Archivo de la etiqueta: Retractación

Los artículos cuyos informes de revisión por pares están disponibles tienen menos probabilidades de ser retractados

Nature. “AI in the lab: how artificial intelligence is changing scientific research”. Nature, 2026. Disponible en: https://www.nature.com/articles/d41586-026-02282-1

Los investigadores señalan que las prácticas de publicación transparentes podrían estar asociadas con una mayor calidad de la investigación, aunque todavía se necesitan más evidencias.

Los artículos científicos cuyos informes de revisión por pares son públicos tienen menos probabilidades de ser retractados que aquellos cuyos informes permanecen confidenciales, según concluye un estudio. Sus autores sugieren que este fenómeno podría reflejar, al menos en algunos casos, una mayor confianza de los investigadores que optan por hacer transparente el proceso de evaluación.

El análisis, publicado este año como preprint en el servidor MetaArXiv, examinó 116.359 artículos publicados desde mayo de 2019 en revistas de acceso abierto de la Public Library of Science (PLOS), con sede en San Francisco (California). Las revistas de PLOS permiten a los autores decidir, una vez aceptado el manuscrito, si desean publicar junto al artículo los informes de revisión por pares. De los trabajos analizados, 46.920 artículos —algo más del 40 %— fueron acompañados por estos informes abiertos.

Entre los artículos con informes públicos de los revisores, 105 fueron posteriormente retractados, frente a 321 retractaciones entre aquellos cuyo proceso de revisión permaneció cerrado.

El estudio no pretende explicar directamente la relación entre la revisión abierta y la menor tasa de retractaciones. Sin embargo, en un trabajo de seguimiento aún no publicado, descrito a Nature Index, el coautor Matt Spick, especialista en integridad de la investigación de la Universidad de Surrey (Reino Unido), investigó si el tono o sentimiento de los informes de los revisores podía aportar alguna explicación.

Una posibilidad era que los autores de PLOS, que deciden si publican los informes únicamente después de que el artículo ha sido aceptado, tendieran a hacerlo cuando las evaluaciones eran especialmente favorables. Para comprobar esta hipótesis, Spick comparó el contenido de los informes de revisión de PLOS con los informes públicos de artículos publicados en revistas de BMC, editorial con sede en Londres y perteneciente a Springer Nature, la misma empresa que publica Nature. No encontró diferencias significativas entre ambos conjuntos de datos, lo que sugiere que la menor tasa de retractaciones no puede explicarse simplemente porque los autores publiquen únicamente las revisiones más positivas.

En su lugar, Spick y Adrian Barnett, estadístico de la Queensland University of Technology (Australia) y coautor del preprint de MetaArXiv, plantean otra hipótesis: los investigadores que tienen una mayor confianza en la calidad de su trabajo y que, además, apoyan las prácticas de ciencia abierta, podrían estar más predispuestos a elegir la revisión por pares abierta. En consecuencia, la decisión de hacer públicos los informes de revisión podría constituir, por sí misma, un indicador indirecto de la calidad del artículo.

Esta interpretación es compartida por Jessica Polka, responsable del desarrollo de materiales docentes de biología en MIT Open Learning, quien considera que publicar los informes de los revisores constituye «una señal muy útil para el lector de que los autores confían en la solidez de sus resultados».

Los autores advierten de que existen numerosos factores que dificultan atribuir esta relación a una única causa.

Por ejemplo, el estudio no analiza las razones concretas por las que algunos artículos fueron retractados. Además de los casos de fraude o mala conducta científica, las retractaciones también pueden producirse por errores honestos o por problemas de reproducibilidad, circunstancias que no necesariamente influyen en la confianza que los autores tienen en su trabajo cuando deciden si desean hacer públicos los informes de revisión.

Asimismo, el estudio no evaluó si el modelo de revisión utilizado por las revistas de PLOS —como la revisión simple ciega (single-blind), en la que los revisores conocen la identidad de los autores pero no al contrario, o la doble ciega (double-blind), en la que autores y revisores permanecen mutuamente anónimos— influye en la proporción de autores que optan por publicar los informes de evaluación.

No obstante, la investigación sí detectó diferencias geográficas significativas. Los investigadores de Arabia Saudí, Corea del Sur, Pakistán, Polonia y China fueron los menos propensos a elegir la revisión abierta, mientras que los autores del Reino Unido, Países Bajos, Francia y Etiopía figuraban entre los más inclinados a hacerlo.

