La investigación académica y el Inteligencia artificial generativa.

La investigación académica ha experimentado una transformación significativa gracias a la integración de herramientas basadas en inteligencia artificial (IA). Estas tecnologías permiten optimizar y acelerar procesos que tradicionalmente demandaban mucho tiempo, como la búsqueda, análisis y síntesis de información científica. Herramientas como Consensus, Typeset, Elicit y Connected Papers ejemplifican esta revolución tecnológica, al ofrecer desde motores de búsqueda especializados en literatura revisada por pares hasta plataformas que facilitan la visualización de conexiones entre artículos y autores. Al aprovechar capacidades avanzadas de procesamiento de lenguaje natural y análisis semántico, estas soluciones no solo mejoran la eficiencia en la obtención de datos, sino que también potencian la calidad y profundidad del trabajo investigativo, facilitando la toma de decisiones basadas en evidencia científica actualizada

 

Herramienta	Función principal	Ejemplo de uso
Consensus	Motor de búsqueda académico basado en IA y modelos de lenguaje avanzados. Agrega, resume y destila información de más de 200 millones de publicaciones revisadas por pares, permitiendo búsquedas semánticas y de texto avanzadas en todos los dominios científicos1.	Un investigador en psicología busca evidencia sobre los efectos de la meditación. Consensus le muestra resúmenes directos de los hallazgos clave en los artículos más relevantes, facilitando la toma de decisiones basada en evidencia.
Typeset (Scispace)	Plataforma integral para facilitar la investigación científica. Permite buscar artículos, analizar PDFs, organizar información, generar resúmenes, revisar literatura, escribir con IA, parafrasear y generar citas automáticamente23.	Un estudiante sube un PDF de un artículo científico. Typeset genera automáticamente resúmenes del abstract, métodos y conclusiones, ayudándole a comprender rápidamente el contenido y a citarlo correctamente en su trabajo.
Elicit	Herramienta de IA para búsqueda y análisis bibliográfico. Agiliza la búsqueda, extracción, análisis y síntesis de información científica, especialmente útil para revisiones de literatura y construcción de marcos teóricos45.	Un académico necesita construir el marco teórico para su tesis. Elicit le ayuda a localizar, analizar y sintetizar rápidamente los artículos más relevantes sobre su tema, acelerando el proceso de revisión bibliográfica.
Connected Papers	Plataforma visual basada en IA para explorar literatura académica. Genera mapas visuales de artículos relacionados a partir de uno conocido, mostrando conexiones, trabajos previos y derivados, y patrones de citación6789.	Una investigadora introduce el título de un artículo clave sobre inteligencia artificial en educación. Connected Papers le muestra un mapa visual de artículos relacionados, permitiéndole identificar tendencias, conexiones y lagunas en la investigación.

 

Es crucial utilizar herramientas de inteligencia artificial (IA) de manera ética en la investigación para salvaguardar la integridad académica, la credibilidad y la responsabilidad social del trabajo científico 25.

Las razones principales incluyen:

• Preservación de la integridad y credibilidad El uso ético garantiza que la investigación sea honesta y fiable 25. Esto implica evitar el uso de la IA para engañar, manipular resultados, presentar datos falsos o redactar trabajos que no reflejen una comprensión genuina del tema 5. Las instituciones académicas y los editores están trabajando en pautas para el uso responsable de la IA, tratándola como una herramienta de apoyo y no como una coautora 1.
• Transparencia y replicabilidad Es fundamental ser transparente sobre cómo y cuándo se ha utilizado la IA en la investigación, ya sea para la redacción, el análisis de datos o la formulación de hipótesis 5. La transparencia no solo fomenta la confianza, sino que también permite que otros investigadores validen y repliquen los métodos empleados 5.
• Autoría y prevención del plagio La IA es una herramienta; no debe ser considerada coautora 1. Es vital citar adecuadamente las herramientas de IA utilizadas y atribuir el trabajo para evitar el plagio y respetar la propiedad intelectual 5. Existe un debate sobre cómo definir el plagio cuando se utiliza contenido generado por IA 6.
• Exactitud y verificación de resultados Aunque la IA puede ser potente para recopilar y analizar datos, los investigadores deben verificar y validar los resultados generados por estas herramientas 5. Es crucial asegurar la precisión y relevancia de la información presentada, evitando la difusión de datos erróneos que puedan afectar la credibilidad del trabajo 5. También se debe evitar sobrestimar las capacidades de la IA y contextualizar sus hallazgos 5.
• Protección de la privacidad y datos sensibles El manejo de datos, especialmente si son sensibles, requiere una estricta adhesión a principios éticos como la privacidad y la dignidad de los participantes 3. Es necesario contar con protocolos que protejan la información sensible y evitar su exposición por descuidos en el tratamiento de datos personales 3. Se deben establecer marcos adecuados de protección de datos y respetar la privacidad a lo largo de todo el ciclo de vida de la IA 4.
• Mitigación de sesgos y riesgos El uso indebido de la IA puede introducir sesgos en los resultados 24. Es importante considerar y prevenir daños no deseados y vulnerabilidades en los sistemas de IA 4.
• Fomento de la confianza y cooperación académica El uso ético contribuye a mantener la confianza dentro de la comunidad científica y promueve la cooperación, evitando conductas fraudulentas 27.

