En este artículo se analizan cuestiones éticas relacionadas con el uso y la divulgación de herramientas de inteligencia artificial (IA), como ChatGPT y otros sistemas basados en grandes modelos lingüísticos (LLM), para escribir o editar manuscritos académicos.

Algunas revistas, como Science, han prohibido el uso de LLM por los problemas éticos que plantean en relación con la autoría responsable. Aquí se argumenta que ésta no es una respuesta razonable a los enigmas morales creados por el uso de los LLM, ya que las prohibiciones son inaplicables y fomentarían el uso no revelado de los LLM. Además, los LLM pueden ser útiles para redactar, revisar y editar textos, y promueven la equidad en la ciencia. Otros han argumentado que los LLM deberían mencionarse en los agradecimientos, ya que no cumplen todos los criterios de autoría.

En el artículo se sostiene que nombrar a los LLM como autores o mencionarlos en los agradecimientos son formas inapropiadas de reconocimiento porque los LLM no tienen libre albedrío y, por lo tanto, no pueden ser considerados moral o legalmente responsables de lo que hacen. Las herramientas en general, y el software en particular, suelen citarse dentro del texto, y luego se mencionan en las referencias.

Se proporcionan sugerencias para mejorar el Estilo APA para referenciar ChatGPT con el fin de indicar específicamente el colaborador que utilizó los LLM (porque las interacciones se almacenan en cuentas de usuario personales), la versión y el modelo utilizados (porque la misma versión podría utilizar diferentes modelos de lenguaje y generar respuestas disímiles, por ejemplo, ChatGPT Mayo 12 Versión GPT3.5 o GPT4), y el tiempo de uso (porque los LLM evolucionan rápidamente y generan respuestas disímiles a lo largo del tiempo).

Se recomienda que los investigadores que utilicen LLMs:

(1) revelen su uso en la introducción o en la sección de métodos para describir de forma transparente detalles tales como las indicaciones utilizadas y señalar qué partes del texto se ven afectadas,

(2) utilicen citas y referencias en el texto (para reconocer sus aplicaciones utilizadas y mejorar la localización y la indexación), y

(3) registren y presenten sus interacciones relevantes con LLMs como material suplementario o apéndices.

Hosseini, Mohammad, David B Resnik, y Kristi Holmes. «The Ethics of Disclosing the Use of Artificial Intelligence Tools in Writing Scholarly Manuscripts». Research Ethics, 15 de junio de 2023, 17470161231180448. https://doi.org/10.1177/17470161231180449.

Tomado de Universo Abierto

Este estudio empírico tiene como objetivo aportar pruebas cualitativas sobre las perspectivas de los bibliotecarios relacionados con los datos en relación con las habilidades necesarias, la educación y la formación para estas funciones en el contexto de las bibliotecas académicas canadienses. Un segundo objetivo de este estudio es comprender las perspectivas de los bibliotecarios relacionados con los datos en relación con el papel específico del MLIS en la prestación de formación y educación pertinentes. La definición de bibliotecario relacionado con datos en este estudio incluye a cualquier bibliotecario o profesional que tenga un título convencional relacionado con un campo de la biblioteconomía de datos (es decir, gestión de datos de investigación, servicios de datos, SIG, visualización de datos, ciencia de datos) o cualquier otro bibliotecario o profesional cuyas funciones incluyan la prestación de servicios relacionados con datos dentro de una institución académica.

El estudio emplea un enfoque cualitativo, incorporando pruebas empíricas en profundidad a través de 12 entrevistas semiestructuradas con bibliotecarios relacionados con los datos. El objetivo de las entrevistas es recopilar perspectivas de primera mano sobre las competencias necesarias para estos puestos y los medios por los que las personas adquieren y mantienen dichas competencias.

Las entrevistas arrojaron cuatro temas principales relacionados con las competencias esenciales para los puestos de bibliotecario especializado en datos. En primer lugar, los participantes destacaron la importancia de la experiencia en la realización de investigaciones originales. En segundo lugar, se destacó la competencia en codificación computacional y métodos cuantitativos como un conjunto de aptitudes cruciales. En tercer lugar, se reconoció la importancia de las competencias relacionadas con MLIS, como la comprensión de metadatos. Por último, se consideró valiosa la capacidad de aprender rápidamente nuevas habilidades en el trabajo. En general, este estudio sugiere que, si bien los conocimientos sobre metadatos, documentación y gestión de la información siguen siendo vitales para los bibliotecarios especializados en datos, los programas MLIS son cada vez menos competitivos en comparación con los programas de grado que ofrecen un mayor énfasis en la experiencia práctica de trabajo con diversos tipos de datos en un contexto de investigación, junto con la aplicación de diversos enfoques metodológicos.

