejado alguna vez a algunos de mis subalternos que intentan ganar dinero trabajando de forma incorrecta, como la escritura fantasma.

¿Le preocupa que este volumen de trabajo dé lugar a cartas superficiales?

Superficial o no depende de la opinión de los lectores. Cualquier trabajo se somete a un proceso académico rutinario de revisión por pares y a un código ético de conducta. En mi opinión, un trabajo pequeño o grande no es importante. Las ideas son más importantes

¿Alguna vez has oído y recordado la historia de un artículo de la famosa regla científica escrita por Einstein. Un artículo largo con contenido sin sentido y pobre en ideas no es raro y muchos autores usan revistas depredadoras (pagadas) para ser su portal de publicación, con lo que no estoy de acuerdo en absoluto con esa idea. En Asia, tenemos el modismo «toma un cuarto primero y entonces obtendrás el entero completo».

Si se confía sólo en lo largo y se devalúa el mensaje corto, no habrá progreso científico. Otro punto que no publico trabajo largo desde que ya notifico que no hay dinero para apoyar mi trabajo académico de equipo. En la actualidad, suelo actuar como supervisor de mis colegas junior y la mayoría de ellos son de países asiáticos pobres y no tienen dinero para pagar los caros gastos de publicación, por lo que suelen escribir un trabajo corto para corresponder y gestionar el problema de los gastos de publicación.

Publicar una carta científica corta suele costarme y puede que el equipo no cobre. Tal vez, si hay algún apoyo financiero externo, un artículo más largo podría ser enfocado (tal vez, en su entorno, EE.UU.??, podría haber financiación para apoyar a los autores jóvenes que tienen la voluntad de hacer el trabajo académico).

Quien publica pocos trabajos puede publicar trabajos buenos o sin sentido, o trabajos éticos o no éticos. Lo mismo ocurre con los autores de alto perfil.

Por último, como ya he dicho, no cuentes con otros trabajos. Contar con el número de otros trabajos puede hacerte sentir fatigado y perder la esperanza de alcanzar el objetivo. En algunos casos, una mala persona puede sentir celos y sentirse mal cuando ve que otra tiene más éxito. Este es un mensaje importante que suelo enseñar a mis jóvenes.

¿Algún consejo?

[Me gustaría transmitir a todos los principiantes el mensaje de que 1. Si no caminas, no alcanzarás el objetivo. 2. 2. ¡Roma no se construye en un día! 3. 3. Primero haz algo bueno por ti mismo. Dios no ayudará a nadie que no se ayude a sí mismo. 4. 4. No cuentes con el éxito de otros, sino busca mejorar tú mismo. 5. No pierdas el tiempo, todo tiene que empezar de 0 antes de llegar al infinito.

El 95,7% de las principales revistas prohíben la inclusión de la Inteligencia Artificial Generativa como autor.

Ganjavi, Conner, Michael B. Eppler, Asli Pekcan, Brett Biedermann, Andre Abreu, Gary S. Collins, Inderbir S. Gill, y Giovanni E. Cacciamani. «Bibliometric Analysis of Publisher and Journal Instructions to Authors on Generative-AI in Academic and Scientific Publishing». arXiv, 21 de julio de 2023. https://doi.org/10.48550/arXiv.2307.11918.

El objetivo de esta investigación consiste en analizar las normas y orientaciones proporcionadas a los autores acerca del uso de herramientas basadas en Generative-AI (IAG), Generative Pretrained Models (GPTs) y Large Language Models (LLMs) en las 100 principales editoriales y revistas académicas de ciencias. Para llevar a cabo este estudio, se examinaron los sitios web de estas editoriales y revistas en el período comprendido entre el 19 y el 20 de mayo de 2023.

Entre las 100 editoriales más importantes, el 17% ofrecía orientación sobre el uso de IAG, de las cuales 12 (70,6%) se encontraban dentro de las 25 primeras. Además, el 95,7% de las revistas prohiben la inclusión de IAG como autor. Cuatro revistas (5,7%) tienen una prohibición explícita del uso de IAG para generar un manuscrito, mientras que 3 (17,6%) editores y 15 (21,4%) revistas indicaron que sus orientaciones solo se aplican al proceso de redacción.

En cuanto a la divulgación del uso de IAG, el 42,8% de las editoriales y el 44,3% de las revistas incluyeron criterios específicos. Hubo diversidad en la orientación sobre dónde incluir el uso de IAG, incluyendo los métodos, agradecimientos, carta de presentación o una nueva sección. También se observó variabilidad en la accesibilidad de las orientaciones sobre IAG y en la vinculación de estas instrucciones entre las revistas y editoriales y sus autores.

Además, algunas de las principales editoriales y revistas carecen de orientaciones sobre el uso de IAG por parte de los autores. Entre las que sí proporcionan orientación, existe una heterogeneidad significativa en los usos permitidos de la IAG y en la forma de revelar su utilización, persistiendo esta heterogeneidad incluso entre editoriales y revistas afiliadas en algunos casos.

