Últimas Actualizaciones del Evento

¿Crisis en la revisión por pares?

Posted on Actualizado enn

revistas-cientificas

Parece que uno de los temas de actualidad en lo que al ámbito de investigación se refiere es sobre la revisión por pares o peer review. De hecho no es nada nuevo. Cada vez que hablo con un investigador me comenta las vicisitudes que conlleva ser revisor de una publicación científica. Según comentan la mayoría, se trata de un proceso que les lleva mucho tiempo de dedicación y que no tiene reconocimiento alguno, teniendo en cuenta que están haciendo un trabajo para alguien que sí que obtiene beneficios con la investigación, como son las grandes editoriales de revistas de prestigio.

Todo ello creo que queda muy bien resumido en un artículo publicado por el investigador y divulgador científico José Manuel López Nicolás en su siempre interesante blog Scientia, que ha tenido bastante repercusión mediática, y es que creo que expresa muy bien la situación. En el artículo, “La profesionalidad en el sistema de revisión de artículos científicos”, José Manuel,  explica muy claramente el proceso de la revisión por pares y, la verdad, es que a veces la realidad es muy dura.

Estoy muy de acuerdo, como ya expuse en un post anterior, con lo que explica en su artículo, que la revisión por pares debería considerarse como una actividad de investigación más que pudiera añadirse al CV del investigador en la presentación a las diferentes convocatorias y en los procesos de evaluación y acreditación. Seguramente se trata de una tarea más costosa y de mayor responsabilidad y prestigio que algunas de las actividades que sí que computan en el CV y en la evaluación del investigador. En caso contrario creo que realmente si que, en breve, se producirá un problema con la revisión por pares, dado que cada vez la producción científica es mayor, y por tanto el esfuerzo de revisión es más elevado.

Es cierto que uno de los puntos clave de la revisión por pares es el anonimato, pero ¿es realmente necesario el anonimato? ahí si que ya no puedo opinar tanto, a mi modo de ver no lo es, pero si lo es, podría puntuar igualmente solamente dando la acreditación al investigador que ha realizado revisión, por ejemplo de un número X de publicaciones del ámbito tal, como si fuera una puntuación, que a lo mejor podría tener un peso mayor o menor en función del tipo de publicación revisada, pero sin especificar la publicación concreta.

Quizás estoy simplificando demasiado la situación, pero yo también creo que la revisión y evaluación de las publicaciones, se haga como se haga, es importante. A lo mejor no para todo tipo de publicaciones pero para algunas creo que sí, y, actualmente, creo que no vamos por el buen camino con el sistema actual.

¿qué opináis? Me gustaría saber la opinión de algún investigador más que lo esté “sufriendo” también!

 

AI: Data are for machines, information for Researchers.

Posted on Actualizado enn

introduction-to-artificial-intelligence-12-638

AI: Artificial Intelligence, a concept created by Alan Turing. That is a concept that exists 66 years ago but, unlike science fiction films, has not had a realistic approach that has allowed its development and implementation in all these years. But no, I don’t want to talk about robots that act like people, witch develop feelings and others. No, I think that finally, the right approach to AI is coming, the approach that should have had from the beginning, but for some reasons it has not been possible to develop. I mean the use of the machines so that they can process the huge amount of data flowing through the network, and it has not been possible until the advent and popularisation of the Internet.

I remember a couple of years ago, I attended a conference in a Spanish public university where it was questioned if in the university were applicable concepts such as artificial intelligence (AI) and bigData, among others. Several of the speakers claimed that no, others with small mouth pointed that perhaps it was possible, but generally not seen how or where to apply.

Well, it’s only two years after and I think we can say that in the universities we can talk about bigData and many applications of AI. If we focus on one of the pillars of the university, the research area, with the development of models such as open access of publications and data as well as the internationalisation of research, where increasingly proliferate large research groups, international and multidisciplinary, no doubt, that there is an explosion of bigData in research data. And, in my view, the bigData, ie, generation and access many data in real time, leads to the need to apply artificial intelligence techniques for the analysis and processing of terabytes of data that proliferate in the network.

Thus, and related to my previous post, AI techniques are already required such as, machine learning, deep learning, computational linguistics, natural language processing and data mining, among others.

Our researchers do not have to, nor can, spend time searching and analysing raw data, ie process thousands of data to find what they seek. To do this, these algorithms and technologies need to facilitate access to information, which is not the same as access to data. So, in this way, we could say that the data is for machines, information for Researchers. I am currently working on these issues, to provide researchers with tools that can really help them in their work and enable them to move faster and to obtain the best results.