Según Barnett, estas diferencias pueden explicarse, al menos en parte, por factores culturales e institucionales. Las normas académicas, el grado en que universidades y organismos financiadores promueven la ciencia abierta y la transparencia, así como las políticas nacionales de publicación científica, influyen en la disposición de los investigadores a compartir públicamente los informes de revisión.

Las prácticas editoriales también están fuertemente condicionadas por las políticas de grandes financiadores de la investigación y organizaciones filantrópicas, como Wellcome, en Londres, o la Fundación Gates, en Seattle (Washington), que fomentan activamente la ciencia abierta y la publicación de los informes de revisión por pares como parte de una investigación más transparente y responsable.

La expansión de las paper mills: un análisis bibliométrico de más de 10.000 artículos científicos retractados

Retracted Paper Mill Papers across Year (2016–2024)

Cheng, Michelle W. T., Xinhua Yang y Ryan M. Allen. Tracking the Retracted Paper Mill Articles: A Bibliometric Study. Scientometrics (2026). https://doi.org/10.1007/s11192-026-05751-6

Las denominadas paper mills —empresas que elaboran manuscritos científicos fraudulentos y venden la autoría de esos trabajos a investigadores— se han convertido en una de las amenazas más serias para la integridad de la investigación científica. Este estudio constituye el análisis bibliométrico más amplio realizado hasta la fecha sobre este fenómeno, examinando 10.409 artículos retractados por estar vinculados a paper mills registrados en la base de datos Retraction Watch desde su creación hasta finales de 2024.

El objetivo de los autores es determinar la magnitud del problema, su evolución temporal, su distribución geográfica y disciplinaria, así como las principales características de estos trabajos fraudulentos. Los resultados muestran un crecimiento explosivo de las retractaciones, especialmente a partir de 2020, alcanzando un máximo histórico en 2023, lo que confirma que las paper mills han pasado de ser un problema marginal a representar un desafío estructural para el sistema mundial de publicación científica.

Uno de los hallazgos más llamativos es la enorme concentración geográfica de los artículos retractados. De los 10.409 trabajos analizados, 9.137 (87,8%) corresponden a autores cuya afiliación principal se encuentra en China, muy por delante de otros países como Etiopía, India, Pakistán o Arabia Saudí. No obstante, los autores advierten que estos datos describen únicamente la distribución de los casos registrados en la base de datos utilizada y no deben interpretarse automáticamente como una medida exacta de la prevalencia real del fraude científico en cada país. También destacan que la expansión de estas prácticas está estrechamente relacionada con la presión creciente por publicar en revistas indexadas, la utilización de indicadores bibliométricos para evaluar la carrera académica y la existencia de organizaciones comerciales que ofrecen manuscritos completos y plazas de coautoría a cambio de dinero.

El análisis revela igualmente una transformación en los ámbitos científicos afectados. Tradicionalmente, las paper mills se concentraban en áreas biomédicas, especialmente investigaciones relacionadas con cáncer, biología celular o genética. Sin embargo, el estudio muestra que durante los últimos años se ha producido un desplazamiento significativo hacia disciplinas como informática, ciencia de datos, inteligencia artificial, aprendizaje automático, algoritmos y modelos computacionales. La categoría con mayor número de retractaciones corresponde a Business and Technology (5.217 artículos), seguida por Business and Life Sciences (3.369) y Health Sciences (1.217). En cambio, las ciencias sociales y las humanidades presentan cifras mucho menores, aunque los autores advierten que ello no significa que estén exentas del problema. El análisis de palabras clave confirma esta evolución temática: mientras entre 2011 y 2016 predominaban términos biomédicos como cell, cells o cancer, entre 2021 y 2024 aparecen con mayor frecuencia conceptos como model, data, algorithm, learning y network.