A través de un análisis cualitativo en profundidad de los bibliotecarios relacionados con los datos en el contexto de las bibliotecas académicas canadienses, este estudio proporciona nuevas y valiosas perspectivas sobre la importancia percibida de llevar a cabo una investigación empírica original para tener éxito en estas funciones. Destaca la evolución del panorama de las habilidades requeridas y sugiere que los programas MLIS podrían beneficiarse de un mayor enfoque en la experiencia práctica con diferentes tipos de datos y metodologías de investigación para satisfacer mejor las necesidades de la biblioteconomía relacionada con datos en entornos académicos.

Rod, Alisa B. «It Takes a Researcher to Know a Researcher: Academic Librarian Perspectives Regarding Skills and Training for Research Data Support in Canada». Evidence Based Library and Information Practice 18, n.^o 2 (15 de junio de 2023): 44-58. https://doi.org/10.18438/eblip30297.

Este estudio sobre las transformaciones en la organización de la ciencia desde la pandemia de 1918 hasta la de 2020 continúa con una larga indagación del autor acerca de la actividad científica, desarrollada durante más dos décadas. Muchos de los temas de este libro fueron expuestos y discutidos por el autor en diversos cursos y seminarios en varias instituciones científicas de América Latina y Europa. Esa prolongada labor originó dos libros previos: Epistemología aplicada: metodología y técnica de la producción científica (2009) y Hacer ciencia: teoría y práctica de la producción científica (primera edición, 2015; edición corregida, 2019), ambos publicados en Lima por la Universidad del Pacífico. El primero (2009) se concentró en los aspectos prácticos de la producción científica, a partir de una apretada síntesis de los debates filosóficos del siglo XX sobre la naturaleza y metodología de la ciencia que culminaron en las obras de Popper y Lakatos, y ofrecía una detallada exposición metodológica orientada a estudiantes de posgrado y a la preparación de tesis. Hacer ciencia (2015/2019) expandió el análisis de la teoría de la ciencia, centrándose especialmente en desarrollos más recientes (aproximadamente desde 1970-1980). En ellos, la ciencia no es caracterizada como un acervo de conocimientos, teorías y proposiciones, es decir como un saber, sino como un hacer, como una actividad cuyos resultados y métodos están en permanente evolución. El presente libro, siguiendo esa concepción, no se centra en un análisis filosófico sobre la validez de las teorías y métodos de la ciencia, sino en los aspectos que definen la organización de la actividad científica. Esta ha evolucionado desde sus humildes orígenes en siglos pasados, transformándose sustancialmente sobre todo en los últimos 100 años, con una enorme expansión de los resultados científicos y sus aplicaciones tecnológicas.

Maletta, Héctor. La ciencia entre dos pandemias (1918-2020): cambios en la organización de la actividad científica y su integración en la enseñanza. Universidad del Pacífico, 2023

Texto completo

Tomado de Universo Abierto

Los chatbots almacenan la información proporcionada, como el contenido y las instrucciones, y pueden utilizarla en respuestas futuras. Esto implica que el contenido académico generado o editado mediante IA puede permanecer y aparecer en futuras respuestas, lo que aumenta el riesgo de plagio involuntario tanto para el usuario como para los futuros usuarios de la tecnología. Es importante que cualquier persona que necesite mantener la confidencialidad de un documento, incluyendo autores, editores y revisores, sea consciente de este problema antes de considerar el uso de chatbots para editar o generar trabajos.

Sin embargo, los chatbots pueden utilizarse para tareas sencillas de tratamiento de textos (similares a los programas de tratamiento de textos y corrección gramatical), generación de ideas y textos o investigación sustantiva. Las recomendaciones se han adaptado para dar cabida a estas distintas aplicaciones.

1) Solo los humanos pueden ser autores;

2) Los autores deben reconocer las fuentes de sus materiales;

3) Los autores deben asumir la responsabilidad pública de su trabajo;

4) Los editores y revisores deben informar a los autores y entre sí sobre el uso de chatbots en la evaluación de manuscritos, revisiones y correspondencia;

5) Los editores requieren herramientas digitales adecuadas para abordar los efectos de los chatbots en la publicación.

