Archivo de la etiqueta: Investigadores

La IA se convierte en asistente habitual de los investigadores

AI for Science 2026: The State of AI Use among Researchers. Fudan University, Shanghai Academy of AI for Science & Nature Research Intelligence, 2026.

Texto completo

El informe muestra que la IA generativa ya está integrada en buena parte del trabajo cotidiano de los investigadores, aunque principalmente como herramienta de apoyo y no como sustituto del juicio científico. Su utilización se concentra especialmente en las primeras fases del proceso investigador: búsqueda y descubrimiento de información, exploración de literatura, redacción, edición y mejora de textos. Casi la mitad de los investigadores afirma utilizar IA con frecuencia para recopilar información y para mejorar o editar artículos.

El informe muestra que la inteligencia artificial está incorporándose rápidamente al trabajo cotidiano de los investigadores, aunque su utilización no es homogénea. La IA se emplea sobre todo en las fases exploratorias y generativas de la investigación, especialmente para recopilar información, descubrir literatura, planificar investigaciones y mejorar o editar artículos. El 43,8 % de los investigadores utiliza IA frecuente o muy frecuentemente para recopilar información y el 44,6 % para mejorar o editar artículos. En cambio, su utilización disminuye considerablemente cuando las tareas requieren evaluación, responsabilidad y juicio profesional.

Una de las principales conclusiones es que la IA actúa más como asistente que como sustituto del investigador. El uso es mucho menor en actividades como la revisión de artículos científicos o la toma de decisiones sobre la publicación. Solo el 23,5 % utiliza IA para revisar artículos y el 25,7 % para decisiones relacionadas con su presentación. Esto refleja que los investigadores siguen reservando para las personas aquellas tareas en las que son fundamentales el criterio experto, la responsabilidad profesional y la evaluación crítica.

Existe además una importante diferencia generacional. Los investigadores más jóvenes recurren a la IA con mayor frecuencia que los investigadores con más experiencia. Entre quienes llevan menos de tres años investigando, el 46,8 % utiliza frecuentemente IA para mejorar o editar artículos, frente al 36,1 % entre quienes acumulan 20 años o más de experiencia. Para la recopilación de información, las cifras son del 47,8 % y el 33,4 %, respectivamente. La diferencia se explica tanto por una mayor utilización entre los investigadores jóvenes como por una mayor resistencia de los investigadores sénior a utilizar estas herramientas.

En cuanto a las herramientas utilizadas, los modelos generalistas dominan claramente el panorama. Representan el 75,9 % de las menciones entre las tres herramientas de IA más utilizadas por los investigadores. ChatGPT aparece en primer lugar, con el 36,8 % de las menciones, seguido de Gemini, con el 19,4 %, y Claude, con el 6,5 %. Las herramientas específicas para escritura y edición representan el 7,2 %, mientras que las destinadas al descubrimiento de literatura y evidencias alcanzan el 5,6 %.

El informe también revela diferencias geográficas. El uso intensivo de IA para descubrir contenidos científicos es especialmente elevado en Asia oriental. En el conjunto de la muestra, el 5,7 % de los investigadores depende principalmente o exclusivamente de herramientas de IA para identificar investigaciones relevantes, pero entre los investigadores jóvenes la proporción llega al 21,2 % en Japón y al 15,2 % en China, frente al 5,7 % en Estados Unidos y el 8,9 % en Europa.

Otro aspecto significativo es la forma de financiación de estas herramientas. La mayoría de los investigadores accede a ellas de manera independiente: el 45,4 % utiliza principalmente herramientas gratuitas y el 41,3 % las paga personalmente. Solo el 11,1 % señala que su institución financia la licencia. Esto indica que la adopción de IA está avanzando más rápidamente que el establecimiento de políticas y sistemas institucionales de apoyo, formación y financiación.

La satisfacción con la IA es relativamente elevada cuando se utiliza para descubrir información científica. El 65,2 % de los investigadores se declara satisfecho o muy satisfecho con la ayuda que proporciona su herramienta principal para descubrir nuevos contenidos. Las razones principales son su capacidad para localizar fuentes relevantes y proporcionar referencias, además de la precisión de las respuestas y el incremento de la productividad.

Sin embargo, la confianza sigue siendo el principal problema. Las respuestas abiertas muestran que los investigadores valoran especialmente la posibilidad de aumentar la productividad, facilitar el descubrimiento de literatura y ampliar el acceso al conocimiento, pero manifiestan importantes preocupaciones sobre la fiabilidad de los resultados. Entre más de 7.500 respuestas abiertas, las alucinaciones y los problemas de exactitud acumularon 4.935 menciones, muy por encima de otros riesgos. También aparecen el temor a la pérdida de pensamiento crítico, mencionado 1.167 veces, y las preocupaciones relacionadas con la integridad de la investigación, con 702 menciones.

