0
1
Redacción científica para
investigadores tecnológicos: guía
para la publicación de revistas de alto
impacto
Lázaro Guillermo, Juan Carlos; Soto Soto,
Luis; Moran Quintanilla, Ysabel; Gamarra
Salinas, Ronald; Chávez Chavez, Oscar Eliseo;
Yon Delgado, Julia Cecilia; Puelles Reyes,
Raymundo
© Lázaro Guillermo, Juan Carlos; Soto Soto,
Luis; Moran Quintanilla, Ysabel; Gamarra
Salinas, Ronald; Chávez Chavez, Oscar Eliseo;
Yon Delgado, Julia Cecilia; Puelles Reyes,
Raymundo, 2026
Primera edición (1.ª ed.): febrero, 2026
Editado por:
Editorial Mar Caribe ®
www.editorialmarcaribe.es
Av. Gral. Flores 547, 70000 Col. del
Sacramento, Departamento de Colonia,
Uruguay.
Diseño de carátula e ilustraciones: Luisa
Fernanda Lugo Rojas
Libro electrónico disponible en:
https://editorialmarcaribe.es/ark:/10951/is
bn.9789915698779
Formato: Electrónico
ISBN: 978-9915-698-77-9
ARK: ark:/10951/isbn.9789915698779
Editorial Mar Caribe (OASPA): Como miembro de la
Open Access Scholarly Publishing Association,
apoyamos el acceso abierto de acuerdo con el código
de conducta, la transparencia y las mejores prácticas
de OASPA para la publicación de libros académicos
y de investigación. Estamos comprometidos con los
más altos estándares editoriales en ética y
deontología, bajo la premisa de «Ciencia Abierta en
América Latina y el Caribe»
Editorial Mar Caribe, firmante Nº 795 de 12.08.2024
de la Declaración de Berlín
"... Nos sentimos obligados a abordar los retos de Internet
como un medio funcional emergente para la distribución
del conocimiento. Obviamente, estos avances pueden
modificar significativamente la naturaleza de la
publicación científica, así como el actual sistema de
garantía de calidad...." (Max Planck Society, ed. 2003,
pp. 152-153).
CC BY-NC 4.0
Los autores pueden autorizar al público en general a
reutilizar sus obras únicamente con fines no
lucrativos, los lectores pueden utilizar una obra para
generar otra, siempre que se dé crédito a la
investigación, y conceden al editor el derecho a
publicar primero su ensayo bajo los términos de la
licencia CC BY-NC 4.0.
Editorial Mar Caribe se adhiere a la "Recomendación
relativa a la preservación del patrimonio documental,
comprendido el patrimonio digital, y el acceso al
mismo" de la UNESCO y a la Norma Internacional de
referencia para un sistema abierto de información
archivística (OAIS-ISO 14721). Este libro está
preservado digitalmente por ARAMEO.NET
2
Editorial Mar Caribe
Redacción científica para investigadores
tecnológicos: Guía para la publicación de revistas
de alto impacto
Colonia, Uruguay
2026
3
Redacción científica para investigadores
tecnológicos: Guía para la publicación de revistas
de alto impacto
4
Índice
Introducción ............................................................................................................ 9
Capítulo 1 .............................................................................................................. 12
Redacción científica para investigadores tecnológicos: guía para la
publicación de revistas de alto impacto ............................................................. 12
El imperativo de la redacción técnica: precisión, claridad y brevedad ........ 12
Estructura narrativa y el modelo IMRyD en la tecnología ............................ 13
El proceso de construcción inversa del manuscrito ................................... 14
Directrices específicas de las editoriales líderes: IEEE y Elsevier ................ 14
Requisitos técnicos de la IEEE ..................................................................... 15
El enfoque de Elsevier: Estilo y visibilidad .................................................. 15
Ética en la publicación y el desafío de la inteligencia artificial .................... 16
La posición de COPE y las editoriales sobre la IA generativa ................... 16
Optimización de la visibilidad científica: SEO para investigadores .............. 17
Títulos y Resúmenes Estratégicos ................................................................ 17
Flujo de trabajo técnico: LaTeX, Zotero y Overleaf ........................................ 18
Integración de Zotero y Overleaf ................................................................. 18
El camino hacia la publicación: Selección y Envío ......................................... 19
Métricas de impacto ...................................................................................... 19
La Carta de Presentación y la Respuesta a los Revisores .......................... 19
Ciencia Abierta y Reproducibilidad .................................................................. 20
El rol de los preprints .................................................................................... 20
Listas de verificación de reproducibilidad ................................................... 20
El contexto del investigador tecnológico en Argentina ................................. 21
Programas de Capacitación y Formación .................................................... 21
Financiamiento y Costos de Procesamiento de Artículos (APC) ................ 22
Tendencias futuras en la comunicación científica tecnológica ..................... 22
El auge del video y los formatos dinámicos ................................................ 23
Gobernanza y Transparencia de Algoritmos ............................................... 23
5
Capítulo 2 .............................................................................................................. 25
Estrategias y marcos metodológicos en la antesala de la escritura para
investigadores tecnológicos ................................................................................. 25
El protocolo de investigación como cimiento del manuscrito ....................... 27
Gestión del conocimiento y el método Zettelkasten ...................................... 28
El método PARA y la organización hacia la acción ........................................ 29
Estrategias de síntesis y procesamiento de información técnica ................. 29
Programación literaria y la narrativa del código............................................ 30
Precisión lingüística y corrección sintáctica en la escritura técnica ............ 31
El estilo IEEE y la normalización de la escritura en ingeniería..................... 32
Herramientas de asistencia y tecnologías para la escritura tecnológica ..... 33
Visualización de datos y diagramación técnica .............................................. 34
Productividad y hábitos en la producción académica .................................... 35
Capítulo 3 .............................................................................................................. 38
Paradigmas de refinamiento de ideas de investigación .................................... 38
Fundamentos del razonamiento abductivo en el descubrimiento científico
automatizado ..................................................................................................... 38
Repositorios de conocimiento y grafos de conocimiento como sustratos
epistémicos ........................................................................................................ 40
El Science Data Lake y la unificación de la literatura global ..................... 40
Grafos de conocimiento y recuperación jerárquica (RAG) ......................... 41
Arquitecturas multiagente y el refinamiento iterativo de hipótesis ............. 41
Especialización y colaboración en sistemas multiagente .......................... 42
Agentic Tree Search y el AI Scientist v2 ...................................................... 43
El papel del razonamiento abductivo en la detección de brechas (Gap
Analysis) ............................................................................................................. 43
Implementación técnica del refinamiento: el caso de AI-Noether ............... 44
Desafíos de fiabilidad y la amenaza del colapso del modelo científico ....... 45
Tipología de alucinaciones en el refinamiento de hipótesis ...................... 45
El futuro de la ciencia asistida por IA: Autonomía graduada y Science-as-a-
Service ................................................................................................................ 46
6
Recomendaciones para la integración de modelos en la investigación ... 47
Capítulo 4 .............................................................................................................. 49
Niveles de estructuración del manuscrito científico: Análisis integral de las
dimensiones macro, meso y micro ...................................................................... 49
El nivel macro: la superestructura y la lógica del formato IMRyD............... 50
La construcción del territorio científico: el modelo CARS .......................... 51
Estructuras específicas según el género del manuscrito........................... 52
El nivel meso: la lógica del párrafo y la progresión argumentativa ............. 53
El sistema de distribución por párrafos ...................................................... 54
Cohesión y transición en el estrato intermedio .......................................... 55
El nivel micro: sintaxis, flujo de información y el contrato comunicativo .... 56
El contrato de la información conocida y nueva (Known-New Contract) .. 56
La precisión léxica y la eliminación de la nominalización .......................... 57
La dialéctica de la cautela y la aserción: Hedging y Boosting .................. 57
Dimensiones técnicas y normativas en la redacción científica ..................... 58
Gestión de datos visuales y metadatos ....................................................... 59
Uso de tiempos verbales por secciones ....................................................... 59
Tabla 5: Uso de tiempos verbales por secciones ........................................ 60
Diferencias disciplinares y culturales en la arquitectura del manuscrito .... 61
Errores críticos y el proceso de autoedición multinivel ................................. 61
Lista de verificación de autoedición (Self-Editing Checklist) ..................... 62
Capítulo 5 .............................................................................................................. 64
Integridad en la Era del Publish or Perish: Gestión del Riesgo Ético en la
Ciencia Contemporánea ........................................................................................ 64
Evolución Sociológica y Mecanismos de la Presión Académica .................... 65
Impactos Psicológicos y Desgaste del Capital Humano Investigador ......... 66
La Anatomía de las Tentaciones: Malas Prácticas y Fraude Científico ......... 67
El Complejo Industrial de la Publicación Fraudulenta: Revistas
Depredadoras y Secuestradas ......................................................................... 68
Estrategias de Verificación y Diligencia Debida .......................................... 69
7
Tabla 6: Estrategias de verificación y diligencia debida ............................ 69
Gestión de Proyectos y Tiempo como Estrategia de Resiliencia Ética ......... 70
Aplicación de Metodologías Ágiles a la Producción Científica ................... 71
La Mentoría y la Supervisión como Pilares de la Integridad ........................ 72
Estructuras de Soporte y Contexto Regional: El Caso Argentino.................. 73
Capacitación y Redes de Apoyo en Buenos Aires ....................................... 74
Desafíos Emergentes y el Futuro de la Integridad ........................................ 74
Síntesis Constructiva y Recomendaciones Finales ......................................... 75
Capítulo 6 .............................................................................................................. 77
Fenomenología del error en la comunicación científica: deficiencias
estructurales, técnicas y éticas en la producción de manuscritos ................... 77
La arquitectura del manuscrito y la disfunción del modelo IMRAD ............. 78
La crisis de la introducción y el establecimiento del vacío de
conocimiento .................................................................................................. 78
Deficiencias en la descripción metodológica y la crisis de
reproductibilidad ........................................................................................... 79
El rigor estadístico y la integridad del análisis de datos .............................. 81
Errores de diseño y la problemática del tamaño muestral ....................... 81
Patologías en el análisis e interpretación de resultados ........................... 83
Visualización de datos y el imperativo de la accesibilidad ............................ 83
Diseño técnico y resolución de imágenes .................................................... 84
Inclusividad y diseño para daltónicos ......................................................... 84
Precisión lingüística y el desafío de la redacción en español ....................... 86
Anglicismos sintácticos y vicios gramaticales ............................................. 86
La importancia de la brevedad y la coherencia verbal ............................... 87
Integridad ética y el laberinto de la publicación contemporánea ................ 87
Plagio, autoplagio y el fenómeno del salami slicing .................................. 87
La amenaza de las revistas depredadoras .................................................. 88
Herramientas de optimización y el proceso de revisión editorial ................. 89
Software de apoyo y gestión de la calidad .................................................. 89
8
El valor de la revisión interna y el preenvío ................................................ 90
Conclusión ............................................................................................................. 92
Bibliografía ............................................................................................................ 95
9
Introducción
El desarrollo y la competitividad de una nación o región dependen en
gran medida de su capacidad para crear y, sobre todo, compartir conocimiento
científico y tecnológico de vanguardia. En la sociedad del conocimiento, la
investigación no termina con un experimento exitoso en el laboratorio ni con
la validación de un prototipo funcional; finaliza cuando estos resultados son
difundidos a la comunidad mundial mediante canales que aseguren su calidad,
integridad y acceso fácil. Sin embargo, en regiones como América Latina, la
producción científica aún enfrenta desigualdades persistentes.
A pesar del talento humano disponible, el volumen y la calidad de las
publicaciones en revistas de alto impacto siguen siendo bajos en comparación
con los centros líderes en producción tecnológica. Esta diferencia no se debe
solo a la falta de recursos financieros o de infraestructura, sino también a una
deficiencia estructural en las habilidades de redacción académica y en la
comprensión de los mecanismos de publicación de élite.
A pesar de su importancia, el investigador en tecnología enfrenta
múltiples desafíos. La principal barrera es el idioma, ya que la mayoría de las
revistas de alto impacto se publican solo en inglés. Además, suele haber falta
de conocimiento sobre las revisiones por pares, las convenciones de escritura
técnica y la estructura lógica necesaria para superar los filtros editoriales
iniciales. Como resultado, muchos hallazgos técnicos de alta calidad son
rechazados no por indicadores débiles, sino por una presentación inadecuada.
Este libro busca, por tanto, desmitificar el proceso de redacción y ofrecer
estrategias que ayuden a los investigadores tecnológicos a tener éxito en la
10
publicación en revistas de alto impacto.
El problema: la escritura científica y tecnológica comparte un punto en
común: proviene de investigaciones que involucran experimentación y la
verificación de hipótesis o teorías. Sin embargo, en este campo conviven
diferentes estilos que el investigador debe aprender a identificar y manejar. La
escritura técnica se caracteriza por su formalidad, precisión y objetividad, con
el objetivo de comunicar ideas de la manera más clara posible a lectores
especializados. No debe confundirse un texto técnico con simplemente agrupar
datos; es una forma de escritura que emplea la argumentación para respaldar
la validez de un diseño o proceso. Por otro lado, la redacción académica se
distingue por su rigor, basado en hechos comprobables, y por evitar emociones
o expresiones personales, comunes en la escritura literaria o creativa.
Un error frecuente en la educación universitaria es la falta de formación
formal en redacción científica. Muchas veces se piensa que un buen científico
automáticamente es un buen escritor, pero en realidad la escritura es una
habilidad que se aprende y se perfecciona con la práctica y el conocimiento de
estrategias específicas. Es crucial entender la diferencia entre una redacción
eficiente, que optimiza el tiempo y los recursos, y una redacción efectiva, que
logra que el texto sea aceptado y citado. El investigador debe saber que nadie
está obligado a leer su trabajo, por lo que es su responsabilidad hacerlo
relevante, claro y atractivo para su audiencia.
La visibilidad internacional de un investigador tecnológico no depende
solo de publicar, sino también de hacerlo en medios que aseguren que su
trabajo sea leído por sus pares a nivel global. En este sentido, el acceso abierto
(Open Access) ha ganado terreno como estrategia para incrementar el alcance
e impacto de las investigaciones, permitiendo que los resultados estén
11
disponibles sin barreras financieras, lo que a menudo se traduce en un mayor
número de visualizaciones y citas. No obstante, los editores buscan que las
revistas mantengan altos estándares de calidad para evitar la proliferación de
editoriales depredadoras que prometen publicaciones rápidas sin una revisión
por pares genuina.
Bienvenidos a la lectura de esta obra. Para optimizar la presentación de
los resultados, debe ser objetiva, clara y concisa, apoyándose en tablas y
figuras con propósitos ilustrativos claros. Los párrafos no deben sobrecargarse
con datos redundantes ya presentes en los elementos visuales. La sección de
discusión es donde el autor reflexiona sobre los hallazgos, los compara con
investigaciones previas y explica sus implicaciones teóricas y prácticas. Aquí
es importante reconocer las limitaciones del estudio, mostrar rigor y
transparencia y sugerir nuevas líneas de investigación basadas en los vacíos
identificados.
12
Capítulo 1
Redacción científica para
investigadores tecnológicos: guía
para la publicación de revistas de
alto impacto
La comunicación del conocimiento en el ámbito de la ingeniería y la
tecnología no es un mero trámite administrativo ni una fase final secundaria
de la labor de investigación; por el contrario, la investigación científica formal
y seria termina únicamente con la publicación del artículo científico. Es en este
momento cuando la contribución individual se integra al acervo del
conocimiento global y se somete al escrutinio de la comunidad internacional.
En el contexto de la inteligencia artificial, el investigador tecnológico se
enfrenta a un entorno de publicación caracterizado por una competencia feroz,
la integración masiva de herramientas de inteligencia artificial y una demanda
sin precedentes de transparencia y reproducibilidad de los datos.