Recomendación 1 de WAME: Los chatbots no pueden ser autores.

Las revistas han empezado a publicar artículos en los que se han utilizado chatbots como Bard, Bing y ChatGPT, y algunas revistas incluyen a los chatbots como coautores. El estatus legal de un autor difiere de un país a otro, pero en la mayoría de las jurisdicciones, un autor debe ser una persona jurídica. Los chatbots no cumplen los criterios de autoría del Comité Internacional de Editores de Revistas Médicas (ICMJE), en particular el de poder dar «la aprobación final de la versión que se publicará» y «ser responsable de todos los aspectos del trabajo para garantizar que las cuestiones relacionadas con la exactitud o integridad de cualquier parte del trabajo se investiguen y resuelvan adecuadamente.» Ninguna herramienta de IA puede «entender» una declaración de conflicto de intereses, y no tiene capacidad legal para firmar una declaración. Los chatbots no tienen ninguna afiliación independiente de sus desarrolladores. Dado que los autores que presentan un manuscrito deben asegurarse de que todos los nombrados como autores cumplen los criterios de autoría, los chatbots no pueden incluirse como autores.

Recomendación 2 de WAME: Los autores deben ser transparentes cuando se utilizan chatbots y proporcionar información sobre cómo se utilizaron.

Debe indicarse el alcance y el tipo de uso de chatbots en las publicaciones de revistas. Esto es coherente con la recomendación del ICMJE de reconocer la ayuda en la redacción y proporcionar en los Métodos información detallada sobre cómo se llevó a cabo el estudio y los resultados generados.

• Recomendaciones de WAME 2.1: Los autores que envíen un artículo en el que se haya utilizado un chatbot/AI para redactar un nuevo texto deben indicar dicho uso en el agradecimiento; se deben especificar todas las indicaciones utilizadas para generar un nuevo texto, o para convertir texto o indicaciones de texto en tablas o ilustraciones.
• Recomendación 2.2 de WAME: Cuando se utilice una herramienta de IA, como un chatbot, para realizar o generar trabajo analítico, ayudar a informar de los resultados (por ejemplo, generando tablas o figuras) o escribir códigos informáticos, esto debe indicarse en el cuerpo del artículo, tanto en el resumen como en la sección de métodos. Con el fin de permitir el escrutinio científico, incluida la replicación y la identificación de falsificaciones, debe facilitarse la secuencia de comandos completa utilizada para generar los resultados de la investigación, la hora y la fecha de la consulta, así como la herramienta de IA utilizada y su versión.

Recomendación 3 de WAME: Los autores son responsables del material proporcionado por un chatbot en su artículo (incluida la exactitud de lo presentado y la ausencia de plagio) y de la atribución adecuada de todas las fuentes (incluidas las fuentes originales del material generado por el chatbot). Los autores de artículos escritos con la ayuda de un chatbot son responsables del material generado por el chatbot, incluida su exactitud. Hay que tener en cuenta que el plagio es «la práctica de tomar el trabajo o las ideas de otra persona y hacerlas pasar por propias», y no sólo la repetición literal de un texto previamente publicado. Es responsabilidad del autor asegurarse de que el contenido refleja sus datos e ideas y no es plagio, fabricación o falsificación. De lo contrario, ofrecer dicho material para su publicación, independientemente de cómo se haya escrito, puede constituir una falta de ética científica. Del mismo modo, los autores deben asegurarse de que todo el material citado se atribuye adecuadamente, incluyendo citas completas, y que las fuentes citadas apoyan las declaraciones del chatbot. Dado que un chatbot puede estar diseñado para omitir fuentes que se opongan a los puntos de vista expresados en sus resultados, es responsabilidad de los autores encontrar, revisar e incluir tales puntos de vista contrarios en sus artículos. (Los autores deben identificar el chatbot utilizado y la pregunta específica (enunciado de la consulta) utilizada con el chatbot. Deben especificar qué han hecho para mitigar el riesgo de plagio, ofrecer una visión equilibrada y garantizar la exactitud de todas sus referencias.