Enjoy your summer!

 

¿Cómo nos está cambiando Internet?

Posted on Actualizado enn

internet2

El otro día, leí un artículo que me llamó la atención. Como muchos otros, hablaba sobre si Internet nos hace más listos o más tontos, si, por el hecho de tener acceso a toda la información, hace que ya no tengamos que memorizar muchas cosas, que nos volvemos más despistados, etc…

La verdad es que yo opino que estamos ante una disrupción tal, que es difícil saber si es bueno o malo, aunque a mi parecer no se trata de nada malo.

Al igual que cuando sucedió con la revolución industrial, mucha gente pensó prácticamente que se acababa el mundo, esas máquinas haciendo el trabajo que hasta ahora hacían ellos, y ¿qué pasó? nada, evolucionamos.

Por el mismo motivo, la revolución digital o lo que algunos llaman la 3a. revolución, no es más que otro paso que damos, y como tal, genera miedo y desconfianza. Ahora de aquí a afirmar que ya pronto tendremos un Skynet, es decir, una avanzada inteligencia artificial , AI, que dentro de 4 días tomará conciencia de ella misma y destruirá la raza humana…sinceramente, me cuesta de creer, al menos por el momento…

Yo lo veo, de momento, más como una oportunidad que una amenaza. Por ejemplo, en el tema que yo conozco que es la investigación. ¿No es increíble el acceso a un mundo de información que pueden tener actualmente los investigadores? y no sólo eso, sino la posibilidad de creación de grupos multidisciplinares con colegas que viven a miles de kilómetros de distancia o tener más acceso a la financiación o disponer de recursos digitales a los cuales hasta ahora era muy difícil acceder, y todo ¡gracias a Internet!. Yo creo que no nos hace más tontos, nos hace más inteligentes. Tenemos que desarrollar métodos y técnicas que nos sirvan para acceder a toda esa información de forma que la podamos aplicar a nuestros intereses….¿que no hay que memorizarlo? pues igual no es necesario y ¿nos hace más olvidadizos? para nada, tenemos que centrar mucho más nuestra mente en toda esta información.

Hay, eso sí, quien habla de infoxicación, es decir, que actualmente ya hay demasiada información y no podemos procesarla. Es cierto, pero para eso estamos nosotros para “aprovecharnos” de las máquinas para que nos procesen esa información y no tener que acceder a lo que es la información “en bruto”, sino ya trabajada o “limpiada” de manera que la podamos aplicar y, para eso, inevitablemente necesitamos a las máquinas que tanto parece que empezamos a temer. Su velocidad de proceso y su capacidad de “aprendizaje” nos tiene que ayudar. Ahora bien, ¿no es cierto que, aunque una máquina sea capaz de procesar datos muy rápidamente y darnos resultados es casi imposible que haga algunas de las tareas más básicas que realizamos los humanos? pues de momento, aprovechemos las máquinas para nuestro beneficio.

Para mí, estamos en un momento realmente emocionante que, como humanos debemos ser capaces de aprovechar para nuestro propio interés.

¿Qué opináis? ¿Estáis de acuerdo? …

Podéis leer el artículo al que me refiero en el post, aquí.

 

¿Qué pasa con los datos de investigación?

Posted on Actualizado enn

grafo

 

Parece que últimamente solo se habla de los datos de investigación ¿qué pasa con los datos de investigación? por mi experiencia, intentaré resumir un poco donde estamos y cómo ha ido evolucionando, a mi modo de ver…

Inicialmente, la mayor preocupación de las instituciones era tener un repositorio que recogiera toda la información de la institución relativa a la investigación. Lo que parece una cosa obvia y trivial, no se cumplía en muchos casos y muchas universidades y centros de investigación no tenían (ni tienen actualmente) centralizada toda la producción científica que se realiza en su institución. Muchos investigadores publican directamente solo en revistas de prestigio o bien tienen otras actividades recogidas en webs propias o de departamentos, no permitiendo que la institución tenga una visión global de la investigación que se realiza. Esto es realmente una desventaja para la institución, porque conlleva que muchos de los indicadores de producción científica estén por debajo de lo que realmente podrían estar y no se refleja ni en rankings ni en diferentes fuentes de información y comparativas entre universidades que tan de moda se están poniendo.