El imperativo de la redacción técnica:
precisión, claridad y brevedad
La redacción científica difiere fundamentalmente de la literaria en su
propósito único y exclusivo: informar sobre el resultado de una investigación
con la mayor eficacia posible. Mientras que la literatura permite el uso de
metáforas, el suspenso y un vocabulario florido para entretener o evocar
13
sentimientos, la prosa científica exige dominar tres principios básicos:
precisión, claridad y brevedad. La precisión implica el uso de palabras que
expresan exactamente lo que se quiere decir, evitando términos ambiguos
como frecuente o periódicamente, que dificultan la replicación exacta de un
experimento (Padrón et al., 2014). La claridad asegura que el texto sea leído y
comprendido rápidamente, mientras que la brevedad garantiza que se incluya
solo la información pertinente, eliminando las redundancias que oscurecen el
mensaje central.
Para los investigadores tecnológicos, el dominio del idioma es una
destreza técnica que requiere la construcción de oraciones completas y
coherentes, la elaboración de párrafos que guíen al lector de manera lógica y
un uso impecable de la puntuación para producir un texto sencillo y fluido. En
organizaciones de prestigio como la IEEE, se insta a los autores a escribir con
objetividad, a evitar la jerga innecesaria y a definir todos los términos técnicos
en su primer uso para no alienar a lectores de disciplinas afines.
Estructura narrativa y el modelo IMRyD en la
tecnología
El estándar de oro para la organización de artículos que reportan
resultados de investigación es el modelo IMRyD: Introducción, Métodos,
Resultados y Discusión. Este formato, que comenzó a ganar tracción en la
década de 1940 y se consolidó como el patrón universal en los años 70 y 80,
facilita la lectura modular. Los lectores contemporáneos, saturados de
información, rara vez leen un artículo de principio a fin; en su lugar, navegan
14
por las secciones preestablecidas en busca de información específica.
En el campo de las Tecnologías de la Información (TI), el formato
IMRyD ha demostrado ser una herramienta indispensable para mejorar la
efectividad de la comunicación, facilitar la organización de la complejidad
inherente a la investigación tecnológica y aumentar las tasas de aceptación y
citación en la comunidad académica. No obstante, la estructura no debe ser
un obstáculo para la creación de una historia científica convincente. Se sugiere
que un buen manuscrito debe contar con un hilo narrativo que guíe al lector
desde el planteamiento del problema hasta la solución y sus implicaciones
futuras.
El proceso de construcción inversa del manuscrito
Muchos expertos recomiendan que, para desarrollar una narrativa
sólida, el investigador no escriba el artículo en el orden en que se leerá. Una
estrategia eficiente consiste en comenzar por el final: redactar las
conclusiones principales que servirán de base para la Discusión, y luego
trabajar hacia atrás: Resultados → Métodos → Refinamiento de la Discusión →
Introducción → Resumen → Título. Esta metodología asegura que la
Introducción esté alineada con lo que realmente se descubrió y que los
Métodos justifiquen con precisión los Resultados presentados.
Directrices específicas de las editoriales
líderes: IEEE y Elsevier
La publicación en revistas de alto impacto requiere un conocimiento
15
profundo de las guías para autores de las principales editoriales. En el ámbito
tecnológico, la IEEE (Institute of Electrical and Electronics Engineers) y
Elsevier representan los pilares de la difusión científica, cada una con
requisitos técnicos y éticos rigurosos.
Requisitos técnicos de la IEEE
La IEEE publica contribuciones conceptuales, teóricas y empíricas que
deben aportar conocimientos sustanciales a la teoría y la práctica de la
ingeniería o de la gestión tecnológica. Un error común de los investigadores
noveles es enviar trabajos que solo describen herramientas de software o
algoritmos para resolver problemas operativos sin una contribución teórica
clara; tales artículos suelen quedar fuera del dominio de las revistas de alto
impacto (Mariño, 2025).
El anonimato en la revisión por pares es crítico en la IEEE; cualquier
manuscrito que contenga información personal (nombres, afiliaciones, sitios
web) será devuelto a los autores, lo que retrasará significativamente el proceso
de evaluación. Además, se exige que las ilustraciones sean de calidad
profesional, con líneas nítidas y buen contraste.
El enfoque de Elsevier: Estilo y visibilidad
Elsevier ofrece una mayor flexibilidad en la estructura inicial bajo la
premisa Your Paper Your Way, permitiendo que los autores envíen un solo
archivo PDF o Word para el proceso de revisión inicial, sin preocuparse
excesivamente por el formato final. Sin embargo, una vez aceptado, las
exigencias de formato son estrictas. Un elemento diferenciador de Elsevier es
16
la obligatoriedad del Graphical Abstract y de las Highlights en muchos de sus
títulos de investigación originales.
El Graphical Abstract debe resumir el contenido del artículo de forma
pictórica y está diseñado para captar la atención del lector en línea. Debe tener
un tamaño mínimo de 531 x 1328 píxeles y ser legible a una resolución de 96
dpi. Las Highlights, por otro lado, consisten en una pequeña colección de
puntos clave que presentan los hallazgos principales y aseguran que los
motores de búsqueda clasifiquen el artículo correctamente.
Ética en la publicación y el desafío de la
inteligencia artificial
La integridad de la investigación es la base de la confianza científica.
Los editores modernos utilizan software sofisticado para detectar plagio,
fabricación y falsificación de datos. La IEEE define el plagio no solo como la
copia textual, sino también como el uso de ideas, procesos, resultados o
algoritmos de terceros sin el reconocimiento explícito de la fuente original.
La posición de COPE y las editoriales sobre la IA generativa
A corto plazo, la integración de la Inteligencia Artificial (IA) en la
redacción científica ha alcanzado un punto de inflexión. El Committee on
Publication Ethics (COPE) ha establecido que las herramientas de IA, como
ChatGPT o modelos de lenguaje similares, no pueden ser consideradas autoras
(Ramos, 2024). La autoría implica responsabilidades legales y éticas que solo
los seres humanos pueden asumir, incluyendo la gestión de acuerdos de
17
licencia y la declaración de conflictos de interés.
Elsevier y Springer Nature permiten el uso de IA para mejorar la
legibilidad y el lenguaje (copy-editing), pero exigen una declaración específica
si la IA se utilizó para generar partes sustanciales del texto. Se advierte que
la IA puede producir alucinaciones (citas inexistentes o hechos falsos), por lo
que los autores deben verificar cada dato frente a fuentes primarias.
Optimización de la visibilidad científica: SEO
para investigadores
En un ecosistema donde se publican millones de artículos anualmente,
la descubribilidad es tan importante como la calidad del contenido. El SEO
(Search Engine Optimization) académico se centra en mejorar cómo los
sistemas de indexación, como Google Scholar, capturan y presentan el trabajo
(Rodríguez et al., 2023).
Títulos y Resúmenes Estratégicos
Un título fuerte debe incluir la frase clave principal en las primeras
palabras. En lugar de un título vago como "Un nuevo enfoque para la
deforestación", se recomienda un título más específico, como "Teledetección
satelital para el monitoreo de la deforestación tropical en el Amazonas". Los
motores de búsqueda otorgan mayor peso a las palabras iniciales del título y
del abstract.
Para el resumen, se sugiere un patrón de escritura con dos oraciones
iniciales críticas: la primera debe definir el tema y el contexto acotado, y la
18
segunda debe declarar el objetivo y la relación clave que se prueba. Evitar la
repetición artificial de palabras clave (keyword stuffing) es vital, ya que los
algoritmos modernos penalizan esta práctica. En su lugar, se deben emplear
variaciones gramaticales de los términos centrales para mantener la fluidez y
la densidad semántica.
Flujo de trabajo técnico: LaTeX, Zotero y
Overleaf
Para el investigador tecnológico, la precisión en la elaboración de
documentos es fundamental. LaTeX se ha consolidado como el lenguaje
estándar para la preparación de manuscritos técnicos debido a su manejo
superior de ecuaciones matemáticas y de bibliografía compleja.
Integración de Zotero y Overleaf
La gestión de referencias debe ser un proceso automatizado. Zotero, un
gestor de referencias de código abierto, permite importar datos bibliográficos
directamente desde el navegador mediante el Zotero Connector. Su
integración con Overleaf permite a los investigadores trabajar
colaborativamente en la nube y sincronizar automáticamente sus bibliotecas
de referencias (García, 2020).
Para usuarios avanzados, el uso del plugin Better BibTeX en Zotero es
indispensable, ya que genera claves de citación estables y automáticas que no
cambian ni siquiera al actualizar los metadatos de la fuente. Esto evita errores
de compilación en LaTeX y asegura que las referencias en el texto coincidan
19
perfectamente con la bibliografía final.
El camino hacia la publicación: Selección y
Envío
La selección de la revista adecuada debe basarse en métricas objetivas
y en la alineación con el público objetivo. No se recomienda enviar el mismo
manuscrito a múltiples revistas simultáneamente, ya que constituye una falta
ética grave.
Métricas de impacto
Es fundamental comparar las revistas utilizando diversas métricas para
obtener una visión equilibrada:
● Journal Impact Factor (JIF): La métrica tradicional basada en citas de la
Web of Science.
● CiteScore, basada en Scopus, ofrece una cobertura más amplia de
documentos.
● SJR (SCImago Journal Rank): Pondera las citas según el prestigio de la
revista de origen.
● SNIP (Source Normalized Impact per Paper): Crucial para comparar
revistas entre disciplinas tecnológicas distintas, ya que normaliza el
impacto por campo.
La Carta de Presentación y la Respuesta a los Revisores
La carta de presentación (cover letter) es la primera oportunidad para
persuadir al editor. Debe ser confidencial y resaltar la novedad del estudio,
20
indicando por qué es de interés para los lectores de esa revista en particular.
Debe incluir declaraciones obligatorias sobre la originalidad del trabajo y la
ausencia de conflictos de interés.
Cuando el artículo regresa con una decisión de revisión mayor o menor,
la actitud del autor debe ser de gratitud y profesionalismo. Cada comentario
del revisor debe responderse punto por punto en una carta de respuesta
(rebuttal letter). Si un revisor solicita cambios con los que el autor no está de
acuerdo, se debe presentar una refutación respetuosa y fundamentada en
datos, evitando tonos defensivos.
Ciencia Abierta y Reproducibilidad
La tendencia global hacia la Ciencia Abierta exige que los investigadores
tecnológicos compartan no solo sus conclusiones, sino también sus datos y su
código fuente. Repositorios como Zenodo (gestionado por el CERN) y GitHub
son herramientas esenciales para este fin.
El rol de los preprints
Los preprints en servidores como TechRxiv o arXiv permiten la difusión
rápida de resultados antes de la revisión por pares, estableciendo una marca
de tiempo que protege la prioridad del descubrimiento. La IEEE permite y, en
muchos casos, alienta el uso de preprints, siempre que se cumplan sus
políticas de derechos de autor y se actualice el registro con el DOI final tras la
publicación oficial (Packer, 2021).
Listas de verificación de reproducibilidad
21
Revistas de alto impacto y conferencias líderes, como AAAI, han
adoptado listas de verificación de reproducibilidad. Se espera que los autores
declaren explícitamente:
● La infraestructura computacional utilizada (GPU, CPU, memoria).
● Todos los hiperparámetros y el método de fijación de semillas aleatorias.
● Un análisis de la complejidad del algoritmo (tiempo y espacio).
● La disponibilidad de un archivo ReadMe con instrucciones precisas para
ejecutar el código y obtener los mismos resultados.
El contexto del investigador tecnológico en
Argentina
Para los investigadores radicados en Argentina, el ecosistema de
publicación presenta desafíos y apoyos específicos coordinados
principalmente por el CONICET y la Agencia I+D+i. El Centro Argentino de
Información Científica y Tecnológica (CAICYT-CONICET) ofrece programas de
formación vitales para navegar por este proceso.
Programas de Capacitación y Formación
El CAICYT ofrece una serie de cursos en modalidad virtual asincrónica
que abarcan desde la gestión editorial hasta el uso de nuevas tecnologías.
Estos programas son fundamentales para que los investigadores locales se
mantengan al día con los estándares internacionales.
Adicionalmente, el IIBICRIT-CONICET dicta capacitaciones específicas
sobre la gestión de referencias bibliográficas con Zotero, enseñando a los
22
investigadores a construir bibliotecas compartidas y a automatizar la inserción
de citas en sus procesadores de texto.
Financiamiento y Costos de Procesamiento de Artículos
(APC)
El modelo de publicación en acceso abierto ha introducido el costo de
los APC (Article Processing Charges), lo que representa una carga económica
significativa para las instituciones argentinas. La Agencia I+D+i ha alertado
sobre los riesgos de que estos costos condicionen las agendas de investigación
nacionales o fomenten prácticas predatorias (Soto et al., 2025).
Para mitigar este impacto, existen diversas líneas de subsidios:
● Agencia I+D+i: Abre convocatorias para el financiamiento de proyectos
científicos y tecnológicos que pueden incluir apoyos para publicaciones.
● CIC (Buenos Aires): Ofrece subsidios para publicaciones y asistencia a
reuniones científicas con montos de hasta $800.000 por proyecto.
● UBA y UTN: A través de sus secretarías de Ciencia y Técnica, gestionan
programas de apoyo a reuniones científicas y de promoción de la ciencia
en el exterior, aunque sujetos a la disponibilidad presupuestaria.
Tendencias futuras en la comunicación
científica tecnológica
La comunicación científica se encamina a una integración aún más
profunda con los sistemas físicos y digitales. La IA emboscada o embebida en
dispositivos físicos (robots, drones) demandará nuevas formas de reportar
23
experimentos que no sean meramente digitales, sino que tengan
consecuencias táctiles y espaciales.
El auge del video y los formatos dinámicos
La fatiga del texto está impulsando la adopción de formatos
audiovisuales. Los videoartículos permiten a los investigadores demostrar
procesos tecnológicos complejos que resultan difíciles de describir solo con
palabras, como el movimiento de un robot o la interfaz de un nuevo software.
El entrenamiento en storytelling visual se está volviendo tan crucial como la
redacción técnica tradicional.
Gobernanza y Transparencia de Algoritmos
A medida que los algoritmos de IA se vuelven más autónomos, la
revisión por pares también evolucionará hacia la auditoría de código. Ya no
bastará con describir un algoritmo; los revisores podrán exigir el acceso a
entornos de ejecución en la nube (como contenedores Docker o entornos de
Binder) para verificar los resultados en tiempo real (Pardal, 2025). La
metadata se convertirá en el pegamento esencial que conectará los objetos de
investigación, permitiendo que tanto humanos como máquinas verifiquen la
procedencia y la veracidad de los hallazgos científicos.
En síntesis, el éxito del investigador tecnológico en las revistas de alto
impacto depende de una combinación equilibrada de rigor científico, dominio
de herramientas digitales avanzadas, una conducta ética intachable frente a
la inteligencia artificial y una comprensión profunda de la economía de la
atención en el mundo digital. La redacción científica, lejos de ser un arte
24
estático, es una tecnología en sí misma que debe ser dominada y actualizada
continuamente.
25
Capítulo 2
Estrategias y marcos
metodológicos en la antesala de
la escritura para investigadores
tecnológicos
La producción de conocimiento en el ámbito de la tecnología no se
limita a la mera ejecución de experimentos ni al desarrollo de algoritmos;
constituye un proceso intelectual complejo en el que la escritura actúa como
el catalizador final de la innovación. El concepto de la antesala de la escritura
se define como el espacio crítico de preparación, organización y gestión del
pensamiento que precede a la redacción del manuscrito final.
Para el investigador tecnológico, este periodo es fundamental para
transformar datos aislados y procesos técnicos en una narrativa científica
coherente, capaz de influir en la comunidad académica y en el tejido industrial.
La tecnología, entendida bajo la restricción de la ciencia de las técnicas, se
ocupa de la utilidad y la transformación de la realidad, diferenciándose de la
ciencia básica en su teleología orientada a la resolución de problemas y la
creación de nuevos productos o procesos.
