¿Puede aportar la Documentación soluciones para la gestión de ingentes cantidades de datos?

Wired, esa revista que pasa por ser uno de las más vitales cazadoras de tendencias en el mundo tecnológico, dedica su último número a desgranar cómo las cada vez más complejas y gigantes cantidades de datos que se manejan en las investigaciones están cambiando la forma tradicional de la Ciencia. Con el provocador título en su portada de The end of Science, y con el ejemplo de Google (cómo no), y de la secuenciación del genoma, Wired afirma que se acabó la era de las teorias, ya no es necesaria la búsqueda de un modelo que explique el comportamiento de algún fenómeno, basta con mirar los números. Polémica afirmación, cuanto menos.

We can throw the numbers into the biggest computing clusters the world has ever seen and let statistical algorithms find patterns where science cannot.

Desde luego, y pese a los enemigos de lo cuantitativo (tantos y tantos en la ByD, por ejemplo) es innegable que las cantidades de datos con las que se trabajan en los laboratorios provoca un cambio en los métodos de trabajo. Los viejos sistemas de almacenamiento y recuperación de información tienen unos límites, más o menos amplios, pero los tienen. El reto de la Documentación es desde luego aportar soluciones que ayuden a la gestión de esos datos en una época en la que ya no es suficiente indizar tan sólo un título y unas simples keywords que se le han ocurrido al documentalista o bibliotecario de turno. Es necesario indizar el texto completo y establecer mecanismos de jerarquización y recuperación de la información.

Por ello, surgen métodos como los basados en metáforas biológicas (por ejemplo, los algorismos genéticos o los basados en colonias de hormigas) como forma de aproximarse a las soluciones más probables que una necesidad de información puede generar.

Esto es lo que hace Google con tus consultas. Fuente: Wired: Sorting the World: Google Invents New Way to Manage Data.

Pero no es necesario pensar en complejas operaciones logarítimicas para las que muchos no estamos capacitados. El rastreo y recuperación de información sobre un tema determinado ya supera ampliamente el terreno de lo textual y de los tradicionales formatos web.

Rastrear mails, feeds, nanoblogs, redes sociales, fotos, tags, vídeos, y en definitiva, cualquier elemento informativo accesible a través de la Red, almacenar dicha información y prepararla para su análisis es cada vez más una ingente tarea que sobrepasa los límites del trabajo individual y manual, y que debe basarse (sí o sí) en métodos automáticos, semánticos (signifique esto lo que signifique) e inteligentes, que posibiliten que el sistema "aprenda" de la información ya almacenada. El objetivo puede ser detectar insospechadas relaciones entre variables o aportar la mejor evidencia para la toma de decisiones.

Sean cuales sean los objetivos finales, el mundo de la Documentación, en colaboración con matemáticos e informáticos está en disposición de ayudar en el diseño de estos sistemas y jugar un papel esencial en su desarrollo. Apasionante, sin duda.

servido por documentacion 1 comentario compártelo favorito

¡Tres años en la blogosfera!

Ya ha llovido desde que, al poco de terminar la carrera, en vez de irme a la playa con mis amigos como haría alguien medio normal, me encerré en casa delante del ordenador para comenzar a indagar sobre diversas cuestiones del mundo documental que no me quedaron demasiado claras durante los años universitarios.

En este tiempo el blog ha reflejado mis temas de interes profesionales, con algunas pinceladas de mi vida personal (sobretodo al principio), se ha resentido con los picos de trabajo y con los momentos de desánimo tan habituales en estas lides blogueras y en fin, para bien o para mal ha pasado a ser parte habitual de las tareas obligadas semanales encontrar un huequito para divagar sobre este o aquel aspecto de la ByD.

Por un motivo u otro siempre llego tarde al post celebración (1er aniversario; 2º aniversario), y es que el principio de julio suele suponer el comienzo también de una nueva etapa o de algún cambio sustancial. En este caso, julio significa mudanza hogareña a terrenos más tranquilos y luminosos y también cambios en el terreno laboral. Estos meses compagino mi trabajo en ec3 con nuevas tareas documentales en un ilusionante proyecto bajo los auspicios de la Fundación I+D de Software Libre.