Si la universidad ofrece un Portal con información sobre la investigación que se desarrolla en la misma, podría perder, por ejemplo, oportunidades de financiación y de visibilidad en los medios.

Así pues, como primer paso es imprescindible tener un sistema de gestión de la investigación que proporcione un repositorio centralizado con la producción científica de la universidad o la institución, garantizando la calidad de los datos que allí se registran, importando el máximo de información de fuentes externas ya validadas como las principales bases de datos comerciales. Con este primer paso, como me han dicho alguna vez desde una universidad: “ahora ya tenemos los datos ordenados”. Así, la mayoría de las universidades disponen de lo que llamamos un CRIS (Current Research Information System). Este sistema, a su vez, debe disponer de herramientas de análisis de datos, que den respuesta a objetivos tan importantes como:

  • La toma de decisiones
  • La financiación
  • el enrollment (atracción de talento)
  • optimización de procesos
  • indicadores de productividad

Con la aparición del movimiento OpenAccess, podríamos decir que la cosa “se complica”, aunque no mucho. Las universidades rápidamente han definido sus repositorios institucionales OpenAccess, donde recogen toda la producción científica que se realiza con fondos públicos, como marca la Ley de la Ciencia. La mayoría de ellos, utilizando el software DSpace. A nivel europeo también “se han puesto las pilas” rápidamente con ello, por la misma normativa a nivel europeo para los proyectos H2020. Así, el siguiente paso natural ha sido el enlace entre el sistema CRIS y el Repositorio institucional, que permita acceder a toda la información, tanto de la referencia de la producción científica, como de la publicación en formato digital, si existe.

Ahora hay que añadir a todo ello el OpenData, donde se promueve que los investigadores publiquen en abierto los resultados de sus investigaciones (los datos de los experimentos, etc..), datos parciales, datasets, en el formato que sea. Para ello, ya están empezando a proliferar las plataformas para la publicación de estos datos.

Todo ello, ha creado un universo de información relativa a la investigación diseminada en multitud de webs, bases de datos, repositorios, plataformas, redes, etc… que hace casi imposible permitir su acceso y análisis y la pérdida de potencial que toda esta información puede aportar al mundo de la investigación.

Es por ello que también se están empezando a desarrollar herramientas que permitan realizar como un mapa conceptual del universo de la investigación en que todo esté relacionado y permita de alguna forma “navegar” entre tanta información, así como proponer resultados y llegar a información que de otra forma sería casi imposible. Para ello, conceptos como el Machine Learning e incluso la AI (inteligencia artificial) deben ayudar a realizar estos mapas conceptuales que permitan este acceso a la información de la investigación. Y eso es en lo que los tecnólogos estamos embarcados y creo que es un reto importante y a la vez emocionante.

 

euroCRIS 2016 conference in St. Andrews, Scotland

Posted on Actualizado enn




From 9th to 11th of June I attended and participated in the euroCRIS conference held in St. Andrews, Scotland, a beautiful town where the St. Andrews University is located.

The title of the conference was: CRIS2016: Communicating and measuring research responsibly: profiling, metrics, impact, interoperability.

You can access the program with the links and proceedings of the presentations, here.

There were a lot of interesting presentations. I found really interesting the keynote presentation of Barend Mons.

I also presented my paper talking about ‘Can machines understand what researcher look for? Conceptualizing the research world.’ (you can access the paper in the previous program link)

In summary, I heard very interesting projects all related to two main themes:

  • Can we have more and better research indicators and metrics, taking into account the new digital research scenario? Yes, and we need it.  
  • Can we order the amount of information that are in the Internet to help researchers in their work? Yes, and it is longer necessary,

     In this way, we can talk about projects like: snowball metrics, Dspace/CRIS openSource, InCites, SELRIM project, Thor project and so on. And also projects about semantic searches solutions, like the one that we are starting in SIGMAAIE, that I presented.

Photos of my presentation:

Other presentations photos:



In my opinion, euroCRIS is a good space to interchange initiatives and projects related to research but I think that, in general, the cooperation should be higher in this kind of forums, anyway it was interesting, and now a have a lot of ideas and new interesting and valuable contacts!.


Report on EUNIS – euroCRIS joint survey on CRIS and IR

Posted on Actualizado enn

Recently it has been published the final report of the CRIS/IR surveyThat was a joint initiative of EUNIS and euroCRIS.
The goal of this survey was to collect information on CRIS (Current Research Information Systems) and IR (Open Access institutional repositories) technological solutions that support Research, and to analyses their links to other systems used at Higher Education Institutions.