Otro resultado relevante se refiere al tipo de publicaciones afectadas y a los modelos editoriales. La inmensa mayoría de los trabajos retractados son artículos de investigación, aunque en los últimos años también aumentan las retractaciones de comunicaciones a congresos, revisiones, metaanálisis y estudios clínicos, lo que indica que las paper mills están diversificando su actividad. Además, aproximadamente el 80 % de los artículos retractados se publicaron en revistas de acceso abierto, porcentaje muy superior al observado en revistas híbridas o de suscripción. Los autores aclaran, sin embargo, que esto no implica que el acceso abierto sea responsable del problema, sino que probablemente refleja una combinación de factores relacionados con los procesos editoriales, los sistemas de revisión y los mecanismos de detección utilizados por las editoriales. El estudio también calcula que el tiempo medio entre la publicación y la retractación fue de 709 días, aunque este intervalo ha variado considerablemente a lo largo del tiempo, reduciéndose de forma notable tras las grandes campañas de retractación derivadas del caso Hindawi.

En las conclusiones, los autores sostienen que las paper mills representan una amenaza incluso mayor que las revistas depredadoras, ya que consiguen infiltrar artículos fraudulentos en revistas consolidadas y aparentemente fiables, erosionando la confianza en el sistema de revisión por pares y en la literatura científica. Asimismo, advierten de que el desarrollo de la inteligencia artificial generativa podría facilitar la producción masiva de manuscritos falsos cada vez más difíciles de detectar, incrementando la sofisticación de estas organizaciones. Frente a esta situación, proponen reforzar la cooperación entre universidades, editoriales y organismos de integridad científica, desarrollar mejores herramientas de detección, ampliar la investigación empírica sobre las paper mills y fortalecer la formación ética de investigadores y estudiantes. En definitiva, el trabajo constituye una de las radiografías más completas disponibles sobre un fenómeno que amenaza la credibilidad de la comunicación científica internacional y que previsiblemente seguirá creciendo en los próximos años.

La IA y el problema de la retractación de artículos científicos

Worlock, David. 2026. “AI and the Issue of Science Article Retraction.” DavidWorlock.com, 6 de enero de 2026. https://www.davidworlock.com/2026/01/ai-and-the-issue-of-science-article-retraction/

Se ofrece una reflexión crítica sobre los desafíos que la inteligencia artificial (IA) plantea al sistema de publicación científica, especialmente en lo referente a la integridad del registro científico y el proceso de retractación de artículos académicos.

Worlock parte de una observación fundamental: aunque la IA está transformando profundamente la creación, difusión y análisis de conocimiento, muchos de los problemas estructurales que afectan a la ciencia —como la proliferación de artículos defectuosos, revisiones por pares ineficaces o la falta de mecanismos eficaces para gestionar retractaciones— no se resolverán simplemente mediante la automatización o la adopción de nuevas herramientas tecnológicas.

El autor contextualiza el tema en un contexto más amplio de crisis de confianza en las publicaciones científicas. Señala que la incapacidad del sistema para proporcionar estándares claros y verificables de calidad y autenticidad ha permitido que proliferan trabajos de mala calidad o incluso fraudulentos, muchos de los cuales permanecen en la literatura científica sin una retractación adecuada. Este problema no se limita a casos aislados, sino que forma parte de un sistema que continúa replicando y amplificando errores debido a la presión por publicar y a la ausencia de una infraestructura de retractación centralizada y transparente.

Worlock también examina el rol de la IA en este contexto. Aunque los sistemas de IA tienen la capacidad de procesar grandes volúmenes de información, Worlock advierte que la IA no sustituye la evaluación crítica humana y que los algoritmos pueden incluso exacerbar algunos de los problemas existentes si se utilizan sin criterio. Por ejemplo, las IA pueden integrar contenido repleto de errores metodológicos o datos falsos como si fuera válido, ya que carecen de un juicio epistemológico real para discernir la calidad científica, un reto que otros expertos han también identificado recientemente como un riesgo serio para la confianza en la literatura científica automatizada.

Además, el artículo subraya la importancia de reforzar los mecanismos de retractación. Worlock plantea que la mera existencia de retractaciones no basta si estas no son accesibles, claras y eficientemente comunicadas, algo que muchos investigadores experimentan cuando intentan rastrear qué artículos han sido retirados y por qué. El problema, según él y otros especialistas, radica en que las retractaciones a menudo no están bien etiquetadas ni se integran en los flujos de datos primarios que usan los motores de búsqueda, las bases de datos académicas y los propios sistemas de entrenamiento de modelos de IA.

