Archivo de la etiqueta: Investigación

Los editores responden a los comentarios de la Oficina de Derechos de Autor diciendo que las empresas multimillonarias de inteligencia artificial copian en masa obras sin consentimiento

Publishers Submit Reply Comments to Copyright Office in Artificial Intelligence Proceeding—AAP. (2023, diciembre 6).

Texto completo

Association of American Publishers (AAP) de Estados Unidos presentó los comentarios de respuesta en la investigación de la U.S. Copyright Office de EE. UU. sobre la intersección entre la ley de derechos de autor y la inteligencia artificial (IA) en respuesta a afirmaciones defectuosas e inexactas presentadas por algunas empresas tecnológicas y/o sus inversores en la primera ronda de comentarios, incluidas afirmaciones agotadas de que los derechos de los autores y editores son un obstáculo para la innovación.

AAP presentó una extensa contribución que incluye los siguientes puntos:

  1. Las grandes empresas tecnológicas piden al gobierno «cobertura contra la responsabilidad por su desconsideración calculada de la autoría, ignorando también que los titulares de derechos ya licencian rutinariamente sus obras para todo tipo de usos digitales».
  2. «En lugar de trabajar con los propietarios de derechos de autor, estas empresas buscan apropiarse de la literatura y otras propiedades intelectuales invaluables para su propio beneficio comercial y torcer la ley a su voluntad. El gobierno no debería tener ningún papel en otorgar ventajas comerciales a las empresas de IA a expensas de autores, editores y otros creadores».
  3. «Las empresas que se benefician de la comercialización de esta tecnología deberían estar obligadas no solo a compensar a los titulares de derechos por su ingestión pasada de obras con derechos de autor para entrenar sistemas Gen AI, sino también por su uso continuo y futuro de obras protegidas para entrenar nuevos sistemas Gen AI o ajustar sus productos existentes».
  4. «Los desarrolladores de Gen AI no son ‘start-ups’ que luchan y necesitan un impulso del gobierno. Cuentan entre sus inversores a algunas de las empresas tecnológicas más grandes y rentables del mundo y tienen un valor, en algunos casos, entre 80 y 90 mil millones de dólares. No hay absolutamente ninguna razón de política pública para crear inmunidades legales para tales empresas, que solo enfrentan el requisito razonable de buscar el consentimiento o licencias de los titulares de derechos cuyas obras utilizan para entrenar sus sistemas Gen AI».
  5. «Sería un grave error repetir los errores de política pasados que permitieron a las empresas tecnológicas alcanzar una dominancia de mercado poco saludable, casi de monopolio, hasta el punto de que los gobiernos han luchado por frenar su poder, a pesar de los intentos repetidos de moderar sus tácticas agresivas en el mercado».
  6. «La cuestión de la seguridad nacional es ciertamente motivo de profunda preocupación para todos los ciudadanos estadounidenses, especialmente cuando los actores malintencionados pueden utilizar la IA y los sistemas Gen AI para sembrar desinformación o información falsa que socave nuestras instituciones democráticas y cree otros riesgos para la seguridad nacional. Esta posibilidad señala la necesidad aún mayor de autores y editores que produzcan y difundan contenido de calidad verificado y verificado. Avanzar en la agenda tecnológica y económica de la nación no es un juego de suma cero, y no debería convertirse en una carrera hacia el fondo».
  7. «La transparencia es un requisito esencial. Es de interés público saber qué obras de autor se han ingerido y es una parte esencial de buscar un consentimiento adecuado tener esa información claramente registrada. Este requisito no es oneroso y se presta a una mayor innovación en el campo de las empresas de derechos digitales».
  8. «En ningún caso la Ley de Derechos de Autor permite el acceso no autorizado o la adquisición de obras con derechos de autor. El acceso legal a fuentes autorizadas es importante. No se permite a un ser humano reproducir y descargar ilegalmente 183,000 obras con derechos de autor (el número de títulos infractores estimados en el corpus ‘Books3’) para leer o aprender de ellas».

