Nuevas formas de buscar y analizar con IA la información científica
Palabras clave:
inteligencia artificial; información científica; búsqueda semántica; análisis bibliométrico; verificación de fuentes.Sinopsis
Nuevas formas de buscar y analizar con IA la información científica examina cómo la inteligencia artificial está modificando las prácticas de búsqueda, organización, lectura, análisis y verificación de literatura académica. La obra aborda la evolución desde procedimientos basados principalmente en palabras clave hacia sistemas de recuperación semántica, recomendación automatizada y procesamiento contextual de documentos. También analiza la construcción de mapas digitales del conocimiento mediante redes de autores, documentos, conceptos, cocitación y agrupamientos temáticos, destacando la necesidad de interpretar críticamente estas representaciones. Otro eje corresponde a la lectura automatizada de grandes colecciones, incluyendo extracción de información, resumen, clasificación, comparación y síntesis de evidencia. El libro estudia además el uso de inteligencia artificial para identificar tendencias, temas emergentes, vacíos de conocimiento, patrones metodológicos y contradicciones científicas. Finalmente, desarrolla criterios para verificar fuentes, referencias, DOI y correspondencia entre afirmaciones y citas, considerando problemas como alucinaciones, errores bibliográficos y pérdida de trazabilidad. El enfoque mantiene una posición crítica: la automatización amplía la capacidad de procesar información científica, pero no sustituye la evaluación metodológica, la lectura contextual ni la responsabilidad del investigador sobre la evidencia utilizada.
Descargas
Los datos de descarga aún no están disponibles.
Referencias
Acevedo, J. A., García, A., Aragón, M. D., y M., O. J. (2017). Modelos científicos: significado y papel en la práctica científica. Revista científica, 30(3), 155-166. https://doi.org/10.14483/23448350.12288
Aiumtrakul, N., Thongprayoon, C., Suppadungsuk, S., Krisanapan, P., Miao, J., Qureshi, F., y Cheungpasitporn, W. (2023). Navigating the landscape of personalized medicine: The relevance of ChatGPT, BingChat, and Bard AI in nephrology literature searches. Journal of Personalized Medicine, 13(10). https://doi.org/10.3390/jpm13101457
Ajith, A., Xia, M., Chevalier, A., Goyal, T., Chen, D., y Gao, T. (2024). LitSearch: A retrieval benchmark for scientific literature search. Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing, 15068-15083. https://doi.org/10.18653/v1/2024.emnlp-main.840
Arias, F., y Artigas, W. (2022). Cómo plantear problemas científicos relevantes identificando brechas de investigación. Mujer Andina, 1(1), 76-82. https://doi.org/10.36881/ma.v1i1.644
Athaluri, S., Manthena, S., Kesapragada, V., Yarlagadda, V., Dave, T., y Duddumpudi, R. (2023). Exploring the boundaries of reality: Investigating the phenomenon of artificial intelligence hallucination in scientific writing through ChatGPT references. Cureus, 15(4). https://doi.org/10.7759/cureus.37432
Ávila, E. (2024). Visualización de datos abiertos de investigación mediante grafos de conocimiento: metodología y aplicación de DDI-RDF y DataCite Ontology. Scire: Representación Y organización Del Conocimiento, 30(2), 59-71. https://doi.org/10.54886/scire.v30i2.4963
Barradas, J. (2023). Inteligencia artificial como elemento transformador de la investigación científica. Entrelíneas, 2(1), 113-122. https://doi.org/10.56368/Entrelineas213
Brack, A., Hoppe, A., Stocker, M., Auer, S., y Ewerth, R. (2022). Analysing the requirements for an Open Research Knowledge Graph: Use cases, quality requirements, and construction strategies. International Journal on Digital Libraries, 23, 33-55. https://doi.org/10.1007/s00799-021-00306-x