Una vez que se introducen datos en el modelo de formación de un LLM, no se pueden eliminar. No quiero escribir aquí sobre los actos de piratería cometidos por los actores de la IA de Silicon Valley al retirar masivamente artículos académicos de sitios web a menudo pirateados e ilegales. Sin duda, esos datos incluían artículos retractados que nunca se habían eliminado ni etiquetado como retractados en línea. De hecho, en el mundo anterior a la IA, una de las quejas sobre la búsqueda de artículos académicos era que los artículos retractados rara vez eran evidentes. Solo en épocas más recientes, Retraction Watch y Open Alex comenzaron a señalar qué datos no eran confiables en las bases de datos académicas. En otras palabras, fue la comunidad académica y sin fines de lucro la que acudió al rescate, no el sector editorial con fines de lucro. Se podría considerar cómo podríamos construir modelos más efectivos y precisos en el futuro y cómo podríamos asegurarnos de que el material retractado no se incluya en ellos.

En esencia, Worlock llama a una reforma profunda del ecosistema de publicación científica, donde la IA se utilice no como sustituto de la evaluación humana, sino como complemento que apoye una mayor transparencia, responsabilidad y calidad en la ciencia publicada. Su análisis enfatiza que los avances tecnológicos deben ir acompañados de estructuras éticas y metodológicas que preserven la integridad del registro científico y protejan la confianza pública en la investigación académica.

Retractados 45 artículos de un autor por el uso de direcciones de correo electrónico falsas en la revisión por pares

Marques, F. (2025, marzo). Use of fake email addresses leads to retraction of 45 articles by Brazilian scientists. Revista Pesquisa FAPESP. Recuperado de https://revistapesquisa.fapesp.br/en/use-of-fake-email-addresses-leads-to-retraction-of-45-articles-by-brazilian-scientists/

Se relata un caso significativo de problemas de integridad académica que llevó a la retracción de 45 artículos científicos firmados por un mismo investigador brasileño, el biólogo Guilherme Malafaia Pinto, del Instituto Federal Goiano (IF-Goiano), campus de Urutaí.

Los 45 trabajos fueron publicados en la revista Science of the Total Environment (STOTEN), editada por Elsevier, y su retirada no obedeció a errores experimentales o conclusiones erróneas, sino al compromiso del proceso de revisión por pares. Las notas de retracción señalaron que el sistema de evaluación había sido adulterado porque, aunque Malafaia sugería a revisores legítimos para sus manuscritos —práctica habitual en muchos procesos editoriales—, proporcionó direcciones de correo electrónico falsas para al menos tres de esos investigadores, de modo que las invitaciones de STOTEN llegaban a cuentas ficticias desde las cuales se devolvían opiniones favorables a la publicación. Como resultado, a pesar de que algunos artículos también recibieron evaluaciones de revisores independientes, Elsevier decidió retirar los trabajos al haber “perdido confianza en la validez o integridad” de los manuscritos.

La publicación también explora el contexto y las consecuencias del caso, tanto para el propio investigador como para la comunidad académica. Antes de este escándalo, Malafaia era un científico muy productivo, con casi 350 artículos publicados en una carrera de 15 años, supervisión de numerosos estudiantes de maestría y doctorado, y participación en comités editoriales de varias publicaciones, incluida STOTEN. Él niega haber manipulado deliberadamente la revisión de sus artículos, afirmando que usó direcciones de una base de datos china (CNKI) sin saber que eran falsas y que no tuvo participación directa en la redacción de los supuestos informes de revisión. En una carta abierta, argumentó que el problema fundamental era responsabilidad de los editores por no verificar los correos, y sugirió que sanciones menos drásticas que la retracción hubieran sido más apropiadas. Sin embargo, la situación ha tenido un impacto profundo en su reputación y la de sus colaboradores, muchos de los cuales ahora enfrentan cuestionamientos y el dilema de defender o distanciarse de los trabajos retractados; a la vez, la comunidad académica brasileña reflexiona sobre la importancia de fortalecer la ética y los sistemas de revisión para preservar la confianza en la ciencia.

Springer Nature retira y elimina casi 40 publicaciones que entrenaban redes neuronales con un conjunto de datos con problemas éticos y de fiabilidad.