Recomendación 4 de WAME: Los editores y revisores deben especificar, a los autores y entre sí, cualquier uso de chatbots en la evaluación del manuscrito y la generación de revisiones y correspondencia. Si utilizan chatbots en sus comunicaciones con los autores y entre sí, deben explicar cómo se utilizaron. Los editores y revisores son responsables de cualquier contenido y cita generados por un chatbot. Deben ser conscientes de que los chatbots retienen las instrucciones que se les envían, incluido el contenido del manuscrito, y que proporcionar el manuscrito de un autor a un chatbot viola la confidencialidad del manuscrito enviado.

Recomendación 5 de WAME: Los editores necesitan herramientas adecuadas que les ayuden a detectar contenidos generados o alterados por IA. Tales herramientas deben ponerse a disposición de los editores, independientemente de su capacidad para pagarlas, por el bien de la ciencia y del público, y para ayudar a garantizar la integridad de la información sanitaria y reducir el riesgo de resultados adversos para la salud. Muchos editores de revistas médicas utilizan enfoques de evaluación de manuscritos que no fueron diseñados para hacer frente a las innovaciones y las industrias de la IA, incluidos los textos e imágenes plagiados manipulados y los documentos generados en papel. Ya han estado en desventaja al tratar de diferenciar lo legítimo de lo fabricado, y los chatbots llevan este desafío a un nuevo nivel. Los editores necesitan acceder a herramientas que les ayuden a evaluar los contenidos con eficacia y precisión. Esto es especialmente importante para los editores de revistas médicas, donde las consecuencias adversas de la desinformación incluyen posibles daños a las personas.

Tomado de Universo Abierto

Recommendations on Chatbots and Generative Artificial Intelligence in Relation to Scholarly Publications, WAME (World Association of Medical Editors) Revised May 31, 2023.

Este breve libro explicará en cierta medida qué son las revistas depredadoras, cómo se concibieron en un principio y cómo han crecido hasta convertirse en una parte tan desagradable del tejido de la publicación académica. Su historia abarca muchos de los elementos clave de las comunicaciones académicas modernas -acceso abierto (OA), análisis de citas, ética de la publicación-, pero también incluye algunos de los aspectos más desagradables de la industria. En última instancia, el libro termina con la aspiración de que el fenómeno depredador pueda abordarse de forma positiva. Es de esperar que cuantas más personas lean este libro y comprendan cómo funcionan las revistas depredadoras, más efímero será el breve éxito del que han disfrutado en lo que va de siglo.

Linacre, Simon. The Predator Effect: Understanding the Past, Present and Future of Deceptive Academic Journals. Against the Grain (Media), LLC, 2022.

PDF

ePub

Tomado de Universo Abierto

En todo el mundo se invierte mucho tiempo y recursos en poner los datos públicos al alcance de todos con el objetivo general de mejorar la vida de las personas. Cada vez hay más pruebas del impacto de los datos abiertos en la mejora de la gobernanza, la capacitación de los ciudadanos, la creación de oportunidades económicas y la resolución de problemas públicos.

Sin embargo, gran parte del valor potencial de los datos abiertos sigue sin aprovecharse, en parte porque a menudo no sabemos quién los utiliza o, lo que es más importante, quién no los utiliza pero podría beneficiarse de la información que generan. Al identificar, priorizar, segmentar y comprometerse con la demanda actual y futura de datos abiertos de forma sistémica y sistemática, los profesionales pueden garantizar que los datos abiertos estén mejor orientados.

Sabemos que no podemos centrarnos simplemente en publicar datos abiertos, ni construir un portal sin comprender sus posibles usos y demanda. Sin embargo, a menudo hacemos precisamente eso. Comprender y satisfacer la demanda de datos abiertos puede aumentar el impacto global y el rendimiento de la inversión de los fondos públicos.

El GovLab, en colaboración con el Banco Interamericano de Desarrollo, y con el apoyo de la Agencia Francesa de Desarrollo, ha desarrollado la Metodología de Evaluación y Demanda de Datos Abiertos (Beta) para proporcionar a los responsables políticos y a los profesionales de los datos abiertos un enfoque para identificar, segmentar y comprometerse con la demanda. Este proceso busca específicamente empoderar a los defensores de los datos dentro de los organismos públicos que desean mejorar la capacidad de sus datos para mejorar la vida de las personas.

Verhulst, Stefaan G., y Andrew Young. «Toward an Open Data Demand Assessment and Segmentation Methodology» GovLab, 2018.

