¿Es la inteligencia artificial generativa una aliada de la ciencia abierta?
Open accessAbstract
El artículo explora la relación entre la inteligencia artificial generativa (IAG) y la ciencia abierta, destacando tanto sus beneficios como sus riesgos. La IAG puede simplificar conceptos científicos complejos, mejorar la gestión de datos y automatizar procesos editoriales, lo que podría potenciar la ciencia abierta. Sin embargo, también presenta desafíos éticos y riesgos, como la generación de síntesis erróneas, la perpetuación de sesgos y la creación de contenido de baja calidad. La relación entre la IAG y la ciencia abierta se compara con interacciones biológicas como el mutualismo y el parasitismo, sugiriendo que un enfoque equilibrado y colaborativo es esencial. La ética y la transparencia son fundamentales para asegurar que los datos abiertos se utilicen de manera responsable y que los resultados generados sean verificables y reproducibles.
The claims and statistics of this paper haven’t been checked yet.
Run the check — free, no account needed. It reads the open-access text and checks the sources it cites.
Integrity signals
Registry
Cites
Statistics
Claims the paper makes
The claims and statistics of this paper haven’t been checked yet.
Run the check — free, no account needed. It reads the open-access text and checks the sources it cites.
Claims other papers make about this one
Each is checked against this paper’s own text: does it say what the citing paper says it does?
Los datos y la información disponibles en acceso abierto son la columna vertebral para sustentar los objetivos, la naturaleza, la formación y el modelado de la IAGen.
“los datos y la información disponibles en acceso abierto son la columna vertebral para sustentar los ob-jetivos, la naturaleza, la formación y el modelado de la IAGen”
From Derechos de autor y licencias de la inteligencia artificial generativa: un análisis desde la ciencia abierta en América Latina (2025) · cites this paper as López-Borrull, 2024
En «Ventajas e inconvenientes del uso de la IAG en ciencia abierta» (sin página indicada), el artículo afirma que la IAG puede beneficiarse de los datos abiertos. En «Anuario ThinkEPI 2024» (sin página indicada), añade que los repositorios de datos pueden mejorar los modelos. Esto respalda la importancia de esos datos, pero no la afirmación más amplia de que sean la «columna vertebral» de los objetivos y la naturaleza de la IAGen. (LLM, conf=0.84)
Experimental — accuracy not yet measuredGenAI models are trained with high volumes of data, mainly retrieved from the internet, open access repositories, among other sources, to generate their contents.
“Asimismo, existen diversas referencias acerca de que los modelados de la IAGen se realizan con altos volúmenes de datos, principalmente recuperados de la internet, repositorios de acceso abierto (López-Borrull, 2024), entre otras fuentes, para generar sus contenidos.”
From Derechos de autor y licencias de la inteligencia artificial generativa: un análisis desde la ciencia abierta en América Latina (2025) · cites this paper as López-Borrull, 2024
In the Anuario ThinkEPI 2024 section (page not available), the paper discusses large data repositories and says that generative AI uses open-science data. It does not say that training data are retrieved mainly from the internet, so the claimed predominance and source of those data are unsupported. (LLM, conf=0.83)
Experimental — accuracy not yet measured
Self-check
Percentages, sums and reported differences re-computed from the paper’s own numbers.
The self-check needs the paper’s full text.
Cites
Still being checked.
Research works printed but not linked: 2
- Acion, Laura; Rajngewerc, Mariela; Randall, Gregory; Etcheverry, Lorena (2023). "Generative AI poses ethical challenges for open science". Nature Human Behaviour, n. 7, pp. 1800-1801. https://doi.org/10.1038/s41562-023-01740-4 · DOI
- Hosseini, Mohammad; Horbach, Serge P. J. M.; Holmes, Kristi; Ross-Hellauer, Tony (2024). "Open science at the genera- tive AI turn: An exploratory analysis of challenges and opportunities". Quantitative science studies. https://doi.org/10.1162/qss_a_00337 · DOI · Paper page
Cited by
Sorted by citations
de México, U. N. A., & Palma Peña, J. M. (2025) · Revista Interamericana de Bibliotecología · doi:10.17533/udea.rib.v48n3e358961
- Authors
- López-Borrull, A.
- Venue
- Anuario ThinkEPI
- Published
- 2024-12-18
- Volume
- 18
- ISSN
- 1886-6344 (ISSN-L)
- 2564-8837
- OpenAlex
- W4405555235
- Cited by
- 1
- References
- 0
- Citations by year
- 2025: 1
- FWCI
- 0.37
- Type
- journal article
- Language
- es
- Open access
- diamond
- doi.org
- Locations
- Anuario ThinkEPI (publishedVersion)
- Topics
- Social Sciences › Decision Sciences › Information Systems and Management › Academic Publishing and Open Access
- Social Sciences › Safety Research › Ethics and Social Impacts of AI
- Physical Sciences › Computer Science › Information Systems › Research Data Management Practices
- Keywords
- generative AI, open science, AI in scientific publishing, data management, algorithmic bias, AI ethics, transparency, reproducibility, open data
About these checks
Registry, retraction, Cites and statistics results are computed, not judged, with one exception: a printed reference that no index lists is read once by a model before it counts as a citation error. Claims are extracted by a model and kept only when their quote appears verbatim in the text; each cited source is then checked, with a model’s help, for whether it says what the claim relies on. Those verdicts can be wrong — read the claim’s quote and the cited source before relying on one.
Statistics and arithmetic are recomputed, not judged.
Confidence bands are shown only for fields calibrated on our annotated test set. None is calibrated yet, so no band is shown.
What counts as a claim ›How we measure confidence ›How we check this ›
Are you an author, or do you see a problem with this page? Request a review
