IA para interpretar resultados estadísticos a partir de una imagen

¿Te gustaría subir una imagen de una tabla de cualquier análisis estadístico y obtener la interpretación de los resultados? ChatGPT Plus ha habilitado la posibilidad de "diseñar" GPTs a tu gusto. He creado un GPT llamado "Data Interpretation" en el que le subes una imagen de una tabla con resultados estadísticos, y ChatGPT responde comentando todos los resultados, explicándolos, interpretando los hallazgos y hasta proponiendo una acción o intervención.

Acceso a "Data Interpretation": https://chat.openai.com/g/g-dZnBLNSvQ-data-interpretation

Haces una captura de pantalla de los resultados obtenidos con SPSS, Jamovi, Stata, R o una tabla de un artículo científico, subes esa imagen a ChaGPT "Data Interpretation", y obtienes de forma detallada una interpretación de los resultados. Si quieres que la interpretación sea más concreta, debes especificar cuáles son las variables dependiente (VD) e independientes (VI), y el orden de las categorías. Por ejemplo, la VD es "tolerancia con el aborto" (1-nunca... 10-mucho) y las VI son sexo (1-hombre, 0-mujer), edad, y nivel de ingresos (1-bajos... 10-altos). ChaGPT "Data Interpretation" te preguntará por el tipo de variables (nominal, ordinal, escalar) para comprobar que usaste las variables correctas. Seguidamente "Data Interpretation" comentará e interpretará los resultados del análisis estadístico. Puedes seguir chateando para que te explique los resultados como quieras, con lenguaje sencillo, analogías, ejemplos o pidiendo más detalles. En el vídeo puedes ver un ejemplo de interpretación de regresión lineal: incluye comentario sobre la R-cuadrado, significación, betas, multicolinealidad...

El análisis estadístico de datos es imprescindible en la sociedad en la que vivimos donde cada movimiento que hacemos deja un rastro de datos. Herramientas de IA como "Data Interpretation" está facilitando hacer más accesible la interpretación de resultados estadísticos. Un cambio radical para hacer una tesis, entender análisis de datos, y mejorar las clases de cualquier asignatura. Seguimos.

Acceso a Data Interpretation: https://chat.openai.com/g/g-dZnBLNSvQ-data-interpretation

Escenarios futuros posibles de la IA en la educación universitaria

¿Cómo será el futuro de la IA en la academia? Una forma de diagnosticar qué sucederá en el futuro es a través de la descripción de escenarios posibles. Una manera de crear escenarios es mediante el cruce de dos variables. Se crean así cuatro combinaciones tipo según las opciones de las variables. Para pensar en el futuro, usamos dos variables que condicionarían el impacto de la IA en la educación universitaria: el acceso a herramientas de IA, y la aceptación de la IA en las universidades.

Acceso a herramientas de IA

La variable acceso a herramientas de IA se refiere a la facilidad con la que los estudiantes y docentes pueden obtener y utilizar herramientas de IA en sus actividades de enseñanza y aprendizaje. Esta variable se puede dividir en dos posibles opciones: acceso alto y acceso bajo.

Hay alto acceso a herramientas de IA cuando están ampliamente disponibles para los estudiantes y profesores. El coste de uso de estas herramientas es bajo, lo que significa que los estudiantes y profesores pueden acceder a ellas sin incurrir en gastos significativos. Además, no hay regulaciones restrictivas que limiten el uso de la IA en la investigación ni barreras legales o burocráticas que impidan o limiten la IA en el ámbito educativo.

Hay bajo acceso a herramientas de IA cuando existen regulaciones estrictas que restringen el uso de la IA en la universidad, ya sea por preocupaciones éticas, de privacidad, o de seguridad. Las regulaciones del uso de la IA pueden ser a nivel macro (leyes que restrinjan el uso de la IA), a nivel meso (normas en las universidades o facultades), o a nivel micro (profesores que restrinjan el uso de la IA en sus clases). Además, el acceso es bajo cuando los costes económicos asociados al uso de la IA son altos, lo que hace que su adopción sea prohibitiva para muchos estudiantes o docentes, especialmente aquellos que trabajan en instituciones con recursos limitados. ChatGPT tiene una versión sin coste, pero el acceso a su versión más avanzada con los plugins tiene un coste de 20 euros al mes. Midjourney, la herramienta de IA generadora de imágenes, empezó siendo gratis pero ya tiene un coste de 10 euros mensual. Scite tiene un coste de entre 12 y 20 euros al mes. ¿Y si la estrategia de las empresas de IA es hacernos dependientes al uso de la IA para después elevar significativamente los costes? Esta estrategia de mercado ya fue implementada por Amazon o Aliexpress que iniciaron sus ventas asumiendo pérdidas para crear dependencia del comercio online, cambiar costumbres y posteriormente elevar el precio de sus productos. En resumen, el acceso alto a la IA implica costes bajos y regulaciones mínimas, mientras que el acceso bajo implica costes altos y regulaciones estrictas.

Formación y aceptación de la IA por el personal docente

La variable formación y aceptación de la IA hace referencia al grado en que los profesores están familiarizados con las tecnologías de inteligencia artificial y están dispuestos a incorporarlas en sus actividades de enseñanza. Esta variable es importante porque la adopción de la IA en la universidad no solo depende de la disponibilidad de herramientas de IA, sino también de la disposición de los profesores para utilizarlas.