Modelado de escenarios para Open Research Europe

Johnson, R., Scenario modelling for Open Research Europe, Publications Office of the European Union, 2023, https://data.europa.eu/doi/10.2777/15140

Este informe ofrece orientación sobre el modelo operativo y de financiamiento para establecer Open Research Europe (ORE), la plataforma de publicación de acceso abierto de la Comisión Europea, como un servicio de publicación colectivo sin fines de lucro a partir de 2026. Identifica y considera una variedad de factores internos y externos que influyen en el probable crecimiento en las salidas publicadas y los costos operativos de ORE entre 2026 y 2030, y propone un modelo operativo para el servicio. Presenta un escenario de planificación central basado en la publicación de 6.600 artículos durante cinco años, respaldado por 17.6 millones de euros de financiamiento. Se prefiere un crecimiento constante en lugar de exponencial para ORE, permitiendo mantener la calidad y reunir apoyo financiero con el tiempo a medida que la plataforma gana aceptación dentro de la comunidad de autores.

Acceso a la ciencia y la erudición: preguntas clave sobre el futuro de la publicación de trabajos de investigación

«Access to Science and Scholarship: Key Questions about the Future of Research Publishing» MIT Press, 2023

Texto completo

«Access to Science and Scholarship: Key Questions about the Future of Research Publishing» («Acceso a la Ciencia y la Investigación: Preguntas Clave sobre el Futuro de la Publicación de Investigaciones»), un nuevo informe técnico sobre la publicación de acceso abierto, escrito por Phillip A. Sharp, William B. Bonvillian, Robert Desimone, Barbara Imperiali, David R. Karger, Clapperton Chakanetsa Mavhunga, Amy Brand, Nick Lindsay y Michael Stebbins.

La salud de la empresa de investigación está estrechamente ligada a la efectividad del ecosistema de publicación científica y académica. Los cambios impulsados por políticas, tecnología y el mercado en los modelos de publicación durante las últimas dos décadas han provocado diversas interrupciones dentro de este ecosistema.

Cambios impulsados por políticas, tecnología y el mercado en los modelos de publicación durante las últimas dos décadas han desencadenado diversas interrupciones dentro de este ecosistema:

  1. Aumento continuo en el costo de la publicación de revistas, con modelos de acceso abierto dominantes que transfieren los costos de los suscriptores a los autores.
  2. Consolidación significativa e integración vertical (cadena de suministro) en la industria editorial, y una disminución en las revistas de suscripción propiedad de sociedades que durante mucho tiempo han subvencionado a las sociedades científicas y académicas.
  3. Un aumento drástico en el número de revistas «depredadoras» con revisiones por pares deficientes.
  4. Disminución en el poder adquisitivo de las bibliotecas académicas en relación con la cantidad y el costo de la investigación publicada.

Muchos en la comunidad de investigación no están al tanto de los impulsores del cambio en la publicación académica y las posibles consecuencias para la empresa de investigación. Aunque a menudo se les excluye de la conversación, los investigadores se ven directamente afectados por estos desarrollos. Se están tomando decisiones en la actualidad que podrían reducir potencialmente los presupuestos de investigación, aumentar las cargas de trabajo de los investigadores y alterar las opciones de publicación y la función reputacional que la publicación ha desempeñado durante mucho tiempo.

Para ilustrar cómo interactúan el comportamiento de los investigadores, las políticas de los financiadores y los modelos de negocios e incentivos de los editores, la parte 1 de este informe presenta un resumen histórico de la publicación de acceso abierto. La parte 2 del informe proporciona una lista de preguntas clave para una mayor investigación con el objetivo de comprender, medir y prepararse mejor para el impacto de las nuevas políticas relacionadas con el acceso abierto en la publicación de investigaciones, categorizadas en seis áreas generales: acceso y modelos de negocio, datos de investigación, publicación de preimpresos, revisión por pares, costos para investigadores y universidades, e infraestructura.

España quiere cambiar su forma de evaluar a los científicos y acabar con la «dictadura de los artículos».

«Spain Wants to Change How It Evaluates Scientists—and End the ‘Dictatorship of Papers’». Accedido 30 de noviembre de 2023. https://www.science.org/content/article/spain-wants-change-how-it-evaluates-scientists-and-end-dictatorship-papers.

El muy criticado sistema español de evaluación de científicos, en el cual el único criterio para el avance profesional es la publicación de artículos, está listo para ser reformado según las nuevas propuestas de la Agencia Nacional de Evaluación y Acreditación (ANECA) del país.