En este curso blogosférico además he conseguido estabilizar la producción en unos 5-7 posts mensuales, que para los tiempos que corren no están nada mal. Eso sí, los comentaristas se están haciendo un poco los remolones, porque hemos bajado la media de comentarios por post :-( de 4,6 a 3,7 a pesar de algunos posts muy comentados, como el dedicado al caso Arbor.

Yo no manejo el presupuesto de la SEDIC para montar una fiesta cada vez que celebramos el aniversario del blog, pero por supuesto que os voy a dar las gracias siempre a los que os seguís pasando por aquí a menudo, o leyendo a través de los agregadores las novedades, a los que echais un ratito en dejar un comentario o poner un enlace, y a los que alguna vez me habeis dicho por ahí que leeís el blog y que os gusta.

¡¡¡¡¡¡¡¡¡¡MUCHAS GRACIAS!!!!!!!!!!!!

servido por documentacion 14 comentarios compártelo favorito

Leyendo Thinkepi 2008

Ya me llegó, al igual que a otros compañeros, por gentileza de su equipo, el Anuario Thinkepi 2008, donde se desgranan las tendencias más destacables en Información y Documentación en los últimos meses. Las notas publicadas en el anuario ya fueron distribuidas previamente a través de la lista de distribución iwetel y del sitio web del grupo, por lo que la edición en papel, yo la entiendo como el intento por fijar estas contribuciones en un formato más clásico, y por lo tanto, susceptible de llegar a otra audiencia.

Sin embargo, dado que los textos se conciben en su origen como una nota breve destinada al consumo por medio del correo electrónico, su conversión al papel deja una extraña sensación en el lector. Ya que la mayoría de temas tienen un fuerte componente tecnológico, y que hay múltiples referencias a otras webs, esa característica se pierde en el elegante formato papel. Por otro lado, las respuestas a las notas, realizadas con rapidez y generando debate y nuevos matices también sufren con este cambio de formato.

Como cabía esperar en una obra tan heterogénea, las aportaciones son de desigual calidad, y también de muy diferentes tonos. Mientras en algunos artículos, la profusión de referencias bibliográficas y lo trabajado del texto nos acerca a la investigación, el tono más desenfadado y ligero de otras notas podrían enmarcarse más en el terreno de la opinión y de la reflexión para el debate. Otros textos se acercan a la crónica de eventos muy puntuales. Uno de los aspectos, a mi entender, mejorables de cara a futuras ediciones sería la aportación de más voces de distintos ámbitos. Sería deseable que aumentara el número de personas que forma parte de Thinkepi, incluso con gente que no trabaja directamente en la disciplina documental enriqueciendo así los temas tratados (y es que como Observatorio de tendencias, a veces se observa mejor desde fuera que desde dentro), y aportando nuevos elementos para el escrutinio público.

La obra se complementa con una selección de las noticias más destacables del año, extraídas de Documenea (una ordenación cronológica en vez de temática quizá hubiera sido más útil en esta sección) y con una serie de estadísticas documentales elaboradas por Emilio Delgado y Mercedes de la Moneda, con especial atención al mundillo de las asociaciones profesionales y sociedades científicas que nos da buena idea de la atomización de las profesiones documentales.

A pesar de las limitaciones propias de toda propuesta naciente, Thinkepi es ya en su segundo año, una referencia profesional de primer orden para estar al día en el mundo de la Documentación y una fuente imprescindible para la actualización de conocimientos en los distintos ámbitos del amplio mundo de la Gestión de la Información. Larga vida, pues, para ellos.

servido por documentacion 2 comentarios compártelo favorito

Widgets: reutilizar contenidos con el mínimo esfuerzo

Empecemos por el principio: ¿Qué es un widget?

Un widget es uno de esos artilugios que habitualmente adornan las barras laterales de los blogs. La mayoría de ellos son inútiles y aportan muy poco al lector. Hay una relación inversamente proporcional entre el número de cacharritos que se encuentran en un blog y la calidad del mismo.