Hay alta formación y aceptación de la IA cuando los profesores están bien formados en el uso de tecnologías de IA y están dispuestos a incorporarlas en sus actividades de docencia. Esto puede deberse a la existencia de programas de formación en IA, a la percepción de que la IA puede mejorar la eficacia y eficiencia de la investigación, o a una cultura académica favorable a la introducción de IA en las universidades y enseñanza.

Hay baja formación y aceptación de la IA cuando los profesores tienen poca formación en el uso de tecnologías de inteligencia artificial y pueden ser reacios a incorporarlas en sus actividades de docencia. Esto puede deberse a la falta de programas de formación en IA, a la percepción de que la IA es compleja o difícil de usar, o a una cultura académica que es cautelosa o resistente al cambio. Si así fuera, es probable que la adopción de la IA en la academia sea lenta y las herramientas de IA se utilicen de manera menos efectiva.

La combinación de estas cuatro categorías crea cuatro escenarios futuros posibles sobre el impacto de la IA en la educación universitaria

“IA para todos”: alto acceso a la IA y alta formación-aceptación de la IA por el personal docente.

En este escenario, las herramientas de IA como ChatGPT son ampliamente accesibles y bien recibidas por los educadores universitarios. Los profesores se apoyan de manera significativa en la IA para facilitar un aprendizaje más personalizado. ChatGPT puede ser usado en las aulas para ayudar a entender temas complejos mediante un lenguaje más accesible a los estudiantes. La IA ayuda a desmitificar teorías, estadísticas o temas complejos proporcionando explicaciones sencillas y adaptadas. Por ejemplo, un prompt para ChatGPT sería: "explica que son los odd ratios con un ejemplo del [fútbol] y un lenguaja sencillo y entendible para alguien que sepa muy poco de estadística".

El profesor dejaría de ser el que resuelva todas las dudas ya que los estudiantes tienen acceso a herramientas de IA que pueden ayudarles a entender conceptos, crear analogías, y ejemplos a medida de sus preferencias. El estudiante ganaría protagonismo en su propia enseñanza y aumentaría sus habilidades de recursividad y autonomía.

Los métodos de evaluación podrían incluir la integración de la IA, por ejemplo, permitiendo que los estudiantes utilicen la IA para resolver problemas y, posteriormente, se les pida profundizar en la interpretación y en cómo convertir los resultados en estrategias de acción. Esto fomentaría una comprensión profunda de los conceptos al obligar a los estudiantes a internalizar, comunicar las metodologías utilizadas por la IA, y enfatizar la toma de decisiones.

Se podrían implementar métodos de evaluación basados en la metacognición. La evaluación metacognitiva se refiere al proceso mediante el cual una persona monitorea, evalúa y regula su propio aprendizaje y pensamiento. En términos sencillos, es la capacidad de una persona para “pensar sobre su propio pensamiento” y evaluar su propio proceso de aprendizaje. Por ejemplo, preguntándose y registrando: ¿qué he aprendido?, ¿cómo lo he aprendido?, ¿para qué me ha servido? y ¿en qué otras situaciones puedo utilizar lo aprendido? Son cuatro preguntas que el alumnado debe ir respondiendo para avanzar por la escalera de metacognición.

El principal problema que los profesores podrían enfrentar es el exceso de dependencia de la IA por parte de los estudiantes. Los estudiantes podrían confiar ciegamente en las soluciones proporcionadas por la IA y no comprender los conceptos subyacentes de un tema.

“Eterno 2023”: alto acceso a la IA y baja formación-aceptación de la IA por el personal docente.

A pesar de que las herramientas de IA son fácilmente accesibles, los profesores de universidad se resisten a integrarlas en su enseñanza. Se produce una alta divergencia en lo que solicita el profesor para aprender, y lo que el estudiante es capaz de hacer con el acceso a las herramientas de IA. Se puede producir una situación en la que el estudiante oculte su uso, y el profesorado cambie su forma de enseñar solo pensando en cómo evitar el uso de la IA.

En este escenario, los métodos de evaluación seguirían siendo los tradicionales, como exámenes escritos y trabajos prácticos. Sin embargo, se podría requerir que los estudiantes demuestren su capacidad para trabajar sin la ayuda de la IA.

El mayor problema para los profesores en este escenario sería la brecha entre la educación universitaria y el mundo laboral, que cada vez se apoya más en la IA. Esto podría llevar a una falta de preparación de los estudiantes para enfrentar los desafíos del mundo real. Mientras que otros sectores como empresas y estudiantes sí usan la IA para realizar sus tareas, la academia se resiste al cambio. Esta divergencia entre estudiantes y empresas que adoptan IA, y académicos que no la utilizan, puede alimentar la percepción de que la universidad es una institución obsoleta, de escaso valor añadido, y utilidad limitada.

“IA para mí”: bajo acceso a la IA y alta formación-aceptación de la IA por el personal docente

Aunque los profesores están dispuestos a usar la IA, el acceso a herramientas de IA es limitado por el coste económico o regulaciones prohibitivas. Los profesores desearían utilizar IA, pero su uso se limitaría a ejemplos o demostraciones básicas debido al alto coste y la regulación restrictiva. Como resultado, la adopción de la IA en la academia es lenta y se concentra en instituciones con elevados recursos. Los académicos en instituciones de países con menos recursos o donde las regulaciones son más estrictas pueden tener dificultades para mantenerse al día con los avances en la investigación impulsada por la IA. La diversidad en la comunidad de investigación disminuye, ya que las barreras de entrada son altas y solo aquellos con acceso a herramientas de IA pueden participar en la generación de conocimiento. En este escenario, la academia se vuelve más desigual y menos inclusiva.

