Archivo de la etiqueta: Recuperación de la información

Un nuevo estudio revela diferentes formas en que buscamos información

Bassett, Dani S., Perry Zurn, et al. «Curiosity Styles and Their Impact on Well-Being and Society.» Science Advances, February 18, 2025. https://www.science.org/doi/10.1126/sciadv.adn3268

La curiosidad es un fuerte deseo de aprender o saber algo. Pero, según el investigador Perry Zurn, la curiosidad no es algo único. De hecho, puede haber al menos tres estilos de curiosidad que podrían tener beneficios diferentes para nuestro bienestar y para las sociedades en las que vivimos.

En 2019, Zurn analizó textos clásicos de la historia de la filosofía para estudiar la naturaleza de la curiosidad. Al buscar menciones de la curiosidad en escritos de filósofos desde San Agustín hasta Friedrich Nietzsche y Jacques Derrida, descubrió tres modelos diferentes de curiosidad:

  • El entrometido: El prototipo del chismoso, los entrometidos disfrutan recoger fragmentos de información sobre una amplia variedad de temas. No están necesariamente motivados por un objetivo particular, sino solo por el interés.
  • El cazador: Los cazadores buscan respuestas específicas, por lo que siguen un camino dirigido e intentan evitar distracciones.
  • El bailarín: Los bailarines saltan a nuevas ideas, combinan ideas existentes de nuevas maneras o encuentran nuevas formas de enmarcar la información. No siguen un camino tradicional.

Según Zurn, estos tres estilos no son excluyentes; una persona que exhibe curiosidad puede caer en más de una categoría.

Basándose en estas ideas, Zurn y un grupo de colaboradores recientemente trataron de examinar a personas curiosas en la vida real, lectores de la enciclopedia en línea Wikipedia, para ver si encajaban en estas categorías y cómo los diferentes estilos de curiosidad podrían influir en nuestras vidas. Sus resultados fueron publicados en otoño por la revista Science Advances.

La curiosidad a través de las culturas
Para un experimento dirigido, los investigadores pidieron a 149 personas que acudieran en persona a completar encuestas sobre su estado de ánimo y luego navegaran por Wikipedia durante 15 minutos al día durante tres semanas. También observaron el comportamiento de más de 480.000 personas de 50 países y territorios que usaban la aplicación móvil de Wikipedia, que recopila datos sobre las páginas que las personas visitan.

Para cada persona, los investigadores construyeron un mapa de todas las páginas en las que hicieron clic en una sesión particular, observando cuántos temas diferentes exploraron y cuán conectados estaban entre sí. Por ejemplo, ¿alguien buscó al actor Adam Brody y luego leyó más sobre su programa Nobody Wants This, o saltó del Primer Ministro de Canadá a la meditación trascendental?

En primer lugar, los investigadores encontraron evidencia de que estos tres estilos existen en los lectores de internet modernos. «Estos tres estilos de curiosidad son inherentemente humanos, abarcando lenguajes, culturas y milenios», dice Dani S. Bassett, coautora del estudio.

Resulta que los lectores entrometidos son más dados a leer artículos de Wikipedia sobre cultura, como deportes, comida o artes, mientras que los cazadores son más propensos a leer sobre STEM (ciencia, tecnología, ingeniería y matemáticas). Los entrometidos también tienden a leer sobre una gama más diversa de temas.

¿Importa el estilo de curiosidad para el individuo?
Cuando los participantes en persona navegaron por Wikipedia de una manera más dirigida y específica, como los cazadores, reportaron sentirse más deprimidos y ansiosos en comparación con los entrometidos y los bailarines. Esto se alinea con otras investigaciones que sugieren que las personas con un fuerte impulso de llenar los vacíos de conocimiento—una parte de la curiosidad medida por los psicólogos—tienen más probabilidades de ser más ansiosas y de lidiar peor con el estrés de enfrentarse a cosas nuevas.

Curiosidad e igualdad
Entre los lectores globales, en los países donde la navegación por Wikipedia es más suelta y diversa—más parecida a los entrometidos y bailarines que a los cazadores—las personas tienden a sentir emociones más positivas y menos negativas, la población está mejor educada y hay menos desigualdad de género y educación.

En este caso, los vínculos pueden ir en ambas direcciones: una curiosidad más amplia podría apoyar una mayor igualdad en la sociedad, pero la igualdad también podría liberar nuestra inquisitividad más amplia.