McMurray, Calli. “Exclusive: Springer Nature retracts, removes nearly 40 publications that trained neural networks on ‘bonkers’ dataset.” The Transmitter, 8 diciembre 2025. https://www.thetransmitter.org/retraction/exclusive-springer-nature-retracts-removes-nearly-40-publications-that-trained-neural-networks-on-bonkers-dataset/

Springer Nature ha comenzado a retractar decenas de trabajos — unos 38 en total — que se basaban en un conjunto de datos extremadamente polémico, conocido coloquialmente como “dataset bonkers”. Este conjunto incluía más de 2.900 fotografías de rostros de niños, supuestamente divididas en quienes tenían diagnóstico de Autismo y quienes no. Lo que generó alarma es que muchas de esas imágenes fueron extraídas de sitios web dedicados al autismo, sin evidencia de consentimiento explícito de las familias ni confirmación clínica de los diagnósticos.

La preocupación se intensificó cuando especialistas revisaron el origen y la calidad del dataset. Una de ellas, la neuropsicóloga infantil Dorothy Bishop, declaró que, tras examinar los métodos de recolección, consideró el proyecto “absolutamente bonkers”: la variabilidad en ángulos, iluminación, expresiones y condiciones de las fotos hace imposible garantizar que las imágenes representen realmente a niños con y sin autismo, lo que invalida cualquier intento de diagnóstico facial. Además, desde el punto de vista ético, hay dudas serias sobre si los menores y sus familias otorgaron consentimiento informado para que sus rostros fueran utilizados con fines de investigación.

Ante estos problemas éticos y metodológicos, Springer Nature decidió actuar: desde el 16 de noviembre comenzaron las primeras retracciones y han anunciado la retirada de decenas más. Los artículos afectados, que previamente afirmaban entrenar redes neuronales para distinguir entre niños autistas y no autistas, dejan de considerarse válidos. La casa editorial justifica su decisión señalando que “este serio problema metodológico socava los resultados y conclusiones de las publicaciones”.

El caso ha generado además un efecto dominó: se identificaron al menos 90 publicaciones que citaban alguna versión del dataset, muchas de ellas en revistas de prestigio e incluso conferencias organizadas por entidades como IEEE. Springer Nature ha comenzado a contactar a otros editores para alertarles del problema, en un intento por evitar que este dataset contaminado siga siendo usado en nuevos trabajos

Los modelos de IA utilizan material de artículos científicos retractados

“AI models are using material from retracted scientific papers.” MIT Technology Review, 23 septiembre 2025. https://www.technologyreview.com/2025/09/23/1123897/ai-models-are-using-material-from-retracted-scientific-papers/

El artículo advierte de una “crisis de confianza” en los sistemas de IA cuando se usan como fuentes de conocimiento científico o de salud: el uso indiscriminado de literatura retractada socava la integridad académica, puede inducir a desinformación peligrosa, y exige urgentes mecanismos de control —tanto técnicos (bases de datos actualizadas, filtros automáticos) como de responsabilidad editorial— para evitar que la IA difunda como válidas investigaciones desacreditadas.

El artículo de MIT Technology Review denuncia un problema alarmante: algunos modelos de inteligencia artificial (IA) están utilizando en sus respuestas contenido extraído de artículos científicos que han sido retractados (es decir, anulados por errores, malas prácticas, fraude o falta de validez), sin advertir a los usuarios sobre su condición de desautorizados.

Según los estudios citados, cuando se pidió a un modelo — ChatGPT (basado en GPT-4o) — que respondiera utilizando información de 21 artículos de imagenología médica ya retractados, el sistema citó esos trabajos en cinco casos, y tan solo en tres advirtió que podían ser problemáticos. En una prueba más amplia, con 217 artículos retractados o de baja calidad en varios campos científicos, el modelo no mencionó ninguna retractación u otra señal de alerta.

Pero el problema no afecta solo a ChatGPT. Otras herramientas de IA diseñadas específicamente para tareas de investigación científica — como Elicit, Ai2 ScholarQA, Perplexity y Consensus — también mostraron fallos similares. En tests realizados con los mismos 21 artículos retractados, Elicit los citó en cinco casos, Ai2 ScholarQA en 17, Perplexity en 11 y Consensus en 18, sin señalar su estatus de retractado.