En definitiva, el estudio presenta una imagen de una investigación científica cada vez más asistida por IA, pero todavía lejos de una investigación autónoma. La IA está penetrando especialmente en la búsqueda y descubrimiento de información, la organización de ideas, la redacción y la edición, mientras que los investigadores mantienen un mayor control humano sobre la evaluación y las decisiones científicas. El gran reto que plantea el informe no es tanto conseguir que los investigadores utilicen IA —algo que ya está sucediendo— como garantizar que sepan utilizarla de forma crítica, verificable, ética y responsable, especialmente ante las alucinaciones, la pérdida potencial de pensamiento crítico, la integridad científica y la seguridad de los datos.

lmpacto de las políticas estatales y federales en los investigadores académicos

Researchers reviewing data charts and maps showing policy impacts on education, health, and economy
Researchers analyze survey data to assess policy impacts on education, health, and economy.

Ruediger, Dylan, Chelsea McCracken, and Jonathan Barefiel. «The Impact of State and Federal Policies on Academic Researchers: Findings from a National Survey.» Ithaka S+R
. Last Modified 20 April 2026. https://doi.org/10.18665/sr.325485.

El informe analiza cómo las políticas públicas recientes —tanto a nivel estatal como federal— están influyendo en la actividad de los investigadores académicos en Estados Unidos. Basado en una encuesta nacional, el estudio muestra que existe una creciente preocupación dentro de la comunidad investigadora por el impacto de decisiones políticas en aspectos clave de su trabajo, incluyendo la financiación, la elección de temas de investigación y la libertad académica. Este contexto refleja un entorno cada vez más condicionado por factores externos al propio quehacer científico.

Uno de los hallazgos principales es que las políticas gubernamentales están afectando directamente las agendas de investigación. Algunos investigadores declaran haber modificado, evitado o reformulado sus líneas de trabajo para adaptarse a restricciones normativas o a cambios en las prioridades de financiación. Esto sugiere un desplazamiento desde la investigación guiada por la curiosidad o la relevancia científica hacia una investigación condicionada por criterios políticos o estratégicos, lo que puede tener consecuencias a largo plazo en la producción de conocimiento.

El informe también destaca el impacto de la incertidumbre en la financiación pública. Los cambios en las políticas presupuestarias, junto con posibles recortes o reorientaciones de fondos, generan inseguridad laboral y dificultan la planificación de proyectos a largo plazo. Esta inestabilidad no solo afecta a los investigadores consolidados, sino también a las nuevas generaciones, que encuentran más barreras para iniciar sus carreras académicas en un contexto de recursos fluctuantes.

Asimismo, se observa una creciente tensión entre las políticas estatales y federales, que en ocasiones imponen marcos regulatorios divergentes o incluso contradictorios. Esta fragmentación normativa añade complejidad al trabajo de los investigadores, que deben navegar entre distintos requisitos legales, administrativos y éticos según su ubicación o fuente de financiación. El resultado es un aumento de la carga burocrática y una posible ralentización de la actividad investigadora.

En conjunto, el estudio concluye que las políticas públicas están desempeñando un papel cada vez más determinante en la configuración del ecosistema de investigación académica. Si bien algunas medidas pueden responder a objetivos legítimos —como la rendición de cuentas o la alineación con prioridades sociales—, el informe advierte del riesgo de que una excesiva intervención política limite la autonomía científica y reduzca la capacidad del sistema académico para generar conocimiento innovador y crítico.

Por qué los autores no revelan el uso de la IA y qué deberían (o no) hacer las editoriales al respecto

Staiman, Avi. Why Authors Aren’t Disclosing AI Use and What Publishers Should (Not) Do About It. The Scholarly Kitchen, 27 de enero de 2026.

Part 1

Part 2

  1. El problema central

En esta serie de dos artículos, Avi Staiman analiza un fenómeno creciente en las publicaciones académicas: aunque muchos investigadores utilizan herramientas de inteligencia artificial (IA) en diversas fases de su trabajo —desde la búsqueda de literatura, redacción de textos o apoyo en el análisis de datos—, muy pocos lo revelan explícitamente en sus manuscritos. Las políticas de muchas revistas y editoriales requieren este tipo de declaraciones, pero la práctica demuestra que casi nadie cumple con ellas y la razón no es simplemente desobediencia, sino un problema de incentivos, claridad y cultura editorial.

Los editores esperaban que al exigir a los autores que explicaran su uso de IA se fomentara una mayor transparencia, permitiendo que revisores y equipos editoriales evaluaran si ese uso era apropiado y cómo influía en la investigación. Sin embargo, esto no ha ocurrido en la práctica: con encuestas que muestran que más de la mitad de los investigadores (por ejemplo, un 62 %) usan IA en algún punto de su flujo de trabajo, solo una fracción mínima declara esa asistencia en sus artículos publicados.

  1. ¿Por qué los autores no revelan su uso de IA?