La investigación en tecnología requiere un marco conceptual que
reconozca su naturaleza esencialmente experimental y pragmática. A
diferencia de las ciencias sociales o las humanidades, donde el texto es a
26
menudo el objeto mismo del estudio, en la tecnología el texto es el reporte de
una intervención en la realidad física o digital. Este proceso se estructura
tradicionalmente bajo el modelo de Investigación y Desarrollo (I+D), que
integra tres niveles de indagación: la investigación básica, que provee el
soporte epistémico y teórico; la investigación aplicada, orientada a un objetivo
práctico específico; y el desarrollo experimental, encargado de materializar
nuevas aplicaciones y productos (Organización de Estados Iberoamericanos
para la Educación, la Ciencia y la Cultura, 2001).
La invención y la innovación técnica surgen con frecuencia de la
modificación de técnicas preexistentes y de su composición en estructuras más
complejas, lo que constituye la fuente primordial de novedad en la historia de
la técnica. Por tanto, la antesala de la escritura debe comenzar con una
asimilación profunda del estado del arte, no solo para evitar la redundancia,
sino también para identificar los vacíos en la investigación que permitan una
nueva perspectiva. Este marco teórico inicial no es solo una revisión
bibliográfica pasiva, sino una herramienta de traducción que permite al
investigador comunicarse con diversos actores en sus propios términos
técnicos o empíricos.
La transición desde la experimentación al manuscrito implica una fase
de certificación y prototipado. Aquí, el investigador debe documentar
meticulosamente cada iteración del desarrollo tecnológico, asegurando que
los resultados sean reproducibles y transferibles. La percepción de los
investigadores sugiere que la definición del problema es la fase más crítica,
pues condiciona toda la trayectoria del proyecto hacia una solución
innovadora.
27
El protocolo de investigación como cimiento
del manuscrito
Antes de redactar el primer párrafo de una introducción, el investigador
debe haber consolidado un protocolo o plan de investigación sólido. Este
documento preliminar actúa como una hoja de ruta que describe el objeto de
estudio, los objetivos generales y específicos y las preguntas de investigación
o hipótesis. En ingeniería y tecnología, el protocolo debe incluir
especificaciones técnicas, variables operacionales y métodos de recolección de
datos que garanticen la trazabilidad y la transparencia de los procesos.
La importancia de este plan radica en que la redacción del artículo
científico es, en esencia, el reporte de una investigación ya concluida o en
etapas avanzadas de maduración. Si no existe un proceso sistemático de toma
y síntesis de datos, la redacción se convierte en una labor ineficiente y
propensa a vacíos de contenido. La planificación debe contemplar el costo de
oportunidad de cada actividad; cada hora dedicada a la burocracia o al
perfeccionismo excesivo en tareas no publicables resta potencial a la
producción académica final.
El planteamiento del problema en tecnología debe evitar juicios morales
y centrarse en observar fenómenos que no se comportan según lo esperado,
lo que conduce a una observación desconcertante o a un puzzle que justifica
la intervención técnica. Delimitar el espacio geográfico, la población y el
tiempo es crucial para que el estudio sea factible y su importancia pueda ser
evaluada en contextos locales o regionales.
28
Gestión del conocimiento y el método
Zettelkasten
Para el investigador tecnológico, el manejo de la información excede la
capacidad de la memoria natural. El método Zettelkasten, popularizado por el
sociólogo Niklas Luhmann, se ha consolidado como una herramienta
fundamental para la gestión del conocimiento personal (PKM) en disciplinas
técnicas. Este sistema se basa en la creación de notas atómicas e
interconectadas que forman una red de pensamiento similar a una red
neuronal digital (Guadarrama, 2025).
En la antesala de la escritura, el Zettelkasten permite al investigador
digerir lecturas y experimentos de manera modular. Las notas rápidas
capturan ideas efímeras que deben procesarse diariamente para convertirse
en notas literarias que contienen resúmenes de fuentes externas con
referencias claras. Finalmente, las notas permanentes representan el
desarrollo propio del investigador, en las que las ideas se expresan con
palabras propias para asegurar la comprensión y facilitar la futura redacción
del manuscrito.
La interconexión de estas notas permite que el conocimiento emerja de
manera orgánica, fomentando la creatividad y la identificación de patrones que
podrían pasar desapercibidos en estructuras de carpetas jerárquicas
tradicionales. Para el ingeniero, esto resulta especialmente útil al conectar
datos experimentales con diversos marcos teóricos, lo que permite un
pensamiento fuera de la caja esencial para la innovación disruptiva.
29
El método PARA y la organización hacia la
acción
Para profundizar en el Zettelkasten, el método PARA (Proyectos, Áreas,
Recursos, Archivo) ofrece un marco de organización orientado a la acción y la
productividad. Mientras que el Zettelkasten es un espacio para pensar, PARA
es un sistema para ejecutar. Los investigadores pueden utilizar esta estructura
para gestionar sus archivos digitales y sus metas de publicación de manera
eficiente (Torres, 2024).
En este sistema, los proyectos son esfuerzos con una fecha de
finalización definida, como la redacción de un paper específico. Las Áreas
representan responsabilidades continuas, como el mantenimiento de un
repositorio de código o la gestión de un equipo de laboratorio. Los recursos
son temas de interés a largo plazo que alimentan la base de conocimientos y
el Archivo contiene proyectos finalizados que pueden consultarse en el futuro
para evitar la duplicidad de esfuerzos. La integración de estos métodos
permite al investigador transitar de la ideación a la ejecución sin la parálisis
que provoca la sobrecarga de información.
Estrategias de síntesis y procesamiento de
información técnica
La síntesis de información técnica compleja es una habilidad que debe
cultivarse mucho antes de sentarse a redactar el manuscrito final. Estrategias
como el sumillado, que consiste en anotar al margen de los textos para
30
identificar la esencia de cada párrafo, facilitan la recuperación posterior de
ideas clave. El parafraseo efectivo es igualmente crucial; escribir las ideas con
palabras propias no solo previene el plagio, sino que obliga al investigador a
comprender profundamente el material, lo que se traduce en una redacción
más clara y segura.
El uso de organizadores gráficos, como mapas conceptuales y
diagramas de flujo, permite visualizar jerarquías y relaciones entre conceptos
técnicos que a menudo resultan difíciles de explicar únicamente mediante la
prosa. En el ámbito tecnológico, estos esquemas sirven para representar
procesos de software, arquitecturas de hardware o flujos de datos, actuando
como puentes entre la lógica técnica y la narrativa académica.
La antesala de la escritura debe ser un proceso de ralentí, un reposo
activo en el que se ensayan exploraciones entre la razón y la imaginación para
definir el ritmo de la narrativa. No se debe intentar resumir un texto sin
haberlo comprendido plenamente; el resumen debe ser fiel al contenido
original, pero expresado con la terminología específica del tema, omitiendo
ejemplos accesorios para centrarse en la tesis central.
Programación literaria y la narrativa del
código
Para los investigadores en computación e ingeniería de software, la
transición del código a la narrativa académica representa un desafío singular.
El paradigma de la programación literaria (literate programming) permite que
el código y su documentación coexistan en un único documento, facilitando la
31
creación de manuscritos que, por definición, son reproducibles (Goicoechea,
2019). Herramientas como Quarto y Jupyter Notebooks permiten tejer
explicaciones en lenguaje natural con bloques de código ejecutable,
transformando la corriente de conciencia del desarrollo técnico en una historia
coherente y persuasiva.
La funcionalidad de incrustación de Quarto (Quarto embed) es una
innovación significativa en el flujo de trabajo de investigación, ya que permite
referenciar resultados reproducibles (tablas, gráficos, salidas de cálculo) de
un cuaderno de análisis directamente en el documento final de redacción. Esto
elimina la necesidad de copiar y pegar manualmente, lo que reduce errores y
asegura que la evidencia presentada en el artículo siempre sea la más reciente
de los experimentos realizados.
Este enfoque no solo beneficia al autor al mantener su documentación
al día, sino que también proporciona a los revisores y lectores un registro
transparente de cómo se obtuvieron los resultados. La integración con
entornos como VS Code y el soporte para múltiples lenguajes de programación
(Python, R, Julia) hacen de Quarto una solución completa para la escritura
técnica moderna.
Precisión lingüística y corrección sintáctica en
la escritura técnica
Un manuscrito tecnológico puede ser invalidado por una sintaxis
descuidada o por un uso impreciso del lenguaje, independientemente de la
calidad de la innovación presentada. En el mundo informático y de ingeniería,
32
la sintaxis se entiende como el conjunto de reglas que permiten que un código
sea comprendido por una máquina; de manera análoga, en la escritura
académica, una sintaxis incorrecta impide que el mensaje llegue al lector. La
ambigüedad sintáctica y semántica debe eliminarse mediante la redacción de
oraciones cortas y simples, con una única interpretación posible.
Errores comunes en la investigación tecnológica incluyen la falta de
concordancia en tiempo, número y género, así como el uso de pronombres
ambiguos que confunden al lector sobre sus antecedentes. La verbosidad y el
uso de vocabulario rebuscado suelen ser vicios que dificultan la comprensión;
la redacción científica exige el uso de palabras comunes y precisas en lugar
de términos innecesariamente complejos.
El uso indiscriminado de anglicismos es un desafío particular en el
ámbito de la tecnología, debido al desarrollo acelerado en los países de habla
inglesa. Sin embargo, se debe ser respetuoso con el idioma en el que se
redacta y utilizar términos en español siempre que estén disponibles (por
ejemplo, en línea en lugar de on line). Cuando el uso de términos en otro
idioma sea indispensable, estos deben ir en cursiva según las normas
académicas vigentes.
El estilo IEEE y la normalización de la escritura
en ingeniería
En las disciplinas tecnológicas, el estilo del IEEE (Institute of Electrical
and Electronics Engineers) es el estándar predominante para la presentación
de manuscritos y la citación bibliográfica. Su sistema de citación numérica
33
entre corchetes, ordenado según la aparición en el texto, permite una lectura
fluida y concisa, evitando las interrupciones que producen los sistemas autor-
fecha en documentos densamente referenciados.
La antesala de la escritura debe incluir la configuración de gestores
bibliográficos (Zotero, Mendeley) conforme a las normas de la IEEE, a fin de
asegurar que cada referencia sea precisa desde el primer borrador. Los
investigadores deben ser cuidadosos al citar: se debe referenciar siempre que
se tome una idea, teoría o dato ajeno, incluso si se utiliza el parafraseo. No se
deben citar ideas propias, conclusiones personales ni conocimientos de
dominio común.
El formato IEEE también establece pautas sobre el uso de abreviaturas,
unidades de medida y la estructura de las tablas y figuras, las cuales deben
estar debidamente etiquetadas y referenciadas en el cuerpo del texto. Cumplir
con estos estándares no es un mero requisito formal; proyecta profesionalismo
y facilita que el trabajo sea tomado en serio por editores y revisores de revistas
de alto impacto (Instituto Tecnológico de Costa Rica, 2021).
Herramientas de asistencia y tecnologías para
la escritura tecnológica
La tecnología no solo es el objeto de estudio, sino también un poderoso
aliado en el proceso de escritura. Las herramientas de tecnología de asistencia
pueden ayudar a investigadores con desafíos relacionados con el movimiento
o la organización mediante el dictado (voz a texto) y la predicción de palabras.
Asimismo, las herramientas de texto a voz (TTS) son excelentes para la revisión
34
final, pues permiten al investigador escuchar su propio texto y detectar errores
de ritmo, puntuación o repeticiones que la vista podría pasar por alto.
En la actualidad, la inteligencia artificial (IA) ofrece correctores
ortográficos y de estilo avanzados, como Trinka AI, diseñados específicamente
para el lenguaje académico y técnico. Estas herramientas pueden reformular
frases confusas, eliminar redundancias y ajustar el tono del texto para cumplir
con los estándares internacionales. Sin embargo, la integridad y la ética en la
redacción son fundamentales; el investigador debe presentar sus hallazgos de
manera honesta, sin exagerar conclusiones y evitando el uso de herramientas
de IA para fabricar contenido sin supervisión crítica.
Visualización de datos y diagramación técnica
Una parte esencial de la antesala de la escritura es la preparación de
la evidencia visual. En el ámbito de la tecnología, los datos suelen ser
complejos y voluminosos, por lo que su visualización efectiva resulta crucial
para la comprensión del lector. Herramientas como Tableau, Power BI y Qlik
Sense permiten transformar datos crudos en gráficos interactivos e intuitivos
que revelan conexiones ocultas.
Para representar sistemas y procesos, el uso de software de
diagramación como Microsoft Visio, Lucidchart o EdrawMax permite capturar
la complejidad de las arquitecturas de software, las redes informáticas y los
flujos de procesos industriales (véase la Tabla 1). Estos diagramas deben ser
accesibles y seguir normas de diseño que garanticen su legibilidad en distintos
formatos de publicación. La preparación de estas figuras debe ser concurrente
con la experimentación, asegurando que cada gráfico complemente la
35
narrativa textual sin resultar redundante.
Tabla 1: Software de diagramación más empleado en investigación
científica
Herramienta de
Visualización
Fortaleza Principal
Aplicación Sugerida
Power BI
Integración con
ecosistema Microsoft
Dashboards de datos
empresariales
Tableau
Análisis visual profundo y
storytelling
Visualizaciones
avanzadas para papers
EdrawMax
Plantillas de ingeniería
impulsadas por IA
Diagramas de flujo y
redes
Looker Studio
Gratuidad y facilidad de
compartir
Reportes rápidos y
dashboards web
Gephi
Análisis de redes de
código abierto
Visualización de redes
complejas
Productividad y hábitos en la producción
académica
La eficiencia en la escritura tecnológica se basa en la disciplina más que
en la inspiración momentánea. Establecer rutinas diarias de lectura y escritura
36
incrementa la concentración y mejora la calidad de los productos resultantes.
El investigador debe buscar un lugar tranquilo, aislado de distracciones
digitales como el teléfono o el correo electrónico, para que el pensamiento
profundo pueda tener lugar.
La estrategia del camino de menor resistencia sugiere que no se debe
escribir el artículo de forma lineal, desde la introducción hasta el final. En su
lugar, se recomienda comenzar por los resultados (tablas y figuras), ya que
son el corazón del trabajo. Luego se redacta la Metodología, que es lo más
sencillo de describir tras la experimentación. La Introducción y la Discusión
deben dejarse para el final, cuando el investigador ya tiene una claridad
absoluta sobre lo que los datos realmente indican (Ñaupas et al., 2018).
Evitar el perfeccionismo paralizante es vital; es preferible tener un
borrador completo, aunque sea imperfecto, que luego puede pulirse. El uso de
metas cortas y manejables (por ejemplo, escribir tres párrafos de la discusión
por sesión) ayuda a evitar la parálisis ante la magnitud de la tarea. Finalmente,
el investigador debe ser paciente y resiliente ante el rechazo editorial,
incorporar las críticas para mejorar el escrito y mantenerlo siempre activo en
el sistema de revisión.
La antesala de la escritura para investigadores tecnológicos es un
proceso multidimensional que trasciende la mera preparación de un texto.
Implica la construcción de una infraestructura cognitiva y digital que respalde
el pensamiento complejo, la experimentación rigurosa y la comunicación
precisa. En un futuro cada vez más digital, quienes sepan aprovechar las
herramientas de gestión del conocimiento, la programación literaria y la
37
inteligencia artificial no solo tendrán un campo de estudio más dinámico, sino
que también podrán influir de manera más efectiva en la transformación de la
sociedad a través de la tecnología.
La escritura científica en ingeniería no debe verse como una tortura ni
como un trámite burocrático, sino como la etapa final de un proceso creativo,
en el que la ética, la claridad y la utilidad son los pilares fundamentales. El
dominio de estas estrategias en la antesala asegura que el investigador
tecnológico no solo genere conocimiento, sino que este sea accesible,
reproducible y capaz de cimentar el progreso técnico y social de las futuras
generaciones.