Este fenómeno plantea dudas graves sobre la fiabilidad de la IA para tareas de investigación, educación, medicina o cualquier ámbito donde la veracidad científica es crítica. Si los modelos no reconocen que una fuente ha sido invalidada, pueden reproducir información errónea como si fuera legitima, lo que puede inducir a error a estudiantes, profesionales o al público general.

El problema tiene raíces estructurales vinculadas al modo en que estos modelos son entrenados. Muchos corpus de entrenamiento contienen copias de trabajos científicos disponibles en la web —incluidas versiones retiradas— y los sistemas no están diseñados para revisar en tiempo real el estado de retractación de cada fuente. Esto significa que, aunque una investigación haya sido invalidada, sigue formando parte del “conocimiento” del modelo.

Ante esta situación, algunas empresas ya han comenzado a reaccionar: por ejemplo, Consensus ha integrado datos de fuentes de retractaciones (como bases mantenidas por editores, agregadores de datos y servicios especializados) para intentar filtrar fuentes invalidadas; en una prueba reciente, así logró reducir el número de artículos retractados citados. Sin embargo, estas iniciativas no están generalizadas ni resultan infalibles, pues muchas publicaciones científicas no marcan de forma uniforme sus retractaciones, lo que dificulta la detección automática.

ChatGPT tiende a ignorar las retractaciones en artículos científicos

Chawla, Dalmeet Singh. «ChatGPT Tends to Ignore Retractions on Scientific Papers.» Chemical & Engineering News, 15 de agosto de 2025. https://cen.acs.org/policy/publishing/ChatGPT-tends-ignore-retractions-scientific/103/web/2025/08

Un estudio reciente revela que ChatGPT, específicamente la versión GPT 4o-mini, no identifica ni menciona las retractaciones o problemas de validez en artículos científicos previamente retirados.

Al analizar 217 estudios académicos que habían sido retirados o señalados por preocupaciones de validez en la base de datos Retraction Watch, los investigadores descubrieron que el modelo de lenguaje no hacía referencia a estas retractaciones en ninguno de los 6.510 informes generados. En cambio, en 190 casos, describió los artículos como de «líder mundial» o «excelente internacionalmente». Solo en 27 casos se mencionaron críticas, y en 5 de ellos, incluyendo uno sobre la hidroxicloroquina como tratamiento para la COVID-19, se calificaron como «controvertidos».

Además, al verificar 61 afirmaciones de estudios retirados, el modelo respondió afirmativamente en dos tercios de los casos, incluso cuando la información ya había sido desmentida. Los autores del estudio sugieren que los algoritmos de inteligencia artificial, como ChatGPT, deberían ajustarse para reconocer y manejar adecuadamente las retractaciones, ya que su uso en revisiones bibliográficas podría propagar información científica

Debora Weber-Wulff, científica informática de la Universidad de Ciencias Aplicadas HTW Berlín, advierte que la dependencia excesiva de estas herramientas puede corromper el registro científico. Sin embargo, cuestiona la metodología del estudio, señalando que la falta de comparación con artículos no retirados limita la evaluación del desempeño del modelo. También destaca que las retractaciones no siempre están claramente marcadas en la literatura, lo que dificulta su identificación incluso para los humanos.

Este hallazgo subraya la necesidad de mejorar la capacidad de los modelos de lenguaje para reconocer y manejar información científica retractada, especialmente en contextos académicos donde la precisión es crucial.

El auge alarmante de los artículos científicos fraudulentos

“Fraudulent Scientific Papers Are Booming.” The Economist, 6 de agosto de 2025. https://www.economist.com/science-and-technology/2025/08/06/fraudulent-scientific-papers-are-booming

Se analiza un problema creciente y alarmante en la ciencia: el aumento exponencial de artículos científicos fraudulentos. Mientras que el número total de publicaciones científicas se duplica aproximadamente cada quince años, el número estimado de artículos fraudulentos se duplica cada año y medio, lo que indica un ritmo mucho más acelerado de expansión de la falsedad en la literatura académica. Esta tendencia sugiere que, si continúa, los estudios fraudulentos podrían llegar a representar una proporción significativa del conocimiento científico disponible.