Staiman identifica varias razones clave:

a) Miedo a consecuencias negativas

Muchos autores temen que revelar el uso de IA sea interpretado como una señal de menor rigor, creatividad o capacidad académica, lo que podría influir negativamente en decisiones editoriales o de revisión por pares. Aunque las políticas puedan presentarse como neutrales, la percepción de estigma hace que los investigadores prefieran no mencionar su uso de IA.

b) Falta de claridad en las políticas

Las directrices actuales son muy heterogéneas y a menudo vagas: unas solo piden una declaración general, mientras que otras exigen documentación extensiva, incluyendo registros de chats con herramientas de IA. Esto causa confusión y lleva a los autores a preguntarse qué, cuándo y cómo deben declarar.

c) Carga burocrática sin incentivos

Muchas de estas exigencias demandan tiempo y esfuerzo significativos sin beneficios claros para los autores, lo que dificulta su adopción voluntaria.

d) Falta de consciencia del propio uso de IA

Algunos autores no se dan cuenta de que están empleando IA porque esta está integrada de manera invisible en herramientas cotidianas (por ejemplo, asistentes de escritura o búsqueda).

e) Confusión entre IA y plagio

Existe la percepción equivocada de que usar IA es equivalente a plagiar o engañar, lo que lleva a algunos autores a ocultar su uso deliberadamente en lugar de explicarlo con transparencia.

f) Políticas sin mecanismos de cumplimiento

Solo existiendo normas formales sin mecanismos claros de verificación o consecuencias percibidas, muchos autores simplemente apuestan a que no se les pedirá pruebas o explicaciones posteriores.

  1. ¿Qué no deben hacer los editores?

En el primer artículo, Staiman también advierte sobre lo que no es útil para resolver este problema:

Invertir fuertemente en herramientas de detección automática de IA, ya que son poco fiables y tienden a reforzar la idea de que el uso de IA es inherentemente sospechoso en lugar de normal.

  1. Cómo deberían abordar los editores el uso de IA (Parte 2)

En el segundo artículo de la serie, Staiman propone un cambio de foco fundamental: no se trata de documentar cada paso del uso de IA, sino de asegurar confianza en los resultados, reproducibilidad y responsabilidad científica.

a) Formular la pregunta correcta

En lugar de preguntar “¿Cómo usaste IA?”, los editores deberían centrarse en preguntas clásicas de integridad científica:

¿Los datos son fiables y transparentes?

¿Los métodos están claros y pueden reproducirse?

¿El análisis es robusto y verificable?

Este enfoque sitúa las preocupaciones en resultados y calidad de la investigación, no en la herramienta en sí.

b) Declaraciones estructuradas y de bajo coste

Staiman recomienda que las revistas implementen formularios simples donde los autores marquen categorías de uso de IA (p.ej., búsqueda, análisis, generación de código, revisión lingüística), en lugar de exigir narrativas detalladas o capturas de pantalla. Esto reduce la carga y mejora la consistencia en las declaraciones.

c) Requisitos escalonados según el riesgo

No todos los usos de IA implican el mismo nivel de riesgo para la reproducibilidad. Por ejemplo:

Edición de texto y traducción – no debería requerir declaración exhaustiva.

Análisis de datos o generación de código científico – sí debería requerir declaraciones específicas y mayor escrutinio editorial.

d) Afirmaciones explícitas de responsabilidad

Una declaración formal de autoría que afirme que el autor se responsabiliza plenamente de todos los elementos científicos, independientemente de las herramientas utilizadas, puede ayudar a centrar el debate en la integridad científica y no en la tecnología.

e) Educación y cambio cultural

Es clave que editores y revisores reciban entrenamiento para evaluar el impacto del uso de IA sobre la metodología y la reproducibilidad, y no para juzgar la estética o estilo de escritura generado por IA

¿Por qué los autores no revelan el uso de IA en sus trabajos de investigación?

Staiman, Avi. 2026. “Why Authors Aren’t Disclosing AI Use and What Publishers Should (Not) Do About It.” The Scholarly Kitchen, January 27, 2026. https://scholarlykitchen.sspnet.org/2026/01/27/why-authors-arent-disclosing-ai-use-and-what-publishers-should-not-do-about-it/

El artículo aborda el fenómeno creciente de que muchos autores académicos no están declarando el uso de herramientas de inteligencia artificial (IA) en sus procesos de investigación y redacción, a pesar de que un número significativo de ellos reconoce emplearlas en distintas fases del trabajo científico

Staiman explica que, aunque las editoriales han desarrollado políticas que requieren declaraciones sobre el uso de IA con el objetivo de mantener la integridad de la literatura científica, estas normas no están siendo efectivamente cumplidas: solo un porcentaje muy bajo de autores realmente declara haber usado IA en sus manuscritos. Esta brecha entre las expectativas formales de transparencia y la práctica real refleja, según el autor, varios factores humanos y estructurales que dificultan la declaración abierta de asistencia artificial en la escritura científica.

Una de las principales razones de esta falta de transparencia es el miedo de los investigadores a que la divulgación de uso de IA sea percibida negativamente por editores y revisores, lo que podría influir adversamente en la evaluación de la calidad, originalidad o rigor del trabajo. Aunque muchos investigadores usan IA para tareas como mejorar la redacción, sintetizar información o buscar literatura relevante, existe una percepción persistente de que tal uso podría ser interpretado como una forma de atajo o amenaza a la integridad académica, lo que crea un ambiente en el que los autores prefieren omitir estas declaraciones.

