Google está probando una nueva herramienta de investigación basada en inteligencia artificial, Scholar Labs, diseñada para ofrecer estudios muy relevantes basados en consultas detalladas. Este cambio plantea una pregunta clave: ¿cómo responderán los científicos a un motor de búsqueda que prioriza el análisis de contenido sobre las métricas tradicionales como el recuento de citas y los factores de impacto de las revistas?
La herramienta utiliza inteligencia artificial para comprender las relaciones entre las palabras en una consulta, lo que saca a la luz investigaciones que de otro modo podrían pasarse por alto. En una demostración que involucra interfaces cerebro-computadora (BCI), Scholar Labs identificó un artículo de revisión relevante publicado en Applied Sciences, señalando correctamente su discusión sobre electroencefalografía y algoritmos líderes. Sin embargo, la herramienta carece notablemente de filtros para indicadores de calidad ampliamente utilizados.
El problema con las métricas existentes
El sistema actual depende en gran medida de las citas (la frecuencia con la que otros hacen referencia a un estudio) y de los factores de impacto de la revista (una medida del prestigio de una revista). Si bien estas métricas ofrecen una medida aproximada de la influencia, son imperfectas. Los artículos muy citados no siempre son mejores, y los trabajos interdisciplinarios o recién publicados pueden pasarse por alto por completo. Un estudio de la década de 1990 podría tener miles de citas, mientras que un artículo innovador de 2024 podría no tener ninguna. La Naturaleza tiene un factor de impacto de 48,5, mientras que las Ciencias Aplicadas reportan 2,5, pero esto no refleja necesariamente la calidad de la investigación.
Google sostiene que confiar únicamente en estas métricas puede excluir investigaciones valiosas, especialmente en campos emergentes. Lisa Oguike, portavoz de Google, explicó que limitar por factor de impacto o recuento de citas puede “pasar por alto artículos clave… en particular, artículos en campos interdisciplinarios/adyacentes o artículos publicados recientemente”.
El papel potencial de la IA
Los expertos coinciden en que el recuento de citas y los factores de impacto son evaluaciones imperfectas de la calidad. Matthew Schrag, profesor asociado de neurología en Vanderbilt, señala que estas métricas “hablan más sobre el contexto social del artículo” que sobre su valor intrínseco. En teoría, la búsqueda impulsada por IA podría ampliar el alcance del descubrimiento, sacando a la luz estudios que de otro modo podrían quedar enterrados.
James Smoliga, profesor de la Universidad de Tufts, admite que inconscientemente confía en artículos muy citados a pesar de conocer sus defectos. El sistema no es infalible, pero Scholar Labs pretende abordar estas deficiencias analizando el texto completo de los artículos de investigación, considerando los detalles de la publicación, la autoría y el historial de citas.
Un enfoque holístico
En última instancia, la búsqueda impulsada por IA como Scholar Labs puede ser una valiosa adición al ecosistema científico. Ofrece una red más amplia para el descubrimiento y la comprensión contextual. Sin embargo, el juicio final sobre la calidad de la investigación debe recaer en los propios científicos. Como enfatiza Schrag, “hay que tener una idea de cuáles son los estándares en el campo en términos de rigor y si un estudio los cumple”. Los algoritmos deberían ayudar, no reemplazar, el pensamiento crítico en la evaluación del trabajo científico.
Scholar Labs representa un cambio hacia descubrimientos de investigación más matizados, pero la supervisión humana sigue siendo crucial para garantizar la integridad científica.