Uno de los factores clave detrás de este fenómeno son los llamados «paper mills», organizaciones que venden artículos ya redactados o fabricados, muchas veces con datos falsos, imágenes manipuladas o plagios. A cambio, los científicos obtienen autorías o citas sin esfuerzo real. Estas redes operan con una sofisticación sorprendente, casi como mafias, e involucran a editores corruptos, intermediarios y revistas vulnerables. Solo un pequeño número de individuos en posiciones editoriales puede facilitar la publicación masiva de estudios falsos, lo que multiplica la propagación del fraude.

El sistema editorial, tal como está estructurado, muestra vulnerabilidades importantes. Los intentos de combatir la difusión de artículos fraudulentos, como retirar revistas de bases de datos académicas o deindexarlas, han sido insuficientes. La proliferación de estudios falsos distorsiona campos enteros, dificulta los procesos de revisión y pone en riesgo los meta-análisis que guían prácticas médicas y científicas. Esto erosiona la confianza tanto dentro de la comunidad científica como en el público general, amenazando la credibilidad del método científico y sus aplicaciones.

Para llegar a su conclusión, los autores buscaron artículos publicados en PLOS ONE, una revista importante y generalmente reconocida que identifica cuál de sus 18.329 editores es responsable de cada artículo. (La mayoría de los editores son académicos que realizan la revisión por pares durante toda su investigación). Desde 2006, la revista ha publicado 276.956 artículos, 702 de los cuales fueron retractados y 2.241 recibieron comentarios en PubPeer, un sitio web que permite a otros académicos y a investigadores en línea plantear inquietudes.

El artículo también hace un llamado urgente a reforzar la integridad académica. Aunque existen herramientas para contrarrestar la amenaza —como retractaciones, exclusión de autores o instituciones, y revisiones de indexación en bases académicas—, las medidas actuales no son suficientes frente al crecimiento desenfrenado del fraude. De no implementarse estrategias más rigurosas y coordinadas, advierten los expertos, la propia ciencia podría verse comprometida.

Para preservar la credibilidad y la utilidad del conocimiento científico, será crucial que las instituciones académicas, las publicaciones y los evaluadores actúen de manera decidida y coordinada, reformando incentivos y fortaleciendo los mecanismos de control y verificación.

La fiabilidad de ChatGPT en la detección de artículos retractados y la veracidad de la información académica

Thelwall, M., Lehtisaari, M., Katsirea, I., Holmberg, K., & Zheng, E.-T. (2025). Does ChatGPT ignore article retractions and other reliability concerns? Learned Publishing. Advance online publication. https://doi.org/10.1002/leap.2018

El trabajo destaca la necesidad de un uso crítico y cuidadoso de herramientas como ChatGPT en contextos académicos, donde la precisión y la confiabilidad de la información son esenciales.

El estudio examina cómo los modelos de lenguaje grande (LLMs), específicamente ChatGPT 4o-mini, manejan información sobre artículos académicos que han sido retractados o que presentan problemas de confiabilidad. Los autores recopilaron un conjunto de 217 estudios académicos que habían sido retractados o señalados por problemas, todos con alta repercusión en redes sociales (altmetrics). Se pidió a ChatGPT 4o-mini que evaluara la calidad de estos artículos en múltiples ocasiones (un total de 6510 evaluaciones). Sorprendentemente, en ninguna de las respuestas se mencionó que los artículos estaban retractados ni que tenían errores significativos, y en muchas ocasiones se les asignaron calificaciones altas, como «de clase mundial» o «excelente a nivel internacional».

Además, en un análisis complementario, se tomaron 61 afirmaciones extraídas de estos artículos problemáticos y se consultó a ChatGPT si cada una era verdadera. En dos tercios de los casos, el modelo respondió afirmativamente, incluyendo afirmaciones que ya habían sido desmentidas hacía más de diez años. Estos hallazgos ponen de relieve un riesgo importante: aunque los LLMs son cada vez más utilizados para apoyar revisiones académicas y búsquedas de información, no siempre detectan ni advierten sobre la retirada o la invalidez de la información que manejan. Por lo tanto, los usuarios deben ser cautelosos y verificar cuidadosamente cualquier contenido generado por estos modelos para evitar la propagación de información falsa o desactualizada.