Otra barrera importante es la confusión y falta de claridad en las directrices editoriales: las políticas de las revistas y editoriales varían ampliamente sobre qué tipo de uso de IA debe ser declarado, cuándo hacerlo y cómo documentarlo. Algunos requisitos son vagos o excesivamente complejos, lo que genera incertidumbre en los autores respecto a si deben declarar, cómo hacerlo o si incluso es obligatorio. Esta ambigüedad, combinada con la carga adicional de trabajo que supone documentar exhaustivamente cada instancia de uso de IA y la ausencia de incentivos claros para hacerlo, contribuye a que muchos autores opten por no reportarlo.

Además, el artículo señala que algunos autores ni siquiera son conscientes del uso de IA en herramientas integradas en aplicaciones comunes (como asistentes de redacción en suites ofimáticas), lo que dificulta aún más la trazabilidad y divulgación de la asistencia artificial. También destaca una confusión extendida entre el uso de IA y el plagio, lo que lleva a algunos autores a tratar de ocultar signos de asistencia de IA en lugar de ser transparentes, con la intención de evitar evaluaciones negativas o fallos en las pruebas de detección.

Finalmente, el autor advierte que, si las editoriales no clarifican, educan y, sobre todo, repiensan cómo deben abordar el uso de IA, es probable que la falta de divulgación continúe. Argumenta que las editoriales no deberían centrarse en herramientas de detección de IA —las cuales son poco fiables y pueden reforzar la idea de que el uso de IA es inaceptable— sino en proporcionar directrices claras, educar a la comunidad académica sobre prácticas responsables y crear políticas que reconozcan las distintas formas legítimas de asistencia de IA sin sacrificar la integridad de la investigación.

Actitudes y comportamientos de comunicación académica entre investigadores de la Generación Z

Nicholas, David; Clark, David; Abdullah, Abrizah; Revez, Jorge; Rodríguez Bravo, Blanca; Świgoń, Marzena; y Akeroyd, John. “The scholarly communication attitudes and behaviours of Gen‑Z researchers: a pathfinding study.” Cambridge Open Engage, 23 de enero de 2026, DOI: 10.33774/coe‑2026‑s8b36. Cambridge University Press, 2026

Texto completo

Estudio piloto cualitativo que explora las actitudes y comportamientos de comunicación académica de investigadores de la Generación Z (nacidos aproximadamente entre mediados de los 90 y comienzos de los 2010) en comparación con colegas pertenecientes a generaciones anteriores dentro de la misma fase de carrera académica. El objetivo central de este trabajo fue identificar diferencias emergentes que puedan justificar una investigación más amplia en el futuro.

La investigación se basó en entrevistas en profundidad de aproximadamente una hora con alrededor de 30 investigadores de la Generación Z provenientes de ocho países y abarcando diversas disciplinas. Para contextualizar estos hallazgos, los autores compararon las experiencias narradas por los participantes más jóvenes con un grupo más amplio de 120 investigadores más veteranos.

Además, el equipo de investigación empleó análisis mediante IA (Claude AI) no sólo para procesar los datos cualitativos obtenidos, sino también para evaluar el estado actual de la literatura publicada sobre comunicación académica entre investigadores jóvenes. Este uso de IA refleja una tendencia hacia la integración de herramientas tecnológicas en la propia praxis investigadora, algo que también está siendo observado como una característica distintiva entre generaciones.

Entre los hallazgos preliminares, los autores destacan que los investigadores de la Generación Z tienden a adoptar estratégicamente la inteligencia artificial como un medio para mejorar su eficiencia y avanzar en sus carreras académicas. En contraste, los investigadores más experimentados muestran una mayor conciencia crítica y cautela respecto a las implicaciones filosóficas y éticas del uso de estas tecnologías en la comunicación y difusión del conocimiento científico.

El estudio concluye que, pese a las limitaciones de tamaño y alcance de la muestra, existen diferencias suficientemente claras en prácticas y actitudes que justifican una investigación ampliada. Esto podría enriquecer la comprensión de cómo evoluciona la comunicación académica en un contexto globalizado y tecnológicamente mediado, particularmente entre los recién llegados al mundo académico frente a generaciones anteriores.

La IA ya está muy presente en los flujos de trabajo de la publicación académica

Dolechek, Melanie. “AI in Scholarly Publishing — SSP Pulse Check Report.” The Scholarly Kitchen (blog), 9 de enero de 2026. https://scholarlykitchen.sspnet.org/2026/01/09/ai-in-scholarly-publishing-ssp-pulse-check-report/

Texto completo

El objetivo del informe es explorar cómo las organizaciones del ámbito de la publicación académica están adoptando y respondiendo a la inteligencia artificial (IA). La encuesta, realizada entre el 1 y el 12 de diciembre de 2025 entre 563 profesionales de distintas organizaciones, revela que la IA ya está muy presente en los flujos de trabajo de la publicación académica, aplicándose principalmente en tareas relacionadas con la creación y resumen de contenidos, revisión de integridad y detección de plagio, así como en herramientas de accesibilidad y descubrimiento de contenidos.