Los métodos de evaluación podrían incluir preguntas teóricas sobre cómo se usaría la IA para resolver ciertos problemas, pero sin poder implementar o practicar su uso. Los estudiantes también podrían ser evaluados por su capacidad para trabajar alrededor de las limitaciones del acceso a la IA, demostrando innovación y resiliencia.

El principal problema para los profesores sería tratar de proporcionar una educación de calidad sin las ventajas de una integración completa de la IA. Los profesores también podrían tener dificultades para mantenerse actualizados con los rápidos avances en la IA sin acceso a las herramientas más recientes.

Back to 2019”: bajo acceso a la IA y baja formación-aceptación de la IA por el personal docente

En este escenario, las herramientas de IA son tanto inaccesibles como poco o nada aceptadas por los profesores universitarios. La enseñanza seguiría siendo tradicional, sin ninguna influencia de la IA. La falta de acceso y adopción de la IA podría limitar la innovación. Solo aquellos pocos académicos con recursos y disposición para innovar en el proceso de investigación usarían las herramientas de IA. Ante la falta de formación y aceptación de la IA, esta tecnología generaría desconfianza y toda discusión sobre su uso sería sobre la ética y privacidad, lo que perpetuaría aún más la resistencia al uso de la IA.

Los métodos de evaluación serían como en 2019, antes de la pandemia y antes de la irrupción de la IA: exámenes, trabajos prácticos escritos y de vez en cuando presentaciones.

Los problemas para los profesores en este escenario incluirían mantener la relevancia de lo enseñado donde se ignora la IA en un mundo cada vez más digital y dependiente de la IA. Sin ninguna influencia de la IA, los estudiantes pueden sentirse desvinculados o poco preparados para un mercado laboral que depende cada vez más de la tecnología y la inteligencia artificial. Las instituciones académicas continuarían enfocándose en ofrecer formación tradicional, ya que la mayoría de los profesores no tendrían acceso a herramientas de IA ni estarían dispuestos a utilizarlas. La falta de adopción de la IA en la academia podría afectar la reputación de las universidades, que podrían ser vistas como rezagadas en comparación con otros sectores que adoptan rápidamente la IA.

Escenario más probable (y deseable)

De los cuatro escenarios posibles, el más probable es el escenario de “IA para todos”: alto acceso a herramientas de IA y alta formación-aceptación de la IA por el personal docente. Es el más probable ya que en la actualidad han proliferado exponencialmente las herramientas de IA, en octubre de 2023 hay más de siete mil aplicaciones de IA accesibles. De todas ellas, muchas son de acceso libre o gratuito, como la versión GPT 3.5 de ChatGPT, Bing Chat, Elicit, SciScape y Consensus y otras de utilidad en la educación e investigación. Además, hay herramientas de IA de todo tipo y para múltiples funciones, como la creación de texto, audio, vídeo o imágenes. Incluso, muchas están específicamente diseñadas para transformar texto a imagen, imagen a vídeo, texto a audio, audio a texto, vídeo a texto, y un sinfín de utilidades.

Las restricciones o regulaciones existentes de la IA en la educación son escasas y flexibles. Se ha creado una Ley de la Inteligencia Artificial por parte de la Unión Europea, pero aún está en proceso de discusión y su uso en la educación es abierto siempre que no vulnere derechos o sea usado para evaluar. Las regulaciones a nivel universitario son casi inexistentes. Finalmente, una parte de los educadores se muestra abierta a su uso y a adaptarse a una realidad que avanza rápido. Por todo ello, es muy probable que el escenario al que nos enfrentemos docentes, estudiantes y gestores sea “IA para todos” de alto acceso a IA y alta aceptación por el personal docente. En conclusión, esto no para y es mejor estar preparado. Para más info:

Cárdenas, Julián (2023) Inteligencia artificial, investigación y revisión por pares: escenarios futuros y estrategias de acción. Revista Española de Sociología 32(4): a184. https://doi.org/10.22325/fes/res.2023.184

Herramienta de IA para revisar un artículo científico

¿Qué te parecería que tu artículo científico sea evaluado por una herramienta de IA en lugar de por revisores (reviewers) humanos? Todos los que hemos enviado manuscritos a una revista científica y hemos recibido una dura evaluación o un rechazo hemos maldecido el peer-review, a editores, y evaluadores. Si los reviewers se equivocan, tienen un conocimiento amplio pero no total, y a veces piden cosas que ni ellos mismos saben hacer, ¿aceptarías que tu artículo sea evaluado por una inteligencia artificial (IA)? ¿Aceptarías que tu proyecto de investigación para solicitar fondos sea evaluado por una IA?

El debate sobre el uso de la IA en peer review ya existe en la comunidad científica. Algunas agencias ya se han posicionado en contra como the U.S. National Science Foundation y the Australian Research Council. Otras como European Research Council se lo están pensando.