Las reformas, anunciadas a principios de este mes, verían por primera vez a los investigadores de las universidades públicas de España evaluados por una variedad de resultados además de los artículos, y también se fomentaría la distribución de hallazgos a través de plataformas de acceso abierto. Muchos científicos están dando la bienvenida a este cambio, diciendo que ayudará a la academia a dejar atrás un sistema que ha sido descrito como el establecimiento de una «dictadura de artículos».

Actualmente, ANECA evalúa el «rendimiento investigador» de los académicos cada 6 años. Para obtener un modesto aumento salarial y ser elegibles para ascensos, los investigadores deben demostrar que han publicado un mínimo de cinco artículos durante ese período en revistas de alto impacto indexadas en el Journal Citation Reports (JCR), una base de datos producida por la empresa de análisis editorial Clarivate. Cumplir con este objetivo también permite a los científicos supervisar a estudiantes de doctorado y ser enumerados como investigadores principales en sus universidades, lo que les brinda acceso a un presupuesto más amplio.

El gobierno español introdujo este sistema en 1994 en un esfuerzo por aumentar la productividad de los investigadores del país. Y tuvo éxito: para 2021, España ocupaba el puesto 11 a nivel mundial en producción científica, con más de 100.000 publicaciones anuales, según el Ministerio de Ciencia e Innovación.

Pero muchos académicos dicen que el sistema ha tenido un impacto negativo en la calidad de su trabajo y en la ciencia en general. Desencadenó «una máquina insaciable de publicación de artículos», según Ángel Delgado Vázquez, jefe del Servicio de Apoyo al Aprendizaje e Investigación en la Universidad Pablo de Olavide. Los investigadores pueden trabajar frenéticamente para cumplir con el objetivo, publicando un artículo cada 2 días. Otros han tomado atajos, publicando artículos de baja calidad o buscando fraudulentamente la coautoría; algunos han admitido recibir pagos de investigadores en Arabia Saudita o India para coautorar artículos en los que no contribuyeron. Los críticos dicen que el sistema también ha alentado a los investigadores a priorizar la publicación sobre la enseñanza y a utilizar fondos públicos para pagar tarifas de procesamiento de artículos cada vez más altas impuestas por algunas revistas.

Bajo el nuevo sistema, ANECA quiere que las evaluaciones consideren una gama más amplia de resultados de investigación, incluyendo «publicaciones, patentes, informes, estudios, trabajos técnicos, obras artísticas, exposiciones, excavaciones arqueológicas, [y la] creación de registros bibliográficos». Los evaluadores ya no solo tendrán en cuenta el factor de impacto de las revistas en las que publican los científicos, sino también detalles como si la investigación llega a audiencias no académicas a través de informes de noticias o documentos gubernamentales. Los artículos también obtendrán una puntuación más alta cuando se produzcan en colaboración con comunidades locales u otros autores no académicos. Y en un intento de reducir el nivel de fondos públicos gastados en costos de publicación, los evaluadores tendrán en cuenta los artículos publicados en plataformas de publicación de acceso abierto no comerciales que no cobran tarifas a los autores, como Open Research Europe.

Los cambios son un intento de corregir un sistema que ha priorizado «cantidad sobre calidad» y de «reconocer que hay diferentes formas de hacer ciencia», según Pilar Paneque, directora de ANECA. También espera que el nuevo sistema ayude a reducir el fraude en la publicación. (Delgado Vázquez, por su parte, cree que «sin duda contribuirá a erradicar prácticas poco éticas»).

Las propuestas son una «apuesta audaz», según Núria Benítez Monforte, administradora de investigación en el Instituto Catalán de Nanociencia y Nanotecnología. Pero otros dicen que se necesita una reforma aún más radical. Por ejemplo, la científica de la información Eva Méndez, miembro de la Junta Directiva de la Coalición para el Avance de la Evaluación de la Investigación, sostiene que los ciclos de evaluación de 6 años deberían abolirse por completo, porque «solo sirven para enriquecer a las principales editoriales científicas, aumentando la frustración de los investigadores más jóvenes».

ANECA está revisando actualmente unos 600 comentarios que ha recibido sobre sus propuestas de cambios, con el objetivo de finalizar el nuevo sistema de evaluación a finales de este mes. Si todo sale según lo planeado, entraría en vigencia el 1 de enero de 2024.