A pesar de esta adopción generalizada, el informe subraya que la preparación institucional para gestionar el impacto de la IA sigue rezagada respecto al uso tecnológico. La mayoría de las organizaciones se encuentran en un estado de preparación parcial, con políticas, capacidades y conocimientos aún en desarrollo, lo que refleja que el entusiasmo por la IA va acompañado de incertidumbre y retos organizativos. Entre los principales obstáculos se encuentran preocupaciones éticas y legales, problemas de privacidad y seguridad de datos, y una insuficiente capacidad especializada dentro de los equipos.

Las respuestas a la encuesta muestran que la adopción de IA ya está en marcha en las organizaciones de publicación académica, y la gran mayoría reporta al menos un caso de uso activo. Las aplicaciones más comunes se centran en los flujos de trabajo relacionados con el contenido, particularmente la creación o resumen de contenido (48%) y la verificación de plagio o integridad de la investigación (43%). Estos usos reflejan áreas donde la IA puede ofrecer ganancias inmediatas de eficiencia y ampliar el soporte a los procesos editoriales existentes sin alterar fundamentalmente la autoridad en la toma de decisiones.

Las herramientas de accesibilidad y traducción (34%) y el descubrimiento de contenido (34%) también son muy relevantes, subrayando el papel creciente de la IA en mejorar el alcance, la usabilidad y la encontrabilidad del contenido académico.

Más allá de las funciones editoriales principales, las organizaciones aplican cada vez más la IA a actividades empresariales y operativas. Más de una cuarta parte de los encuestados informa que utiliza IA para marketing o interacción con clientes (27%) y para análisis de datos o previsiones (27%), lo que indica una mayor comodidad con los conocimientos generados por IA para informar estrategias y alcance de la audiencia. La asistencia en la revisión por pares o la asignación de revisores (22%) y la generación o etiquetado de metadatos (18%) aparecen como aplicaciones emergentes, pero aún no universales, lo que sugiere tanto oportunidad como cautela en áreas que interfieren más directamente con el juicio académico y el control de calidad.

De acuerdo con los datos mostrados, las categorías con mayor peso son:

  • Creación o resumen de contenido: Es la aplicación más destacada con un 48%.
  • Controles de plagio o integridad: Ocupa el segundo lugar con un 43%.
  • Descubrimiento de contenido: Representa un 34%.
  • Herramientas de accesibilidad o traducción: Empata con el descubrimiento de contenido con un 34%.
  • Marketing o compromiso del cliente: 27%.
  • Análisis de datos o pronósticos: 27%.
  • Asistencia en revisión por pares o emparejamiento de revisores: 22%.
  • Generación de metadatos o etiquetado: 18%.
  • Licencia de contenido a terceros: 13%.
  • Personalización o inteligencia predictiva: 13%.
  • Finalmente, la imagen indica que un 14% corresponde a otros usos y un 12% de los consultados no utiliza IA actualmente.

Actitudes hacia la IA

Las respuestas indican que la mayoría de las organizaciones abordan la IA con interés medido, más que con entusiasmo incondicional. La mayoría (51%) describe su postura como exploración cautelosa de oportunidades, lo que sugiere experimentación activa junto con consideración cuidadosa de riesgos, gobernanza y adecuación. Al mismo tiempo, más de un tercio de los encuestados muestra una postura fuertemente positiva hacia la IA: 19% adopta activamente e invierte en IA y 16% se identifica como adoptante entusiasta y proactivo — juntos indican un impulso significativo hacia una integración más profunda.

Solo una pequeña minoría permanece al margen o en contra. Solo el 6% reporta una postura neutral de esperar y ver, otro 6% se declara escéptico o resistente, y solo 2% evita activamente las herramientas de IA. En conjunto, estos resultados sugieren que, aunque la cautela sigue siendo dominante, la resistencia a la IA en la publicación académica es limitada y la trayectoria general apunta hacia una adopción más amplia con el tiempo.

Preparación ante la IA

Las respuestas sugieren que la mayoría de las organizaciones se sienten parcialmente preparadas para enfrentar el impacto de la IA en el próximo año. Casi la mitad (45%) reporta estar moderadamente preparada, mientras otro 27% se siente solo ligeramente preparada, lo que indica que muchas organizaciones todavía están construyendo habilidades, políticas y confianza interna. Un porcentaje menor se siente altamente preparado: 16% se describe como muy preparado y solo 3% como completamente preparado, lo que subraya lo rara que sigue siendo la sensación de preparación total. Al mismo tiempo, 9% reporta no estar preparado en absoluto, destacando la necesidad de orientación, buenas prácticas compartidas y desarrollo de capacidades en toda la comunidad.