La falta de normalización representa una problema para los autores y podría limitar la eficacia de estas directrices. Por lo tanto, se requieren directrices normalizadas para salvaguardar la integridad de la producción científica en un contexto donde la popularidad de la IAG sigue en aumento.

Conferencia «Publicar en el Ecosistema de Ciencia Abierta»

VER VIDEO CONFERENCIA «PUBLICAR EN EL ECOSISTEMA DE CIENCIA ABIERTA»

día 5 de julio 2023 Universidad de Colima (MEXICO) por Julio Alonso Arévalo

VER VIDEO

Artículo

Presentación PPS

La difusión del conocimiento científico se materializa en su escritura, publicación y circulación. La Ciencia Abierta es, por su la naturaleza, una plataforma para el diálogo, fomentando más intercambios y estimulando a los investigadores adaptar sus prácticas de publicación y difusión, lo que les permitirá reducir los costes, la mejora de los contenidos académicos, así como el fomento de una mayor circulación y generación del conocimiento. El objetivo es la realización de propuestas sobre las acciones que los investigadores deben llevar a cabo en el ámbito de la investigación como conversación, es decir, la integración de la escritura académica en la Ciencia Abierta y el intercambio de datos y resultados de la investigación. Finalmente se reflexiona sobre los actuales retos de la Ciencia Abierta para los investigadores y el mundo académico.

Fuentes de información para evaluar la calidad de los libros y capítulos científicos

Los libros desempeñan un papel fundamental como medio de comunicación científica en los campos de Humanidades y gran parte de las Ciencias Sociales. Los estudios bibliométricos han demostrado consistentemente que los investigadores en estas disciplinas publican en diversos formatos, pero muestran una preferencia especial por las monografías publicadas en su lengua materna y por editoriales nacionales. Además, tienden a citar principalmente este tipo de documentos en comparación con otros.

Como resultado, no sorprende que estas publicaciones jueguen un papel importante en el currículum de los investigadores. Cuando se les pregunta acerca de los medios de publicación que deben ser priorizados en la evaluación de su actividad científica, las monografías suelen ser destacadas en primer lugar.

Existen varias fuentes de información que se pueden utilizar para evaluar la calidad de los libros académicos:

SPI (Scholarly Publishers Indicators)

SPI es un índice bibliométrico que tiene como objetivo medir la difusión y visibilidad de las editoriales de libros científicos en el ámbito de las Humanidades y Ciencias Sociales. Este índice se basa en el recuento de los libros incluidos en los catálogos de bibliotecas universitarias y académicas españolas que forman parte del catálogo colectivo REBIUN (Red de Bibliotecas Universitarias).

El propósito de SPI es proporcionar una métrica que permita evaluar la presencia y el impacto de las editoriales de libros académicos en el ámbito de las Humanidades y Ciencias Sociales. Al contar con información sobre los libros presentes en los catálogos de las bibliotecas, se busca medir su difusión y visibilidad entre la comunidad académica y estudiantil.

SPI se utiliza como una herramienta para evaluar el rendimiento de las editoriales y de los libros que publican, teniendo en cuenta criterios como el número y la calidad de las citas recibidas, el prestigio de la editorial, los editores, la colección en la que se publica la obra, las reseñas en revistas científicas especializadas, las traducciones y su inclusión en bibliografías.

El índice de Editoriales y Editores CSIC (ie-CSIC)

El índice de Editoriales y Editores CSIC (ie-CSIC) es una herramienta desarrollada por el Consejo Superior de Investigaciones Científicas (CSIC) de España para evaluar la calidad y prestigio de las editoriales científicas en el ámbito de las Humanidades y Ciencias Sociales. El CSIC es la mayor institución pública dedicada a la investigación en España y su índice es reconocido como una referencia en la evaluación de editoriales académicas.

El ie-CSIC se basa en una clasificación jerárquica de las editoriales en función de su calidad y relevancia. Las editoriales son evaluadas y clasificadas por un comité de expertos en base a criterios como la reputación de la editorial, el rigor editorial, la trayectoria y experiencia en la publicación de libros científicos, el impacto de sus publicaciones, la presencia en bases de datos bibliográficas relevantes y otros indicadores de calidad.

El índice ie-CSIC se actualiza periódicamente para reflejar los cambios en el panorama editorial y asegurar que se mantenga actualizado y relevante. Es utilizado por investigadores, académicos y bibliotecarios como una guía para identificar y seleccionar editoriales de calidad en el ámbito de las Humanidades y Ciencias Sociales.

Sello de Calidad en Edición Académica (CEA-APQ)


El Sello de Calidad en Edición Académica (CEA-APQ) es un reconocimiento otorgado por la Agencia Estatal de Investigación (AEI) en España. Este sello tiene como objetivo garantizar la calidad editorial de las publicaciones científicas y académicas. Se concede a las editoriales que cumplen con una serie de criterios y requisitos establecidos por la AEI.

El proceso de evaluación para obtener el CEA-APQ implica la revisión de aspectos como la política editorial de la editorial, el proceso de selección y revisión de manuscritos, la calidad de la edición y presentación de los libros, la presencia en catálogos y bases de datos relevantes, entre otros.