The authors of the final report are:

Lígia Maria Ribeiro has been Principal Researcher at the Faculty of Engineering of the University of Porto since 2002. She was pro-rector at the University of Porto between 2006 and 2014, being responsible for ICT. Between 2004 and 2006, she was President of EUNIS, after being Vice-President for two years. She is presently a member of the EUNIS Board of Directors. 

Michele Mennielli is responsible for International Relations and Business Development at Cineca, the Italian Consortium of University. He cooperates with different international organizations to create cross-national collaborations and projects. He is Board Member and Secretary of EUNIS; Member of the DSpace Steering Group and Board Member Executive for External Relations of euroCRIS. 

Pablo de Castro works as Open Access Project Officer at LIBER, the Association of European Research Libraries in The Hague. He is an expert in Open Access and research information workflows and management systems, an area he›s worked at for GrandIR Ltd and the EDINA National Data Centre in Edinburgh. MSc/BSc in Physics from UCM, he has a background as Institutional Repository manager for the Spanish National Research Council (CSIC). Besides being an ORCID Ambassador, Pablo is also serving on the euroCRIS Board as leader of the CRIS/IR Interoperability Task Group.

I know in person the three autors and I can say that they are great professionals with a great reputation in the research scope.

The CRIS/IR survey was launched in April 2015 and was based on a previous initiative to collect information on the CRIS and IR infrastructure available in Portugal.

The goal of the survey was want to know about:

– How these two systems interoperate?
– Which data and metadata are made available and how these are being used?

The survey was distributed via mailing lists to the scientific community and institutions. 

There was wide participation from the community, there was 84 full responses from 20 different countries.


The two main questions the Survey tried to answer were: are CRISs gradually replacing IRs? Are the two systems overlapping in their functionalities? From the results we have collected, both questions seem to get a negative answer. The two systems are clearly complementary: while IRs are the preferred choice for managing research publications and dissertations and thesis, CRISs are regularly chosen for managing the institutional research information as a whole including metadata for research papers.

Some conclusions are:

About the use:

  • 62% of the institutions have both systems: CRIS and IR
  • 18% uses the same software

Aboout their contents:

  • CRIS systems hold a large variety of contents: metadata for research publications (81%), projects (76%), and reporting features (75%)
  • IR stores mainly metadata and full-text for publication (96%), dissertations and thesis (86%).
  • DSPACE is the most used software for IR (56%) 

About the interoperability:

  • Almost 65% of the institutions have linked their CRIS&IR (so, there are closely related)
  • CRIS is also the product which links with legacy systems, such finances or HR
  • There are little integration between LMS (Learning management systems) and CRIS o IR.

Another important aspect the survey collected information on was the management of CRISs systems. This will usually vary from one institution to the next, but the conclusion is that Libraries and the Research & Innovation or Research & Development units have a prominent role on the different aspects of CRIS management.

As a key conclusion, both CRISs and IRs are considered valuable tools to support Institutions in the research assessment exercises for both university and author evaluation.

You can access to the final report here.

What about research assessment systems?

Posted on Actualizado enn

Research assessment systems are a very important and complex issue in the research scope, in this way, I found an interesting matrix that, in my opinion, defines very well, at a high level, what research is, and what it can or must be evaluated:

In this matrix of assessment, we can clearly distinguish the main research topics, so we can see:
The research main actors like the researcher, the research group, the department, the institution, or the research fields. Based on this, we can make a series of questions related to the assessment:  the purpose is it to inform the allocation of research funding, to improve performance, or to increase regional engagement?
Then there are questions about which output dimensions should be considered: scholarly impact, innovation and social benefit, or sustainability? 

In this way, describes four assessment methodologies: peer review, which provides a judgment based on expert knowledge; end-user reviews, such as customer satisfaction; quantitative indicators, including bibliometric and other types of measures; self-evaluation.
These four methodologies can be — and often are — combined into a multi-dimensional assessment.

Bibliometric indicators have a central role in research assessment systems, and the main types are: basic indicators (easy to obtain and available for decades), normalized indicators (correcting for particular biases) and advanced indicators (based on advanced networks analyses)

You can see all this information in this article. This article if from 2011, so it’s not new, but I think that the concepts that appeared in the matrix, are key concepts and a good summary of what research scope is. Do you agree?