¿Y los journals científicos? Casi todas las revistas guardan silencio, por ahora. Las pocas revistas que han dicho algo, como la revista Science, ha prohibido a los reviewers usar herramientas de IA. ¿Pero pueden los editores controlar que los revisores usen ChatGPT, ChatPDF u otra herramienta de IA para leer, revisar y llegar a un dictamen? El proceso de evaluación y revisión de un paper científico es time-consuming, complejo, y se lleva criticando desde hace años porque vive del altruismo de profesores e investigadores. ¿Sería la IA una solución? Que cada uno vaya formando sus opiniones.

Para que juzguemos de qué es capaz la IA en la revisión de artículos, te presento una herramienta de IA que he descubierto hace poco que resume, explica y, lo más sorprendente, da feedback de un artículo científico. Se llama AcademicGPT.

¿Cómo funciona AcademicGPT?

Todo empieza subiéndole un artículo académico en PDF. AcademicGPT tiene varias opciones: escribe un abstract, un resumen extenso (summary), una conclusión, líneas futuras de investigación, o te hace un esquema para una presentación. Pero lo mejor es la opción de “Feedback”. Esta herramienta de IA te hace una revisión crítica del artículo. Lo he probado con un artículo mío escrito en español, y me ha destacado los puntos débiles del artículo como si fuera un mismo evaluador / revisor de una revista científica. Lo bueno es que, al leerme la crítica, le doy la razón en lo que dice ya que no son cosas superficiales que suelen decir algunos revisores como “debe mejorar las implicaciones” o "amplia las conclusiones".

El feedback que da AcademicGPT es bastante detallado en lo que respecta a la forma de organizar y expresar el contenido, es decir, en cómo se comunica la idea y se estructura el argumento. Debemos recordar que esta IA, así como ChatGPT, está basada en un modelo de lenguaje avanzado y es superexperta en comunicación escrita.

Donde no funciona bien es cuando le pedimos un feedback sobre la originalidad del artículo. La respuesta que genera parece basarse en algunos artículos que debe tener almacenados, pero no es capaz de conectarse con la literatura sobre el tema. Otra cosa mala de AcademicGPT es que es de pago. Tienes un crédito que llega para revisar unos cuantos papers, después o te creas otra cuenta con otro email o pagas los 10 euros al mes. Antes de pagar, decir que después de unos días de registrarte te llega un email diciéndote que tienes más crédito (sin pedirlo). Probablemente quieren que uses la herramienta para que la IA se vaya entrenando y aprendiendo.

Esta herramienta de IA puede ser útil para analizar el manuscrito y ver cosas que como humanos no podemos detectar, sobre todo si tenemos que leer y evaluar artículos de 25 páginas (10.000 palabras). Nuestro nivel de atención no es el mismo de hace unos años y si tenemos una IA asistente experta en comunicación escrita, bienvenida. Pero, la decisión si el artículo es aceptado, si necesita cambios o es rechazado sigue siendo de los humanos, DE MOMENTO.

Cómo hacer una revisión de literatura con una herramienta de IA y redes bibliométricas

Debo confesar que uno de los procesos que más odio a la hora de hacer una investigación es la revisión de literatura. Hay que buscar artículos a través de palabras claves, detectar qué obras citan, conocer a través de Scopus o Scholar Google si son altamente citadas, leer los artículos, tomar notas, guardar los papers interesantes en un gestor bibliográfico, y después ponerte a escribir. A veces cuando me pongo a escribir ya no sé ni qué quería decir. Lo peor es que inviertes semanas (o meses) y cuando envías el trabajo a evaluar te dicen: falta revisar este autor clásico, faltan artículos más recientes. Jo***

¿Pueden las herramientas de IA ayudarme a hacer la revisión de literatura?

Existen herramientas de inteligencia artificial (IA) para asistir el proceso de revisión de literatura científica como Scite (pero es de pago) y Elicit (buena para encontrar artículos a partir de una pregunta de investigación y de la cual hemos hablado en anteriores entradas). ChatGPT, la herramienta de IA más popular y usada, es útil para asistir en la redacción del texto, pero inútil para generar citas. Si pedimos a ChatGPT que nos ayude a escribir un artículo científico citará autores y artículos que no existen.

Una herramienta excelente para identificar artículos de un mismo tema sin preocuparnos de las palabras claves es Inciteful. A diferencia de los buscadores clásicos como Scopus o Scholar Google, Inciteful no depende de palabras claves, sino de quién cita a quién. Por tanto, Inciteful es una herramienta basada en redes bibliométricas.

Cómo funciona Inciteful

Primero de todo, debemos identificar por nuestra cuenta un conjunto de artículos sobre nuestro tema. Por ejemplo, he seleccionado 5 artículos sobre "interlocking directorates", que es como se conoce en inglés a las redes entre empresas por compartir directivos. Uso este ejemplo porque hice mi tesis doctoral sobre este tema y conozco muy bien qué se ha publicado, por tanto, puedo comprobar si la revisión de literatura que hace Inciteful es precisa y completa.