El sello CEA-APQ es considerado un reconocimiento de calidad y prestigio para las editoriales académicas y científicas. Permite a los autores y lectores identificar aquellas publicaciones que cumplen con estándares rigurosos de calidad y garantiza la confiabilidad y solidez de los contenidos. Es importante tener en cuenta que el sello CEA-APQ es específico de España y está respaldado por la AEI. Otros países o regiones pueden tener sistemas de evaluación y certificación similares para la edición académica, pero con diferentes nombres o entidades responsables.

Book Publishers Library Metrics

Book Publishers Library Metrics es un índice bibliométrico diseñado para medir la difusión y visibilidad de las editoriales de libros científicos en el ámbito de las Humanidades y Ciencias Sociales. Su metodología se basa en el recuento de libros presentes en los catálogos de bibliotecas universitarias y académicas españolas que forman parte del catálogo colectivo REBIUN.

Este índice reconoce la relevancia de los libros como medios de comunicación científica en las disciplinas de Humanidades y Ciencias Sociales. Los investigadores de estas áreas tienen una preferencia por publicar en forma de monografías, especialmente aquellas publicadas en su idioma y por editoriales nacionales. Además, suelen citar predominantemente este tipo de publicaciones en sus investigaciones.

Para evaluar el desempeño de las editoriales y los libros publicados, se toman en cuenta diversos criterios, como la longevidad y antigüedad de la editorial, la calidad de la edición, la producción y especialización temática, la visibilidad de las publicaciones, la reputación de la editorial y el impacto científico de los libros. En España, las agencias de evaluación científica han destacado criterios adicionales, como el número y calidad de las citas recibidas, el prestigio de la editorial, los editores involucrados en el proceso editorial, la colección en la que se publica la obra, las reseñas en revistas científicas especializadas y la inclusión en bibliografías reconocidas.

Book Citation Index (BCI) de Clarivate Analytics

Book Citation Index (BCI) de Clarivate Analytics es una parte de la base de datos Web of Science (WoS) que se enfoca en rastrear y proporcionar información sobre citas en libros académicos y científicos. Es una herramienta que permite a los investigadores y académicos explorar y analizar las relaciones de citación entre los libros y otros tipos de publicaciones científicas, como revistas y actas de conferencias.

El BCI recopila datos de citas de libros de una amplia gama de disciplinas académicas y científicas, lo que permite a los usuarios rastrear la influencia y el impacto de los libros en la investigación académica. Los libros incluidos en el BCI son seleccionados de acuerdo con criterios de calidad y relevancia académica, y son indexados y clasificados para facilitar su búsqueda y recuperación.

Al utilizar el Book Citation Index, los investigadores pueden descubrir qué libros han sido citados, quién los ha citado y en qué contexto se han realizado las citas. Esto puede ser útil para evaluar la influencia y la importancia de un libro en un campo específico, identificar tendencias de investigación, encontrar colaboradores potenciales y realizar análisis bibliométricos.

Es importante tener en cuenta que el BCI se centra en las citas en libros académicos y científicos que están incluidos en la base de datos de Web of Science. No todos los libros publicados están indexados en esta base de datos y, por lo tanto, pueden no estar cubiertos por el Book Citation Index.

Es importante considerar que la calidad de un libro académico puede variar según el contexto y el campo disciplinario. Es recomendable utilizar varias fuentes y enfoques para obtener una evaluación más completa y equilibrada. Otras fuentes que se pueden utilizar serían:

  1. Reseñas en revistas especializadas: Muchas revistas académicas incluyen secciones de reseñas de libros donde expertos en el campo evalúan y analizan libros recientes. Estas reseñas proporcionan una visión crítica y pueden ayudar a evaluar la calidad de un libro.
  2. Bases de datos académicas: Plataformas como JSTOR, Scopus o Web of Science indexan libros académicos y proporcionan métricas como citas recibidas y factor de impacto. Estas bases de datos permiten evaluar el impacto y la relevancia de los libros en el campo académico.
  3. Catálogos de bibliotecas universitarias: Los catálogos de bibliotecas universitarias suelen incluir información sobre libros académicos y pueden proporcionar datos sobre su disponibilidad en las bibliotecas y su popularidad entre los usuarios.
  4. Evaluaciones de expertos: Consultar a expertos en el campo académico y pedir recomendaciones sobre libros de calidad puede ser una forma efectiva de evaluar la calidad de los libros académicos. Los profesores, investigadores y bibliotecarios especializados pueden brindar orientación y sugerencias basadas en su experiencia y conocimiento.
  5. Rankings y listas de recomendaciones: Algunas organizaciones o instituciones publican rankings o listas de recomendaciones de libros académicos. Estas listas se basan en la reputación de los libros y en la valoración de expertos en el campo.
  6. Evaluaciones editoriales: Investigar la editorial que ha publicado el libro puede proporcionar información sobre la calidad editorial y los estándares de publicación. Algunas editoriales académicas tienen una reputación establecida en la publicación de libros de alta calidad en campos específicos.