Castillo, W. (2023). The importance of human supervision in the use of ChatGPT as a support tool in scientific writing. Metaverse Basic and Applied Research, 2. https://doi.org/10.56294/mr202329
Cedeño, J., Maitta, I., Vélez, M., y Palomeque, J. (2024). Investigación universitaria con inteligencia artificial. Revista Venezolana De Gerencia, 29(106), 817-830. https://doi.org/10.52080/rvgluz.29.106.23
Chagnon, E., Pandolfi, R., Donatelli, J., y Ushizima, D. (2024). Benchmarking topic models on scientific articles using BERTeley. Natural Language Processing Journal, 6. https://doi.org/10.1016/j.nlp.2023.100044
Chelli, M., Descamps, J., Lavoué, V., Trojani, C., Azar, M., Deckert, M., . . . Ruetsch, C. (2024). Hallucination rates and reference accuracy of ChatGPT and Bard for systematic reviews: Comparative analysis. Journal of Medical Internet Research, 26. https://doi.org/10.2196/53164
Ciobanu, O., Aicher, A., Kernbach, J., Regli, L., Serra, C., y Staartjes, V. (2024). A critical moment in machine learning in medicine: on reproducible and interpretable learning. Acta Neurochirurgica, 166. https://doi.org/10.1007/s00701-024-05892-8
Contreras, L., Puma, I., Morales, J., Gil, C., y Chalco, N. (2024). Ética en el uso de la inteligencia artificial en la investigación científica: desafíos y consideraciones. Aula virtual, 5(12), 1-22. https://doi.org/10.5281/zenodo.14653199
De la Cruz, Y. (2017). El rigor científico: una necesidad de las investigaciones en ciencias de la educación. Mikarimin. Revista Científica Multidisciplinaria, 3(2), 41-50. https://revista.uniandes.edu.ec/ojs/index.php/mikarimin/article/view/414
Dennstädt, F., Zink, J., Putora, P., Hastings, J., y Cihoric, N. (2024). Title and abstract screening for literature reviews using large language models: An exploratory study in the biomedical domain. Systematic Reviews, 13. https://doi.org/10.1186/s13643-024-02575-4
Díaz, L. (2024). El uso de la inteligencia artificial en la investigación científica. Revista Historia De La Educación Latinoamericana, 26(43), 253-272. https://doi.org/10.19053/uptc.01227238.18014
Doneva, S., Qin, S., Sick, B., Ellendorff, T., Goldman, J., Schneider, G., y Ineichen, B. (2024). Large language models to process, analyze, and synthesize biomedical texts: a scoping review. Discover Artificial Intelligence, 4. https://doi.org/10.1007/s44163-024-00197-2
Gallent, C., Zapata, A., y Ortego, J. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE. Revista Electrónica de Investigación y Evaluación Educativa, 29(2), 1-21. https://doi.org/10.30827/relieve.v29i2.29134
Gao, C., Howard, F., Markov, N., Dyer, E., Ramesh, S., Luo, Y., y Pearson, A. (2023). Comparing scientific abstracts generated by ChatGPT to real abstracts with detectors and blinded human reviewers. NPJ digital medicine, 6. https://doi.org/10.1038/s41746-023-00819-6
Gilbert, S., Kather, J., y Hogan, A. (2024). Augmented non-hallucinating large language models as medical information curators. npj Digital Medicine, 7(100). https://doi.org/10.1038/s41746-024-01081-0
Gottardi, T., Bauzer, C., y Dos, J. (2021). Semantic search to foster scientific findability: A systematic literature review. Journal of Information and Data Management, 12(5). https://doi.org/10.5753/jidm.2021.1919
Haunschild, R., y Bornmann, L. (2024). The use of OpenAlex to produce meaningful bibliometric global overlay maps of science on the individual, institutional, and national levels. PLOS ONE, 19(12). https://doi.org/10.1371/journal.pone.0308041