Texto completo  

Plantillas

Metodología

Tomado de Universo Abierto

Open Access Scholarly Publishing Association (OASPA) y DOAJ (Directory of Open Access Journals) publican hoy un nuevo conjunto de herramientas para revistas de acceso abierto. El lanzamiento de estas herramientas marca un hito importante en los esfuerzos de OASPA y DOAJ para promover la transparencia, la accesibilidad y la inclusión en la publicación académica. El conjunto de herramientas responde a la necesidad de un recurso en línea para ayudar a las revistas de acceso abierto nuevas y establecidas a navegar por el panorama rápidamente cambiante de la publicación en acceso abierto. El proceso de diseño de las Herramientas para Revistas de Acceso Abierto comenzó en noviembre de 2022 y finalizó en junio de 2023 con este lanzamiento.

Open Access Journals Toolkit es un proyecto de colaboración desarrollado con la aportación de un consejo editorial diverso. Entre sus principales características se incluyen

• Un sitio web fácil de usar y accesible, con una navegación y una funcionalidad de búsqueda sencillas, que se adhiere a las directrices de accesibilidad del W3C, facilitando a todos los usuarios la búsqueda de información y recursos relevantes, independientemente de cómo accedan a Internet.
• Una colección curada de recursos que cubren diversos aspectos de la publicación en acceso abierto, como políticas editoriales, licencias, metadatos e indexación.
• Directrices y plantillas prácticas para ayudar a los editores a crear y mantener revistas de acceso abierto de alta calidad.
• Una versión descargable para ayudar a las personas cuyas conexiones no permiten una navegación coherente de la versión web.
• Disponible en varios idiomas, la versión francesa se lanzará en breve.

Open Access Journals Toolkit

Tomado de Universo Abierto

El origen y la capacidad de los contenidos generados por IA han sido temas de larga data. El aprendizaje automático ha estado presente durante más de una década, permitiendo que las computadoras adquieran inteligencia al recopilar datos, analizarlos, «pensar» y «crear». Desde la histórica victoria de Deep Blue sobre Garry Kasparov en 1996 en una partida de ajedrez, seguida por el triunfo del superordenador Watson de IBM en el programa Jeopardy en 2011, hasta la victoria de AlphaGo sobre el campeón europeo de Go Fan Hui en 2015 por 5 a 0, hemos presenciado hitos impresionantes. Sin embargo, atribuir exclusivamente la victoria a las computadoras o a los ingenieros que las crearon plantea cuestiones difíciles de dilucidar:

¿Es correcto afirmar que las computadoras han derrotado a sus contrapartes humanas? ¿O deberíamos considerar que los ingenieros que diseñaron y desarrollaron estas máquinas son los verdaderos vencedores? Además, si un automóvil Tesla autónomo llegara a causar un accidente mortal a un peatón, ¿a quién se le atribuiría la culpa? ¿A la inteligencia artificial en sí? ¿Al humano que estaba al volante? ¿O al equipo de ingenieros de Tesla que creó el algoritmo de conducción autónoma? Estas preguntas aún no tienen respuestas definitivas.

La propiedad de los contenidos generados por IA es un ámbito jurídico complejo y en evolución. En muchos casos, los términos y condiciones establecidos por las empresas, como Tesla, aclaran que la responsabilidad recae en el conductor y no en la inteligencia artificial del vehículo. Sin embargo, la asignación precisa de responsabilidad en casos como este es un desafío complejo y requiere una cuidadosa consideración legal y ética.

La propiedad de los contenidos generados por IA depende normalmente de la participación y contribución de los creadores humanos. En muchas jurisdicciones, la legislación sobre derechos de autor concede la propiedad a los creadores humanos de obras originales. Sin embargo, dado que los contenidos generados por IA son producidos por algoritmos sin participación humana directa, la cuestión de la propiedad se vuelve más compleja.

En algunos casos, el propietario de la IA puede ser considerado propietario del contenido que genera. Podría tratarse de la persona u organización que creó o entrenó el algoritmo de IA. Sin embargo, este enfoque no es aceptado universalmente, y algunos sostienen que el resultado de una IA no debería estar sujeto a la protección de los derechos de autor porque carece de la creatividad o autoría humanas necesarias.