Book Publishers Library Metrics, un índice bibliométrico para medir la difusión y visibilidad de las editoriales de libros científicos de las Humanidades y Ciencias Sociales

Book Publishers Library Metrics

El índice bibliométrico Book Publishers Library Metrics es una herramienta que pretende medir la difusión y visibilidad de las editoriales de libros científicos en el ámbito de las Humanidades y Ciencias Sociales. Se basa en el recuento de los libros incluidos en los catálogos de bibliotecas universitarias y académicas españolas que forman parte del catálogo colectivo REBIUN.

Este índice reconoce la importancia de los libros como medio de comunicación científica en las disciplinas de Humanidades y Ciencias Sociales. Los investigadores de estos campos tienden a publicar en monografías, especialmente aquellas publicadas en su idioma y por editoriales nacionales. Asimismo, tienden a citar predominantemente este tipo de documentos en sus investigaciones.

Para evaluar el rendimiento de las editoriales y los libros publicados, se consideran diversos criterios, como la pervivencia y antigüedad, calidad editorial, producción/especialización, visibilidad, reputación e impacto científico. En España, las agencias de evaluación científica han destacado criterios como el número y calidad de citas recibidas, el prestigio de la editorial, los editores, la colección en la que se publica la obra, las reseñas en revistas especializadas y la inclusión en bibliografías.

Book Publishers Library Metrics complementa otro producto llamado Publishers Scholar Metrics, que medía el impacto de las editoriales de monografías científicas a partir del recuento de citas en los libros publicados por profesores e investigadores de universidades públicas españolas, indizados en Google Scholar hasta 2012, en el ámbito de las Humanidades y Ciencias Sociales.

En resumen, Book Publishers Library Metrics proporciona una herramienta para evaluar la difusión y visibilidad de las editoriales y los libros científicos en el ámbito de las Humanidades y Ciencias Sociales, utilizando los catálogos de bibliotecas universitarias y académicas españolas como fuente de datos.

Inteligencia artificial y autoría

Alysa Levene. «Artificial Intelligence and Authorship» COPE: Committee on Publication Ethics, 23 de febrero de 2023. https://publicationethics.org/news/artificial-intelligence-and-authorship.

La evolución de la inteligencia artificial y los robots conversacionales plantea interrogantes sobre el papel del autor y cómo se define en este contexto. Con la llegada de los modelos lingüísticos de gran escala, como ChatGPT de OpenAI, se ha generado un debate sobre la autoría y la creación de contenido generado por inteligencia artificial.


Los modelos de inteligencia artificial, como ChatGPT de OpenAI, plantean preguntas sobre el concepto de autoría. Estos robots, alimentados por grandes modelos lingüísticos y entrenados con vastos bancos de texto, tienen la capacidad de generar respuestas en función de la probabilidad de combinaciones de palabras, estructuras de frases y temas.

El impacto de ChatGPT y otros sistemas similares en el mercado ha sido notable. La gente ha compartido sus experiencias de interacción con ChatGPT, desde solicitar recomendaciones sobre otros robots de inteligencia artificial para escribir y obtener respuestas hasta pedirle a ChatGPT que escriba una conferencia.

Estas situaciones plantean preguntas más amplias sobre el papel de los robots de inteligencia artificial en la creación de contenido y su impacto en la noción tradicional de autoría. A medida que la tecnología avanza, es importante explorar los límites y las implicaciones éticas de estas innovaciones, considerando cómo se complementan o desafían la creatividad humana y la autoría individual.

La cuestión de quién es el autor en estas interacciones plantea un desafío interesante. Si bien los modelos lingüísticos son herramientas poderosas y capaces de producir contenido original, su capacidad de crear está limitada a lo que han aprendido de los datos de entrenamiento. La responsabilidad de la autoría puede recaer en los desarrolladores de la inteligencia artificial, los usuarios que interactúan con ella o incluso en la propia máquina.

Las empresas que producen estas herramientas de aprendizaje automático de inteligencia artificial son muy claras sobre la situación legal y ética de sus productos. La compañía Bloom, una plataforma de IA de LLM, afirma en sus especificaciones que «el uso del modelo en situaciones de alto riesgo está fuera de su alcance… El modelo no está diseñado para decisiones críticas ni para usos con consecuencias materiales en la vida o el bienestar de una persona».. Esto incluye áreas como la atención médica, los juicios legales, las finanzas o la puntuación individual, que a menudo están representadas en las carteras de las editoriales académicas. El descargo de responsabilidad de la empresa Bloom también hace hincapié en la necesidad de que los usuarios indirectos estén informados cuando trabajen con contenidos generados por el modelo lingüístico.

Del mismo modo, en enero de 2023, la Asociación Mundial de Editores Médicos (WAME, por sus siglas en inglés) publicó una respuesta en la que abordaba el uso de los modelos lingüísticos en las publicaciones académicas y hacía una recomendación similar. ChatGPT reconoce sus propias limitaciones y ha declarado que no existe ningún problema ético inherente al uso de la IA en la investigación o la escritura, siempre que se utilice de forma adecuada y ética. En algunos casos, ChatGPT ha reconocido incluso que no cumple todos los criterios de autoría señalados por el Comité Internacional de Editores de Revistas Médicas (ICMJE).