El sondeo también identifica oportunidades importantes asociadas con la IA, entre ellas la eficiencia de los flujos de trabajo —que puede liberar tiempo para tareas de mayor valor añadido—, el fortalecimiento de la revisión por pares mediante herramientas de apoyo o asignación de revisores, y el uso de IA para reforzar la integridad y calidad de la investigación a través de la detección de plagio o de prácticas poco éticas. Asimismo, la IA se percibe como una herramienta valiosa para mejorar la descubribilidad del contenido científico y para apoyar a autores de distintas lenguas mediante traducción y servicios lingüísticos.

Barreras para la adopción de IA

Los encuestados identificaron preocupaciones legales/éticas, privacidad/seguridad y falta de experiencia/capacidad como las principales barreras para la adopción de IA.

A pesar de los altos niveles de adopción e interés en IA, las organizaciones de publicación académica todavía albergan serias preocupaciones sobre su uso en el sector. Las preocupaciones éticas o legales (63%) y los problemas de privacidad o seguridad de los datos (61%) encabezan la lista, reflejando cautela generalizada respecto a cumplimiento, propiedad intelectual y uso responsable — preocupaciones especialmente agudas en la publicación académica. La preparación organizacional también emerge como un desafío significativo, con la mitad de los encuestados (50%) citando la falta de experiencia o capacidad del personal, lo que subraya que las capacidades humanas e institucionales a menudo quedan detrás del interés tecnológico.

Consideraciones prácticas y financieras forman un segundo nivel de barreras. Restricciones presupuestarias (28%), calidad o disponibilidad de datos (25%) y un ROI o caso de negocio poco claros (25%) sugieren que muchas organizaciones todavía evalúan costos frente a beneficios inciertos. Los problemas culturales y de herramientas —como la resistencia al cambio (23%) y la falta de herramientas adecuadas (19%)— son menos dominantes pero todavía significativos. Casi todas las organizaciones reportan algún tipo de fricción al adoptar IA.

No obstante, las preocupaciones sobre los riesgos son profundas y existenciales. Muchos encuestados expresan inquietudes sobre la posibilidad de que la IA degrade la calidad y la integridad de la literatura académica, dificultando la detección de contenidos generados por IA sin rigor científico, y erosionando la confianza en el proceso de revisión por pares tradicional. También existe ansiedad sobre la falta de transparencia en el uso de IA y la autenticidad de las contribuciones cuando las herramientas automatizadas participan en la producción o evaluación de trabajos. En conjunto, estas respuestas reflejan una comunidad editorial que navega entre la oportunidad de mejorar procesos y la necesidad de proteger los valores fundamentales de la comunicación científica.

¿Cómo son las carreras de investigación en los distintos países? Una nueva base de datos mundial ofrece algunas respuestas

Science.org. (2025, junio 30). How do research careers compare across countries? New global database has some answers. Science. https://www.science.org/content/article/how-do-research-careers-compare-across-countries-new-global-database-has-some-answers

El observatorio ReICO representa un paso importante hacia una comprensión global y comparativa de las carreras de investigación. Al ofrecer datos detallados y contextualizados, permite a los responsables políticos y a las instituciones científicas tomar decisiones más informadas para mejorar la sostenibilidad, equidad y atractivo de la profesión investigadora en todo el mundo.

Un nuevo observatorio internacional creado por la OCDE, llamado Research and Innovation Careers Observatory (ReICO), busca proporcionar datos comparativos y fiables sobre las trayectorias profesionales de los investigadores en distintos países. Esta herramienta es un avance clave para quienes diseñan políticas científicas, ya que permite visualizar y analizar cómo varían las condiciones laborales, los patrones de movilidad, la distribución sectorial del empleo y los obstáculos estructurales que enfrentan los científicos a lo largo de sus carreras.

Uno de los hallazgos destacados del informe es el crecimiento en el número de personas con doctorado en los países de la OCDE. Entre 2014 y 2022, la proporción de la población activa con doctorado pasó de 0,9 % a 1,3 %. Aunque países como Eslovenia y Suiza presentan porcentajes superiores al 3 %, en otros como México, Costa Rica e Indonesia la cifra no supera el 0,2 %. Esta disparidad refleja desequilibrios importantes en la inversión en educación superior avanzada y en las oportunidades de desarrollo científico.

Sin embargo, a pesar del aumento en la formación de doctores, las condiciones laborales siguen siendo frágiles, sobre todo en las primeras etapas de la carrera investigadora. Según los datos recogidos, aproximadamente el 75 % de los investigadores menores de 34 años tienen contratos temporales. Esta precariedad, combinada con la presión por publicar y conseguir financiación, hace que muchos científicos abandonen la carrera académica o busquen oportunidades fuera del ámbito público.

El informe también muestra un cambio estructural significativo: cada vez más investigadores trabajan fuera de la academia, especialmente en el sector empresarial. Entre los años 2000 y 2021, la proporción de científicos empleados en empresas pasó del 60 % al 66 %. Este crecimiento refleja no solo la expansión de la I+D en el ámbito privado, sino también una adaptación de los perfiles científicos a necesidades del mercado, lo cual plantea nuevos desafíos y oportunidades para la formación doctoral.