Ética de la investigación e inteligencia generativa. La responsabilidad de difundir resultados

Ética de la investigación e inteligencia generativa por Julio Alonso Arévalo. CURSO: Competencias digitales y alfabetización académica, nov. 2023

VER VIDEO

En el contexto de la IA, especialmente en la creación de obras generadas automáticamente, surge la cuestión de la atribución y la autoría. La ética de la investigación en este ámbito implica considerar quién debe recibir crédito por las creaciones generadas por algoritmos, si es el desarrollador del algoritmo, el usuario que lo emplea, o el propio algoritmo. Por un lado, los derechos de autor tradicionales están diseñados para proteger la creatividad humana, pero en el caso de obras generadas por IA, la autoría puede ser difusa. Algunos argumentan que los desarrolladores de algoritmos deberían ser reconocidos, mientras que otros abogan por formas innovadoras de atribución. En resumen, la ética de la investigación en inteligencia artificial y derechos de autor implica repensar y adaptar los marcos existentes para abordar de manera justa la creación de obras generadas por IA, garantizando la atribución adecuada y considerando los posibles sesgos en el proceso de desarrollo y entrenamiento de estos sistemas.

Los LLMs de la Inteligencia Artificial pueden amenazar la integridad científica debido a su propensión a generar información errónea o fantasiosa

Mittelstadt, Brent, Sandra Wachter, y Chris Russell. «To Protect Science, We Must Use LLMs as Zero-Shot Translators». Nature Human Behaviour 7, n.o 11 (noviembre de 2023): 1830-32. https://doi.org/10.1038/s41562-023-01744-0.

Un artículo escrito por los profesores Brent Mittelstadt, Chris Russell y Sandra Wachter del Instituto de Internet de Oxford aborda preocupaciones sobre los Modelos de Lenguaje Grandes (LLMs) que representan una amenaza directa para la ciencia debido al fenómeno de ‘alucinaciones’, la generación de respuestas no verídicas. El artículo destaca la necesidad de restricciones en los LLMs para salvaguardar la verdad científica.

Un nuevo informe elaborado por destacados investigadores de Inteligencia Artificial en el Instituto de Internet de Oxford advierte que los Grandes Modelos de Lenguaje (LLMs) constituyen una amenaza directa para la ciencia debido a las denominadas ‘alucinaciones’ y deben ser restringidos para proteger la verdad científica. Publicado en Nature Human Behaviour, el documento, redactado por los Profesores Brent Mittelstadt, Chris Russell y Sandra Wachter, explica que los LLMs están diseñados para proporcionar respuestas útiles y convincentes sin garantías definitivas sobre su precisión o alineación con los hechos.

La razón detrás de esto es que los datos utilizados por la tecnología para responder preguntas no siempre provienen de fuentes factualmente correctas. Los LLMs se entrenan en grandes conjuntos de datos de texto, generalmente extraídos de fuentes en línea, que pueden contener declaraciones falsas, opiniones y escritura creativa, entre otros tipos de información no factual.

El Prof. Mittelstadt explica que las personas tienden a confiar en los LLMs como si fueran fuentes de información humanas, en parte debido a su diseño como agentes útiles y con sonido humano que conversan con los usuarios y responden a prácticamente cualquier pregunta con texto seguro y bien escrito. Esto conlleva al riesgo de que los usuarios se convenzan fácilmente de la precisión de las respuestas, incluso cuando carecen de base factual o presentan versiones sesgadas de la verdad.

Para proteger la ciencia y la educación contra la propagación de información incorrecta y sesgada, los autores argumentan que deben establecerse expectativas claras sobre lo que los LLMs pueden contribuir de manera responsable y útil. Según el informe, «para tareas en las que la verdad es crucial, alentamos a los usuarios a redactar indicadores de traducción que incluyan información verificada y factual».

La Prof. Wachter destaca la importancia de cómo se utilizan los LLMs, especialmente en la comunidad científica, enfatizando la necesidad de confianza en la información fáctica y la responsabilidad en el uso de esta tecnología. El Prof. Russell agrega que es crucial reflexionar sobre las oportunidades que ofrecen los LLMs y considerar si realmente queremos otorgar esas oportunidades a una tecnología solo porque podemos.

Actualmente, los LLMs se tratan como bases de conocimiento y se utilizan para generar información en respuesta a preguntas, lo que hace que el usuario sea vulnerable tanto a la regurgitación de información falsa presente en los datos de entrenamiento como a las ‘alucinaciones’, es decir, información falsa generada espontáneamente por el LLM que no estaba presente en los datos de entrenamiento.