Tanto las directrices del ICMJE como las del Comité de Ética en las Publicaciones (COPE) coinciden en que los bots de IA no deben ser considerados autores, ya que carecen de capacidad legal, no pueden tener derechos de autor, ser considerados responsables o aprobar un trabajo de investigación como original. Editoriales como Springer Nature y Taylor & Francis también han publicado declaraciones instando a los autores a revelar cualquier interacción con la IA en sus métodos o secciones de agradecimiento.

Está claro que estas empresas y organizaciones reconocen la necesidad de transparencia y uso responsable de las tecnologías de IA en la investigación y la escritura. Subrayan la importancia de distinguir entre autores humanos y contenidos generados por IA, al tiempo que promueven las prácticas éticas y la divulgación en la publicación académica.

Es importante señalar que un bot de IA no se preocupa de si la información que devuelve es «verdadera»; su atención se centra en la verosimilitud. Este fenómeno surge porque los robots de IA carecen del concepto de fiabilidad, replicabilidad o «verdad». Su propósito es proporcionar respuestas que tengan un sentido probabilístico basado en la gama de hechos y afirmaciones de sus datos de entrenamiento. Aunque puede haber casos en los que sólo haya una respuesta a una pregunta, en muchos casos puede haber múltiples respuestas posibles, todas ellas igualmente probables desde la perspectiva del bot. Esta capacidad de afirmar diferentes respuestas a la misma pregunta puede provocar a veces una reacción muy humana de ofensa o confusión.

Como se indica en las especificaciones de Bloom, el modelo produce contenidos que pueden parecer factuales, pero no necesariamente correctos. Comprender estas limitaciones es crucial a la hora de utilizar la IA. La evaluación crítica y el uso responsable de la información generada por la IA son vitales para garantizar su aplicación adecuada en diversos contextos, incluida la investigación académica.

De este modo, los editores y las editoriales tendrán que confiar aún más en la responsabilidad de los autores y en una rigurosa revisión por pares para detectar y solucionar tales problemas. Merece la pena señalar que la revisión por pares no siempre descubre fallos basados en los resultados y no en la metodología

Algunos usuarios han expresado su preocupación por el hecho de que ChatGPT atribuya erróneamente o fabrique citas, lo que indica un enfoque potencialmente poco estricto respecto al plagio en sus datos de entrenamiento. Por otra parte, a medida que el modelo aprende de conjuntos de datos más refinados, sus resultados pueden ser más creativos.

Estas observaciones ponen de relieve la naturaleza evolutiva de los contenidos generados por IA y la necesidad de una evaluación, un perfeccionamiento y un conocimiento contextual continuos a la hora de utilizar estas herramientas en las publicaciones académicas. Sigue siendo esencial equilibrar las ventajas que ofrece la IA con la evaluación crítica y el juicio humano para garantizar la integridad y la calidad de la investigación y la publicación académicas.

Un robot -por muy bien entrenado que esté y con el grado de claridad que le aporte la distancia respecto a la desordenada experiencia humana de investigar, planificar y escribir- no puede entender lo que escribe. En pocas palabras, no puede ser responsable. Como ya hemos visto, los robots han sido entrenados para decirlo explícitamente.

En la actualidad, la inteligencia artificial (IA) se presenta como una herramienta sorprendente, siempre y cuando se utilice de manera ética y para fines específicos. Es probable que se convierta en una herramienta indispensable. Sin embargo, existen consideraciones más amplias que deben ser cuidadosamente analizadas en cuanto a cómo y cuándo se debe emplear en la literatura académica, sin mencionar los posibles sesgos y contenido desagradable que pueda estar presente en su material de entrenamiento, lo cual afectará lo que produzca.

Incluso es posible que en el futuro se utilicen herramientas de IA para entrenar mejor a los robots en la escritura de un lenguaje auténticamente humano, siempre y cuando también se les instruya en prácticas éticas. Sin embargo, ¿deberíamos considerar a la IA como una autora legítima? El mundo de la ética en la publicación académica está empezando a rechazar firmemente esa idea, y es fácil entender por qué.