38
Capítulo 3
Paradigmas de refinamiento de
ideas de investigación
La práctica científica contemporánea atraviesa una transformación
estructural impulsada por la convergencia de modelos de lenguaje de gran
tamaño (LLM), infraestructuras de datos masivas y arquitecturas de agentes
inteligentes. El campo ha trascendido la mera generación de texto para
adentrarse en la era de los agentes científicos basados en LLM, sistemas
capaces de automatizar tareas críticas que van desde la generación de
hipótesis y el diseño experimental hasta el análisis de datos y la simulación.
Este cambio de paradigma, a menudo denominado Ciencia Agéntica, posiciona
a la inteligencia artificial no como una mera herramienta de apoyo, sino como
un socio de investigación autónomo capaz de navegar por la complejidad de
la literatura académica y proponer refinamientos teóricos mediante el
razonamiento abductivo y ciclos iterativos de retroalimentación.
Fundamentos del razonamiento abductivo en
el descubrimiento científico automatizado
El refinamiento de hipótesis se basa en el razonamiento abductivo, un
concepto fundamental en la filosofía de la ciencia que Charles S. Peirce definió
como el proceso de formar una hipótesis explicativa ante una observación
sorprendente o anómala. A diferencia de la deducción, que es determinista y
39
deriva conclusiones necesarias de premisas dadas, o de la inducción, que
busca generalizar reglas a partir de múltiples instancias, la abducción es
intrínsecamente creativa y orientada al descubrimiento. En el contexto de la
inteligencia artificial científica, la abducción permite que los modelos
propongan inferencias a la mejor explicación (IBE), identificando causas
potenciales de los efectos observados en los datos (Aguayo, 2011).
La integración de la abducción en marcos computacionales es esencial
para superar las limitaciones de los métodos estadísticos tradicionales
(bayesianos o frecuentistas), que se limitan predominantemente a la inferencia
inductiva. El proceso de investigación científica se concibe hoy como un
enfoque triádico: la abducción genera la hipótesis inicial, la deducción extrae
las consecuencias comprobables de dicha hipótesis y la inducción valida dichas
predicciones mediante la experimentación empírica (véase la Tabla 2).
Tabla 2: Tipo de razonamiento en función del ciclo científico
Tipo de Razonamiento
Función en el ciclo
científico
Característica Principal
Abducción
Generación de hipótesis y
explicación de anomalías
Creativo, busca la mejor
explicación probable
Deducción
Refinamiento de la
hipótesis y predicción de
resultados
Lógicamente necesario,
deriva consecuencias
Inducción
Validación empírica y
generalización de reglas
Probabilístico, basado en
la repetición de datos
40
La formalización de este proceso en sistemas como AI-Noether
demuestra que es posible automatizar la transición entre paradigmas
científicos. AI-Noether utiliza la geometría algebraica para identificar axiomas
faltantes en teorías científicas incompletas. Cuando una hipótesis derivada de
la observación no puede explicarse por las leyes actuales, el sistema genera
de manera sistemática el conjunto mínimo de modificaciones axiomáticas
necesarias para reconciliar la teoría con los datos. Este procedimiento permite
que descubrimientos que históricamente dependían de la intuición humana,
como la transición de los modelos geocéntricos a los heliocéntricos, se
conviertan en procesos computacionales escalables.
Repositorios de conocimiento y grafos de
conocimiento como sustratos epistémicos
Para que un modelo de inteligencia artificial pueda iterar sobre
hipótesis de manera significativa, debe estar anclado en el conocimiento
académico existente. La disponibilidad de repositorios masivos y estructurados
es el sustrato de la inteligencia científica que permite la composición, la
auditoría y la mejora continua de los flujos de trabajo de investigación.
El Science Data Lake y la unificación de la literatura global
Un hito en esta infraestructura es el Science Data Lake, una plataforma
que unifica ocho de las fuentes académicas más importantes del mundo, entre
ellas Semantic Scholar, OpenAlex, SciSciNet y Crossref. Este sistema abarca
aproximadamente 293 millones de artículos únicos y 960 GB de datos
estructurados en archivos Parquet, procesados con DuckDB para permitir
41
consultas SQL de alto rendimiento. La importancia de este repositorio para el
refinamiento de hipótesis radica en su capacidad para realizar comparaciones
a nivel de registro entre múltiples fuentes, lo que facilita la detección de
inconsistencias en las citas y la validación de la fiabilidad de los datos.
Grafos de conocimiento y recuperación jerárquica (RAG)
La mera disponibilidad de texto no es suficiente; los modelos requieren
estructuras que capturen las relaciones semánticas complejas entre entidades
como genes, proteínas, fármacos y leyes físicas. Los grafos de conocimiento
(KG) proporcionan una base estructurada, lo que permite que el razonamiento
del LLM sea interpretable y rastreable.
Sin embargo, el uso de la recuperación aumentada por generación
(RAG) tradicional enfrenta desafíos de escalabilidad y ruido. El marco LeanRAG
lo aborda mediante una estructura jerárquica de grafos de conocimiento.
LeanRAG utiliza un algoritmo de agregación semántica para organizar
entidades en clústeres coherentes y construir relaciones explícitas entre
resúmenes de alto nivel, creando una red semántica completamente
navegable. Este enfoque mitiga el dilema del fraccionamiento, donde los
fragmentos de texto demasiado pequeños pierden contexto y los demasiado
grandes introducen información irrelevante.
Arquitecturas multiagente y el refinamiento
iterativo de hipótesis
El refinamiento de una idea de investigación no es un acto puntual, sino
42
un proceso cíclico. La literatura reciente describe este flujo mediante el ciclo
EXHYTE (Exploración, Generación de Hipótesis y Prueba). En este modelo, los
investigadores exploran el conocimiento existente para identificar brechas,
generan hipótesis y las prueban mediante experimentos dirigidos y regresan
a la exploración a medida que surge nueva evidencia (Di Masso et al., 2014).
Especialización y colaboración en sistemas multiagente
Los sistemas de IA modernos, como BioLab, implementan este ciclo
mediante la orquestación de múltiples agentes especializados que colaboran
en un entorno de estado mundial persistente. BioLab, diseñado para la
investigación en ciencias de la vida, utiliza ocho agentes centrales:
1. Agente Planificador: Descompone objetivos científicos de alto nivel en
submetas lógicas.
2. Agente Razonador: Formula planes de acción detallados y
científicamente válidos, ensamblando los módulos necesarios para su
ejecución.
3. Agente de Memoria: Mantiene la memoria a corto plazo para el contexto
de la tarea y la memoria a largo plazo para trazas de ejecución y
resultados históricos, lo que permite el aprendizaje adaptativo.
4. Agente RAG: Ancla las operaciones en evidencia fáctica mediante la
consulta a bases de datos multimodales y a la literatura científica.
5. Agente Crítico: Evalúa las hipótesis y los planes generados por otros
agentes, identificando fallas lógicas o riesgos de seguridad.
Esta división del trabajo emula la dinámica de los equipos de
investigación humanos, donde la especialización y el debate interagente
43
reducen los errores y mejoran la explicabilidad del razonamiento final.
Agentic Tree Search y el AI Scientist v2
Un avance significativo es la introducción de la Búsqueda en Árbol
Agéntica (Agentic Tree Search) en sistemas como el AI Scientist v2 de Sakana
AI. A diferencia de los flujos de trabajo lineales y rígidos, esta metodología
permite que el sistema explore múltiples hipótesis y variaciones
experimentales en paralelo (Corvalán & Sánchez, 2025). Cada nodo del árbol
representa una configuración experimental distinta y un evaluador basado en
LLM determina qué rutas priorizar según métricas de éxito iniciales. Los nodos
que fallan o presentan errores se depuran o se retiran, mientras que los
exitosos se refinan y se expanden en ramas futuras. Este enfoque ha permitido
que la IA genere de forma autónoma artículos de investigación que han
superado los procesos de revisión por pares en talleres de conferencias de
primer nivel, como ICLR.
El papel del razonamiento abductivo en la
detección de brechas (Gap Analysis)
La identificación de brechas de investigación es el punto de partida para
cualquier refinamiento de hipótesis. Las herramientas de IA actuales han
sistematizado este proceso, que tradicionalmente dependía de la lectura
exhaustiva y de la intuición del investigador.
Sistemas como SciSpace y AnswerThis permiten a los investigadores
detectar contradicciones o inconsistencias en la literatura existente, lo cual
44
constituye un disparador clásico de la abducción. Por ejemplo, si un modelo
detecta que dos estudios sobre el mismo fármaco arrojan resultados opuestos,
puede abducir una variable mediadora (como una diferencia genética entre las
muestras) que explique la discrepancia. Este proceso de teorizar desde la base
permite que la teoría emerja de los detalles empíricos concretos y de los
acertijos o sorpresas de los datos.
Implementación técnica del refinamiento: el
caso de AI-Noether
Para comprender cómo los modelos iteran sobre hipótesis basadas en
axiomas, resulta instructivo analizar el funcionamiento de AI-Noether. El
sistema opera bajo el supuesto de que tanto las leyes científicas como los
axiomas pueden expresarse como ecuaciones polinomiales.
El proceso técnico sigue estos pasos rigurosos:
1. Entrada: Se define un conjunto de axiomas conocidos y una
hipótesis objetivo (por ejemplo, la ley de gravitación universal).
2. Codificación y Descomposición: El sistema construye la variedad
algebraica del sistema y la descompone en componentes irreducibles
utilizando herramientas como Macaulay2 o Singular.
3. Inferencia Abductiva: AI-Noether busca los axiomas mínimos
que, al añadirse al sistema original, permiten que este
sea derivable.
4. Manejo de Ruido: En casos de datos experimentales ruidosos, el sistema
45
emplea métodos numéricos (como conjuntos de testigos y regresión
simbólica) y probadores de teoremas con cuantificadores existenciales
(Z3) para recuperar los coeficientes correctos de los axiomas.
Este nivel de formalismo matemático asegura que el refinamiento de
hipótesis no sea una simple alucinación estadística, sino una extensión lógica
y fundamentada de la teoría existente.
Desafíos de fiabilidad y la amenaza del
colapso del modelo científico
A pesar de los avances, la dependencia de los modelos de lenguaje en
el descubrimiento científico introduce riesgos sistémicos. Uno de los más
críticos es el colapso del modelo científico, un fenómeno en el que los sistemas
de IA apilan alucinaciones plausibles pero incorrectas unas sobre otras, lo que
exacerba problemas como la crisis de replicación.
Tipología de alucinaciones en el refinamiento de hipótesis
Las alucinaciones en contextos científicos pueden ser particularmente
insidiosas porque a menudo son gramaticalmente correctas y emplean
terminología técnica precisa. Se distinguen dos fallos de base:
● Alucinaciones intrínsecas: El modelo genera respuestas internas
inconsistentes o lógicamente inválidas, incluso si el tema general es
correcto.
● Alucinaciones extrínsecas: El modelo afirma hechos que contradicen el
conocimiento del mundo real o las fuentes proporcionadas.
46
Para mitigar estos riesgos, se han propuesto métricas de Sensibilidad
al Prompt (PS) y modelos de atribución probabilística para rastrear el origen
de cada afirmación generada. Además, se enfatiza la necesidad de penalizar
los errores cometidos con alta confianza más que las abstenciones de
respuesta, fomentando la conciencia de la incertidumbre entre los agentes
científicos (Anh-Hoang, 2025).
El futuro de la ciencia asistida por IA:
Autonomía graduada y Science-as-a-Service
La trayectoria actual apunta hacia un modelo de autonomía graduada,
donde los sistemas de IA pueden cerrar el ciclo científico a velocidad de
máquina en tareas de exploración de alto volumen, pero permanecen anclados
a prioridades humanas y mecanismos verificables en las etapas de toma de
decisiones estratégicas.
Este futuro se caracteriza por la evolución de los flujos de trabajo
científicos a lo largo de dos dimensiones principales: la inteligencia (de
estáticos a inteligentes) y la composición (de agentes individuales a enjambres
colaborativos). El objetivo final es alcanzar laboratorios científicos autónomos
y distribuidos en los que la meta-optimización y la emergencia colectiva
permitan descubrimientos a una escala y a una velocidad inalcanzables con
los métodos convencionales.
47
Recomendaciones para la integración de modelos en la
investigación
Para los investigadores que buscan utilizar estos modelos para el
refinamiento de sus ideas, las mejores prácticas sugieren un enfoque
multiherramienta y multipaso:
● Combinar herramientas de descubrimiento y análisis: no confiar en una
sola plataforma. Usar Litmaps para la genealogía, Semantic Scholar para
la búsqueda de impacto y LeanRAG para el razonamiento profundo.
● Verificación cruzada de resúmenes: Siempre contrastar los resúmenes
generados por IA con el texto original del artículo para evitar la pérdida
de matices críticos.
● Uso de protocolos de comunicación estables (MCP): Emplear el
Protocolo de Contexto de Modelo (MCP) para conectar agentes de IA con
bases de datos y herramientas de simulación de forma estandarizada y
segura.
● Refinamiento iterativo guiado: utilizar agentes de crítica para evaluar la
novedad y la factibilidad de las hipótesis antes de proceder al diseño
experimental.
En síntesis, el refinamiento de ideas de investigación mediante modelos
de IA ha dejado de ser una actividad de procesamiento del lenguaje natural
para convertirse en una disciplina de ingeniería del razonamiento científico. La
capacidad de iterar hipótesis basadas en la abducción, respaldada por
repositorios de conocimiento masivos y arquitecturas multiagente, ofrece el
potencial de acelerar el descubrimiento científico en un factor de 10 a 100.43
48
Sin embargo, la integridad de la ciencia dependerá de nuestra capacidad para
construir sistemas que no solo sean rápidos y creativos, sino también
profundamente anclados en la trazabilidad, la reproducibilidad y el juicio
crítico humano.
49
Capítulo 4
Niveles de estructuración del
manuscrito científico: Análisis
integral de las dimensiones
macro, meso y micro
La producción de un manuscrito científico no constituye meramente el
acto de documentar hallazgos experimentales o teóricos, sino que representa
la culminación de un proceso retórico y epistemológico diseñado para la
validación del conocimiento dentro de una comunidad de pares. Esta
arquitectura textual se sustenta en una jerarquía de niveles que garantiza la
inteligibilidad, la transparencia y la reproducibilidad de la ciencia.
La eficacia de la comunicación científica depende de la armonización de
tres estratos fundamentales: el nivel macro, referido a la organización global
del texto en secciones estandarizadas; el nivel meso, que aborda la
construcción lógica del párrafo como unidad de pensamiento; y el nivel micro,
centrado en la precisión sintáctica, el flujo de la información dentro de la
oración y la selección léxica estratégica. La comprensión profunda de estos
niveles permite al investigador transformar datos crudos en una narrativa
técnica convincente que cumpla con los estándares de las publicaciones de
alto impacto.
50
El nivel macro: la superestructura y la lógica
del formato IMRyD
El nivel macroestructural de un manuscrito científico se define por su
organización en secciones principales, un esquema que ha evolucionado para
optimizar la recuperación de la información y facilitar la revisión por pares. El
modelo predominante, conocido por el acrónimo IMRyD (Introducción,
Métodos, Resultados y Discusión), no es una convención arbitraria, sino un
reflejo directo del proceso de descubrimiento científico (Codina, 2022).
Históricamente, este formato comenzó a ganar tracción a mediados del
siglo XX, pasando de representar apenas el 10% de los artículos en la década
de 1950 a dominar más del 80% de la literatura biomédica y experimental
hacia finales de la década de 1970. Esta estandarización permite a los lectores
navegar por el manuscrito como si fuera un mapa, localizando rápidamente el
contenido de interés sin necesidad de una lectura lineal exhaustiva.
La lógica macroestructural suele representarse mediante la metáfora
del reloj de arena o del embudo. La Introducción inicia con una perspectiva
amplia que se estrecha hacia el objetivo específico; los Métodos y Resultados
constituyen el cuello estrecho y técnico del proceso; y la Discusión vuelve a
ampliarse hacia las implicaciones generales y el contexto global. Esta simetría
asegura que el estudio no solo presente datos, sino que también justifique su
existencia y proyecte su utilidad futura.