«La igualdad de género y educación puede apoyar el compromiso de más mentes, y de mentes más diversas, en la construcción del conocimiento», dice Bassett. «Además, puede ir acompañada de un gran respeto por una diversidad de saberes y prácticas de conocimiento. La igualdad puede traer libertad para moverse, no solo en los mundos físico y social, sino también libertad para moverse en la mente.»

Prueba de curiosidad
¿Buscas una comprensión más profunda de ti mismo, de los demás y del mundo?

Por supuesto, puede haber otros estilos de curiosidad más allá de estos tres. Por ejemplo, los psicólogos de la personalidad describen otros tres tipos de personas curiosas: los fascinados, que tienen muchos intereses; los resolutores de problemas, cuya curiosidad está enfocada en un área particular; y los empatizadores, que son muy curiosos socialmente.

Bassett sugiere que las personas probablemente tengan una tendencia hacia un estilo de curiosidad determinado, pero que este puede cambiar con el tiempo. «Podemos adquirir habilidades para diferentes estilos de curiosidad de nuestros mentores, amigos o familiares que puedan pensar de manera diferente a nosotros», dicen. Y eso es una buena noticia, porque insisten en que los tres estilos probablemente se usen mejor en combinación.

El futuro de la investigación en recuperación de información en la era de la IA generativa

Computing Community Consortium (CCC). Future of Information Retrieval Research in the Age of Generative AI CCC Visioning Workshop. Accessed December 5, 2024. https://cra.org/ccc/events/future-of-information-retrieval-research-in-the-age-of-generative-ai-ccc-visioning-workshop/.

El informe Future of Information Retrieval Research in the Age of Generative AI fue elaborado por destacados investigadores, incluyendo James Allan, Eunsol Choi, Daniel P. Lopresti y Hamed Zamani, bajo el auspicio del Computing Community Consortium (CCC). Publicado en diciembre de 2024, explora cómo los modelos de lenguaje generativo (LLMs) están redefiniendo la recuperación de información (IR) y establece una hoja de ruta para el desarrollo futuro en este campo.

Se basa en un taller de visión celebrado en julio de 2024, que reunió a 44 expertos de diversas disciplinas como IR, procesamiento del lenguaje natural (NLP) e inteligencia artificial (IA). El propósito fue analizar cómo la integración de tecnologías generativas podría transformar las interacciones de los usuarios con sistemas de información y cuáles serían los retos y oportunidades.

Durante el taller, se emplearon técnicas colaborativas inspiradas en las reglas de IDEO para fomentar ideas innovadoras y estructuradas. Los participantes debatieron en ocho sesiones temáticas, las cuales identificaron las principales direcciones de investigación necesarias para aprovechar el potencial de los sistemas IR-GenAI.

El informe identifica ocho áreas prioritarias:

  1. Evaluación de sistemas IR-GenAI: diseñar métricas y metodologías que capturen las capacidades únicas de los modelos generativos.
  2. Aprendizaje del feedback humano: integrar retroalimentación implícita y explícita para resolver problemas complejos que requieran razonamiento.
  3. Modelado de usuarios: entender cómo evolucionan las necesidades de los usuarios en sistemas de acceso a información potenciados por IA generativa.
  4. Cuestiones socio-técnicas: abordar los impactos éticos y sociales que surgen con estas tecnologías.
  5. Sistemas personalizados: desarrollar métodos que adapten los resultados de IR-GenAI a las necesidades individuales.
  6. Eficiencia y escalabilidad: optimizar el uso de recursos computacionales, datos y esfuerzos humanos.
  7. IR para mejorar agentes de IA: integrar técnicas de recuperación de información en agentes inteligentes.
  8. Modelos fundacionales para acceso a la información: diseñar modelos específicamente enfocados en la recuperación y descubrimiento de información.

En conclusión, el informe ofrece un resumen de las discusiones y sugiere acciones concretas para académicos, profesionales de la industria, campañas de evaluación y agencias de financiamiento. Se destaca la necesidad de colaboración interdisciplinaria y de crear tecnologías inclusivas que maximicen los beneficios de la IA generativa para la recuperación de información.

Este documento no solo proporciona una visión del futuro de IR, sino también un marco para avanzar en investigaciones y aplicaciones prácticas en la intersección de IA y recuperación de información.

Avanzando en la frontera de la búsqueda con agentes de IA

«Advancing the Search Frontier with AI Agents – Communications of the ACM», 20 de agosto de 2024. https://cacm.acm.org/research/advancing-the-search-frontier-with-ai-agents/.