Hua, C., Cao, X., Liao, B., y Li, S. (2023). Advances on intelligent algorithms for scientific computing: An overview. Frontiers in Neurorobotics, 17. https://doi.org/10.3389/fnbot.2023.1190977
Jaradeh, M., Singh, K., Stocker, M., Both, A., y Auer, S. (2023). Information extraction pipelines for knowledge graphs. Knowledge and Information Systems, 65, 1989-2016. https://doi.org/10.1007/s10115-022-01826-x
Kapoor, S., y Narayanan, A. (2023). Leakage and the reproducibility crisis in machine-learning-based science. Patterns, 4(9). https://doi.org/10.1016/j.patter.2023.100804
Krenn, M., Pollice, R., Guo, S., Aldeghi, M., Cervera, A., Friederich, P., . . . Aspuru, A. (2022). On scientific understanding with artificial intelligence. Nature Reviews Physics, 4, 761-769. https://doi.org/10.1038/s42254-022-00518-3
Loza, J., Riera, V., Miranda, M., y Lopez, D. (2026). Reproducibilidad en los flujos de trabajo bioinformáticos aplicados a genómica y oncología clínica. La Ciencia al Servicio de la Salud y Nutrición, 16(2), 155-162. https://doi.org/10.47187/cssn.Vol16.Iss2.453
Mata, K., Sancán, V., Káiser, I., y Kaiser, R. (2024). Una revisión sistemática del uso de la Inteligencia artificial en el desarrollo de investigaciones científicas. Reincisol, 3(6), 1642-1660. https://doi.org/10.59282/reincisol.V3(6)1642-1660
Mugaanyi, J., Cai, L., Cheng, S., Lu, C., y Huang, J. (2024). Evaluation of large language model performance and reliability for citations and references in scholarly writing: Cross-disciplinary study. Journal of Medical Internet Research, 26. https://doi.org/10.2196/52935
Mujica, R. (2021). Alfabetización Científica: Herramienta Indispensable en la Era Digital. Revista Docentes 2.0, 11(1), 19-26. https://doi.org/10.37843/rted.v11i1.181
Ofori, R., Aceves, M., Wiratunga, N., y Moreno, C. (2024). Towards the automation of systematic reviews using natural language processing, machine learning, and deep learning: A comprehensive review. Artificial Intelligence Review, 57. https://doi.org/10.1007/s10462-024-10844-w
Orduña, E., y Costas, R. (2021). Link-based approach to study scientific software usage: The case of VOSviewer. Scientometrics, 126, 8153-8186. https://doi.org/10.1007/s11192-021-04082-y
Penabad, L., Morera, M., y Penabad, M. (2024). Guía para uso y reporte de inteligencia artificial en revistas científico-académicas. Revista Electrónica Educare, 28(S), 1-41. https://doi.org/10.15359/ree.28-s.19830
Polo, L., y Casique, R. (2025). Propuesta metodológica para la recuperación de información documental: integración de grafos de conocimiento y redes neuronales. Investigación Bibliotecológica: Archivonomía, Bibliotecología e Información, 39(105), 141-163. https://doi.org/10.22201/iibi.24488321xe.2025.105.59051
Ros, P., y Pérez, Á. (2023). ChatGPT: una novedosa herramienta de escritura para artículos científicos, pero no un autor (por el momento). Revista de Neurología, 76(8). https://doi.org/10.33588/rn.7608.2023066
Ross, T., Reichmann, S., Cole, N. L., Fessl, A., Klebel, T., y Pontika, N. (2022). Dynamics of cumulative advantage and threats to equity in open science: A scoping review. Royal Society Open Science, 9(1), 211032. https://doi.org/10.1098/rsos.211032
Semmelrock, H., Ross, T., Kopeinik, S., Theiler, D., Haberl, A., Thalmann, S., y Kowald, D. (2025). Reproducibility in machine-learning-based research: Overview, barriers and drivers. AI Magazine, 46(2), 1-19. https://doi.org/10.1002/aaai.70002
Tamayo, O. E., Zona, R., y Loaiza, Y. E. (2015). El pensamiento crítico en la educación. Algunas categorías centrales en su estudio. Revista Latinoamericana de Estudios Educativos, 11(2), 111-133. https://www.redalyc.org/pdf/1341/134146842006.pdf