A partir de este conjunto de artículos que seleccioné, Inciteful realiza un análisis de los artículos y libros que son citados por este grupo de papers. Es decir, identifica otros artículos similares por tener citas en común. Automáticamente crea una red de artículos conectados entre sí por tener referencias en común. Por ejemplo, en el gráfico se puede ver que Heemskerk (2016), artículo que yo seleccioné inicialmente, está conectado con Graff (2020) debido a que ambos papers usaron referencias bibliográficas similares. Graff (2020), artículo que yo no había seleccionado inicialmente, está conectado con González (2019), art´ículo que yo tampoco había seleccionado. Por tanto, va identificando artículos que son similares por tener referencias similares y que un investigador puede no conocer en un inicio, y que pueden ser útiles de leer.

Inciteful es una herramienta que realiza un análisis de redes basado en citas en común. A partir de este análisis, Inciteful identifica: 1) artículos similares (papers que usan las mismas referencias), 2) artículos "viejos" en esa área de estudio que pueden ser considerados clásicos, 3) review papers (art´ículos que citan a muchos de los artículos similares), 4) los papers más importantes por ser altamente citados, 5) artículos más recientes de los autores más relevantes, 6) artículos más recientes, 7) top autores, y 8) top journals.

De todas las listas de artículos y autores que identifica, me encanta la identificación de review papers (artículos que son revisiones de literatura o análisis bibliométricos). Consigue identificarlos ya que son artículos que citan a muchos de los papers identificados como similares. En el ejemplo sobre el tema de mi tesis, veo que no se ha dejado ningún review paper importante en este campo, incluso ha identificado uno de 2021 que yo no conocía.

También consigue identificar los artículos más importantes en un área de estudio. El criterio para categorizar a un artículo como importante es que sea muy citado por los artículos que se identificaron como similares. Estos artículos importantes suelen ser los papers clásicos en un campo, es decir, aquellos que muchas veces debes citar sí o sí en una tesis o artículo científico. En el ejemplo que he utilizado, compruebo que identifica a Mizruchi (1996), Granovetter (1985), y Davis (1991), los cuales son obras imprescindibles de leer en este tema. Además, se puede ver que no todos los artículos importantes identificados tienen la palabra clave "interlocking directorates", por lo que la identificación de Inciteful es muy buena para detectar los papers más relevantes sin preocuparte de si usaste las keywords correctas.

Inciteful también señala y jerarquiza artículos recientes y similares a los artículos que seleccionamos al inicio. Por tanto, esta herramienta ayuda a conocer las últimas tendencias y así estar actualizado en nuestro campo de estudio.

Finalmente identifica las revistas científicas más relevantes en el área de investigación, lo cual es útil para decidir dónde enviar nuestro manuscrito. Obviamente los primeros puestos de este ranking son las superrevistas Q1, pero puedes ir pasando las páginas hasta encontrar una revista en tu idioma o de menor cuartil.

Inciteful tiene disponible opciones para guardar todas estas referencias en gestores bibliográficos como Zotero, Medeley, RIS y BibTex. En fin, una maravilla que te ahorra semanas de trabajo y con la que ganas días de vida. Además, es gratis. Su creador, M. Weishuhn, es un desarrollador informático que quiso ayudar a su mujer a realizar una revisión de literatura y vio las dificultades que afrontábamos los académicos para identificar artículos o estar al tanto de las novedades. Así creó Inciteful. Qué Dios te lo pague hermano.

Si te gustó, por favor, compártelo por Twitter, Facebook, LinkedIn o Whatsapp.

Más herramientas de inteligencia artificial (IA) para la educación e investigación

La Inteligencia Artificial (IA) es una revolución tecnológica que está cambiando el mundo en el que vivimos, al igual que el invento del automóvil lo hizo hace más de un siglo. Gracias a las herramientas de IA se pueden hacer más cosas en menos tiempo. Gracias al automóvil podemos desplazarnos más lejos en menos tiempo. Al igual que el coche tuvo su rechazo entre los que solo veían el humo que generaba y los peligros que tenía, la inteligencia artificial tiene sus detractores, sobre todo en sectores que ven tambalear o peligrar su jerarquía, incluida la educación y la investigación científica. La prestigiosa universidad Sciences Po de París (Francia) ha señalado que el uso de ChatGPT para la realización de trabajos escritos u orales está prohibido, y aquellos que la usen sin decirlo serán sancionados con la expulsión. Las revistas científicas Nature y Sciences se han apresurado a decir que una IA como ChatGPT no puede ser reconocida como autor, lo cual es una chorrada (un sinsentido). Obvio que no voy a poner como coautor a la IA, pero ¿la puedo usar o no para redactar un artículo científico? Creo que saben que no pueden controlar el uso. Las herramientas de IA generadoras de texto se usan y se usarán masivamente para la redacción de cualquier texto, incluidos artículos científicos. Cuanto antes seamos conscientes en el mundo académico, mejor nos irá a todos. Estas son algunas herramientas de IA especialmente para la educación e investigación:

SciSpace (Typeset), la IA que lee un artículo científico por ti

Como dice en su eslogan "La manera más rápida de leer y entender la literatura científica". Subes un artículo científico en PDF y haces las preguntas que quieras como: "Cuál es la contribución del artículo", "Cuáles son las conclusiones", "Qué datos se utilizaron", "Qué teoría se usó". Esta herramienta de IA te responde en segundos esas preguntas en base a lo que dice el artículo. También puedes seleccionar trozos de texto, tablas, o las siempre complicadas fórmulas matemáticas y te las explica de forma clara. Si para saber si un paper es interesante antes leíamos el abstract, la introducción, la metodología y parte de los resultados, y todo ello nos llevaba más de una hora, ahora podemos "escanear" todo el artículo en 2 minutos. Es gratis tras registrate.