Para superar esto, los autores argumentan que los LLMs deberían utilizarse de manera orientativa. En lugar de depender del LLM como fuente de información relevante, el usuario simplemente debe proporcionar al LLM información apropiada y pedirle que la transforme en una salida deseada, como reescribir puntos clave como conclusión o generar código para transformar datos científicos en un gráfico.

Utilizar los LLMs de esta manera facilita la verificación de la corrección factual y la consistencia con la entrada proporcionada. Los autores reconocen que la tecnología seguramente ayudará en los flujos de trabajo científicos, pero enfatizan que la escrutinio de sus resultados es fundamental para proteger una ciencia robusta.

Cosas que los investigadores no deben esperar del ChatGPT

Bhosale, Uttkarsha. «ChatGPT’s Limitations in Research». Enago Academy (blog), 5 de junio de 2023. https://www.enago.com/academy/chatgpt-cannot-do-for-researchers-2/.

¿Puede ChatGPT competir realmente con la brillantez de las mentes humanas? Sólo puede imitar aquello para lo que ha sido entrenado, dejando la verdadera innovación fuera de la ecuación. Ninguna inteligencia artificial podrá sustituir a la experiencia humana en la investigación y la escritura académica.

1- Aporte ideas de investigación originales

Las ideas originales de investigación son la savia del progreso científico. Impulsan la innovación, amplían el conocimiento y allanan el camino para descubrimientos revolucionarios. Sin embargo, generar estas ideas va más allá de las capacidades de ChatGPT.

2- Interpretar análisis de datos complejos

ChatGPT puede tener dificultades para comprender los matices y complejidades de estos enfoques analíticos. Los investigadores, por su parte, poseen los conocimientos y la experiencia necesarios para navegar a través del análisis de datos complejos, algo que ChatGPT no puede adquirir. Además, ChatGPT no puede identificar posibles sesgos, factores de confusión o valores atípicos que puedan afectar a la validez de los resultados.

3- Participar en la revisión académica por pares

ChatGPT carece de la capacidad de evaluar la calidad y validez de los trabajos de investigación, por lo que no es adecuado para la revisión académica por pares. Los modelos de IA como ChatGPT se entrenan con una gran cantidad de datos de texto y pueden generar respuestas basadas en patrones y conocimientos dentro de sus datos de entrenamiento. Sin embargo, no poseen la experiencia específica del dominio ni las habilidades de pensamiento crítico necesarias para una rigurosa revisión académica por pares.

4- Proporcionar información en tiempo real sobre el progreso de la investigación

Dada su falta de comprensión contextual, ChatGPT no puede proporcionar información en tiempo real sobre los proyectos de investigación en curso. ChatGPT puede no ser capaz de evaluar el progreso de la investigación, lo que requiere un profundo conocimiento del área de investigación específica, las metodologías empleadas y la literatura y marcos teóricos relevantes.

5- Generar revisiones bibliográficas exhaustivas

ChatGPT puede tener dificultades para evaluar la calidad y pertinencia de las fuentes, lo que limita su capacidad para generar reseñas bibliográficas exhaustivas. No puede examinar artículos de investigación, libros, ponencias y otras fuentes académicas por su metodología, análisis de datos, marcos teóricos y contribución al campo.

6- Redactar propuestas de investigación o solicitudes de subvención

Es posible que ChatGPT no comprenda del todo los matices de los requisitos de financiación, por lo que resulta inadecuado para redactar propuestas de investigación o solicitudes de subvención. No puede cumplir los requisitos de redacción de una subvención a medida e incluir detalles sobre los objetivos del proyecto de investigación, la metodología, los resultados esperados, el presupuesto, el calendario y la alineación con las prioridades del organismo de financiación.

7- Desarrollar nuevas metodologías experimentales

ChatGPT carece de la experiencia y los conocimientos específicos necesarios para desarrollar nuevas metodologías experimentales. Los investigadores poseen los conocimientos necesarios para identificar lagunas en la investigación, formular preguntas de investigación y diseñar experimentos a medida para abordar objetivos específicos. El desarrollo de nuevas metodologías experimentales suele requerir una combinación de creatividad, pensamiento crítico y capacidad para resolver problemas, algo que ChatGPT o cualquier otra herramienta de IA no pueden hacer en sus formas actuales.