Entonces, un widget, ¿es algo inútil?

No tiene por qué. Usados con mesura pueden tener su utilidad, e incluso están cambiando algunas de las características tradicionales del formato blog, como las colecciones de enlaces a otros blogs (blogroll) o tipologías tradicionales de posts como los links a recursos de utilidad.

Dame algún ejemplo, que no pillo bien la idea

Por ejemplo, el blogroll, estático y textual lo puedes cambiar por aplicaciones como Feevy o Feedeliza, que te permiten ver los últimos blogs de tu interés que han actualizado,generándose de forma dinámica y con un mayor atractivo visual. Queda muy mono integrado en el blog, y proporciona la sensación de contar con un blog permanentemente actualizado, además de dar un valor añadido a los contenidos propios. Echa un vistazo a cómo lo usan en Docuweb.

Otro clásico es mostrar las últimas actualizaciones de tu twitter o las últimas fotos publicadas en flickr (como hace Javier Leiva). Los widgets permiten concentrar tu yo digital en un sólo sitio que actúa como hub dando acceso a las múltiples webs o redes sociales donde desarrollas tus actividades. Si eres un nativo digital usarás Friendfeed, si eres más viejuno, como yo, y jugabas a la atari, lo normal es que lo concentres todo en tu blog.

¿Y puedo aprovechar de alguna manera los widgets en mi trabajo diario?

Puede ser. Por ejemplo, si te dedicas a la información científica, proveedores como Scopus te permiten fabricarte tus propios widgets a partir de búsquedas predefinidas y convenientemente RSSeadas. Todo lo que se publique en una determinada revista, o las citas recibidas por dicha producción, sin ir más lejos. Si el propio web no te proporciona el artilugio, sitios como Dapper te permiten fabricarlo en un par de minutos. Ahí puedes encontrar algunas aplicaciones muy interesantes para extraer resultados de Google Scholar que podrían tener aplicación muy útil en compatibilidad con otras bases de datos.

Uff, ya te has metido en tus rollos bibliométricos y no me entero de nada. Tú, ¿para qué utilizas los widgets?

Lo mío es un poco más prosaico. Uso los widgets para dar la sensación de tener un blog actualizado, y con nuevos contenidos más allá de las actualizaciones (escasas). Un twitt se escribe mucho más rápido que este post y quizá pueda aportar algún valor a alguien.

Y tú, querido lector ¿usas widgets? ¿para qué los utilizas?

ACT. 15-JUN: La presentación de Javier Leiva en EDOCPA trata estos temas y propone muchos más ejemplos de integración de fuentes externas en nuestro sitio web. Merece la pena echarle un vistazo.

servido por documentacion 4 comentarios compártelo favorito

España supera las 100 revistas indizadas en la Web of Science

A raíz del post en el que cuestionaba la inclusión de 700 nuevas revistas en la Web of Science, los de Thomson han contactado conmigo y me han facilitado algunos datos relativos a las revistas españolas.

Así, ya son 102 las revistas españolas indizadas por ISI en sus tres índices (Artes y Humanidades, Ciencias Sociales, Ciencias). Respecto a los últimos datos que teníamos, esto significa que hay 29 nuevas revistas, que son (por orden alfabético):

Allergologia et immunopathologia
Anales de la real academia nacional de farmacia
Anales de medicina interna
Anales del sistema sanitario de navarra
Anuario de estudios medievales
Atencion primaria
Ciencia y tecnologia alimentaria
Clinica veterinaria de pequenos animales
Clinical & translational oncology
Dyna
Emerita
Gaceta sanitaria
Informes de la construccion
Investigacion agraria-sistemas y recursos forestales
Itea-informacion tecnica economica agraria
Medicina paliativa
Pediatrika
Psicologia conductual
Ra-revista de arquitectura
Revista de la real academia de ciencias exactas fisicas y naturales serie a-matematicas
Revista de psicologia del deporte
Revista espanola de medicina nuclear
Revista espanola de nutricion comunitaria-spanish journal of community nutrition
Revista iberoamericana de automatica e informatica industrial
Revista iberoamericana de micologia
Revista internacional de sociologia
Revista matematica complutense
Trabajos de prehistoria
Universia business review