La ciencia entre dos pandemias (1918-2020): cambios en la organización de la actividad científica y su integración en la enseñanza

Maletta, Héctor. La ciencia entre dos pandemias (1918-2020): cambios en la organización de la actividad científica y su integración en la enseñanza. Universidad del Pacífico, 2023

Texto completo

Este estudio sobre las transformaciones en la organización de la ciencia desde la pandemia de 1918 hasta la de 2020 continúa con una larga indagación del autor acerca de la actividad científica, desarrollada durante más dos décadas. Muchos de los temas de este libro fueron expuestos y discutidos por el autor en diversos cursos y seminarios en varias instituciones científicas de América Latina y Europa. Esa prolongada labor originó dos libros previos: Epistemología aplicada: metodología y técnica de la producción científica (2009) y Hacer ciencia: teoría y práctica de la producción científica (primera edición, 2015; edición corregida, 2019), ambos publicados en Lima por la Universidad del Pacífico. El primero (2009) se concentró en los aspectos prácticos de la producción científica, a partir de una apretada síntesis de los debates filosóficos del siglo XX sobre la naturaleza y metodología de la ciencia que culminaron en las obras de Popper y Lakatos, y ofrecía una detallada exposición metodológica orientada a estudiantes de posgrado y a la preparación de tesis. Hacer ciencia (2015/2019) expandió el análisis de la teoría de la ciencia, centrándose especialmente en desarrollos más recientes (aproximadamente desde 1970-1980). En ellos, la ciencia no es caracterizada como un acervo de conocimientos, teorías y proposiciones, es decir como un saber, sino como un hacer, como una actividad cuyos resultados y métodos están en permanente evolución. El presente libro, siguiendo esa concepción, no se centra en un análisis filosófico sobre la validez de las teorías y métodos de la ciencia, sino en los aspectos que definen la organización de la actividad científica. Esta ha evolucionado desde sus humildes orígenes en siglos pasados, transformándose sustancialmente sobre todo en los últimos 100 años, con una enorme expansión de los resultados científicos y sus aplicaciones tecnológicas.

China está a la cabeza en Ciencias Naturales, mientras que EE.UU. lidera la investigación en Ciencias de la Salud

Springer Nature. (2023). Nature Index Annual Tables 2023. Recuperado de https://group.springernature.com/gp/group/media/press-releases/nature-index-annual-tables-2023/25488532

Las Tablas Anuales 2023 del Nature Index examinan las instituciones y los países que más contribuyeron a la investigación de alta calidad publicada en 2022. Las tablas, publicadas hoy, muestran que en Ciencias Naturales China ha superado a Estados Unidos y ocupa el primer puesto. En Ciencias de la Salud -incluidas por primera vez-, Estados Unidos es el país líder.


Las Tablas Anuales 2023 del Nature Index publicadas recientemente y revelan las instituciones y países que más han contribuido a la investigación de alta calidad publicada en 2022. Según estas tablas, en el campo de las ciencias naturales, China ha superado a Estados Unidos y se ha posicionado en el primer puesto. Por otro lado, en las ciencias de la salud, que han sido incluidas por primera vez en estas tablas, Estados Unidos se posiciona como el país líder.

China ha experimentado un notable ascenso en las Tablas Anuales del Nature Index, pasando del segundo al primer puesto en su contribución global a la investigación en las cuatro categorías de ciencias naturales cubiertas (ciencias físicas, química, ciencias biológicas y ciencias de la Tierra y del medio ambiente). Este cambio se ha medido utilizando la métrica Share, que evalúa la participación relativa de un país en la investigación científica.

China ha logrado un impresionante crecimiento del 21,4% en su puntaje de Share ajustado en comparación con el año anterior, lo que representa el mayor aumento entre los diez países principales de las Tablas Anuales. Este incremento destaca el compromiso y la inversión continuos de China en investigación científica y su capacidad para generar conocimiento de alta calidad en una amplia gama de disciplinas científicas.

La métrica distintiva utilizada en el Nature Index evalúa las contribuciones a las publicaciones de investigación incluidas en su base de datos, teniendo en cuenta la proporción de autores que están afiliados a instituciones específicas. Esta métrica permite medir la participación relativa de las instituciones en la producción científica.

El predominio de China en las categorías de ciencias naturales también queda patente en las tablas institucionales:

  • Seis de las diez primeras instituciones son chinas, junto a dos de Estados Unidos y una de Francia y Alemania, respectivamente.
  • Por undécimo año consecutivo desde la creación del Índice, la Academia China de las Ciencias encabeza la clasificación con una cuota de 2.054 en 2022. Se trata de una ventaja considerable sobre la Universidad de Harvard, que ocupa el segundo lugar con un porcentaje de 813, y la Sociedad Max Planck de Alemania, que ocupa el tercer lugar con un porcentaje de 682.
  • En Ciencias de la Tierra y Medioambientales, la Universidad Sun Yat-sen ha experimentado un crecimiento de más del 50% en la cuota ajustada de 2021 a 2022.
  • Fudan ha experimentado un aumento del 65% en Ciencias Biológicas
  • Y las instituciones chinas ocupan 18 de los 20 primeros puestos en Química.

Aunque la producción investigadora de China ha tomado la delantera a la de Estados Unidos, este país sigue teniendo una presencia dominante en las tablas. Tanto Estados Unidos como China cuentan con 19 instituciones entre las 50 primeras en las categorías de ciencias naturales.

Por primera vez este año, la base de datos Nature Index incluye artículos de 64 revistas médicas para que los usuarios puedan seguir las tendencias en ciencias de la salud*. En este ámbito, Estados Unidos lleva una considerable ventaja, con una cuota de 5.352, que es más de cuatro veces superior a la de China (1.287), en segundo lugar.