Otro aspecto que destaca el observatorio es la dificultad para rastrear las trayectorias profesionales, especialmente cuando los investigadores cambian de sector, país o dejan de publicar artículos científicos. Esta falta de información dificulta a los jóvenes investigadores imaginar trayectorias profesionales sostenibles y contribuye a la incertidumbre sobre las salidas laborales tras el doctorado.

Finalmente, el ReICO también aborda las brechas de género persistentes en la ciencia. Las mujeres tienen más probabilidades de tener contratos temporales en todas las etapas de su carrera y están subrepresentadas en los puestos de mayor jerarquía. El informe recomienda a los países diversificar sus criterios de evaluación del rendimiento científico, apoyarse más en trayectorias variadas y aplicar políticas activas de inclusión y equidad.

Es «ORCID y…», no «ORCID o…»: Cómo los identificadores de investigadores trabajan juntos para ayudar a los investigadores

Brown, J., & Meadows, A. (2025, junio 25). It’s “ORCID and…,” not “ORCID or…”: How researcher identifiers work together to help researchers, build a better picture of research, and streamline administrative tasks [Informe]. Zenodo. https://doi.org/10.5281/zenodo.15737460

El informe destaca que ORCID —el identificador de investigadores— no compite con otros sistemas; más bien, los integra y complementa. Su propuesta central es que los investigadores deben considerarlo “y no ‘o.’” En lugar de reemplazar otros identificadores, ORCID conecta redes nacionales, disciplinas especializadas y sistemas propietarios a través de una plataforma interoperable abierta.

ORCID surgió en 2012 para resolver la ambigüedad en la autoría científica generada por nombres similares, cambios de nombre, variaciones culturales y convenciones tipográficas. Como identificador alfanumérico persistente, funciona como una “cédula” digital que permite rastrear con precisión la producción académica de una persona. Su diseño abierto facilita la vinculación con otros sistemas de identificación (Scopus Author ID, ResearcherID, ISNI…), potenciando la automatización y evitando duplicidades.

El informe estructura su análisis en tres capas de interoperabilidad: (1) cobertura nacional, en la cual instituciones integran ORCID en sus sistemas internos para proyectarse globalmente; (2) cobertura disciplinar, mediante la asociación con infraestructuras específicas como DOI para publicaciones o RAiD para conjuntos de datos; y (3) sistemas propietarios o comerciales, que pueden integrar ORCID mediante APIs abiertas, permitiendo su uso junto con herramientas premium para la gestión de investigación.

Los beneficios se traducen en eficiencia administrativa y visibilidad de las contribuciones: al eliminar procesos manuales y consolidar identificadores, se reducen errores y aumentan los ahorros en tiempo y recursos. En algunos casos documentados en el informe, se observan ahorros equivalentes a varios días/persona al año, que podrían equivaler a ahorros millonarios si se escalan .

Cómo aumentar tus citas académicas y mejorar tu índice h: estrategias clave para investigadores

World University Rankings 2025: methodology

Ale Ebrahim, Nader (2025). Strategies to Enhance Citation Counts and Improve Researchers’ h-index. figshare. Presentation. https://doi.org/10.6084/m9.figshare.28911272.v1

En el competitivo panorama académico actual, el número de citas que recibe un investigador y su índice h (h-index) son métricas cruciales para su carrera profesional. Estas cifras no solo reflejan la influencia de una investigación, sino que también condicionan oportunidades de financiación, promociones y el prestigio institucional.

En este contexto, Nader Ale Ebrahim, consultor en visibilidad de la investigación y bibliometría, propone una serie de estrategias prácticas y herramientas digitales para maximizar el impacto académico de los investigadores.

El artículo, basado en una presentación publicada en Figshare (https://doi.org/10.6084/m9.figshare.28911272.v1), destaca que producir buena investigación ya no es suficiente; es necesario también garantizar su visibilidad y accesibilidad.

El aumento en el número de citas y la mejora del índice h no son fruto de la casualidad, sino el resultado de una estrategia deliberada y bien estructurada orientada a potenciar la visibilidad académica. Tal como sostiene Ebrahim, es fundamental que los investigadores adopten una actitud proactiva en la difusión de su trabajo científico, utilizando de forma inteligente las herramientas digitales disponibles y aplicando buenas prácticas en comunicación académica. Este enfoque no solo contribuye a incrementar la frecuencia con la que se cita una investigación, sino que también abre la puerta a nuevas colaboraciones y a un mayor reconocimiento dentro de la comunidad científica internacional.