Por índices, de las 102 revistas españolas, 60 corresponden al Science Citation Index Expanded, 24 al Social Science Citation Index y 21 al Arts & Humanities Citation Index. Enhorabuena a las nuevas revistas indizadas por lo que supone en cuanto a reconocimiento y visibilidad dentro de la comunidad académica. En ec3 noticias, Dani tiene algunos datos más acerca de la distribución geográfica y temática de las nuevas 700 revistas.

servido por documentacion 2 comentarios compártelo favorito

La batalla de las casas de citas: Scopus sigue ganando terreno

Thomson ISI vs Elsevier Scopus. Estas dos multinacionales siguen batallando en el antes monopolístico mundo de las bases de datos de citas. La entrada de Scopus le pareció sentar bien a ISI, que se aplicó en la renovación de interfaces y en la mejora de la identificación de autores e instituciones. Sin embargo, en los últimos meses (bajo mi punto de vista) es Scopus la que mejor y más rápido está haciendo las cosas.

Thomson traiciona su espíritu añadiendo varios centenares (700 en concreto) de revistas de ámbito regional a una base de datos que pasa por ser selectiva y exigente en sus criterios de inclusión. Su objetivo no era recopilarlo todo, era seleccionar lo mejor. Este añadido de revistas podría entenderse si se produjera en áreas infrarrepresentadas o si, igualmente, expulsaran a un número similar de revistas. Sin embargo, y esto es algo que realmente nadie entiende, no dicen qué títulos son los que se han añadido a la base de datos (ni los que salen). ¿Tan dificil era publicar un listado con las nuevas inclusiones? A fecha de hoy en las webs de Thomson Scientific es imposible encontrar dicha información. ISI no es transparente, y lo que no es transparente es sospechoso.

Lo problemático de estos cambios de cobertura tan bruscos y tan mal explicados es que los análisis posteriores que se hagan van a estar muy determinados por estas circunstancias. Así, y tras la inclusión de un buen puñado de revistas españolas en 2007, nos encontramos con que algunos análisis bibliométricos comienzan a darnos resultados poco habituales, y que se explicarían en gran parte por la indización de un mayor número de revistas españolas, y no porque la ciencia patria haya dado un salto cualitativo importante.

Scopus, al menos, parece más transparente en sus formas y más dispuesto a ponernos las cosas fáciles. Así, podemos saber que este año se añaden 17 nuevas revistas españolas, sobre un total de 605 nuevas inclusiones [xls] o el número de revistas indizadas por esta base de dato que se publican en Open Access [xls]. Han incorporado además recientemente nuevas funciones como el Scopus Journal Analyzer y permiten la instalación de widgets en los que, por ejemplo, se muestran los artículos relevantes para una determinada búsqueda (maravillas del rss, yo los he instalado en la columna derecha del blog para que muestre los últimos artículos en Bibliometría).

En definitiva, ésta es una batalla en la que hay muchos intereses comerciales en juego, y no sé si tantos de carácter científico. Seguro que ambas empresas seguirán dando que hablar en los próximos meses, con nuevos lanzamientos y novedades. Por aquí lo iremos contando.

ACT. 5-JUNIO: España supera las 100 revistas indizadas en la Web of Science

servido por documentacion 3 comentarios compártelo favorito

Sobre el Thinkepi dedicado a los blogs científicos

(nota enviada a iwetel siguiendo el hilo Blogs en publicaciones periodísticas y científicas en España: dos situaciones divergentes. El caso del blog de EPI. Puedes consultar los archivos la nota en Thinkepi para leer las interesantes opiniones de los otros participantes).

Como se ha comentado, tener una actitud 2.0 no consiste sólo en abrir un blog. Hacer las cosas bien requiere medios materiales y económicos, y una estrategia clara. Nature Publishing Group tiene una estrategia basada en la participación y en la difusión a través de la web de diversos contenidos científicos de forma gratuita (pero no los artículos de su revista emblema, Nature, qué casualidad).