Como muchos en la comunidad de investigación de recuperación de información (IR) reconocen, la búsqueda sigue siendo un problema no resuelto. Millones de personas enfrentan dificultades diarias con las tareas en los motores de búsqueda. Estas dificultades suelen derivarse de la complejidad inherente de las tareas y de la incapacidad de los sistemas de búsqueda para comprenderlas plenamente y ofrecer resultados pertinentes. La tarea misma es lo que motiva la búsqueda, crea el problema que los usuarios intentan resolver, y guía su comportamiento a medida que exploran las diferentes facetas de la tarea.

Las tareas de búsqueda complejas requieren más que un apoyo básico para encontrar o recuperar información. La investigación en métodos para apoyar estas tareas incluye trabajos sobre la generación de sugerencias de consultas y sitios web, la personalización y contextualización de la búsqueda, y el desarrollo de nuevas experiencias de búsqueda que abarcan tanto el tiempo como el espacio. La reciente aparición de la inteligencia artificial generativa y la llegada de agentes asistidos por esta tecnología tienen el potencial de ofrecer una mayor asistencia a los usuarios, especialmente a aquellos que enfrentan tareas complejas. Estos avances tienen implicaciones profundas para el diseño de sistemas inteligentes y para el futuro de la búsqueda en sí misma.

Este artículo, basado en una ponencia presentada por el autor en la conferencia ACM SIGIR 2023, explora estas cuestiones y cómo los agentes de IA están expandiendo las fronteras de las capacidades de los sistemas de búsqueda, con un enfoque particular en la interacción con la información y la realización de tareas complejas.

La búsqueda sigue siendo un desafío sin resolver, ya que millones de personas se enfrentan diariamente a tareas complejas en los motores de búsqueda web. La aparición de la IA generativa y los agentes de asistencia basados en esta tecnología prometen revolucionar la realización de tareas, ayudando a los usuarios a navegar y resolver problemas de búsqueda complejos. Estos avances presentan tanto desafíos como oportunidades extraordinarias para redefinir el acceso a la información y su uso, impulsando la búsqueda hacia nuevos horizontes.

Metadatos de alta calidad: Una responsabilidad y una oportunidad colectivas.

Buttrick, Adam. «High-Quality Metadata: A Collective Responsibility and Opportunity.» Upstream, August 13, 2024. https://upstream.force11.org/high-quality-metadata/

La comunidad y las herramientas relacionadas con los Identificadores de Objetos Digitales (DOI, por sus siglas en inglés) dependen de metadatos de alta calidad para establecer conexiones y mejorar la eficiencia. Sin embargo, el modelo actual, donde las mejoras en estos metadatos se limitan a sus creadores o se realizan dentro de silos a nivel de servicio, perpetúa un sistema con importantes lagunas, ineficiencias y desconexiones. Pero este no tiene por qué ser el caso. Al construir de manera colaborativa sistemas abiertos, robustos y escalables para enriquecer los metadatos DOI, la comunidad puede aprovechar su trabajo colectivo para superar estas barreras y mejorar el estado e interconexión de la información de investigación.

La construcción del corpus de metadatos DOI a lo largo de los años ha enseñado a la comunidad una lección importante: cuando se trabaja en conjunto para definir cómo debería existir la infraestructura y cómo se desea mejorarla, se logran mejores resultados que cuando este trabajo se realiza de manera aislada. La administración colectiva de las fuentes compartidas de verdad permite tomar decisiones correctas para el mayor número posible de personas.

El enriquecimiento comunitario de los metadatos DOI presenta desafíos significativos, aunque no insuperables. La reunión inicial en Los Ángeles reafirmó el interés de la comunidad en abordar este desafío de manera conjunta, tal como se ha hecho con otras iniciativas de infraestructura exitosas. A través de la colaboración y el uso de la experiencia compartida, es posible construir un sistema de información de investigación mejor y más conectado. UC3 continuará con estas discusiones críticas e invita a la comunidad a mantenerse involucrada.

Recuperación de información con datos abiertos enlazados

Ávila Barrientos, Eder. Recuperación de información con datos abiertos enlazados. Universidad Nacional Autónoma de México. Instituto de Investigaciones Bibliotecológicas y de la Información, 2022.

Texto completo

En este libro se plantea el estudio de la recuperación de información (RI) y su interacción con los datos abiertos enlazados. Por lo tanto, el lector encontrará una serie de hallazgos teóricos y metodológicos relacionados con la manera de adaptar estos datos en un contexto sistematizado. Todo esto mediante el abordaje de las siguientes interrogantes: ¿Cuáles son los componentes que constituyen a un modelo teórico que sustente la recuperación de información mediante datos abiertos enlazados? ¿Qué patrones de comportamiento manifiestan los datos abiertos enlazados en el proceso de recuperación de información? ¿Cuáles son los factores que intervienen en la sistematización y recuperación de información mediante el uso de datos abiertos enlazados?