La planificación del nivel macro requiere distinguir entre el orden de
lectura y el de redacción. Los expertos recomiendan iniciar la escritura por las
51
secciones de Materiales y Métodos y Resultados, ya que estas se basan en la
ejecución directa de la investigación y proporcionan la base sólida sobre la
cual se construirán la Introducción y la Discusión. El Título y el Resumen deben
ser los últimos elementos de cierre, asegurando que reflejen con precisión los
matices finales del análisis.
La construcción del territorio científico: el modelo CARS
Dentro de la sección de Introducción, el nivel macro se estructura
mediante una subestructura retórica conocida como el modelo CARS (Creating
a Research Space), propuesto por John Swales. Este modelo identifica tres
movimientos esenciales que el autor debe ejecutar para convencer a la
audiencia de la necesidad de su trabajo. El primer movimiento consiste en
establecer un territorio de investigación, donde se evidencia la importancia del
tema mediante la revisión de la literatura previa y la generalización de los
tópicos (Acosta, 2006).
El segundo movimiento, crítico para la publicación, es el
establecimiento de un nicho. En esta fase, el investigador debe identificar un
vacío de conocimiento, plantear una pregunta no resuelta o desafiar una
tradición establecida. Sin una identificación clara de este nicho, el manuscrito
carece de una justificación intelectual sólida. Finalmente, el tercer movimiento
es la ocupación del nicho, en el que se enuncian los objetivos del estudio actual
y se bosqueja la estructura del artículo. Este proceso de embudo asegura una
progresión lógica que prepara al lector para la complejidad técnica de las
secciones subsiguientes.
52
Estructuras específicas según el género del manuscrito
La macroestructura varía significativamente según el tipo de
contribución científica. Mientras que el artículo original de investigación sigue
el modelo IMRyD estricto, otros géneros requieren adaptaciones estructurales
específicas para cumplir su propósito comunicativo. Los artículos de revisión,
por ejemplo, carecen de una sección de Resultados experimentales y la
sustituyen por un desarrollo temático o cronológico que sintetiza la literatura
existente (Fuenmayor et al., 2008). En las revisiones sistemáticas, la sección
de métodos adquiere una importancia capital y debe detallar los protocolos de
búsqueda y los criterios de inclusión para minimizar los sesgos (véase la Tabla
3).
Tabla 3: Tipo de manuscrito científico y características distintivas
Tipo de Manuscrito
Estructura Macro Típica
Características Distintivas
Artículo Original
IMRyD (Introducción,
Métodos, Resultados,
Discusión).
Presenta investigación
primaria novedosa;
validación por pares.
Comunicación Corta
Introducción, Breve
Contenido, Discusión.
Resultados preliminares o
hallazgos de impacto rápido;
extensión limitada.
53
Reporte de Caso
Introducción, Reporte del
Caso, Discusión.
Descripción de una patología
o situación clínica inusual en
un paciente.
Revisión Sistemática
Introducción, Métodos
(Búsqueda), Resultados
(Síntesis), Discusión.
Fuente secundaria de alto
nivel de evidencia;
replicabilidad del proceso.
Carta al Editor
Opinión, Evidencia de
contraste, Conclusión.
Respuesta a publicaciones
previas o comentarios breves
sobre tendencias.
El nivel meso: la lógica del párrafo y la
progresión argumentativa
El nivel meso se sitúa en la organización de los párrafos como bloques
constitutivos de las secciones macro. Un manuscrito científico no debe
percibirse como una masa informe de oraciones, sino como una secuencia de
unidades lógicas donde cada párrafo tiene una función diagnóstica y una
oración temática que lo ancla (Rentería et al., 2023). En la literatura
especializada, se propone un modelo de referencia de 25 a 30 párrafos para
un artículo de investigación estándar, distribuyendo estratégicamente la carga
informativa para mantener el interés y la claridad.
54
El sistema de distribución por párrafos
El análisis de la estructura meso revela que la eficacia de un artículo
radica en su equilibrio. Una introducción excesivamente larga puede diluir el
objetivo del estudio, mientras que una discusión telegráfica puede restar
impacto a los hallazgos. El modelo de 30 párrafos sugiere una asignación
específica de funciones que garantiza que ninguna parte esencial del
argumento quede omitida (véase la Tabla 4).
Tabla 4: El sistema de distribución por párrafos
Sección
Distribución de párrafos
Contenido Meso Detallado
Introducción
1 a 4
P1: El problema; P2:
Contexto; P3: Vacío; P4:
Objetivo e Hipótesis.
Materiales y Métodos
6 a 9
P5-6: Población; P7-9:
Métodos principales; P10-11:
Protocolo; P12-13:
Estadística.
Resultados
4 a 9
P14: Flujo de muestra; P15-
16: Hallazgos clave; P17-20:
55
Análisis adicionales.
Discusión
8 a 10
P21: Reafirmación; P22:
Interpretación clave; P23-28:
Comparación literaria; P29:
Límites; P30: Conclusión.
Cada uno de estos párrafos debe funcionar de forma autónoma, pero
también interconectado. La coherencia meso se logra mediante oraciones
marco al inicio de los párrafos que preparan al lector para la estructura que
viene. Por ejemplo, en la descripción de alternativas de diseño, una oración
que anuncie «Se consideraron tres localizaciones para el puente basadas en
seis criterios» reduce la carga cognitiva del lector y facilita la interpretación
de los párrafos siguientes.
Cohesión y transición en el estrato intermedio
La transición entre párrafos es uno de los mayores desafíos en la
redacción científica. La coherencia no es una propiedad estática del texto, sino
el resultado de una actividad interpretativa guiada por el autor. Para asegurar
esta fluidez, el nivel meso emplea marcadores de secuencia y conectores
lógicos que actúan como señales de tráfico. Se distinguen diversos planos de
organización: el plano secuencial, que asegura el orden cronológico o lógico
de las proposiciones, y el plano enunciativo, que establece la postura del autor
respecto de lo que dice (Iglesias et al., 2019).
56
Un error común en este nivel es el salto de párrafo sin conexión
semántica. El uso de frases de enlace al final de un párrafo o al inicio del
siguiente permite que las ideas fluyan de manera natural. Se recomienda
evitar párrafos de una sola oración, así como párrafos excesivamente largos
que abarquen múltiples temas, ya que ambos extremos dificultan la retención
de las ideas principales.
El nivel micro: sintaxis, flujo de información y
el contrato comunicativo
El nivel micro es el estrato más granular de la redacción científica,
centrado en la oración y la palabra. En este nivel, la precisión no es solo una
cuestión de gramática, sino también de ética profesional, ya que una sintaxis
descuidada puede dar lugar a interpretaciones erróneas de los datos
experimentales. El objetivo primordial en este nivel es la claridad y la concisión,
eliminando cualquier ruido verbal que oscurezca el mensaje científico.
El contrato de la información conocida y nueva (Known-New
Contract)
La teoría lingüística aplicada a la ciencia subraya que la comprensión
se optimiza cuando las oraciones siguen un flujo predecible: comienzan con lo
conocido (Known) y terminan con lo nuevo (New). Este contrato implica que el
sujeto de la oración (la posición de tema) retoma información previamente
mencionada o inferible, mientras que el final de la oración (la posición de
énfasis o stress) presenta el avance del argumento o el hallazgo novedoso
(Morimoto et al., 2015).
57
Por ejemplo, si una oración termina mencionando agujeros negros, la
siguiente debería comenzar preferiblemente con “Un agujero negro se crea
cuando…”, en lugar de introducir un concepto nuevo como “El colapso de una
estrella muerta…” en la posición de sujeto. El incumplimiento de este contrato
obliga al cerebro del lector a mantener la información nueva en suspensión
hasta encontrar la conexión lógica, lo que ralentiza la lectura y aumenta la
fatiga cognitiva.
La precisión léxica y la eliminación de la nominalización
Un vicio recurrente en el nivel micro es la nominalización excesiva, que
consiste en transformar verbos de acción en sustantivos abstractos (p. ej., se
llevó a cabo la medición en lugar de se midió). Esta práctica añade peso
innecesario a la oración y debilita la narrativa científica. La recomendación
experta es preferir verbos fuertes y activos, colocando el sujeto y el verbo lo
más cerca posible entre sí para evitar ambigüedades sintácticas.
Asimismo, el nivel micro requiere eliminar palabras de relleno o
calificadores subjetivos (p. ej., realmente, bastante, muy) que no aportan datos
cuantitativos. En la ciencia, la precisión se logra mediante el uso de términos
técnicos exactos y la descripción cuantitativa, siempre que sea posible. Por
ejemplo, en lugar de decir una gran cantidad de pacientes, es imperativo
especificar pacientes.
La dialéctica de la cautela y la aserción: Hedging y Boosting
La comunicación científica no es solo la exposición de hechos, sino
también la negociación de su validez. Aquí intervienen dos recursos retóricos
58
fundamentales: los atenuadores (hedges) y los reforzadores (boosters). Los
hedges (como sugiere, podría, parece) se utilizan para expresar incertidumbre,
cautela y humildad intelectual, reconociendo que los resultados científicos
suelen ser probables y no absolutos. Su uso es esencial en la sección de
Discusión para evitar afirmaciones temerarias que no estén plenamente
respaldadas por los datos.
Por el contrario, los boosters (como claramente demuestra) fortalecen
la aserción y persuaden al lector de la solidez de un descubrimiento
importante. Un manuscrito equilibrado combina ambos recursos: utiliza
boosters para resaltar la novedad de los hallazgos propios y hedges para
discutir las implicaciones teóricas y las limitaciones del estudio. El exceso de
hedging puede hacer que el autor parezca inseguro, mientras que la falta de
él puede proyectar arrogancia o falta de rigor crítico.
Dimensiones técnicas y normativas en la
redacción científica
La integración de los niveles macro, meso y micro se rige por normas
técnicas que varían según la disciplina y la revista. Estos estándares aseguran
la consistencia visual y referencial del corpus científico global. Los estilos de
citación (Vancouver, APA, MLA, Chicago) no son meras reglas de formato, sino
sistemas que codifican qué información se considera relevante en cada campo;
por ejemplo, el sistema APA prioriza la fecha de publicación para destacar la
actualidad del conocimiento en las ciencias sociales (Palma et al., 2020).
59
Gestión de datos visuales y metadatos
El nivel micro también incluye la correcta presentación de tablas y
figuras. Estas no deben ser redundantes con el texto, sino complementarias.
Las tablas son ideales para datos exactos y comparaciones masivas, mientras
que las figuras (gráficos, mapas, esquemas) facilitan la visualización de
tendencias y relaciones espaciales. Cada elemento visual debe ser autónomo,
con un título claro, una leyenda explicativa y unidades de medida explícitas,
de modo que el lector pueda comprenderlo sin consultar el cuerpo del texto.
En el ámbito estadístico, el nivel micro exige una precisión absoluta. En
español, se debe recordar que la coma es el separador decimal estándar,
mientras que el punto se reserva para los miles, una convención opuesta a la
del inglés, que debe manejarse con cuidado para evitar errores matemáticos
graves. La expresión de la significancia estadística (valor) nunca debe
reportarse como , sino como , reflejando la imposibilidad
estadística de la certeza absoluta.
Uso de tiempos verbales por secciones
La coherencia temporal es otro componente del nivel micro que guía al
lector a través de la cronología del estudio. El uso inconsistente de los tiempos
verbales es uno de los errores más frecuentes en las revisiones editoriales
(véase la Tabla 5).
60
Tabla 5: Uso de tiempos verbales por secciones
Sección Macro
Tiempo Verbal
Predominante
Justificación Lógica
Introducción
Presente / Presente
Perfecto
Referencia a verdades
generales y al conocimiento
actual.
Materiales y Métodos
Pasado (Pretérito)
Descripción de las acciones
ya ejecutadas en el
laboratorio o en el campo.
Resultados
Pasado (Pretérito)
Reporte de lo observado
durante la fase de
experimentación.
Discusión
Presente
Interpretación de los
hallazgos y sus implicaciones
actuales.
Conclusiones
Presente
Declaración de la
contribución permanente del
estudio.
61
Diferencias disciplinares y culturales en la
arquitectura del manuscrito
Aunque el formato IMRyD es el estándar predominante, existen
variaciones significativas entre las ciencias duras y las humanidades o las
ciencias sociales. En las ciencias naturales, el estilo tiende a ser impersonal,
favoreciendo el uso de la voz pasiva refleja (se observó) para enfatizar el
fenómeno por encima del observador. Sin embargo, en algunas disciplinas
modernas se permite el uso de la primera persona del plural (nosotros
medimos) para inyectar responsabilidad directa en el diseño experimental.
En las humanidades, la estructura macro es a menudo temática y
menos rígida. Las secciones pueden llevar títulos descriptivos y la narrativa
fluye de forma continua, donde la metodología está intrínsecamente ligada al
análisis crítico y no está separada en una sección técnica. Comprender estas
tradiciones es vital para que el investigador adapte sus niveles meso y micro
a las expectativas de su comunidad discursiva específica (Zembylas et al.,
2019).
Errores críticos y el proceso de autoedición
multinivel
La revisión de un manuscrito debe realizarse de forma descendente,
desde lo macro hasta lo micro. Un error frecuente es dedicar horas a pulir
oraciones (nivel micro) en una sección que eventualmente será eliminada
debido a una falla estructural (nivel macro).
62
Lista de verificación de autoedición (Self-Editing Checklist)
El autor debe someter su trabajo a un escrutinio riguroso basado en
indicadores de calidad para cada nivel estructural:
1. Nivel Macro:
○ ¿El título refleja fielmente el hallazgo principal sin resultar
excesivamente largo?
○ ¿El resumen contiene el propósito, el método, los resultados y la
conclusión de forma equilibrada?
○ ¿La introducción sigue el modelo CARS y establece claramente un
nicho o un vacío de conocimiento?
○ ¿La sección de métodos provee suficiente detalle para que un colega
competente replique el estudio?
2. Nivel Meso:
○ ¿Cada párrafo posee una oración temática clara que guía el contenido?
○ ¿Se utilizan conectores lógicos para suavizar la transición entre
bloques de ideas?
○ ¿La longitud de los párrafos es equilibrada, evitando bloques densos
de más de una página o párrafos fragmentados?
○ ¿La progresión de la información sigue un orden lógico (antecedente-
consecuente)?
3. Nivel Micro:
○ ¿Se cumple el contrato de lo conocido y de lo nuevo para facilitar el
flujo de lectura?
○ ¿Se han eliminado las nominalizaciones innecesarias y los verbos
débiles?
63
○ ¿El uso de hedging y boosting es estratégico y equilibrado?
○ ¿Se han verificado la concordancia, la puntuación y las normas de
reporte estadístico?
La excelencia en la comunicación científica no es un talento innato, sino
una competencia técnica que se adquiere mediante la comprensión de la
arquitectura del manuscrito. La interdependencia entre los niveles macro,
meso y micro es absoluta: una gran idea científica puede ser ignorada si está
enterrada en una estructura macro confusa; un argumento sólido puede
perder fuerza si sus párrafos (nivel meso) no tienen conexión lógica; y la
credibilidad de un investigador puede verse mermada por errores sintácticos
o imprecisiones léxicas (nivel micro).
El investigador contemporáneo debe actuar como arquitecto y artesano
de la palabra. Al dominar la superestructura IMRyD, la lógica del párrafo y la
mecánica de la oración, el autor no solo comunica información, sino que
construye un espacio de diálogo en el que su investigación puede ser
comprendida, citada y ampliada por otros (Codina, 2022). En un ecosistema
científico saturado de información, la claridad estructural es la ventaja
competitiva definitiva que garantiza que el conocimiento valioso trascienda las
páginas del manuscrito y contribuya al progreso de la sociedad global.
64
Capítulo 5
Integridad en la Era del Publish
or Perish: Gestión del Riesgo
Ético en la Ciencia
Contemporánea
La arquitectura del sistema científico global ha experimentado una
transformación radical en las últimas décadas, transitando de un modelo
basado en la curiosidad intelectual y el intercambio de conocimientos a una
estructura de mercado altamente competitiva, conocida bajo el aforismo
«publish or perish» (publicar o perecer). Esta transición no ha sido un proceso
puramente administrativo, sino que ha reconfigurado la psicología del
investigador y la naturaleza misma del descubrimiento científico (Rovasio,
2019).