PLoS también tiene una estrategia clara, y muchos recursos. Incluso tienen a una persona en PLoS One (el Online Community Manager) cuya principal función es estimular la participación de los investigadores a través de comentarios, puntuaciones, etc. Sin embargo, como demostró el experimento del Open Peer Review la comunidad científica no es proclive a dirimir sus puntos de vista científicos (los personales, como hemos visto en el caso arbor, no hay ningún problema en dirimirlos donde sea) en estas novísimas plataformas (baste mirar en la mencionada PLoS One unos cuántos artículos al azar para comprobar qué pocos tienen algún comentario, anotación o han sido puntuados, y eso que es el ejemplo de revista 2.0).

Desde luego, atendiendo a la evidencia, y no a nuestros deseos, si se pudieran votar los artículos en E-LIS por ejemplo, el resultado sería muy pobre: votarían los de siempre, los bloggers y los administradores del sistema...

Creo que una cuestión muy distinta (y que poco tiene que ver con lo 2.0 y menos con blogs) es la cuestión acerca de la periodicidad de las revistas científicas, y el (sin)sentido que puede ser el retener durante meses un articulo hasta que llegue su fecha de publicación en papel. En disciplinas como la Física descubrieron hace años que un repositorio de pre-prints (ArXiv) era la mejor manera de poner a disposición de la comunidad los artículos. Yo creo que las grandes editoriales, viendo que el open access les está comiendo el terreno, SÍ han tomado ya medidas, como es la publicación online de los artículos en cuanto son aceptados. Es la opción Online First en las revistas de Elsevier, pero es que incluso algunas de las bases de datos más importantes como Medline (tag:Epub ahead of print) o Scopus (tag:Article in Press) ya indizan los artículos en cuanto son publicados online. Esto provoca casos, como que un artículo con fecha julio de 2008 haya sido ¡ya citado dos veces!

En fin, en mi opinión no leemos revistas, leemos artículos (parafraseando aquel no leemos blogs, leemos posts). Tomados de una revista en papel, de un repositorio temático, quizá una tesis de un repositorio institucional colgada SIN permiso del autor, de una página personal,.. y, sin duda, los indicadores de evaluación de la investigación deben refinarse y combinarse para medir esta nueva realidad (¿alguien dijo descargas?).

(Puedes demostrar que tienes una actitud 2.0 y dejar aquí un comentario :-)

servido por documentacion 3 comentarios compártelo favorito

El caso Arbor: ¿ética científica o censura?

Me resulta apasionante el caso Arbor: pone de manifiesto lo más bajo de la Ciencia: rivalidades personales, falta de ética científica, malas prácticas editoriales, acusaciones cruzadas,...Expliquemoslo todo.

Arbor, una de las revistas científicas más prestigiosas editadas por el CSIC del campo de las Humanidades ha saltado a la palestra en los últimos días debido a un caso bastante polémico relacionado con la publicación de un artículo a cargo de José Carlos Bermejo Barrera. En dicho artículo [pdf] se criticaba en concreto la actividad de un grupo de investigación en arqueología, y por extensión la política cultural de la Xunta de Galicia en materia arqueológica.

El artículo, tras pasar los filtros habituales de la publicación científica se publicó, y posteriormente fue retirado temporalmente de la web de la revista (aunque está publicado en la versión en papel) al producirse una reclamación. Finalmente, la dirección de la revista ha decidido retractar el artículo por no ser original, y echarle la culpa al editor científico del número en cuestión por no realizar una adecuada evaluación.

La revisión realizada por la Comisión del proceso editorial que concluyó con la publicación del citado trabajo, ha puesto de manifiesto que dicho artículo incumple el requisito de originalidad exigido por la revista en su normativa, un hecho cuya responsabilidad recae en el editor científico de este número monográfico al no someter dicho trabajo a una preceptiva y correcta evaluación.