Probé SciSpace subiendo el artículo de Mark Granovetter (1985) Economic Action and Social Structure: The Problem of Embeddedness porque recuerdo que cuando lo leí por primera vez no entendí casi nada. Es un artículo complejo de leer y entender a la primera ya que es muy teórico y abstracto. Le hice varias preguntas y las respuestas que me dio son totalmente coherentes con lo que dice el artículo. Una maravilla si se quiere entender temas que no dominas mucho o que están en un lenguaje complicado. Tiene la posibilidad de subir artículos en español, hacer las preguntas y obtener las respuestas en tu idioma, pero lo he probado y funciona mejor en inglés. Otra limitación es que no funciona muy bien con libros o capítulos de libro.

¿Significa esto que vamos a dejar de leer? ¿Dejarán los estudiantes de leer cuando les mandemos un texto? Yo creo que no, ya que tras usar esta herramienta de IA podrá centrar su lectura en aquel artículo que más le llamó la atención de los 20 que puede revisar en una hora con la IA. Yo antes no podía leer tantos artículos en tan poco tiempo, y debía leer el que me decían que leyera. El principal cambio en la educación universitaria es que el profesor dejará de ser el que diga a los estudiantes qué artículo leer. Ahora es el estudiante el que también debe buscar y proponer qué leer. Los estudiantes tienen las herramientas para tener un papel más activo en su aprendizaje y desarrollo. Yo he aprendido mucho de mis alumnos con sus comentarios en clase. También puedo aprender de aquello que han revisado con la IA y que yo quizás ni conozco.

Humata, la IA que le subes un PDF y te responde sobre el contenido

Te registras, subes un texto en PDF y la IA crea un chat al que le formulas preguntas sobre el texto PDF que acabas de subir. Es decir, lee el texto y te responde lo que le preguntes. Por ejemplo, le he subido un artículo mio que conozco bien. Le he preguntado qué teorías se usaron y me responde de manera acertada, incluso indicando las páginas de donde extrajo la respuesta y subrayando en amarillo las partes del texto. Increíble. Lo he probado con un texto en español y también lo lee y responde. Las oportunidades que se abren con este tipo de herramientas de IA son inmensas: entender textos complejos como leyes, manuales, preguntar en inglés a textos escritos en alemán, ruso o chino. Es gratis, aunque de momento no permite subir un archivo PDF de más de 60 páginas ni 10MB.

Hay otras herramientas de IA como Summate.it que realizan un resumen de un artículo a partir del enlace. Tanto este como otros "resumidores" siguen sin convencerme porque la IA tiene mucha libertad para resumir. En cambio, las herramientas como SciSpace y Humata es el humano el que le pregunta a la IA sobre el texto, por tanto, dirigimos a la IA en base a lo que queremos saber del artículo.

Perplexity, la IA que te escribe trozos de texto con citas

Formulas una pregunta y te genera un texto con referencias bibliográficas. Se puede preguntar de todo, y la IA realiza una búsqueda en Internet y usa esas referencias para generar un texto que responda a la pregunta. Mientras que otras herramientas de IA como ChatGPT u Open AI playground pueden inventarse la respuesta a una pregunta, Perplexity crea el texto basándose en la información encontrada en Internet. Además, provee los enlaces de las fuentes bibliográficas (sources) y sugiere seguir generando texto sobre temas relacionados (related). Si la usas, tras formular la pregunta, pincha donde pone View Detailed para hacer texto más largo. Esta herramienta de IA es gratis y no requiere registrarse.

Cuál es el origen del análisis de redes

¿Para qué puede servir Perplexity? He probado de hacerle preguntas de todo tipo y siempre responde algo en base a lo que ha encontrado rastreando Internet. Prioriza citar artículos científicos, pero se cuelan referencias a textos no científicos. Por ejemplo, suele usar muchas veces Wikipedia como fuente. Por eso hay que tener cuidado con usar Perplexity como fuente científica, la verdad o como herramienta para hacer un artículo académico. Perplexity sirve para obtener algunas frases con citas e informarte de nuevos temas. Si eres un experto en un tema, y le preguntas sobre ese tema te parecerá muy b´ásico, pero si conoces poco sobre el tema te dará un posible punto de arranque.

Consensus, la IA a la que le preguntas y te contesta en base a artículos científicos

Te registras, formulas una pregunta de investigación o preguntas por un concepto, y te busca trozos de artículos científicos para responder tu pregunta. Solo responde en base a artículos de investigación, es decir, no te enlaza con Wikipedia ni con otras fuentes no científicas. Además, te provee el enlace al artículo completo. Por ejemplo, le he preguntado en inglés "¿Cuáles son los mecanismos entre la educación y las tasas de crimen?". Provee frases vinculadas a esa pregunta sacadas de artículos publicados en revistas científicas.

A diferencia de Perplexity, Consensus no genera texto nuevo, sino que extrae frases de artículos científicos para responder la pregunta que le hagas. Esta herramienta de IA es excelente para complementar una revisión de literatura o estado del arte, encontrar artículos o autores que han trabajado un tema, o simplemente informarte sobre algo. Señala también qué artículos han sido altamente citados (highly cited). Es gratis, solo debes registrarte.