La presión por mantener una producción constante para asegurar
plazas, financiamiento y reconocimiento social ha generado una serie de
disfunciones sistémicas que amenazan la integridad del registro del
conocimiento. El presente informe analiza de manera exhaustiva los
mecanismos de esta presión, las manifestaciones de la mala conducta
científica que de ella se derivan y las estrategias de mitigación que los
profesionales de la investigación pueden adoptar para preservar la ética sin
sacrificar su viabilidad profesional en el complejo panorama académico actual.
65
Evolución Sociológica y Mecanismos de la
Presión Académica
El fenómeno de publicar o perecer no es una invención reciente de la
era digital, aunque su intensidad se ha exacerbado con la proliferación de
métricas algorítmicas. Investigaciones recientes han rastreado el origen de
este lema hasta finales de la década de 1920 y principios de la de 1930.
Originalmente, el concepto tenía una carga ética positiva: el conocimiento que
no se comunicaba a la comunidad científica se consideraba muerto o perdido
para la posteridad.
Sin embargo, la institucionalización de la ciencia a mediados del siglo
XX transformó este ideal de comunicación en un requisito de productividad
laboral. Sociólogos como Logan Wilson ya advertían en 1942 sobre los peligros
de un sistema que redujera el valor de un académico a su número de
publicaciones, sugiriendo que este enfoque podría convertir a los profesores
en meros trabajadores auxiliares de una maquinaria burocrática.
En la actualidad, esta presión se ha consolidado a través de lo que
algunos analistas denominan la visión tecnocrática de la vida académica,
donde las universidades operan como empresas, la educación se percibe como
una mercancía y el éxito se mide mediante el índice , el factor de impacto y
el volumen de citas. Este métrica-centrismo ha creado un entorno en el que la
investigación innovadora se percibe como un riesgo innecesario. Innovar es,
por definición, una apuesta cuya recompensa promedio a menudo no justifica
el riesgo profesional en un sistema que premia la acumulación de resultados
66
predecibles y rápidos. Por tanto, la estructura de incentivos actual favorece el
avance en áreas ya establecidas en lugar de la exploración de fronteras
disruptivas, lo que, a largo plazo, podría estancar el progreso científico real.
Impactos Psicológicos y Desgaste del Capital
Humano Investigador
La presión constante por publicar tiene consecuencias profundas en la
salud mental de los científicos, que a menudo se manifiestan como el síndrome
de fatiga académica o el burnout. Por ende, los autores destacan que la cultura
del publish or perish ha elevado los niveles de estrés y los trastornos del sueño
entre los investigadores jóvenes, quienes ven su carrera amenazada antes
siquiera de consolidarse. La necesidad de supervivencia profesional
distorsiona la motivación intrínseca: la curiosidad natural del científico se ve
reemplazada por una ansiedad constante de cumplir las cuotas de producción.
Este entorno psicológicamente tóxico no solo afecta al individuo, sino
que también compromete la calidad de la ciencia producida. El agotamiento
mental reduce la capacidad de pensamiento crítico y de atención al detalle,
factores esenciales para la reproducibilidad de los experimentos. Además,
existe una correlación sólida entre la imposición de una producción constante
y la deserción temprana de carreras académicas prometedoras, lo que
representa una pérdida incalculable de capital humano y de recursos de
financiamiento gubernamental. La sensación de que la universidad se ha
convertido en una era de la desinformación, donde el volumen oculta la
calidad, ha llevado a muchos investigadores a cuestionar la identidad misma
67
de su trabajo.
La Anatomía de las Tentaciones: Malas
Prácticas y Fraude Científico
Bajo la presión extrema de un sistema que no admite el fallo ni el
silencio editorial, surge un espectro de conductas que comprometen la
integridad científica. Estas prácticas se dividen generalmente entre los
pecados capitales —fabricación, falsificación y plagio (FFP)— y las Prácticas
de Investigación Cuestionables (QRPs), que son más sutiles pero igualmente
perjudiciales por su efecto acumulativo.
La fabricación implica la invención total de datos u observaciones,
mientras que la falsificación supone la manipulación de materiales, equipos o
procesos, o el cambio de datos para obtener los resultados deseados. Un
ejemplo notable de falsificación es la manipulación de imágenes y gráficos,
una práctica que ha llevado a la retracción de numerosos artículos en revistas
de alto perfil. Por otro lado, el plagio, definido como la apropiación de ideas o
palabras sin el crédito correspondiente, sigue siendo una amenaza persistente,
ahora facilitada por la capacidad de las herramientas digitales para
parafrasear textos de manera masiva.
Las QRPs, a menudo percibidas como atajos menores, incluyen el salami
slicing o la fragmentación de resultados, en la que un único estudio robusto
se divide artificialmente en varios artículos mínimos para inflar las estadísticas
de publicación. Asimismo, el p-hacking, o uso inadecuado de métodos
estadísticos para forzar la significancia de los resultados, y el cherry-picking,
68
o selección sesgada de datos, distorsionan el conocimiento científico al
generar resultados que otros equipos no pueden reproducir. Estas conductas
no son incidentes aislados; reflejan disfunciones estructurales en las que el
sistema premia la visibilidad por encima de la solidez.
El Complejo Industrial de la Publicación
Fraudulenta: Revistas Depredadoras y
Secuestradas
La demanda insaciable de publicaciones ha dado lugar a un mercado
negro de editoriales y revistas que priorizan el lucro económico por encima del
rigor científico. Las revistas depredadoras (predatory journals) son
publicaciones que imitan el formato de las revistas legítimas, pero carecen de
procesos de revisión por pares reales o de calidad. Estas entidades a menudo
bombardean a los investigadores con correos electrónicos halagadores y
prometen tiempos de publicación inusualmente rápidos —a veces semanas—
a cambio de tarifas de procesamiento de artículos (APCs) que no son
transparentes desde el inicio.
Un fenómeno aún más perverso es el de las revistas secuestradas
(hijacked journals). En este caso, ciberdelincuentes crean sitios web
fraudulentos que suplantan la identidad de una revista legítima, utilizando su
nombre, su logo e incluso su ISSN. Los investigadores, creyendo que están
enviando sus trabajos a una publicación de prestigio, terminan pagando cuotas
elevadas por alojar sus artículos en sitios web falsos que carecen de validez
académica e indexación real (Alhuay et al., 2025). Publicar en estos medios no
69
solo desperdicia recursos financieros, sino que también puede causar un daño
irreparable a la reputación profesional del autor, invalidando sus méritos en
la carrera investigadora y dejando sus hallazgos en un limbo digital.
Estrategias de Verificación y Diligencia Debida
Para evitar estas trampas, la comunidad científica recomienda el uso de
herramientas como la iniciativa Think. Check. Submit ofrece una lista de
verificación detallada para evaluar la fiabilidad de una revista antes del envío.
La diligencia debida incluye verificar si la revista está indexada en bases de
datos reconocidas, como Scopus o Web of Science, corroborar la identidad y la
afiliación del comité editorial y desconfiar de promesas de rapidez extrema en
la revisión. La consulta de listas blancas (directorios de confianza) y negras
(registros de publicaciones dudosas) es un paso esencial en el flujo de trabajo
de cualquier investigador moderno (véase la Tabla 6).
Tabla 6: Estrategias de verificación y diligencia debida
Herramienta de
verificación
Función Principal
Recurso de Acceso
Think. Check. Submit.
Checklist de
transparencia editorial y
de calidad.
thinkchecksubmit.org
DOAJ
Directorio de revistas de
acceso abierto confiables.
doaj.org
Portal del ISSN
Verificación oficial de la
identidad de la revista.
portal.issn.org
70
Beall's List
Registro histórico de
editoriales
potencialmente
depredadoras.
beallslist.net
Master Journal List
Base de datos oficial de
Web of Science.
mjl.clarivate.com
Gestión de Proyectos y Tiempo como
Estrategia de Resiliencia Ética
Gran parte de la inclinación hacia malas prácticas o el envío a revistas
dudosas se debe a una gestión ineficiente de los tiempos y a una planificación
deficiente de los proyectos de investigación. La presión de las fechas límite y
la acumulación de tareas administrativas pueden llevar a decisiones
apresuradas. Una gestión eficaz del tiempo no solo aumenta la productividad,
sino que también reduce el estrés y permite dedicar el tiempo necesario a
asegurar el rigor metodológico y la honestidad en la escritura.
Técnicas como el time blocking —dividir la jornada en bloques
dedicados a una sola tarea— y el método Pomodoro —ciclos de 25 minutos de
trabajo intenso con descansos de 5 minutos— son fundamentales para
mantener la concentración profunda (deep work) requerida para la redacción
científica. Además, el uso de herramientas como la matriz de Eisenhower
ayuda a priorizar las tareas importantes sobre las urgentes, lo que permite al
investigador enfocarse en lo que realmente genera impacto académico a largo
plazo.
71
Aplicación de Metodologías Ágiles a la Producción
Científica
El entorno de investigación puede beneficiarse significativamente de
metodologías ágiles como Scrum y Kanban, diseñadas originalmente para el
desarrollo de software. Estas metodologías se centran en entregas iterativas y
cíclicas de valor, lo que permite recibir retroalimentación constante y realizar
ajustes rápidos (véase la Tabla 7). Al visualizar el flujo de trabajo mediante
tableros Kanban (columnas: Pendiente, En progreso, Terminado), el
investigador o el equipo puede identificar cuellos de botella y gestionar mejor
los recursos (Merchán et al., 2024). El uso de sprints —periodos cortos de
trabajo focalizado de 1 a 4 semanas— ayuda a completar hitos específicos,
como la revisión de bibliografía o el análisis de una base de datos, evitando la
parálisis por análisis.
Tabla 7: Aplicación de metodologías ágiles en la investigación científica
Metodología / Técnica
Aplicación en la Escritura
Científica
Beneficio Ético y
Productivo
Scrum
Sprints semanales para
las secciones del paper.
Avance constante y
revisiones frecuentes de
la integridad.
Kanban
Tablero visual del estado
de los manuscritos.
Identificación de la
sobrecarga y prevención
del apuro.
Eisenhower Matrix
Clasificación de
experimentos vs.
Protección del tiempo
dedicado a la reflexión
72
burocracia.
profunda.
Time Boxing
Bloques de 3 horas para
la redacción, sin
distracciones.
Mejora de la calidad
textual y reducción del
plagio accidental.
SMART Goals
Objetivos específicos de
redacción por día.
Motivación sostenible y
cumplimiento de plazos
reales.
La Mentoría y la Supervisión como Pilares de
la Integridad
La integridad científica no es una habilidad que se adquiere de forma
aislada; es una cultura que se transmite mediante el ejemplo y la supervisión
responsable. El rol del mentor es crucial en la formación de los investigadores
noveles. A diferencia de un tutor administrativo, un mentor es un guía
experimentado que establece un vínculo de confianza y ofrece orientación
moral y técnica continua. Una mentoría de calidad fomenta el desarrollo de
competencias y carácter, ayudando al joven investigador a navegar entre las
presiones del sistema sin comprometer sus valores (Mayta, 2024).
Los mentores tienen la responsabilidad de modelar prácticas honestas,
desde la justicia en la evaluación hasta la transparencia en la autoría.
Promover un ambiente en el que sea seguro cuestionar, fallar y discutir
dilemas éticos es fundamental para prevenir la deshonestidad académica.
73
Asimismo, el uso de técnicas pedagógicas que despierten el gusto por
aprender y encontrar sentido a la investigación —más allá del simple conteo
de artículos— ayuda a blindar al investigador contra las tentaciones del
camino corto.
Estructuras de Soporte y Contexto Regional:
El Caso Argentino
Para el investigador en Argentina, lidiar con la presión editorial requiere
conocer los recursos y las normativas específicas del sistema nacional. El
Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) y
universidades como la UBA y la UNLP han desarrollado marcos éticos y
programas de apoyo para jerarquizar la actividad científica local. Por ejemplo,
el Núcleo Básico de Revistas Científicas Argentinas establece estándares de
calidad para las publicaciones nacionales, asegurando que los investigadores
cuenten con canales locales de prestigio.
El uso de sistemas integrales como SIGEVA permite una gestión
transparente de los antecedentes y las producciones, lo que facilita procesos
de evaluación basados en datos curados. Además, la existencia de Comités de
Ética en Investigación Clínica (CEIC) y otros organismos acreditados en la
Ciudad Autónoma de Buenos Aires provee a los investigadores de marcos
legales y éticos para estudios complejos, protegiendo tanto a los científicos
como a los sujetos de estudio.
74
Capacitación y Redes de Apoyo en Buenos Aires
La oferta de talleres y seminarios sobre integridad científica y escritura
es amplia. Instituciones como la UNLP organizan ciclos específicos sobre
Anatomía de un paper e Investigación e IA, proporcionando herramientas
prácticas para sobrevivir al sistema internacional de publicación sin recurrir a
prácticas poco éticas. Asimismo, los programas de bioética, como los ofrecidos
por FLACSO y la UCA, profundizan en la formación de comités y en la resolución
de dilemas éticos contemporáneos. Participar en estas redes de formación
continua es una de las mejores defensas contra la alienación que produce la
presión editorial masiva.
Desafíos Emergentes y el Futuro de la
Integridad
La integridad científica enfrenta un nuevo campo de batalla: la
industrialización del fraude mediante inteligencia artificial y la proliferación de
las llamadas fábricas de artículos (paper mills). Estas organizaciones utilizan
GenIA para producir manuscritos que parecen legítimos, pero carecen de una
base experimental sólida, lo que desafía los sistemas tradicionales de
detección de fraude (Silva, 2023). Se estima que más del 50% del fraude actual
está impulsado o refinado mediante IA, lo que obliga a las instituciones a
implementar tecnologías de defensa igualmente avanzadas para combatir el
fuego con fuego.
Frente a esta amenaza, organismos internacionales como COPE han
establecido que la IA no puede ser considerada autora de un trabajo científico,
75
ya que la autoría implica responsabilidades legales y éticas que solo un ser
humano puede asumir. La transparencia en el uso de estas herramientas se
ha vuelto obligatoria, lo que exige que los investigadores declaren en qué
secciones y con qué fines se empleó la tecnología asistiva. El futuro de la
integridad dependerá de una visión holística que combine la vigilancia
tecnológica con una gobernanza ética sólida que proteja el trabajo humano
genuino.
Síntesis Constructiva y Recomendaciones
Finales
Lidiar con la presión de publicar textos científicos es una habilidad que
requiere tanto destreza técnica como firmeza ética. El investigador que desee
prosperar en este entorno sin caer en tentaciones debe adoptar un enfoque de
calidad por encima de la cantidad, reconociendo que la relevancia social y la
profundidad del trabajo superan con el tiempo al volumen de publicaciones
efímeras.
El sistema actual puede ser demandante, pero existen mecanismos de
resistencia y éxito sostenible:
1. Planificación Estratégica: Utilizar metodologías ágiles y la gestión del
tiempo para evitar las crisis de plazos que precipitan el fraude.
2. Diligencia Editorial: Evaluar meticulosamente cada revista antes del
envío para no ser víctima de la industria depredadora.
3. Transparencia Radical: Declarar todos los conflictos de interés, las
fuentes de financiamiento y los usos de IA para construir una reputación
76
de confiabilidad.
4. Colaboración y Mentoría: Buscar refugio en redes de apoyo académico y
de formación en bioética para mantener viva la vocación científica.
En última instancia, el éxito científico no se mide por el índice del
presente, sino por el impacto duradero de las ideas en el futuro. Liberar a la
ciencia de las ataduras del conteo de productividad no significa bajar los
estándares; significa restaurar el rigor y la honestidad como los únicos
caminos válidos hacia el conocimiento.