Búsqueda invisible y motores de búsqueda en línea: la ubicuidad de la búsqueda en la vida

Haider, Jutta, y Olof Sundin. Invisible Search and Online Search Engines: The Ubiquity of Search in Everyday Life. Taylor & Francis, 2019.

Texto completo

Invisible Search and Online Search Engines (Búsqueda invisible y motores de búsqueda en línea) considera el uso de los motores de búsqueda en la vida cotidiana contemporánea y los desafíos que esto plantea para la alfabetización mediática e informacional. La búsqueda de información mediada se realiza mayoritariamente en línea y se arbitra mediante las diversas herramientas y dispositivos que las personas llevan consigo a diario. Por ello, los motores de búsqueda tienen un impacto significativo en la estructura de nuestras vidas y en la memoria personal y pública. Haider y Sundin examinan lo que esto significa para la sociedad, al tiempo que unen la investigación sobre la recuperación de información con la investigación sobre cómo la gente realmente busca y encuentra información.

Los motores de búsqueda son ahora una de las infraestructuras clave de la sociedad para conocer e informarse. Aunque su uso está disperso en una miríada de prácticas sociales, en las que han adquirido una posición casi naturalizada, están comercial y técnicamente centralizados. Argumentando que la búsqueda, la búsqueda y los motores de búsqueda se han generalizado tanto que hemos dejado de notarlos, Haider y Sundin consideran lo que significa depender tanto de esta infraestructura de información omnipresente y cada vez más invisible.

Invisible Search and Online Search Engines es el primer libro que aborda la búsqueda y los motores de búsqueda desde una perspectiva que combina los conocimientos técnicos de la investigación en ciencias de la información con un enfoque de ciencias sociales y humanidades. Como tal, el libro debería ser una lectura esencial para académicos, investigadores y estudiantes que trabajan y estudian la ciencia de la información, la biblioteconomía y la ciencia de la información (LIS), los estudios de los medios de comunicación, el periodismo, las culturas digitales y las ciencias de la educación.

Ask a Question: haz cualquier pregunta y obtén respuestas directamente de los artículo de investigación

Ask a Question

https://scite.ai/search?mode=question-answering

Este nuevo servicio de scite permite que usuarios formulen preguntas de investigación en lenguaje sencillo y obtengan respuestas directamente del texto completo de los artículos de investigación. Se trata de encontrar información fiable y científica. Piensa en todas las preguntas que te has planteado y en lo difícil que ha sido encontrar una respuesta fiable. Tal vez te hayas preguntado si las camas de bronce aumentan el riesgo de cáncer, o si beber agua corriente tiene efectos negativos para la salud.

Los resultados no aparecen resumidos ni generados por la IA, sino que son fragmentos de artículos de texto completo que escribieron y publicaron investigadores reales. La búsqueda de «Ask a Question» permite plantear preguntas frecuentes como éstas en términos sencillos y humanos. Monstrándo los resultados directamente desde el texto completo de más de 32 millones de artículos de investigación que tienen la respuesta que buscas, o al menos una pista que te indique la dirección correcta.

El objetivo es que podemos obtener la información que necesitamos sin preocuparnos por los anuncios, las fuentes de información poco fiables o las complicados formulaciones de los motores de búsqueda académica.

scite es una empresa emergente con sede en Brooklyn que ayuda a los investigadores a descubrir y comprender mejor los artículos de investigación a través de Smart Citations, es decir, citas que muestran el contexto de la cita y describen si el artículo aporta pruebas de apoyo o de contraste. scite es utilizado por estudiantes investigadores de todo el mundo y está financiado en parte por la National Science Foundation y el National Institute on Drug Abuse de los National Institutes of Health.