  • Quince de las 20 primeras instituciones en la categoría de ciencias de la salud son estadounidenses.
  • La Universidad de Harvard ocupa el primer puesto, con 487 puntos, seguida de los Institutos Nacionales de Salud, en segundo lugar, con 188 puntos.
  • Sólo Canadá, China, Suecia y el Reino Unido figuran junto a instituciones estadounidenses entre las 20 primeras.

A parte de China y Estados Unidos, el panorama mundial es desigual. Constatándose descensos significativos en los países latinoamericanos: Brasil, Chile y México que han registrado grandes caídas en sus cuotas. También se han producido descensos de dos dígitos países como Australia, un 14%, Singapur, un 15%, y Rusia, un 17%»

¿Cómo afrontarán las universidades el impacto la IA generativa?

«Are Universities Too Slow to Cope with Generative AI?» Impact of Social Sciences LSE, 27 de abril de 2023. https://blogs.lse.ac.uk/impactofsocialsciences/2023/04/27/are-universities-to-slow-to-cope-with-generative-ai/.

Al igual que otras tendencias de la tecnología educativa, la IA generativa ha provocado un animado debate y una división entre quienes impulsan el potencial carácter disruptivo de la tecnología y las perspectivas más críticas. Mark Carrigan sostiene que, dado que la IA generativa ya está haciendo incursiones en la práctica profesional y estudiantil, el sector de la enseñanza superior no puede eludir el compromiso y debe encontrar nuevas formas de responder más rápidamente a los nuevos avances.

El auge de la IA generativa plantea retos y oportunidades a las universidades. Por un lado, las universidades pueden aprovechar las tecnologías de IA generativa para mejorar la enseñanza, la investigación y los procesos administrativos. Por ejemplo, los chatbots con IA pueden ofrecer asistencia personalizada a los estudiantes, automatizando tareas rutinarias y liberando recursos humanos para actividades más complejas. Los algoritmos de IA también pueden ayudar a los investigadores a analizar grandes conjuntos de datos y generar ideas, acelerando el ritmo de los descubrimientos científicos.

Sin embargo, también hay retos prácticos que las universidades deben abordar. Uno de ellos es garantizar la integridad de las evaluaciones frente a la IA generativa. A medida que los modelos de IA se vuelven más sofisticados, existe el riesgo de que los estudiantes puedan utilizarlos para generar contenidos plagiados o automatizados. Las universidades tendrán que desarrollar mecanismos sólidos para detectar y prevenir este tipo de mala conducta, quizás mediante el uso de herramientas avanzadas de detección del plagio o adaptando las metodologías de evaluación.

Otro reto es reconocer el papel de la IA generativa en las publicaciones académicas. A medida que los sistemas de IA como ChatGPT sean más capaces de producir textos coherentes y convincentes, puede resultar necesario establecer directrices o normas para atribuir las contribuciones automatizadas en los artículos académicos. Esto podría implicar la introducción de convenciones específicas de autoría o requisitos de transparencia para garantizar el crédito y la responsabilidad adecuados.

Las universidades también tienen que examinar críticamente las implicaciones éticas y políticas más amplias de la integración de la IA generativa en sus operaciones. Deben sortear los posibles escollos del capitalismo de plataforma y evitar la normalización de los sistemas que se basan en la extracción de datos y la participación de los usuarios. Es crucial equilibrar los beneficios de las tecnologías de IA con las preocupaciones por la privacidad, la autonomía y el impacto social de la automatización. Google Scholar ya registra 629 resultados para el término de búsqueda exacto «Chat GPT», a pesar de que el software no se lanzó hasta el 30 de noviembre de 2022. Queda por ver cómo la IA generativa podría acelerar aún más estos comentarios y análisis.

Para hacer frente con eficacia a la IA generativa, las universidades deben participar activamente en la investigación, el discurso y la colaboración con otras partes interesadas. Esto puede implicar esfuerzos interdisciplinarios en los que participen la informática, la ética, el derecho, las ciencias sociales y las humanidades. Al fomentar una comprensión profunda de la tecnología, sus implicaciones y sus limitaciones, las universidades pueden dar forma a políticas, prácticas y programas educativos responsables que preparen a los estudiantes para un futuro en el que la IA generativa sea omnipresente.

En última instancia, las universidades tienen un papel central que desempeñar en la configuración de las dimensiones éticas, sociales y culturales de la IA generativa. Mediante la investigación crítica, el fomento de la innovación responsable y la promoción de prácticas éticas, las universidades pueden afrontar los retos y aprovechar el potencial de la IA generativa en beneficio de la sociedad.

La advertencia de Danah Boyd sobre la falta de espacio para el pensamiento reflexivo y el análisis matizado es relevante en el contexto de la rápida evolución de la AI Generativa. Las universidades se enfrentan al desafío de abordar problemas prácticos inmediatos, como el uso de ChatGPT en la evaluación, mientras establecen bases sólidas para hacer frente a desarrollos futuros impredecibles. El ritmo de avance de las capacidades de la IA generativa, como se evidencia en el lanzamiento de GPT-4, puede superar la capacidad de las universidades para asimilar y adaptarse, especialmente cuando aún están lidiando con versiones anteriores como GPT-3.5.