77
Capítulo 6
Fenomenología del error en la
comunicación científica:
deficiencias estructurales,
técnicas y éticas en la producción
de manuscritos
La comunicación de los hallazgos de la investigación constituye el pilar
fundamental sobre el cual se asienta el progreso de la civilización
contemporánea. Sin embargo, el proceso de transformar datos crudos y
observaciones empíricas en un manuscrito capaz de resistir el escrutinio de
los consejos editoriales más exigentes es una tarea plagada de obstáculos
cognitivos, lingüísticos y metodológicos. El análisis de la literatura actual y la
perspectiva de los editores de revistas de alto impacto revelan que un
porcentaje alarmante de las investigaciones, en ocasiones hasta el 50% de los
envíos en instituciones como Elsevier, son rechazadas antes siquiera de ser
enviadas a revisión por pares debido a fallos técnicos y editoriales prevenibles.
Este fenómeno no solo supone una pérdida de recursos institucionales
y de tiempo académico, sino que también ralentiza la difusión de
conocimientos potencialmente transformadores. El presente reporte se
propone desglosar las patologías más recurrentes en la redacción científica,
explorando sus orígenes en la falta de comprensión de las convenciones del
78
género, la interferencia lingüística y las carencias en el diseño estadístico, y
ofreciendo, al mismo tiempo, estrategias de optimización fundamentadas en
la excelencia técnica y la integridad ética.
La arquitectura del manuscrito y la disfunción
del modelo IMRAD
El marco estructural conocido como IMRAD (Introducción, Métodos,
Resultados y Discusión) ha sido adoptado universalmente como la gramática
de la ciencia debido a su capacidad para organizar la información de manera
lógica y previsible. No obstante, la mala aplicación de este esquema constituye
uno de los errores más comunes y destructivos en la producción científica
inicial (Pilatti et al., 2023). La desorganización de un manuscrito dificulta que
el lector acceda a la información esencial sin tener que navegar por detalles
superfluos, lo que reduce la eficiencia del documento. Un manuscrito eficiente
debe evitar la elaboración innecesaria y la repetición de temas, reconociendo
que la mayoría de los lectores rara vez profundizan más allá del resumen o
del abstract.
La crisis de la introducción y el establecimiento del vacío de
conocimiento
La introducción tiene como objetivo principal convencer al editor y a los
revisores de que el problema abordado es significativo y que el enfoque
propuesto es original. El error más frecuente en esta sección es la redacción
de introducciones excesivamente dilatadas que funcionan más bien como una
revisión bibliográfica enciclopédica que como un marco para el problema
79
actual. Se recomienda que esta sección no supere el 10% de la longitud total
del manuscrito, siguiendo el principio KISS (Keep It Simple, Scientist) para
mantener la concisión. Un fallo crítico es omitir la tensión científica; es decir,
fracasar al articular por qué la falta de conocimiento actual representa un
problema para el campo de estudio. Los autores a menudo describen con
detalle lo que se sabe, pero fallan al conectar esa información con la pregunta
de investigación específica, lo que deja al revisor con la duda de por qué
debería importarles el estudio.
Para corregir esta deficiencia, el autor debe estructurar la introducción
como un embudo invertido que fluye desde el contexto amplio hasta la
hipótesis específica, culminando en una declaración de propósito clara o en un
SOCO (Single Overriding Communication Objective). Un error sutil pero común
es la revelación prematura de los resultados en esta fase, lo que despoja al
manuscrito de su progresión lógica y sugiere confusión sobre la función de
cada sección.
Deficiencias en la descripción metodológica y la crisis de
reproductibilidad
La sección de Materiales y Métodos es el componente técnico más crítico
para la validación científica. Si los métodos son vagos, el estudio es
intrínsecamente irreproducible, lo cual constituye un motivo suficiente para el
rechazo inmediato en revistas de prestigio. Las inconsistencias a menudo
surgen porque los autores tienen un conocimiento tan profundo de sus
procedimientos que asumen erróneamente que ciertos pasos son de
conocimiento común y omiten detalles esenciales sobre el diseño del estudio,
80
los participantes o las técnicas de análisis (véase la Tabla 8).
Tabla 8: Inconsistencias y errores en el diseño de métodos de investigación
Categoría de error en
métodos
Descripción del fallo
Consecuencia Editorial
Opacidad en la
reproducción
Omisión de marcas,
modelos de equipos y
versiones exactas de
software.
Rechazo técnico por falta
de detalle suficiente para
replicar el experimento.
Ausencia de Aprobación
Ética
No incluir la aprobación
de un comité de ética o de
un IRB en el primer
párrafo.
Rechazo irreversible; rara
vez se otorga la
aprobación ética
retrospectiva.
Descripción Estadística
Vaga
Falta de detalle en los
métodos estadísticos y en
la justificación del tamaño
de la muestra.
Cuestionamiento de la
validez de los hallazgos y
de la potencia del estudio.
Uso de metodología
obsoleta
Empleo de técnicas
superadas por métodos
más robustos y potentes.
El estudio se percibe
como carente de novedad
o de rigor tecnológico.
La metodología debe redactarse en tiempo pasado y ser lo
suficientemente específica como para que un par de investigadores obtenga
los mismos resultados bajo las mismas condiciones. Un error recurrente es
incluir interpretaciones o resultados preliminares en esta sección, lo que
evidencia una falta de disciplina estructural.
81
El rigor estadístico y la integridad del análisis
de datos
El corazón de la validez científica reside en la solidez del análisis
estadístico. Los editores señalan con frecuencia que la falta de conocimientos
estadísticos profundos lleva a los autores a cometer errores que van desde la
elección inapropiada de las pruebas hasta la interpretación errónea de los
valores de significancia. En un contexto en el que la crisis de replicación es un
tema central, los errores estadísticos suelen ser la causa principal de que
hallazgos aparentemente emocionantes sean descartados tras una revisión
técnica minuciosa.
Errores de diseño y la problemática del tamaño muestral
El cálculo insuficiente del tamaño de la muestra es uno de los fallos
más prevalentes en los manuscritos que nunca llegan a publicarse. Una
muestra demasiado pequeña puede no tener el poder necesario para detectar
un efecto real (error tipo II), mientras que una excesivamente grande puede
detectar diferencias estadísticamente significativas pero clínicamente
irrelevantes (véase la Tabla 9). Es imperativo que los autores informen sobre
el análisis de potencia realizado antes de la recolección de datos, a fin de
justificar sus conclusiones de ausencia de diferencia (la ausencia de evidencia
no es evidencia de ausencia).
82
Tabla 9: Escenarios de tamaño muestral
Diferencia Esperada (p1
−p2)
Tamaño de Muestra
Total Requerido*
Implicación para el
investigador
5%
1450 – 3200
Requiere estudios
multicéntricos o bases de
datos masivas.
10%
440 – 820
Necesidad de recursos
institucionales
significativos.
20%
140 – 210
Común en ensayos
clínicos de fase
intermedia.
30%
80 – 100
Aplicable solo a
intervenciones con
efectos muy potentes.
40%
50 – 60
Típico de estudios piloto
con alta varianza.
*Con un nivel de
significancia del 5% y un
poder del 80%.
Además del tamaño muestral, los sesgos en el diseño experimental,
como el sesgo de selección o la falta de cegamiento en la evaluación de los
resultados, pueden invalidar el estudio. El uso de controles inadecuados o la
ausencia de un grupo de control sham en estudios de intervención a menudo
conduce a una sobreestimación de los efectos observados (Zurita & Villasís,
2021).
83
Patologías en el análisis e interpretación de resultados
Un error conceptual grave es confundir la correlación con la
concordancia en estudios de comparación de métodos. Si dos variables están
altamente correlacionadas, esto no significa que den el mismo resultado
numérico; por ello, el método de Bland-Altman es preferible a la simple
regresión lineal en estos casos. Asimismo, el uso de pruebas paramétricas
(como la prueba de Student o la ANOVA) en datos que no siguen una
distribución normal o que presentan varianzas desiguales es una falta técnica
común que los revisores estadísticos detectan con facilidad.
Otra práctica cuestionable es la sobredependencia del valor en
detrimento de los intervalos de confianza (IC). Los editores recomiendan
reportar siempre los IC, ya que proporcionan una medida de la incertidumbre
y de la magnitud del efecto, lo cual es mucho más informativo para el lector
que un simple valor . En el análisis de subgrupos, los autores a
menudo cometen el error de comparar valores entre grupos en lugar de
realizar una prueba formal de interacción, lo que puede conducir a
conclusiones erróneas sobre la efectividad diferencial de un tratamiento.
Visualización de datos y el imperativo de la
accesibilidad
Las figuras y las tablas constituyen la cara visible del manuscrito.
Muchos editores y revisores examinan los elementos gráficos inmediatamente
después del resumen para evaluar la calidad del trabajo. Sin embargo, la
84
presentación visual es frecuentemente descuidada, lo que se traduce en
gráficos confusos, etiquetas ilegibles o, peor aún, figuras inaccesibles para
personas con discapacidades visuales.
Diseño técnico y resolución de imágenes
Un error persistente es el uso de gráficos de barras y de líneas en
situaciones en las que los datos podrían representarse mejor mediante
diagramas de caja o de dispersión, que muestren la distribución real de los
puntos. Además, las figuras a menudo carecen de la resolución necesaria; las
revistas de alto impacto suelen exigir un mínimo de 300 DPI para las imágenes
y prefieren formatos vectoriales para gráficos y diagramas, a fin de evitar la
pixelación. El tamaño del texto dentro de las figuras no debe ser inferior a 6
puntos ni superior a 12 puntos para garantizar la legibilidad tras la reducción
en la página impresa.
Inclusividad y diseño para daltónicos
La comunidad científica ha comenzado a exigir que las figuras sean
interpretables para lectores con deficiencias en la percepción del color. El error
clásico es el uso de la combinación rojo/verde en microfotografías o mapas de
calor, que resulta indistinguible para las personas con daltonismo (protanopia
y deuteranopia).
Las mejores prácticas actuales sugieren el uso de paletas de colores
seguras para daltónicos, como las desarrolladas por Paul Tol o ColorBrewer.
Es fundamental que el autor verifique sus imágenes mediante simuladores de
daltonismo integrados en software como Photoshop o ImageJ. Además de la
85
elección del color, el uso de patrones, formas de puntos y texturas permite que
la información sea comprensible incluso cuando se visualiza en escala de
grises (véase la Tabla 10).
Tabla 10: Software de paletas de colores
Tipo de Figura
Recomendación de
Diseño
Herramienta/Referencia
Microfotografías
Mostrar los canales
individuales en escala de
grises junto con la imagen
compuesta.
ImageJ / Fiji.
Mapas de Calor
Usar escalas divergentes
con contrastes marcados
(p. ej., azul/naranja en
lugar de rojo/verde).
Paul Tol Palettes.
Gráficos de datos
Emplear diferentes tipos
de líneas y símbolos para
cada categoría.
RColorBrewer / Prism.
Etiquetas
Etiquetar las categorías
directamente en lugar de
usar una leyenda
separada.
Minimiza la carga
cognitiva.
86
Precisión lingüística y el desafío de la
redacción en español
La redacción de manuscritos científicos en español presenta desafíos
particulares, exacerbados por la influencia predominante del inglés en la
literatura académica. Los errores lingüísticos no son meras faltas de estilo;
pueden oscurecer el significado y disminuir la autoridad del investigador ante
los editores.
Anglicismos sintácticos y vicios gramaticales
Uno de los errores más insidiosos es la adopción de estructuras inglesas
ajenas a la sintaxis del español. Un ejemplo común es la omisión del artículo
definido al inicio de una oración (p. ej., Diabetes gestacional es… en lugar de
La diabetes gestacional es…). Asimismo, el abuso de la voz pasiva, que en
inglés es estándar pero en español resulta pesado y poco natural, debe
sustituirse con frecuencia por la pasiva refleja (se analizó en lugar de fue
analizado).
El uso incorrecto del gerundio es otra plaga en los manuscritos
científicos. En español, el gerundio no debe utilizarse para expresar una acción
posterior a la del verbo principal ni para adjetivar sustantivos (p. ej., se
inocularon las células, observándose… es incorrecto si la observación fue un
resultado posterior) (Fucito, 2015). Los autores también suelen caer en la
verbosidad, utilizando frases largas y rebuscadas para expresar ideas que
podrían comunicarse de manera más directa mediante el uso de verbos activos
y oraciones cortas.
87
La importancia de la brevedad y la coherencia verbal
La falta de brevedad es una queja recurrente de los editores; algunos
autores envían manuscritos de 40 páginas cuando las normas de la revista
sugieren entre 12 y 16 páginas, lo que se interpreta como una falla ética
respecto de las políticas editoriales y de la capacidad de síntesis del
investigador. La incoherencia verbal, en la que se pasa del presente al pasado
de manera errática dentro de un mismo párrafo, también dificulta la lectura y
sugiere una revisión descuidada. Leer el manuscrito en voz alta o someterlo a
un periodo de enfriamiento antes de la revisión final son técnicas altamente
recomendadas para detectar estos fallos de flujo y ritmo.
Integridad ética y el laberinto de la
publicación contemporánea
La ética en la investigación no se limita al tratamiento del estudio;
abarca todo el proceso de reporte y publicación. Las faltas éticas, incluso las
no intencionales, pueden resultar en la retracción del artículo, en daños
permanentes a la reputación profesional e incluso en acciones legales.
Plagio, autoplagio y el fenómeno del salami slicing
El plagio se ha vuelto más fácil de detectar gracias a herramientas como
Turnitin o DrillBit, que comparan el texto con bases de datos masivas. Sin
embargo, el autoplagio o la publicación redundante sigue siendo un problema
complejo; reutilizar grandes porciones de trabajos previos sin citarlos
adecuadamente constituye una violación de los derechos de autor de las
88
editoriales y distorsiona el registro científico. Igualmente perjudicial es el
salami slicing, que consiste en fragmentar un estudio sustancial en el menor
número posible de publicaciones para inflar el currículo del autor. Estas
prácticas diluyen el valor del conocimiento y sobrecargan innecesariamente el
sistema de revisión por pares.
La amenaza de las revistas depredadoras
En el ecosistema del acceso abierto, han proliferado las llamadas
revistas depredadoras. Estas publicaciones se caracterizan por procesos de
revisión por pares inexistentes o fraudulentos, cuyo único fin es cobrar cargos
por el procesamiento de artículos (APC). Publicar en estos medios es un error
catastrófico, ya que el trabajo queda secuestrado en un repositorio sin
credibilidad, lo que impide su posterior publicación en revistas legítimas y
mancha el historial del investigador (véase la Tabla 11).
Tabla 11: Señal de alerta y comportamientos de editoriales espuria y/o
depredadoras
Señal de Alerta (Red
Flag)
Descripción del
Comportamiento
Depredador
Acción Recomendada
Promesas de Publicación
Rápida
Garantizan la aceptación
en 24-48 horas, lo cual es
imposible en una revisión
seria.
Consultar Think. Check.
Submit—antes del envío.
Solicitudes Agresivas por
Email
Emails lisonjeros con
mala gramática que
invitan a enviar cualquier
tema.
Verificar si la revista está
en el DOAJ o si es
miembro de COPE.
89
Falta de Transparencia en
Costos
Los APC no se declaran
hasta que el autor haya
firmado el contrato de
publicación.
Revisar detalladamente el
Guide for Authors.
Comité Editorial Ficticio
Listan científicos
renombrados sin su
conocimiento o personas
que no existen.
Contactar a los miembros
del comité para verificar
su afiliación.
Herramientas de optimización y el proceso de
revisión editorial
Para elevar la calidad del manuscrito a un estándar profesional, el
investigador moderno debe apoyarse en un conjunto de herramientas
tecnológicas y en procesos de validación interna. La revisión por pares no debe
comenzar en la revista, sino dentro de la propia institución del autor.