¿Qué miden realmente los rankings universitarios? Un sistema atrapado en su propia lógica

Mohan, Deepanshu. “In a Ranking-Obsessed System, What Exactly Are Universities Measuring?” The Wire, marzo 2025. https://thewire.in/education/ranking-universities-education-system-research

En la educación superior actual, los rankings universitarios globales, como los QS World University Rankings by Subject, han dejado de ser simples clasificaciones para convertirse en herramientas de gran influencia. Estos rankings moldean percepciones, guían decisiones políticas y afectan tanto la elección de los estudiantes como las prioridades de inversión de los gobiernos.

La edición de 2025 de los QS Rankings by Subject, publicada el 12 de marzo, evaluó más de 55 disciplinas en cinco grandes áreas del conocimiento, lo que refleja la creciente especialización académica. Se incorporaron 171 nuevas instituciones, evidenciando una expansión significativa, sobre todo en áreas estratégicas como medicina, ciencias de la computación y ciencia de materiales. Por ejemplo, las universidades clasificadas en informática pasaron de 601 en 2020 a 705 en 2024. Este crecimiento no solo revela un mayor interés académico, sino también una fuerte competencia entre universidades por visibilidad y prestigio en sectores con alto potencial de financiación e innovación.

Se cuestiona si los rankings realmente miden mérito académico o si premian a quienes mejor entienden y manipulan su lógica. En países como Arabia Saudita o Singapur, se observa un crecimiento desproporcionado en la reputación académica sin una mejora equivalente en las citas, lo que sugiere posibles prácticas de gestión reputacional poco éticas.

Fuente: Clasificación Mundial de Universidades QS por Materias 2025

Se ha identificado una correlación preocupante entre el aumento de publicaciones y el incremento en retracciones de artículos científicos, especialmente en países como China, India, Pakistán, Arabia Saudita, Egipto e Irán. Esto sugiere que la presión por publicar y escalar posiciones ha conducido en algunos casos a malas prácticas científicas como la fabricación o duplicación de resultados. Arabia Saudita, por ejemplo, duplicó su producción científica entre 2019 y 2024, pero también registró un fuerte aumento en retracciones. En India, la producción aumentó más de un 56% en cinco años, pero también se han visto afectadas por problemas de calidad y control.

Fuente: Número total de trabajos de investigación según Scopus: artículos y revisiones.

Se destaca el ascenso de instituciones de Asia Occidental y países árabes como Arabia Saudita, Emiratos Árabes Unidos y Catar, gracias a inversiones en I+D. Sin embargo, también se cuestiona si este progreso refleja mejoras reales o estrategias diseñadas para escalar en el ranking, como el aumento artificial de citaciones o encuestas de reputación manipuladas.

India ha sido uno de los países con mayor crecimiento en los rankings globales, especialmente en áreas STEM (ciencia, tecnología, ingeniería y matemáticas). Este ascenso se ha vinculado a políticas como la iniciativa Institutions of Eminence (IoE), que busca crear universidades de élite. Sin embargo, esta estrategia ha generado críticas por concentrar recursos en pocas instituciones, mientras muchas universidades estatales sufren abandono, falta de financiación y precariedad.

Los rankings se basan ahora en indicadores como la reputación académica (40 %), la reputación entre empleadores (10 %), las citas de investigación por artículo (20 %) y el índice H (20 %), respaldados además por la puntuación de la red internacional de investigación. Uno de los problemas principales es que el QS otorga casi el 50% del peso a encuestas de reputación académica y empresarial, lo que deja margen para maniobras estratégicas de autopromoción institucional y visibilidad controlada. A esto se suma el fenómeno de las “citas en anillo” y la contratación de académicos con alta visibilidad para inflar métricas.

Además, estos rankings influyen profundamente en la formulación de políticas educativas, especialmente en economías emergentes. Estar en el top 200 puede significar más financiación, mayor atracción de estudiantes internacionales y prestigio diplomático. Sin embargo, esta influencia genera comportamientos orientados a mejorar la posición en rankings antes que a desarrollar auténtica calidad educativa.

En conclusión, los rankings como QS y THE, aunque útiles para comparaciones internacionales, también pueden ser engañosos. Favorecen la visibilidad y los indicadores cuantitativos sobre la calidad docente, el compromiso social o la equidad. La carrera por ascender en estas clasificaciones puede fomentar reformas superficiales y cosméticas, en lugar de una transformación estructural del sistema educativo.