Además, es importante reconocer que la IA generativa abarca una amplia gama de casos de uso, incluyendo imágenes, videos, música y voz, que probablemente se vuelvan cada vez más prominentes en el futuro. Esto plantea desafíos adicionales para las universidades en términos de comprender y abordar las implicaciones éticas, legales y sociales de estas nuevas formas de generación de contenido.

En el contexto de lo que se ha denominado la «Academia Acelerada», donde el ritmo de trabajo aumenta pero las políticas avanzan lentamente, existe un peligro de distanciamiento entre las políticas formuladas y la realidad. Es fundamental establecer mecanismos ágiles que permitan a las universidades identificar y abordar de manera efectiva las cuestiones emergentes relacionadas con la AI generativa. Esto implica una colaboración interdisciplinaria y una apertura a la participación de académicos, estudiantes y administradores de todas las áreas para dar respuestas adecuadas a medida que surgen nuevos desafíos.

La toma de decisiones y la formulación de políticas deben acelerarse para evitar respuestas institucionales que no estén alineadas con la rápida evolución de la tecnología. Por ejemplo, es crucial considerar no solo las formas actuales de AI generativa, sino también el crecimiento de los sistemas de texto a imagen y de texto a video al adoptar enfoques creativos en la evaluación. La adaptabilidad y la flexibilidad son clave para asegurar que las universidades puedan mantenerse al día con los desarrollos de la AI y abordar sus implicaciones de manera reflexiva y ética.

Nature no permitirá el uso de IA generativa en imágenes y vídeo que se publiquen en la revista

«Why Nature Will Not Allow the Use of Generative AI in Images and Video». Nature 618, n.o 7964 (7 de junio de 2023): 214-214. https://doi.org/10.1038/d41586-023-01546-4.

El artículo profundiza en la discusión, el debate y las consultas en curso sobre el uso de la inteligencia artificial (IA) generativa en la creación de imágenes y vídeos. La prestigiosa revista Nature se ha posicionado al respecto y ha decidido no publicar ningún contenido en el que los elementos visuales se hayan generado total o parcialmente mediante herramientas de IA generativa. La decisión se basa en varios factores clave: integridad, atribución, consentimiento y privacidad.

La integridad es un aspecto fundamental tanto de la publicación científica como de la artística. El compromiso compartido con la integridad requiere transparencia y la capacidad de verificar la exactitud y autenticidad de los datos y las imágenes. Por desgracia, las herramientas de IA generativa existentes no permiten acceder a sus fuentes, lo que dificulta el proceso de verificación.

La atribución es un principio básico tanto en la ciencia como en el arte. Cuando se utiliza o se cita un trabajo existente, es esencial atribuirlo correctamente. Sin embargo, las herramientas de IA generativa a menudo no cumplen esta expectativa, ya que no proporcionan una atribución clara del contenido generado.

El consentimiento y el permiso son consideraciones cruciales, sobre todo cuando se identifica a personas o se trata de la propiedad intelectual de artistas e ilustradores. Muchas aplicaciones de IA generativa se quedan cortas en estos aspectos, al carecer de protocolos adecuados de consentimiento y permiso.

¿Debería la Natura permitir el uso de la inteligencia artificial (IA) generativa en la creación de imágenes y vídeos? Esta revista lleva varios meses discutiendo, debatiendo y consultando sobre esta cuestión a raíz de la explosión de contenidos creados con herramientas de IA generativa como ChatGPT y Midjourney, y del rápido aumento de las capacidades de estas plataformas.

Aparte de los artículos específicamente dedicados a la IA, Nature no publicará ningún contenido en el que la fotografía, los vídeos o las ilustraciones se hayan creado total o parcialmente utilizando IA generativa, al menos en un futuro próximo.

A los artistas, cineastas, ilustradores y fotógrafos a los que la revista hace encargos y con los que trabajan se les pedirá que confirmen que ninguno de los trabajos que presentan ha sido generado utilizando IA generativa (véase go.nature.com/3c5vrtm).

Los sistemas de IA generativa se entrenan a menudo con imágenes sin esforzarse por identificar sus fuentes u obtener los permisos adecuados. Esto incluye el uso rutinario de obras protegidas por derechos de autor para el entrenamiento sin la debida autorización. Además, surgen problemas de privacidad cuando los sistemas de IA generativa crean representaciones realistas de personas sin su consentimiento, lo que contribuye a la proliferación de «deepfakes» y a la difusión de información falsa.

La decisión de Nature de no permitir el uso de IA generativa en contenidos visuales está motivada por preocupaciones relacionadas con la integridad, la atribución, el consentimiento y la privacidad. Mientras continúa el debate en torno a esta cuestión, es crucial abordar estas consideraciones éticas para mantener la confianza y la fiabilidad de los medios visuales tanto en el ámbito científico como en el artístico.