Software de apoyo y gestión de la calidad
El uso de gestores de referencias (Zotero, Mendeley, EndNote) es
obligatorio para asegurar la consistencia en el formato de las citas y evitar el
plagio accidental por omisión. Herramientas de corrección gramatical
avanzadas, como Grammarly, o asistentes de reescritura basados en
inteligencia artificial pueden ayudar a mejorar la claridad, siempre que se
utilicen con discernimiento y se declare su uso conforme a las políticas de la
revista (García, 2020). No obstante, el autor debe tener cuidado al no confiar
ciegamente en los correctores automáticos, que a menudo fallan al captar los
90
matices técnicos del lenguaje científico.
El valor de la revisión interna y el preenvío
Someter el manuscrito a una revisión por colegas experimentados antes
del envío oficial permite identificar fallos de lógica, inconsistencias en los datos
y debilidades argumentales que el autor, debido a la ceguera por familiaridad,
no puede ver. Este proceso de revisión interna actúa como un filtro de calidad
que aumenta drásticamente las probabilidades de que el manuscrito sobreviva
al primer cribado del editor. Además, es fundamental seguir meticulosamente
la Guía para Autores de la revista elegida, ya que el incumplimiento de
formatos específicos de fuentes, márgenes o estilos de referencia suele ser
motivo de devolución inmediata por razones administrativas.
La producción de un manuscrito científico excelente no es solo una
cuestión de contar con resultados innovadores, sino también de presentarlos
con rigor técnico, claridad expositiva e integridad ética irreprochables. El
análisis exhaustivo de los errores más comunes permite trazar una hoja de
ruta para el investigador que busca maximizar el impacto de su trabajo.
Primero, la estructura debe reflejar una lógica impecable. Cada sección
del IMRAD cumple una función sagrada que no debe profanarse con
información fuera de lugar. La introducción debe crear una necesidad de
conocimiento; los métodos deben garantizar la inmortalidad del experimento
mediante la reproductibilidad; los resultados deben hablar con la voz de la
objetividad estadística; y la discusión debe situar los hallazgos en el tapiz
global de la ciencia existente, reconociendo con humildad las limitaciones
propias.
91
Segundo, la precisión de los datos y su representación visual son el
lenguaje de la confianza. El uso de guías de reporte estandarizadas (CONSORT,
PRISMA, STROBE) es el estándar de oro para asegurar que ninguna pieza
esencial del rompecabezas científico quede fuera de la vista del lector. La
inversión en un diseño visual accesible y de alta resolución no es una cuestión
estética, sino un imperativo de comunicación científica inclusiva.
Finalmente, la vigilancia ética contra el plagio y las prácticas editoriales
depredadoras constituye la salvaguarda de la carrera del investigador. La
ciencia es una conversación global basada en la confianza mutua; cualquier
atajo que comprometa la integridad de esa conversación termina,
inevitablemente, por perjudicar a quien lo toma. Al adoptar una cultura de
revisión rigurosa, honestidad estadística y excelencia lingüística, el autor no
solo mejora sus posibilidades de publicación, sino que también contribuye
activamente al fortalecimiento de la infraestructura del conocimiento humano.
92
Conclusión
Para los investigadores en ingeniería y computación, las sociedades
profesionales como la IEEE (Institute of Electrical and Electronics Engineers)
y la ACM (Association for Computing Machinery) constituyen los principales
ecosistemas editoriales de prestigio. Publicar en sus revistas y transacciones
requiere cumplir con directrices técnicas específicas y demostrar claramente
la novedad del trabajo. Por ejemplo, los editores de la IEEE exigen una
declaración explícita sobre la contribución del trabajo y su relevancia para la
comunidad de investigación.
Un reto específico en el ámbito tecnológico es convertir artículos de
conferencia en artículos de revista. La IEEE permite esta transformación si el
artículo de revista aporta un valor adicional claro, como análisis teóricos más
profundos, mejoras significativas en los algoritmos o una validación
experimental mucho más amplia que la original. La ACM, por su parte, destaca
la rapidez con que publica ideas innovadoras, pero mantiene una política
estricta de rechazo ante conductas poco éticas, como la falsificación de datos
o el uso indebido del crédito de autoría.
Uno de los mitos más comunes entre los académicos en tecnología es
creer que patentar una invención y publicarla en revistas científicas son
acciones incompatibles. Sin embargo, publicar y patentar no se excluyen
mutuamente; lo crucial es el orden en que se llevan a cabo para salvaguardar
la propiedad intelectual. La estrategia clave es: primero patentar, luego
publicar y, por último, transferir.
Como la novedad es fundamental para obtener una patente, cualquier
divulgación pública previa del invento, como artículos de revista, pósteres en
93
congresos o defensas públicas de tesis, puede invalidar la solicitud en muchas
jurisdicciones que exigen novedad absoluta. No obstante, una vez presentada
la solicitud, el investigador puede publicar los resultados en cualquier revista
científica sin poner en riesgo sus derechos de propiedad industrial.
La integridad científica es fundamental para mantener la confianza
pública en la tecnología. Los investigadores deben seguir los códigos éticos
establecidos, como los de la COPE (Committee on Publication Ethics), que
orientan el manejo de conflictos de interés, la autoría responsable y la
detección de malas prácticas. La aparición de la Inteligencia Artificial (IA)
generativa en la investigación plantea nuevos retos éticos que las revistas de
alto impacto ya enfrentan mediante normativas rigurosas.
En conclusión, las tendencias en IA en la ciencia indican una
colaboración en la que los sistemas de IA asisten en el análisis de metadatos,
la automatización de revisiones bibliográficas y la mejora del lenguaje,
especialmente para autores que no son angloparlantes. Sin embargo, muchas
editoriales consideran que usar IA para redactar o traducir manuscritos sin
supervisión humana constituye una falta de ética y emplean detectores
especializados para identificar signos de IA en los textos.
Finalmente, la UNESCO enfatiza que el uso ético de la IA debe ser
verificable y rastreable, garantizando que siempre se pueda responsabilizar
legal y éticamente a las personas. El investigador en tecnología debe ser
consciente de que una aplicación de chatbot con IA puede emitir miles de
toneladas de CO2 cada año, por lo que crear una IA respetuosa con el medio
ambiente es una tendencia esencial para el futuro cercano. En resumen,
aunque la IA es una herramienta potente para identificar nuevos patrones, no
debe reemplazar la autoconciencia, la autodeterminación ni el pensamiento
94
crítico del ser humano.
Para el investigador tecnológico, existe una brecha crucial entre diseñar
un prototipo y convertirlo en un objeto de estudio científico. La brecha que
separa el modelo inicial de la producción masiva o de la publicación final,
conocida comúnmente como el valle de la muerte en la innovación, suele ser
significativa. Los prototipos industriales generalmente se crean con métodos
rápidos, como el mecanizado o la fabricación aditiva, que no siempre reflejan
las propiedades de los materiales necesarias para la producción a gran escala
ni para la validación científica a largo plazo.
95
Bibliografía
Acosta, O.M. (2006). Análisis de introducciones de artículos de investigación
publicados en la Revista Núcleo 1985-2003. Núcleo. 18(23), 9-30.
https://ve.scielo.org/scielo.php?pid=S0798-
97842006000100001&script=sci_arttext&tlng=es
Aguayo W.P. (2011). La teoría de la abducción de Peirce: lógica, metodología
e instinto. Ideas y valores. 40(145), 33-53.
https://www.redalyc.org/articulo.oa?id=80918571002
Alhuay-Quispe, J., Yance-Yupari, V., Estrada-Cuzcano, A. & Bautista-
Ynofuente, L. (2025). Revistas fraudulentas, clonadas y secuestradas en
América Latina. Palabra Clave (La Plata). 14(2), e253.
https://doi.org/10.24215/18539912e253
Anh-Hoang, D., Tran, V., & Nguyen, L.M. (2025). Survey and analysis of
hallucinations in large language models: attribution to prompting strategies
or model behavior. Frontiers in artificial intelligence. 8, 1622292.
https://doi.org/10.3389/frai.2025.1622292
Codina, L. (2022). The IMRaD Model of Scientific Articles: What Is and How
Can Be Applied in the Humanities and Social Sciences?. Hipertext.Net. 24, 1-8,
https://doi.org/10.31009/hipertext.net.2022.i24.01
Corvalán, J.G., & Sánchez, M. (2025). Agentes de inteligencia artificial y
workflows agénticos: la nueva frontera de la automatización. Buenos Aires:
Laboratorio de Inteligencia Artificial de la Facultad de Derecho UBA.
https://www.web.ialab.com.ar/webia/wp-
content/uploads/2025/libros/Agentes-de-inteligencia-artificial-y-workflows-
agenticos/Agentes-de-inteligencia-artificial-y-workflows-agenticos.pdf
96
Di Masso, R.J., Gayol, M. del C., & Tarrés, M.C. (2014). El proceso de
investigación: De la idea disparadora al artículo científico. Revista
veterinaria. 25(2), 146-153
Fucito, M. (2015). Curso práctico de redacción para abogados.
Recomendaciones para mejorar el estilo de los escritos jurídicos. Buenos Aires:
EUDEBA
Fuenmayor, G., Villasmil, Y., & Rincón, M. (2008). Construcción de la
microestructura y macroestructura semántica en textos expositivos producidos
por estudiantes universitarios de LUZ. Letras. 50(77), 159-187
García-Puente, M. (2020). Gestores de referencias como herramientas del día
a día. Zotero. Pediatría Atención Primaria. 22(85), 95-101
Goicoechea, M. (2019). La literatura digital y los nuevos formatos de edición
literaria. Revista UNED. 4.
http://dx.doi.org/https://doi.org/10.5944/rhd.vol.4.2019.25185
Guadarrama, H.A. (2025). “Zettelkasten” Archivo de notas: el sistema de
información personal de niklas Luhmann. RUIDERAe: Revista de Unidades de
Información. 25, 1-18.
https://revista.uclm.es/index.php/ruiderae/article/view/3751/3195
Iglesias Hernández, T.D., González Valdés, A., & Hernández Rivera, D.L.
(2019). La progresión temática y la coherencia como criterios textuales en la
construcción de párrafos. Mendive. Revista de Educación. 17(2), 293-309
Instituto Tecnológico de Costa Rica. (2021). Estilo de citación y referencias
Normas IEEE. San José: Biblioteca José Figueres Ferrer & Learning Commons.
https://www.tec.ac.cr/sites/default/files/media/doc/normas_ieee_tec.pdf
Mariño, S.I. (2025). Aproximación entre la ingeniería del conocimiento y la
guía SWEBOK. Revista De La Escuela De Perfeccionamiento En Investigación
97
Operativa. 33(58). https://revistas.unc.edu.ar/index.php/epio/article/view/50
788
Mayta Tristan, P. (2024). Prácticas editoriales para la prevención del fraude
científico y la infiltración de fábricas de manuscritos. Acta Médica Peruana.
41(2), 69-73. https://doi.org/10.35663/amp.2024.412.3175
Merchán-Narváez, N.J., Palma-Peralta, E.E., & Poma-Japón, D.X. (2024).
Comparación de metodologías ágiles para el desarrollo de
software. MQRInvestigar. 8(1), 5052–5074.
https://doi.org/10.56048/MQR20225.8.1.2024.5052-5074
Morimoto, Y., Pavón, M.V., & Santamaría, R. (2015). La enseñanza de ELE
centrada en el alumno. Madrid: Asociación para la Enseñanza del Español como
Lengua Extranjera
Ñaupas, H., Valdivia, R.M., Palacios, J.J., & Romero, H.E. (2018).
Metodología de la investigación cuantitativa-cualitativa y redacción de la tesis.
Bogotá: Ediciones de la U.
http://www.biblioteca.cij.gob.mx/Archivos/Materiales_de_consulta/Drogas_de
_Abuso/Articulos/MetodologiaInvestigacionNaupas.pdf
Organización de Estados Iberoamericanos para la Educación, la Ciencia y la
Cultura. (2001). Ciencia, Tecnología y Sociedad: una aproximación conceptual.
Madrid: OEI. https://www.gub.uy/ministerio-educacion-
cultura/sites/ministerio-educacion-
cultura/files/documentos/publicaciones/ciencia_tecnologia_sociedad.pdf
Packer, A.L. (2021). Los Preprints optimizan la comunicación de
investigaciones. Revista Habanera de Ciencias Médicas. 20(4), e4294.
https://www.redalyc.org/journal/1804/180468227020/html/
Padrón Novales, C.I., Quesada Padrón, N., Pérez Murguía, A., González
98
Rivero, P.L., Martínez Hondares, L.E. (2014). Aspectos importantes de la
redacción científica. Rev. Ciencias Médicas. 18(2), 362-380
Palma Palma, P., Benavides, J., & Saltos, L.M. (2020). Los formatos
bibliográficos en la redacción de textos científicos. Revista de Ciencias
Humanísticas y Sociales (ReHuSo). 5(3), 62-71.
http://scielo.senescyt.gob.ec/pdf/rehuso/v5n3/2550-6587-rehuso-5-03-
00062.pdf
Pardal-Refoyo, J.L. (2025). Inteligencia artificial en la revisión por pares:
¿aceleración sin perder integridad científica?. Revista ORL. 16(2), e33188.
https://doi.org/10.14201/orl.33188
Pilatti, L.A., Herrera Cantorani, J.R., & Cechin, M.R. (2023). Cómo
desarrollar la estructura IMRaD en el artículo original. Retos. 49, 914-
925. https://doi.org/10.47197/retos.v49.99139
Ramos-Castillo, J. (2024). Inteligencia artificial en publicaciones científicas.
Ética e integridad ante un desafío emergente. Anales de la Facultad de
Medicina. 85(4), 393-397. https://doi.org/10.15381/anales.v85i4.16129
Rentería, E., García, E., & Malvezzi, S. (2023). Ejemplos de método en
investigaciones sociales. Aplicaciones en psicología organizacional y del trabajo
y en psicología social. Volumen II. Cali: Universidad del Valle.
https://doi.org/10.25100/peu.858
Rodríguez Orejuela, H.A., Osorio Andrade, C.F., & Arango Espinal, E. (2023).
Posicionamiento orgánico en motores de búsqueda, su relevancia científica y
tendencias de investigación. Revista Universidad Y Empresa. 25(45), 1–37.
https://doi.org/10.12804/revistas.urosario.edu.co/empresa/a.12922
Rovasio, R.A. (2019). Ciencia y Tecnología en tiempos difíciles: de la “ciencia
pura” a la “ciencia neoliberal” [Tesis de Especialización, Universidad Nacional
99
de Córdoba]. Repositorio de tesis de la Universidad Nacional de Córdoba.
https://www.famaf.unc.edu.ar/documents/1232/TFI-Compilado-RovasioRA-
2019.pdf
Silva, H. (2023). Fábrica de manuscritos: la ciencia y su integridad en peligro.
Revista Experiencia en Medicina. 9(4).
https://rem.hrlamb.gob.pe/index.php/REM/article/viewFile/740/434
Soto-Herrera, D.A., Pallares, C., & Beigel, F. (2025). Costos de publicación
en acceso abierto bajo el modelo APC: Argentina y Colombia. Revista
Interamericana de Bibliotecología. 48(1), e357790.
https://doi.org/10.17533/udea.rib.v48n1e357790
Torres-Salinas, D. (2024). Curso de escritura académica. Tomar notas con el
método Zettelkasten y Zotero. Infonomy, 2(5).
https://doi.org/10.3145/infonomy.24.055
Zembylas, M., Watkins, M., Becerra, M., & Aleu, M. (2019). Propuesta
educativa 51. Buenos Aires: FLACSO Argentina.
https://propuestaeducativa.flacso.org.ar/wp-
content/uploads/2019/11/PropuestaEducativa51.pdf
Zurita-Cruz, J.N., & Villasís-Keever, M.A. (2021). Principales sesgos en la
investigación clínica. Revista Alergia México. 68(4), 291-299.
https://doi.org/10.29262/ram.v68i4.1003
100
De esta edición de “Redacción científica para investigadores
tecnológicos: guía para la publicación de revistas de alto impacto”,
se terminó de editar en la ciudad de Colonia del Sacramento en
la República Oriental del Uruguay el 03 de marzo de 2026
101