Como alternativa, la propiedad puede atribuirse a la persona o entidad que proporcionó los datos utilizados para entrenar la IA. Por ejemplo, si una IA se entrena con un conjunto de datos de fotografías, la titularidad de los derechos de autor de esas fotografías puede influir en la titularidad del contenido generado por la IA.

Cabe señalar que algunas jurisdicciones han empezado a explorar marcos jurídicos que abordan específicamente los contenidos generados por IA. Por ejemplo, la Directiva sobre derechos de autor de la Unión Europea, adoptada en 2019, incluye disposiciones que establecen que la protección de los derechos de autor no debe aplicarse a las obras generadas por IA sin participación humana. Sin embargo, los estados miembros son responsables de implementar esta directiva en sus leyes nacionales, por lo que puede haber variaciones en cómo se interpreta y aplica esto.

En lo que respecta a los derechos de autor de las obras de arte generadas por IA, la capacidad de garantizar la protección de los derechos de autor puede depender de la participación de creadores humanos en el proceso creativo. Si un artista humano contribuye a la concepción o el diseño de la obra de arte generada por la IA, puede reclamar derechos de autor sobre ella. Sin embargo, si la IA genera de forma autónoma la obra de arte sin intervención humana, puede ser más difícil hacer valer la propiedad de los derechos de autor.

La interpretación de la legislación sobre derechos de autor y los contenidos generados por IA sigue evolucionando, y las distintas jurisdicciones pueden adoptar enfoques diferentes. Es esencial consultar con profesionales del derecho versados en la propiedad intelectual y la ley de IA para comprender las implicaciones y normativas específicas de cada jurisdicción.

Sheth, Sarang. «Who Owns AI-Generated Content? Understanding Ownership, Copyrighting, and How the Law Interprets AI-Generated Art – Yanko Design», 28 de mayo de 2023. https://www.yankodesign.com/2023/05/27/who-owns-ai-generated-content-understanding-ownership-copyrighting-and-how-the-law-interprets-ai-generated-art/.

Tomado de: Universo Abierto

CC0 permite a científicos, educadores, artistas y otros creadores y propietarios de contenidos protegidos por derechos de autor o bases de datos renunciar a esos intereses sobre sus obras y, de ese modo, ponerlas lo más completamente posible en el dominio público, de modo que otros puedan basarse libremente en ellas, mejorarlas y reutilizarlas para cualquier fin sin restricciones en virtud de la legislación sobre derechos de autor o bases de datos.

¿Por qué CC0 es una gran opción para los datos abiertos?

A los autores que envían datos a Dryad se les pide que consientan la publicación de sus datos bajo Creative Commons Public Domain Dedication, más comúnmente conocida como CC0. Al hacerlo, se pide a los autores que confirmen que cualquier material que haya sido publicado previamente por otro autor o grupo de trabajo se publicó en condiciones compatibles con CC0 y que aceptan publicar de forma novedosa cualquier material no publicado previamente bajo esta exención.

Las licencias Creative Commons (CC) son un estándar ampliamente adoptado para los productos académicos y también se emplean para una amplia gama de otros medios difundidos digitalmente (muchas imágenes de Wikipedia están alojadas bajo una licencia CC, por ejemplo). La licencia CC BY (Atribución) es particularmente común en las comunidades de investigación, ya que es la licencia bajo la cual se publican con frecuencia los artículos de acceso abierto. También existen muchas otras licencias abiertas estándar, como las específicas para software.

En cambio, CC0 no es una licencia, sino una renuncia a los derechos de autor del propietario o creador. Dedica una obra al dominio público sin restricciones ni condiciones para su reutilización, modificación o redistribución.

La reutilización de datos es el objetivo ideal de compartir datos abiertos. Las afirmaciones indebidas de derechos de autor y restricciones de licencias sobre material que probablemente no esté amparado por la ley de derechos de autor hace que los usuarios potenciales tengan que descifrar los textos legales para determinar si el contenido está sujeto a derechos de autor. Esto puede resultar bastante oneroso y crear aversión a la reutilización por miedo a acciones legales por uso indebido, especialmente en el caso de las licencias más restrictivas. Incluso si hay poca ambigüedad sobre si se puede hacer una reclamación de derechos de autor, la incertidumbre sobre cómo seguir las condiciones prescritas también puede sofocar la reutilización por miedo a acciones legales. Por ejemplo, todas las licencias CC exigen la atribución, pero ésta debe hacerse de la forma específica prescrita por el creador o creadores. Cuando se recopilan muchas obras con este tipo de licencias, esto puede crear mayor ambigüedad y cargas para los usuarios.