Búsqueda bibliográfica: cómo repensar las formas de buscar, recopilar y analizar la producción científica escrita

Martinovich, Viviana. Búsqueda bibliográfica : cómo repensar las formas de buscar, recopilar y analizar la pro-ducción científica escrita. 1a ed. – Remedios de Escalada : De la UNLa – Universidad Nacional de Lanús, 2022

Text completo

Apéndice

Desde diversas áreas de investigación, la palabra “bibliografía” suele ser utilizada para designar el listado de referencias consultadas o el listado de textos propuestos para un curso, pero lo cierto es que la bibliografía es un campo de estudios en sí mismo, una disciplina con tradiciones, rupturas y discusiones internas, de la cual los distintos tipos de trabajos de “revisión bibliográfica” tomaron históricamente prestado muchas de sus características esenciales. Sin embargo, mientras que, en la década de 1980, la bibliografía como disciplina rompió con sus propios moldes descriptivos y enumerativos, los distintos tipos de estudios que toman la bibliografía como insumo siguen atrapados en su impronta de contabilizar, enumerar y describir existencias. Entonces ¿por qué no intentar recuperar las nuevas perspectivas de la bibliografía, de la historia y de la sociología de los textos para enriquecer las formas en que las diversas áreas del conocimiento analizan las producciones textuales?; ¿por qué no abordar la propia narrativa científica con la riqueza con que ciertas áreas de las ciencias analizan otras producciones discursivas?; ¿es posible hacer este proceso sin repensar las formas de recuperar e interpretar esa bibliografía? Entendemos que enriquecer las formas de interpretar los textos nos demanda repensar las formas en que buscamos e interpretamos ese recorte de fuentes escritas que componemos y este es el camino que les proponemos transitar.

Evaluación de las tareas de recuperación y acceso a la información

Sakai, Tetsuya, et al., editores. Evaluating Information Retrieval and Access Tasks : NTCIR’s Legacy of Research Impact. Springer Nature, 2021. 

Texto completo

Este libro de acceso abierto resume las dos primeras décadas de los bancos de pruebas y la comunidad para la investigación del acceso a la información (NTCIR). El NTCIR es una serie de foros de evaluación dirigidos por un equipo mundial de investigadores y acogidos por el Instituto Nacional de Informática (NII) de Japón. El libro es único en el sentido de que analiza no sólo lo que se hizo en el NTCIR, sino también cómo se hizo y el impacto que se ha logrado. Por ejemplo, en algunos capítulos el lector ve las primeras semillas de lo que con el tiempo se convirtió en los motores de búsqueda que dan acceso a los contenidos de la World Wide Web, los actuales teléfonos inteligentes que pueden adaptar lo que muestran a las necesidades de sus propietarios y los altavoces inteligentes que enriquecen nuestra vida en casa y en movimiento. También se vislumbra cómo pueden construirse nuevos motores de búsqueda para fórmulas matemáticas o para el registro digital de una vida humana vivida.

La clave del éxito del NTCIR fue el reconocimiento temprano de que la investigación sobre el acceso a la información es una disciplina empírica y que, por lo tanto, la evaluación se encuentra en el centro de la empresa. La evaluación es, por tanto, el núcleo de cada uno de los capítulos de este libro. En ellos se muestra, por ejemplo, cómo el reconocimiento de que algunos documentos son más importantes que otros ha configurado el pensamiento sobre el diseño de la evaluación. Los treinta y tres colaboradores de este volumen hablan en nombre de los muchos cientos de investigadores de docenas de países de todo el mundo que, juntos, dieron forma al NTCIR como organizadores y participantes. Este libro es apto para investigadores, profesionales y estudiantes, es decir, para cualquiera que desee conocer los esfuerzos de evaluación pasados y presentes en la recuperación de información, el acceso a la información y el procesamiento del lenguaje natural, así como para aquellos que deseen participar en una tarea de evaluación o incluso diseñar y organizar una.

(Des)obediencia en las sociedades digitales: perspectivas sobre el poder de los algoritmos y los datos

People using digital devices on a city street with streaming data, charts, and algorithm visuals floating above
People interact with digital interfaces amid a futuristic city of data streams and algorithms

Neuburg, Klaus, et al. (Dis)Obedience in Digital Societies: Perspectives on the Power of Algorithms and Data: 37. 2022.

Texto completo

Los algoritmos no deben considerarse como una estructura técnica, sino como un fenómeno social: se incrustan, de forma todavía muy sutil, en nuestro sistema político y social. Los algoritmos moldean el comportamiento humano en varios niveles: influyen no sólo en la recepción estética del mundo, sino también en el bienestar y la interacción social de sus usuarios. Actúan e intervienen en un contexto político y social. Como los algoritmos influyen en el comportamiento individual en estas situaciones sociales y políticas, su poder debería ser objeto de un discurso crítico, o incluso llevar a la desobediencia activa y a la necesidad de contar con herramientas y métodos adecuados que puedan utilizarse para romper el poder algorítmico