Elicit, la IA que te ayuda en toda la investigación

Sobre Elicit ya hablamos hace un tiempo. Tiene más de 30 funciones o tareas (tasks) como generar ideas para justificar el impacto de una investigación, sugerir los elementos o mecanismos que hay entre una causa (variable independiente) y su efecto (variable dependiente), operacionalizar un concepto, identificar indicadores, reformular una pregunta de investigación, o señalar posibles contrargumentos. Es un verdadero asistente de investigación. Es gratis.

Aunque hay gente que critica estas herramientas de IA por verlas como un peligro para el conocimiento, desde mi punto de vista son potenciadoras de conocimiento. Primero de todo, estas herramientas de IA acercan el conocimiento a gente que no tiene una superbiblioteca en su ciudad, o que no tiene contacto con superinvestigadores o profesores que le puedan resolver sus dudas. Segundo, favorecen escanear más conocimiento en menos tiempo. Y tercero, estas herramientas de IA pueden hacer que se nos ocurran nuevas ideas. Así como el automóvil nos permitió llegar a lugares lejanos y acceder a otras culturas, las herramientas de IA para la educación e investigación nos hacen más libres para acceder a más conocimiento.

Si te gustó este artículo, por favor, compártelo por Twitter, Facebook, LinkedIn o Whatsapp.

¿Se diferencian los españoles de los inmigrantes en temas polémicos como la tolerancia a la prostitución, eutanasia, LGBTI o aborto?

La líder del partido de ultraderecha Alternativa por Alemania (AfD), Alice Weidel, es lesbiana y tiene un mensaje muy claro: la llegada de inmigrantes, especialmente de países árabes, está generando una islamización de Alemania que hace peligrar los derechos civiles y logros sociales, incluidos los de la comunidad LGBTI. ¿Sería este mensaje útil para que los partidos anti-inmigración pudieran atraer votantes en España? ¿Cómo podría un partido generar conflicto entre españoles e inmigrantes para ganar rédito electoral? Una forma de averiguar estas cuestiones es identificar en qué se diferencian españoles de inmigrantes. ¿Se diferencian los autóctonos de los inmigrantes en España en temas polémicos como la tolerancia a la prostitución, los derechos LGBTI, eutanasia, pena de muerte, tener sexo casual, o aborto?

ANOVA
Alice Weidel (AfD). Fuente: El Español

Método y datos:

La técnica estadística ANOVA de un factor, y más concretamente la prueba de F (F-test) es idónea cuando se quieren estudiar que grandes son las diferencias entre sí dos o más grupos respecto a una variable, y qué nivel de homogeneidad tienen grupos internamente respecto a esa misma variable. El valor de F se calcula dividiendo la variabilidad entre los grupos entre la variabilidad dentro de los grupos.

F = (between groups variability) / (within groups variability)

Cuanto más diferentes sean los grupos (p.ej. entre españoles e inmigrantes) respecto a una variable (p.ej. nivel de tolerancia de la homosexualidad), más alto será el valor de F. Cuanto menos diferente (es decir, más homogéneos) sean los grupos internamente (por un lado, los españoles y, por otro lado, los inmigrantes) respecto a la misma variable (nivel de tolerancia de la homosexualidad), más alto será el valor de F. En esta calculadora online de ANOVA se puede ver la fórmula paso a paso. En esta misma web hice un tutorial de qué es y cómo se analiza ANOVA de un factor.

Usamos la base de datos de la Encuesta Mundial de Valores, en su última oleada (2017-2021) para analizar si los inmigrantes residentes en España presentan diferencias significativas cuando se les pregunta por su nivel de tolerancia o justificación respecto a diversos temas: homosexualidad, prostitución, eutanasia, pena de muerte, violencia política, aceptar un soborno, sexo casual… Se preguntó sobre estos aspectos en una escala del 1 al 10 donde 1 es “nunca lo justificaría” y 10 es “siempre lo justificaría”. Se encuestó a 1210 personas en 2017 en España, de los cuales 150 (el 12,4%) son inmigrantes. Se consideró como residente inmigrante a aquellas personas no nacidas en España.

Los resultados:

  • No hay diferencias significativas entre españoles e inmigrantes en la tolerancia respecto a colarse en el transporte público, aceptar un soborno, homosexualidad, prostitución, eutanasia, pedir ayudas al gobierno cuando no corresponden, evadir impuesto y pena de muerte. En todas estas preguntas el valor de F es muy pequeño y el nivel de significación es mayor de 0,05, lo que indica que no hay diferencias estadísticamente significativas entre autóctonos e inmigrantes.
ANOVA comparación medias inmigrantes españoles
  • Solo hay diferencia entre españoles e inmigrantes en 5 de los 13 aspectos preguntados: aborto, divorcio, suicidio, sexo casual y violencia política. El nivel de significación es menor de 0,05 y el valor de F más elevado. Los españoles tienden a tolerar más estos aspectos que los inmigrantes (la media es más alta, como se aprecia en el gráfico de barras), pero son diferencias bastante pequeñas. Por ejemplo, la mayor diferencia (el valor de F más elevado) se encuentra en la opinión respecto al aborto. En una escala del 1 al 10 donde 1 es nunca justificaría y 10 es siempre lo justificaría, los nacidos en España tienen una media de 6,2 y los inmigrantes de 5. El mayor valor de F es 17,7.
  • En Alemania, sí hay una diferencia más grande entre alemanes e inmigrantes, por ejemplo, a la hora de opinar sobre la homosexualidad. El valor de F es muy elevado (F = 197,4; Sig. = 0,000). En promedio, los alemanes toleran en 8,1 y los inmigrantes en 6,1. Además, hay alta desviación estándar dentro de la comunidad de inmigrantes (DE = 3,6), es decir, valoraciones muy diversas, lo que hace aumentar el valor de F.
Fuente: WVS Alemania (2020)