A continuación, se detallan las principales estrategias recomendadas:

  1. Optimizar el perfil del autor: Es fundamental mantener una identidad académica coherente. Para ello, se recomienda utilizar siempre el mismo nombre de autor y registrar un perfil en ORCID. También es clave mantener actualizado el perfil en Google Scholar, que centraliza la producción científica del investigador.
  2. Publicar de manera estratégica: Se aconseja elegir revistas académicas de alto impacto (preferentemente del cuartil Q1) que estén indexadas en bases como Scopus o Web of Science. Además, se sugiere usar herramientas de inteligencia artificial como Writefull o Scite.ai para mejorar el título, el resumen y las palabras clave, facilitando así la visibilidad y el descubrimiento del artículo.
  3. Apostar por el acceso abierto y repositorios: Hacer los artículos accesibles a través de plataformas como Zenodo o repositorios institucionales aumenta significativamente la posibilidad de ser citado. Cuantos más lectores puedan acceder libremente al contenido, mayor será su impacto.
  4. Aprovechar redes sociales y académicas: La difusión del trabajo en redes como ResearchGate, LinkedIn o Twitter/X, acompañada de resúmenes visuales, infografías o vídeos, incrementa su alcance. Participar en comunidades científicas también ayuda a posicionar la investigación ante públicos interesados.
  5. Colaboración internacional: Publicar con coautores de otras instituciones o países está directamente relacionado con un aumento en las citas. Estas colaboraciones amplían las redes de lectura y citación del trabajo.
  6. Utilizar herramientas de IA para mejorar la eficiencia: Herramientas como Scholarcy (para resumir textos), Connected Papers (para visualizar redes de citación), Grammarly o Jasper (para corregir y redactar con calidad), permiten mejorar tanto la forma como el contenido del artículo, lo cual incide directamente en su impacto.
  7. Añadir publicaciones en firmas de correo: Incluir enlaces a las últimas publicaciones en la firma del correo electrónico o en presentaciones académicas es una forma sutil pero efectiva de promocionar los trabajos.
  8. Crear y compartir contenido multimedia: Publicar vídeos, pódcast o presentaciones en plataformas como YouTube, Figshare o SlideShare puede hacer que la investigación sea más comprensible y atractiva para públicos diversos.

Actitudes hacia la IA 2024 revela que investigadores y clínicos creen en el potencial de la IA pero exigen transparencia para confiar en las herramientas

Elsevier. «The Insights 2024: Attitudes toward AI Report Reveals Researchers and Clinicians Believe in AI’s Potential but Demand Transparency in Order to Trust Tools.» 9 de julio de 2024.

Informe

Ver infografía

El estudio de Elsevier subraya que, aunque existe un reconocimiento generalizado del potencial de la IA para transformar la investigación y la atención médica, su adopción efectiva depende de abordar preocupaciones clave relacionadas con la transparencia, la calidad del contenido y la confianza en las herramientas. Para que la IA sea plenamente aceptada e integrada en estos campos, es esencial garantizar que las herramientas sean desarrolladas y utilizadas de manera ética y responsable

El informe «Insights 2024: Actitudes hacia la IA» de Elsevier ofrece una visión detallada sobre cómo investigadores y profesionales de la salud perciben la inteligencia artificial (IA) en sus campos. Basado en una encuesta a 3,000 participantes de 123 países, el estudio revela tanto el entusiasmo por las oportunidades que brinda la IA como las preocupaciones que genera su implementación.

Potencial percibido de la IA

Una mayoría significativa de investigadores (94%) y clínicos (96%) cree que la IA puede acelerar el descubrimiento de conocimientos. Además, el 92% de ambos grupos anticipa que la IA aumentará rápidamente el volumen de investigaciones académicas y médicas, así como generará ahorros de costos para instituciones y empresas. El 87% considera que la IA mejorará la calidad general del trabajo, y el 85% piensa que liberará tiempo para enfocarse en proyectos de mayor valor

Preocupaciones sobre la desinformación y la confianza

A pesar del optimismo, existen inquietudes significativas. El 95% de los investigadores y el 93% de los clínicos temen que la IA se utilice para difundir desinformación. Asimismo, el 86% de los investigadores y el 85% de los clínicos creen que la IA podría causar errores críticos, y una proporción similar expresa preocupación por el debilitamiento del pensamiento crítico debido a la dependencia excesiva de estas herramientas

Necesidad de transparencia y contenido confiable

Los encuestados enfatizan la importancia de que las herramientas de IA se basen en contenido de alta calidad y confianza. El 71% espera que los resultados de herramientas dependientes de IA generativa se basen únicamente en fuentes confiables. Además, si las herramientas de IA están respaldadas por contenido confiable, controles de calidad y principios de IA responsable, el 89% de los investigadores las utilizaría para generar síntesis de artículos, y el 94% de los clínicos las emplearía para evaluar síntomas e identificar condiciones o enfermedades

Variaciones geográficas en la adopción de la IA

El informe también destaca diferencias regionales en la familiaridad y uso de la IA. Por ejemplo, en China, el 39% de los encuestados ha utilizado activamente la IA para propósitos laborales, mientras que en India esta cifra es del 22%. Solo el 11% de los participantes se considera muy familiarizado con la IA o la utiliza con frecuencia. Sin embargo, el 67% de quienes no han utilizado la IA esperan hacerlo en los próximos dos a cinco años, con China (83%) e India (79%) superando significativamente a EE. UU. (53%) en estas expectativas .