Tang, L., Sun, Z., Idnay, B., Nestor, J., Soroush, A., Elias, P., . . . Peng, Y. (2023). Evaluating large language models on medical evidence summarization. npj Digital Medicine, 6. https://doi.org/10.1038/s41746-023-00896-7
Tapia, R., y Recalde, A. (2024). Mejora de gestión documental: revisión sistemática. Ingenium et Potentia. Revista Electrónica Multidisciplinaria de Ciencias Básicas, Ingeniería y Arquitectura, 6(11), 16-26. https://doi.org/10.35381/i.p.v6i11.4076
Torre, J. d., Ramírez, A., y Romero, J. (2023). Artificial intelligence to automate the systematic review of scientific literature. Computing, 105, 2171-2194. https://doi.org/10.1007/s00607-023-01181-x
Vázquez, M., Pereira, J., Cid, J., y Arenas, J. (2022). Validation of scientific topic models using graph analysis and corpus metadata. Scientometrics, 127, 5441-5458. https://doi.org/10.1007/s11192-022-04318-5
Verma, S., Bhatia, R., Harit, S., y Batish, S. (2023). Scholarly knowledge graphs through structuring scholarly communication: A review. Complex & Intelligent Systems, 9, 1059-1095. https://doi.org/10.1007/s40747-022-00806-6
Wadden, D., Lo, K., Kuehl, B., Cohan, A., Beltagy, I., Wang, L., y Hajishirzi, H. (2022). SciFact-Open: Towards open-domain scientific claim verification. Findings of the Association for Computational Linguistics: EMNLP 2022, 4719-4734. https://doi.org/10.18653/v1/2022.findings-emnlp.347
Wadden, D., y Lo, K. (2021). Overview and insights from the SCIVER shared task on scientific claim verification. Proceedings of the Second Workshop on Scholarly Document Processing, 124-129. https://aclanthology.org/2021.sdp-1.16.pdf
Walters, W., y Wilder, E. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports, 13. https://doi.org/10.1038/s41598-023-41032-5
Wu, X., Nguyen, T., y Luu, A. (2024). A survey on neural topic models: Methods, applications, and challenges. Artificial Intelligence Review, 57. https://doi.org/10.1007/s10462-023-10661-7
Zárate, L. O. (2022). Explicabilidad (de la inteligencia artificial). EUNOMÍA. Revista en Cultura de la Legalidad(22), 328-344. https://doi.org/10.20318/eunomia.2022.6819
Zhang, Z., Patra, B., Yaseen, A., Zhu, J., Sabharwal, R., Roberts, K., . . . Wu, H. (2023). Scholarly recommendation systems: A literature survey. Knowledge and Information Systems, 65, 4433-4478. https://doi.org/10.1007/s10115-023-01901-x
Descargas
Publicado
septiembre 1, 2026
DERECHOS DE AUTOR 2026
Wilmer Patricio Collaguazo Vega,
Cindy Estefanía Alvia Toala,
Evelin Mariela Miranda Hermosa,
Jose Fernando Toala Mosquera,
Juan Gabriel Zaruma Piña
Wilmer Patricio Collaguazo Vega,
Cindy Estefanía Alvia Toala,
Evelin Mariela Miranda Hermosa,
Jose Fernando Toala Mosquera,
Juan Gabriel Zaruma Piña
Licencia
CIDPROS EDITORIAL es una editorial académica comprometida con la difusión ética y responsable del conocimiento científico y con la promoción de publicaciones académicas de calidad.
CC BY 4.0 — Creative Commons Atribución 4.0 Internacional
Esta obra se distribuye bajo los términos de la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0), que permite compartir y adaptar el material para cualquier propósito, incluso comercial, siempre que se otorgue el crédito correspondiente a los autores, se proporcione un enlace a la licencia y se indique si se realizaron cambios.
Detalles sobre esta monografía
ISBN-13 (15)
978-9907-9574-8-8
Cómo citar
Collaguazo Vega, W. P., Alvia Toala, C. E., Miranda Hermosa, E. M., Toala Mosquera, J. F., & Zaruma Piña, J. G. (2026). Nuevas formas de buscar y analizar con IA la información científica. CIDPROS EDITORIAL. https://doi.org/10.67166/34zqjv63