En conclusión:

  • En España, no hay grandes diferencias entre autóctonos e inmigrantes. En la mayoría de las cuestiones polémicas no hay diferencias, ni en la tolerancia respecto a la homosexualidad, ni la prostitución, ni la eutanasia, ni a la hora de aprovecharse de las ayudas sociales ni evadir impuestos. En los aspectos que sí hay diferencias estadísticamente significativas, como el aborto, estas diferencias no son amplias.
  • Esto dificulta que en España emerjan partidos abiertamente anti-inmigración o que alcancen éxito con discursos contra la inmigración ya que no hay temas que enfrenten o diferencien ampliamente a españoles e inmigrantes.
  • La estrategia de la líder de Alternativa por Alemania (AfD) de señalar que la inmigración hace peligrar los derechos sociales como los conseguidos por la comunidad LBGTI podría ser implementada o copiada por algún partido en España, pero no parece que vaya a tener mucho éxito ya que en realidad las opiniones entre españoles e inmigrantes en temas polémicos son similares.
  • Otro tema interesante de investigar a futuro, como me indicaba un estudiante en mi clase, es qué tanto los nacidos en un país se autoperciben como diferentes a los inmigrantes. Queda como pregunta abierta. También cabe investigar de forma más minuciosa el origen de la inmigración y la posible relevancia de variables como la religión y el nivel educativo. Análisis previos han mostrado que en asuntos como la tolerancia a la homosexualidad países de origen árabe y exsoviético tiene los niveles más bajos de aceptación.

Si te gustó esté artículo, por favor, compártelo por Twitter, Facebook o LinkedIn

¿Quiénes son los más intolerantes con la homosexualidad?

“¿Justificaría la homosexualidad? Responda en una escala en una escala del 1 al 10, donde 1 es Nunca y 10 es Siempre". Analizamos las respuestas a esta pregunta que fue realizada en 58 países del mundo en la Encuesta Mundial de Valores entre 2010 y 2014. 

tolerancia homosexualidad

¿Cuáles son los países más intolerantes con la homosexualidad? ¿Dónde hay más variación de opiniones? ¿Qué posibles causas ayudan a explicar la intolerancia respectos al colectivo LGBT (lesbinas, gays, bisexuales y transexuales)? Para responder estas preguntas usamos la técnica de comparación de medias y desviaciones típicas. La encuesta está basada en muestras representativas, por tanto los resultados son extrapolables a la población (nivel de confianza 95%, margen de error del 2%). Veamos los resultados.

Sigue leyendo ¿Quiénes son los más intolerantes con la homosexualidad?

Cómo seleccionar y calcular muestras de una población

Muestras, muestreo, qué es y qué tipos hay

El objetivo principal del muestreo es la posibilidad de generalizar, es decir, extraer conclusiones generales basadas solo en el estudio de unos cuantos casos. Cómo se obtiene una muestra representativa, cómo se seleccionan los casos de la muestra y qué tamaño debe tener una muestra es importante ya que malos muestreos llevan a malas investigaciones.

muestreo

Sigue leyendo Cómo seleccionar y calcular muestras de una población

8 consejos en la redacción de un proyecto de investigación para ganar una convocatoria

Proyecto de investigación, cómo hacerlo

El proyecto de investigación debe ser perfecto ya que la competencia por los fondos económicos es muy alta y la ejecución de la investigación depende de que sea financiado, evaluado positivamente por los revisores o evaluadores y aprobado por el comité que decide. 

proyecto de investigación

Estos 8 consejos pueden ayudaros a ganar una convocatoria.

Sigue leyendo 8 consejos en la redacción de un proyecto de investigación para ganar una convocatoria

Cómo identificar indicadores desde la pregunta de investigación pasando por las hipótesis

Los indicadores en investigación

El gran reto en una investigación es saber cómo vamos a medir las ideas o conceptos de nuestras hipótesis. Como medimos es clave en investigación porque es como observamos el mundo.

indicadores en investigación

Hay un protocolo a seguir para pasar de la pregunta de investigación a los indicadores, los cuales son elementos que nos permiten observar y medir la realidad.

 
Sigue leyendo Cómo identificar indicadores desde la pregunta de investigación pasando por las hipótesis

Cómo formular una pregunta de investigación

Pregunta de investigación, cómo hacerla

Seguir un protocolo de 3 pasos y aplicar cinco estrategias es la manera más eficiente para formular preguntas de investigación y evitar estar perdido y sin rumbo durante la redacción del proyecto de investigación y el trabajo de campo.

 
pregunta de investigacion
La pregunta de investigación es el primer paso para comenzar una investigación y es un reto por el que pasan todos los que inician una tesis o trabajo.

Sigue leyendo Cómo formular una pregunta de investigación

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies

ACEPTAR
Aviso de cookies