Guía de SciMaps
Interpretación bibliométrica asistida por IA
Publicado por SciMaps · Actualizado
Distingue los resultados bibliométricos calculados de la interpretación generada, revisa las evidencias y conoce los flujos de IA compatibles con SciMaps.
Distingue los resultados calculados de la interpretación generada
Los resultados bibliométricos calculados proceden de los registros seleccionados y de un método de análisis: recuentos, vínculos de red, grupos u otras métricas mostradas. El texto asistido por IA es una interpretación generada del contexto analítico disponible. Puede ayudarte a formular preguntas y redactar una síntesis, pero una redacción fluida no verifica una afirmación.
Conoce los tres flujos de trabajo
- AI Insights es una pestaña de los análisis compatibles: Descriptives, Co-authorship, Keyword Co-occurrence, Co-citation, Bibliographic Coupling y Direct Citation. Thematic Map y Trends no ofrecen esta pestaña AI Insights.
- Selected Paper Insights muestra indicadores de investigación calculados. Su acción Show rationale proporciona contexto opcional de IA para esos indicadores; es un flujo independiente.
- Los informes de investigación pueden ofrecer Analysis Insights como opción en las modalidades compatibles de generación de informes. Revisa las opciones realmente disponibles en lugar de suponer que todos los informes tienen el mismo contenido de IA.
La disponibilidad de IA depende de los datos del análisis y de los servicios configurados. Que la generación no esté disponible o falle no invalida el análisis calculado; revisa los datos y resultados que realmente existen.
Una secuencia práctica de tareas
- Define y selecciona la colección que cumpla los criterios y realiza un análisis compatible.
- Lee primero los resultados calculados, la cobertura y las notas metodológicas.
- Abre el flujo de IA correspondiente cuando esté disponible. Distingue las afirmaciones generadas de las métricas observadas.
- Para cada afirmación relevante, examina los registros subyacentes y las publicaciones que la sustentan. Verifica de forma independiente los identificadores y las referencias; matiza o elimina las afirmaciones sin respaldo.
- Revisa con atención el lenguaje sobre causalidad, calidad, novedad y líneas futuras antes de utilizar un texto en tu propio trabajo.
Ejemplo ilustrativo
Supongamos que un análisis de palabras clave seleccionadas muestra un grupo “adaptation”. Un párrafo generado lo denomina “la línea futura más prometedora”. El grupo es un resultado estructural calculado; la predicción es una interpretación generada. Quien revisa debe examinar los términos, las publicaciones que lo sustentan, la cobertura y la configuración, y después eliminar o matizar la previsión si no existen evidencias independientes que la respalden.
Una nota de revisión útil podría decir: “Estos términos forman un grupo en la colección seleccionada con la configuración registrada; es necesario seguir leyendo para evaluar sus implicaciones para la investigación”. Es un ejemplo de revisión inventado, no una respuesta real de IA.
Ejemplo de investigación individual
Una persona que realiza el doctorado selecciona una colección definida de 45 publicaciones que cumplen los criterios, revisa la red de cocitación calculada y utiliza AI Insights para redactar preguntas de lectura. Contrasta cada afirmación sustancial con los registros y las publicaciones originales antes de escribir el capítulo bibliográfico.
Ejemplo institucional
Un equipo de biblioteca selecciona una colección definida de 160 publicaciones que cumplen los criterios de tema y año para un taller. Contrasta una síntesis asistida por IA con el análisis descriptivo calculado y los registros que la sustentan, y documenta la cobertura y las modificaciones humanas. El resultado es una ayuda para la discusión con un alcance delimitado, no una evaluación institucional completa ni un juicio automatizado sobre el rendimiento investigador.
Limitaciones
El texto generado puede omitir contexto, describir relaciones de forma incorrecta o producir afirmaciones y referencias sin respaldo. No corrige los metadatos ausentes ni demuestra un descubrimiento. Protege la información confidencial y sigue las normas de tu institución antes de utilizar los flujos de IA. Registra la colección, la configuración del análisis y las decisiones de revisión para que quienes lean puedan distinguir las evidencias de la interpretación.
Referencias
- NIST (2024), Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — un marco para revisar los riesgos de la IA generativa.
- Hicks and colleagues (2015), The Leiden Manifesto for research metrics — juicio experto y evaluación transparente de la investigación.
Herramientas relacionadas
Guías relacionadas
Prueba el flujo de trabajo en SciMaps
Crea una colección en un proyecto y selecciona las fuentes para tu análisis.
Crear una cuentaCrea tu cuenta y completa la verificación para empezar a usar SciMaps. ¿Ya tienes acceso? Iniciar sesión en SciMaps.