8- Tomar decisiones éticas en la investigación

ChatGPT no está equipado para emitir juicios morales ni para navegar por los complejos dilemas éticos que pueden encontrar los investigadores. Los propios investigadores proporcionan el marco ético necesario para unas prácticas de investigación responsables y éticas. No está capacitado para comprender y aplicar los principios y directrices éticos específicos de su campo, como los que establecen los comités de revisión ética o los comités de revisión institucional (CEI).

9- Contribuir a los avances científicos

ChatGPT puede proporcionar apoyo y ofrecer ideas basadas en patrones en sus datos de entrenamiento; sin embargo, no puede conducir de forma independiente a avances científicos. Aunque ChatGPT puede ayudar a los investigadores ofreciéndoles información e ideas iniciales, carece de la intuición, la creatividad y el pensamiento innovador de los investigadores humanos.

Cuantificación de la ciencia ciudadana en línea: dinámica y demografía de la participación pública en la ciencia

Strasser BJ, Tancoigne E, Baudry J, Piguet S, Spiers H, Luis-Fernandez Marquez J, et al. (2023) Quantifying online citizen science: Dynamics and demographics of public participation in science. PLoS ONE 18(11): e0293289. https://doi.org/10.1371/journal.pone.0293289

Científicos ciudadanos de todo el mundo recopilan datos con sus teléfonos inteligentes, realizan cálculos científicos en sus ordenadores domésticos y analizan imágenes en plataformas en línea. Estos proyectos de ciencia ciudadana en línea suelen recibir elogios por su potencial para revolucionar el alcance y la escala de la recopilación y el análisis de datos, mejorar la alfabetización científica y democratizar la ciencia. Sin embargo, a pesar de la atención que ha suscitado la ciencia ciudadana en línea, sigue sin estar claro hasta qué punto está extendida la participación pública, cómo ha cambiado con el tiempo y cómo se distribuye geográficamente. Y lo que es más importante, sigue siendo incierto el perfil demográfico de los participantes en la ciencia ciudadana y, por tanto, hasta qué punto sus contribuciones contribuyen a democratizar la ciencia.

Aquí se presenta el mayor estudio cuantitativo sobre la participación en la ciencia ciudadana, basado en las cuentas en línea de más de 14 millones de participantes a lo largo de dos décadas. Se ha observado que la tendencia de rápido crecimiento de la participación en la ciencia ciudadana en línea observada a principios de la década de 2000 ha variado desde entonces según el modo de participación, con un crecimiento constante observado en la detección de la naturaleza, pero un descenso en el crowdsourcing y la informática distribuida. En la mayoría de los proyectos de ciencia ciudadana, salvo en los de observación de la naturaleza, predominan los hombres, y la gran mayoría de los participantes, hombres y mujeres, tienen formación científica.

El análisis proporciona, por primera vez, una sólida «línea de base» para describir las tendencias globales en la participación de la ciencia ciudadana en línea. Estos resultados ponen de relieve los retos actuales y el potencial futuro de la ciencia ciudadana. Además de presentar nuestro análisis de los datos cotejados, nuestro trabajo identifica múltiples métricas para un examen sólido de la participación pública en la ciencia y, más en general, de las multitudes en línea. También señala los límites de los estudios cuantitativos a la hora de captar la importancia personal, social e histórica de la ciencia ciudadana.

IOP Publishing (IOPP) proporciona comentarios a los revisores sobre sus informes de revisión para mejorar la calidad de la revisión por pares y fortalecer las mejores prácticas

Cullen, Cait. «IOP Publishing Unveils Industry-Leading Feedback System for Reviewers». IOP Publishing, 14 de noviembre de 2023. https://ioppublishing.org/news/iop-publishing-unveils-industry-leading-feedback-system-for-reviewers/


IOP Publishing (IOPP) ahora ofrece retroalimentación a los revisores sobre sus informes de revisión para mejorar la calidad de la revisión por pares y fortalecer las mejores prácticas en las ciencias físicas.

IOPP ha implementado el nuevo programa de manera voluntaria en todas sus revistas propietarias. Cuando los revisores optan por recibir comentarios sobre su informe, IOPP compartirá una evaluación numérica de qué tan útil fue el informe para los editores internos en una escala del 1 al 5, siendo 5 excepcional y 1 indicando que el informe no es adecuado para tomar una decisión. Luego, los revisores pueden ver información constructiva sobre la estructura y utilidad de los informes que explica la evaluación.