De hecho, se señalan dos publicaciones anteriores prácticamente iguales del mismo autor. Sin embargo, como bien han expuesto en firgoa, no se trata de que no sea original, se trata de que no es inédito, hecho este que no se señalaba como requisito en las instrucciones a autores de la revista.

En este orden de cosas, Arbor retira el artículo por ser una publicación duplicada, sin entrar a valorar el contenido del documento. El autor denuncia que se trata de censura, ya que el grupo de investigación sobre el que vierte sus críticas está dirigido por un alto cargo del CSIC. El lío está servido.

Una de los organismos más activos en esto de las malas prácticas editoriales, el ICJME nos dice qué hacer cuando se detecta un caso de publicación dupicada (aunque el ICJME se refiere a la Biomedicina, creo que en este caso es extensible a todos los ámbitos de la Ciencia)

If the editor was not aware of the violations and the article has already been published, then a notice of redundant or duplicate publication will probably be published with or without the author’s explanation or approval.

Es decir, lo correcto es publicar una nota explicando el asunto, pero sin llegar a la retractación formal del artículo, puesto que lo afirmado en él, en teoría, es correcto.

Sin embargo, no podemos eximir al autor de su parte de responsabilidad. Bermejo Barrera es un viejo conocido, ya que no es la primera vez que critica con vehemencia las prácticas habituales que se siguen en la evaluación de la ciencia, gestión de las universidades, proceso de Bolonia,...Su próxima conferencia, que sin duda será movidita se titula Oligarquía y caciquismo en la universidad y la ciencia españolas. Ahí es nada. Incluso a la Cienciometría ha dedicado algún que otro escrito con su habitual ironía...

El dominio de las sofisticadas técnicas de la Cienciometría capacita a aquellos que gobiernan para ejercer sus funciones de forma no sólo razonable, sino también paternal y benéfica, sobre todos aquellos de sus administrados que, debido a su temprana edad, escasa experiencia y falta de formación, no son evidentemente capaces de gobernarse a sí mismos.

Lo curioso no es que critique el uso de la bibliometría (algo habitual entre los investigadores de todos lo campos del saber) sino que en el artículo retractado eche mano de técnicas bibliométricas como argumento a favor de sus afirmaciones y que, por ejemplo, nos hable de la baja productividad del grupo criticado, del escaso impacto de sus trabajos, o del excesivo número de autocitas en sus textos. A Dios rogando y con el mazo dando.

Es llamativo también que, en un mensaje a iwetel, Carlos Rodríguez Rellán intente justificar el hecho de la publicación duplicada en el afán por distribuir sus trabajos entre el mayor número de lectores posible que hace que muchos investigadores publiquen el mismo artículo, sin apenas cambios, en distintos idiomas. Y añade que es un proceso institucionalizado, igual que la autocita.

Hombre, la autocita es un hecho absolutamente lógico en la actividad científica de un investigador, que es un proceso acumulativo. Lo absurdo sería que un autor no citara investigaciones precedentes suyas. Y en cuanto, a la publicación duplicada, es uno de los grandes males de la publicación científica. Los 70.000 duplicados detectados hasta ahora en Medline o algunas de las iniciativas contra esta mala práctica da fe de ello, pero eso no legitima de ningún modo la práctica de publicar dos veces la misma cosa.

En definitiva, un caso digno de estudio en profundidad, por todos los procesos relacionados con la comunicación científica y por lo relativo a la ética y motivaciones de los investigadores. Lo dicho, apasionante.

ACTUALIZACIÓN

26 mayo. Creo que el caso va a traer cola para rato. El editor del monográfico, Juan R. Goberna, acusado por Arbor de mala práctica editorial se defiende de las acusaciones con un arsenal de argumentos. Entre otros asuntos, dice que sugerirá al CSIC que se constituya otra “Comisión independiente” que revise las posibles “duplicaciones” de artículos publicados por las revistas del área de Humanidades y Ciencias Sociales del CSIC en los últimos cinco años, a fin de que procedan a su retractación formal y sometan a sus respectivos editores, como en mi caso, a una reprobación también pública.

servido por documentacion 19 comentarios compártelo favorito