La aplicación ética de la IA en la investigación es indispensable para asegurar que los hallazgos sean fiables, reproducibles y beneficiosos para la sociedad, y para mantener la integridad y la reputación del investigador y de la academia en general 25.

Para la investigación en inteligencia artificial generativa (IAG), además de las herramientas ya mencionadas, se recomiendan las siguientes plataformas especializadas en el descubrimiento de literatura académica:

• Research Rabbit: Considerada un motor de descubrimiento más que un buscador tradicional, funciona como un "Spotify" para artículos científicos. Permite crear colecciones personalizadas, recibir recomendaciones basadas en tus intereses, visualizar mapas interactivos de artículos y autores, y monitorear publicaciones nuevas mediante alertas. Su base de datos cubre más de 100 millones de artículos, incluyendo materiales no disponibles en bases como Scopus o Web of Science1.

• SciSpace: Plataforma que no solo ayuda a encontrar artículos, sino que también permite comprenderlos mejor mediante explicaciones generadas por IA y responder preguntas sobre los documentos. Ofrece filtros avanzados para refinar búsquedas, generación de resúmenes, y herramientas para realizar revisiones bibliográficas completas con apoyo de IA15.

• Semantic Scholar: Motor de búsqueda gratuito que utiliza IA para ofrecer resultados contextuales y relevantes, con funciones para detectar tendencias emergentes y analizar redes de citación, facilitando la identificación de artículos clave en el área de IAG3.

• Scinapse: Motor de búsqueda académico que ofrece resultados personalizados y opciones de filtrado avanzadas, incluyendo seguimiento de citas para identificar estudios influyentes, optimizando la revisión de literatura3.

• Microsoft Academic Research: Plataforma multidisciplinaria que compite con Google Scholar, con énfasis en contenido innovador y colaboración interdisciplinaria. Su interfaz intuitiva facilita la búsqueda en diversas disciplinas, incluyendo ciencias de la computación y biomedicina2.

• Dialnet: Buscador orientado a la literatura científica en español, especialmente en ciencias humanas, jurídicas y sociales. Ideal para investigadores que buscan fuentes en castellano y acceso a tesis, libros y artículos de revistas hispanas2.

Estas plataformas amplían las opciones para investigadores en IAG, ofreciendo desde descubrimiento visual y personalizado hasta filtros avanzados y soporte multilingüe, lo que facilita un acceso más eficiente y profundo a la literatura científica relevante.

1. https://observatorio.tec.mx/las-mejores-ia-para-el-investigador-moderno/
2. https://paideiastudio.net/buscadores-academicos/
3. https://www.pageon.ai/es/blog/ai-research-tools-for-literature-review
4. https://up-mx.libguides.com/c.php?g=1384825
5. https://scispace.com/resources/spanish-best-academic-search-engines/
6. https://www.iebschool.com/hub/donde-encontrar-las-mejores-herramientas-de-inteligencia-artificial-generativa-inteligencia-artificial/
7. https://gredos.usal.es/xmlui/bitstream/handle/10366/153138/Generative_literature_es.pdf?sequence=3&isAllowed=y
8. https://comunavirtual.com/page/view-post?id=97

1. https://revistas.ucm.es/index.php/DERE/article/download/98112/4564456570646
2. https://nodos.org/ponencia/el-uso-etico-de-la-inteligencia-artificial-en-la-investigacion-un-estudio-exploratorio/
3. https://www.iis.unam.mx/blog/uso-etico-de-herramientas-de-ia-en-investigacion-social/
4. https://www.unesco.org/es/artificial-intelligence/recommendation-ethics
5. https://unamglobal.unam.mx/global_revista/inteligencia-artificial-etica-investigacion/
6. https://dialnet.unirioja.es/descarga/articulo/9773491.pdf
7. https://www.scientifyresearch.org/blog/etica-ia-investigacion-redaccion-academica/
8. https://www.rediech.org/ojs/2017/index.php/recie/article/view/2357