Una encuesta que incluyó a más de 1.200 investigadores que han revisado o sido invitados a revisar con IOPP muestra que recibir comentarios sobre sus informes de revisión mejoraría su experiencia en la revisión por pares, ya sea ser notificados sobre la decisión final sobre el artículo o recibir información sobre la calidad de su informe. En particular, los resultados muestran que los comentarios sobre la calidad de los informes son más valorados por los investigadores en etapas tempranas de sus carreras, donde estos comentarios pueden ser invaluables para desarrollar sus habilidades de investigación.

El lanzamiento sigue a una prueba exitosa del programa en tres revistas de IOP Publishing, incluyendo Engineering Research Express, Environmental Research Letters y Plasma Physics and Controlled Fusion. Más del 85% de los revisores involucrados en la prueba indicaron que recibir comentarios sobre su informe fue útil o muy útil. Desde que IOPP extendió el programa a todas sus revistas propietarias en septiembre, más de 2,700 revisores ya han optado por recibir comentarios sobre sus informes.

Laura Feetham, Gerente de Compromiso de Revisores en IOPP, dice: «El trabajo de nuestros expertos en revisión por pares es crucial para el avance de la ciencia, y sin embargo, los revisores rara vez (si es que alguna vez) reciben comentarios de los editores sobre la calidad de sus informes y en qué medida influyeron en la decisión editorial. Queríamos cambiar esto en nombre de nuestras comunidades de revisión por pares. Ahora, nuestros revisores pueden optar por recibir una evaluación honesta de su informe, directamente del editor. Nuestra esperanza es que esto mejore la transparencia en el sistema de revisión por pares y ayude a los investigadores en etapas tempranas de sus carreras a construir sus habilidades de revisión por pares».

La introducción de la retroalimentación a los revisores es la última de una serie de innovaciones en la revisión por pares en IOPP, que incluye una nueva política de co-revisión y el programa Peer Review Excellence.

Panorama global de la excelencia científica: análisis de los investigadores altamente citados 2023 y el cambio en las dinámicas globales de investigación

Highly Cited Researchers

La distribución de estas designaciones muestra una concentración destacada en ciertos campos. Los Investigadores Altamente Citados provienen de 67 países/regiones, pero el 83.8% procede de solo 10, y el 72.7% de los cinco primeros, evidenciando una concentración significativa de talentos. Estados Unidos lidera con 2,669 investigadores, aunque su cuota mundial ha disminuido desde 2018, a diferencia de China continental, que ha experimentado un aumento del 10%.


Clarivate™ ha anunciado este año 7,125 designaciones de Highly Cited Researchers para 6,849 individuos. El número de designaciones supera al de individuos debido a que algunos investigadores reciben reconocimiento en más de un campo de Essential Science Indicators™ (ESI). Estas designaciones se distribuyen de manera desigual por campos, reflejando el tamaño de cada uno.

Los Investigadores Altamente Citados de 2023 provienen de unos 67 países/regiones, pero el 83.8% proviene de solo 10, y el 72.7% de los cinco primeros, lo que destaca una concentración significativa de talentos.

Estados Unidos sigue teniendo la mayor concentración de investigadores muy citados, con 2,669 en 2023, representando el 37.5% del grupo. China continental mantiene la segunda posición con 1,275 investigadores (17.9%). El Reino Unido ocupa el tercer lugar con 574 investigadores (8.1%). Otros países en el top 10 son Alemania, Australia, Canadá, Países Bajos, Francia, Hong Kong e Italia.

Se destaca el aumento significativo de la proporción de investigadores muy citados en China continental en los últimos años, mientras que Estados Unidos ha experimentado una pérdida de cuota. En 2023, China continental ha aumentado su cuota mundial en un 10% desde 2018, mientras que Estados Unidos ha experimentado una disminución del 5.9%.

En cuanto a las instituciones, Harvard lidera la lista con 237 investigadores muy citados, seguida por la Universidad de Stanford. La Academia China de Ciencias encabeza la lista de instituciones con 270 investigadores muy citados, seguida por los Institutos Nacionales de Salud de EE.UU., la Sociedad Max Planck, el Memorial Sloan Kettering Cancer Center y el Broad Institute.