Con CC0, no hay ambigüedad sobre las restricciones de los datos, lo que, de nuevo, no autoriza a los usuarios potenciales a ignorar las normas establecidas por la comunidad, como la citación o la colaboración. Además, evita complicaciones en torno al llamado «apilamiento de atribuciones», cada vez más común a medida que los investigadores compilan grandes conjuntos de datos procedentes de muchas obras con licencias independientes (un inconveniente típico de CC BY en comparación con CC0). Por último, libera al editor de los datos de la carga legal de supervisar la reutilización de sus datos y, en caso necesario, de emprender acciones legales contra acciones percibidas como indebidas (algo para lo que muchas personas carecen de tiempo o recursos).

El concepto de renunciar a los derechos de autor de los productos académicos suele resultar desconcertante para los investigadores, que esperan que se reconozca el mérito de su trabajo. CC0 no exime ni excluye a los usuarios de los resultados publicados bajo esta exención de observar las normas establecidas de la comunidad, de las cuales la citación adecuada es sólo una de muchas. Las expectativas de citación y la práctica de hacerlo deben considerarse como una contribución positiva a una comunidad de investigación, no como una acción tomada bajo coacción por temor a acciones legales.

The Dryad. «Good Data Practices: Removing Barriers to Data Reuse with CC0 Licensing». Dryad news, 30 de mayo de 2023.

CC0 “No Rights Reserved”

Tomado de: Universo Abierto

OCLC está realizando pruebas beta de recomendaciones de libros generadas por inteligencia artificial (IA) en WorldCat.org, el sitio Web que permite a los usuarios explorar las colecciones de miles de bibliotecas a través de una única búsqueda. Ahora, los usuarios pueden obtener recomendaciones de libros impresos y electrónicos generadas por IA y luego buscar esos materiales en las bibliotecas cercanas. La versión beta de las recomendaciones de libros generadas por IA ya está disponible en WorldCat.org y WorldCat Find, la extensión de la aplicación móvil para WorldCat.org.

La función de recomendaciones de libros es la última utilización de inteligencia artificial por parte de OCLC para enriquecer sus servicios. OCLC actualmente emplea aprendizaje automático, una rama de la IA, en el trabajo de detección de duplicados en WorldCat y continuará expandiendo el uso del aprendizaje automático y la IA en programas en curso para mejorar la calidad de WorldCat.

La nueva función utiliza inteligencia artificial para ayudar a los usuarios de WorldCat.org a identificar libros en las colecciones de bibliotecas representadas en WorldCat relacionados con el autor y el título de un libro conocido. Los usuarios de la aplicación WorldCat Find también pueden encontrar libros según el tema. En ambos casos, no se utiliza información personal, incluido el historial de búsqueda, para determinar las recomendaciones.

Durante la prueba beta, las recomendaciones de libros generadas por IA estarán disponibles para los usuarios de  WorldCat.org en los Estados Unidos y Canadá que vean la interfaz en inglés. Los usuarios deben iniciar sesión en sus cuentas de WorldCat.org y pueden utilizar la opción para obtener recomendaciones de libros impresos y electrónicos. La versión beta de recomendaciones de libros también estará disponible para todos los usuarios de la aplicación móvil WorldCat Find. Actualmente, WorldCat Find está disponible para los usuarios de los Estados Unidos que utilizan una interfaz en inglés.

OCLC alienta a los usuarios a proporcionar comentarios acerca de la nueva función de recomendaciones de libros a través del sitio WorldCat.org y de la aplicación WorldCat Find

WorldCat es la red global más completa de datos sobre colecciones y servicios bibliotecarios. Durante más de 50 años, los expertos en metadatos de OCLC, bibliotecas, proveedores de contenido y otros han contribuido, mejorado y compartido datos bibliográficos para conectar recursos culturales y académicos en bibliotecas de todo el mundo. WorldCat.org es el sitio web de acceso gratuito donde cualquier persona puede buscar las colecciones de miles de bibliotecas.

Tomado de Universo Abierto

OCLC. «OCLC Introduces AI-Generated Book Recommendations in WorldCat.Org and WorldCat Find Beta», 21 de junio de 2023. https://www.oclc.org/en/news/releases/2023/20230621-ai-book-recs-worldcatorg.html.