Unidad 4 · Revisión de literatura en la era de IA

S02 · Leemos antes de preguntar · Diana × Pirámide · Lab L1: la cita fantasma y la cita infiel · Evidence Map v0

Autor/a

Afiliación

Juan Carlos Muñoz-Mora, PhD

Universidad EAFIT · Escuela de Finanzas, Economía y Gobierno

Subirse a hombros de gigantes con IA al lado — y verificando cada cita. Esta unidad cubre el ciclo completo de la revisión de literatura moderna: qué buscar (diana de 4 capas + pirámide de evidencia), cómo buscar (PRISMA-DFLLM + prompting + apps especializadas como Litmaps), cómo leer (Keshav 3-pass × profundidad por capa + ficha activa RAG-ready), y cómo sintetizar (Evidence Map con núcleo · periferia · gap · contradicción viva). En el centro: el Lab L1 · Caza de Alucinaciones — cada estudiante mide su propia tasa de citas fantasmas y aprende las 5 recomendaciones para evitarlas.

Sesión: S02 · mar 10/11 · 18:00–22:00 · Aula 38-302 · 4 sprints + 2 descansos · Lab L1 de 45 min · Modo AIAS: 3 y 5 (colaboración y labs) · Llegan con: tema en una frase + 3 palabras clave · Salen con: Evidence Map v0 + 1 contradicción

Estructura · 4 Sprints

Hora	Sprint	Foco	JC · Act
18:00–18:45	Sprint 1 · ¿QUÉ buscar?	Propósitos · diana de 4 capas · pirámide de evidencia · primera búsqueda con tus 3 palabras clave	25 · 20
18:45–18:55	☕ Descanso 1
18:55–20:05	Sprint 2 · ¿CÓMO buscar?	PRISMA mínimo · 2026: la cita infiel · 2 caminos IA · Lab L1 · las dos presas	25 · 45
20:05–20:20	☕ Descanso 2 · café largo
20:20–21:00	Sprint 3 · 📖 Leer en era IA	Keshav en 3 pasadas · 4 modos de lectura con IA · ficha activa	20 · 20
21:00–21:50	Sprint 4 · 🏗️ Evidence Map v0	5 componentes · 1 contradicción entre papers	10 · 40
21:50–22:00	Cierre	Cada uno dice su contradicción y su tasa · próximo S03	5 · 5

Lo que no cabe en las 4 horas (peer review, papers canónicos de la pirámide, matriz PRISMA, NotebookLM, Zotero, Litmaps) está en el apéndice de la presentación, para leer en casa.

Después de S02: Lab L2 · Triangulación aumentada, asincrónico antes de S03 (guía).

Presentación de la unidad

Tip

🎥 Abrir presentación

Atajos: F fullscreen · ←/→ navegar · Esc overview · S speaker notes · B chalkboard · ? ayuda

Piezas pedagógicas icónicas

🎯 La doble cruz · Especificidad × Profundidad

La diana de Sprint 1 (① Problemas → ④ Estilo) y el método 3-pass de Keshav (5 min → 4–5 h) son ejes ortogonales. Cruzarlos da la regla operativa: leés profundo dónde tu diana es más específica.

🤔 Bingo de alucinaciones IA

Buchanan 2024 + Scherbakov 2025 + Rao 2026 + Onweller 2026: la IA inventa citas (la cita fantasma) y también cita papers reales que no dicen lo que afirma (la cita infiel). Menos del 40 % de los estudios valida lo que entrega el modelo. Hay 3 mecanismos (completación · compresión · sycophancy) y 5 recomendaciones acumulativas (constraint · RAG · CoVe · triangulación · verificación humana).

🧾 La ficha de lectura como artefacto activo

12 secciones · YAML frontmatter · [[citekey]] Zettelkasten. Diseñada para que NotebookLM la pueda leer como una fuente más. 3 razones para escribir (no solo leer): retención · re-uso · RAG-ready.

🌳 → 🌲🌳🌲 Del árbol al bosque

25 fichas perfectas sin conexiones ≠ revisión. 4 herramientas para construir vista-bosque: Miro/FigJam/Mural (tableros) · Notion/Obsidian (grafos) · NotebookLM Mind Map (auto-jerárquico) · Evidence Map (producto formal Sprint 4).

Conversar con el corpus de la unidad

💬 NotebookLM · Unidad 4

NotebookLM tiene cargadas todas las lecturas, slides y notas de esta unidad. Pregúntale cualquier concepto, cita o conexión y te responde con referencia al material.

Abrir NotebookLM →

Requiere cuenta de Google. La conversación con el bot es parte del experimento: usar IA² para aprender IA².

Recursos relacionados

• Sesión correspondiente en cronograma
• Manifiesto IA²
• Política de uso de IA
• Lab L1 · Caza de alucinaciones · plantilla

Bibliografía clave de la unidad

Foundational · PRISMA + Tipología:

• Page et al. (2021) — PRISMA 2020 Statement (BMJ)
• Grant & Booth (2009) — A Typology of Reviews · 14 review types (Health Info Libr J)
• Tricco et al. (2015) — PRISMA-ScR (scoping reviews)
• Aria & Cuccurullo (2017) — bibliometrix (R package, OSS)

Alucinaciones IA · evidencia empírica (2024–2025):

• Buchanan et al. (2024) — Citation Hallucinations >30% (American Economist)
• Scherbakov et al. (2025) — 76 papers LLM-in-SR · <40% validan (JAMIA)
• Susnjak & Hwang (2024) — PRISMA-DFLLM · extensión LLM (arXiv)
• Khraisha et al. (2024) — GPT-4 ~80% accuracy en screening (Research Synthesis Methods)
• Lau et al. (2025) — Elicit recall 39.5% vs trad 94.5% (Cochrane CESM)
• Bolaños et al. (2024) — Survey AI tools por fase (AI Review)
• Fabiano et al. (2024) — Guía práctica AI en SR (JCPP Adv)

Lectura académica:

• Keshav (2007) — How to Read a Paper · 3-pass method (ACM SIGCOMM CCR)
• Bornmann et al. (2021) — Tasa duplicación literatura científica · 17 años (Hum Soc Sci Comm)

Discovery + síntesis:

• Priem et al. (2022) — OpenAlex API (arXiv)
• Ouzzani et al. (2016) — Rayyan (Systematic Reviews)
• Messeri & Crockett (2024) — AI as Surrogate · riesgo epistémico (Nature)
• Acemoglu (2025) — IA y economía

📚 Bibliografía completa

La unidad referencia la bibliografía maestra del curso (117 entradas). Descarga el archivo BibTeX:

📥 Descargar references.bib

Referencias

Acemoglu, D. (2025). The Simple Macroeconomics of AI. Economic Policy, 40(121), 13-58. https://doi.org/10.1093/epolic/eiae042

Aria, M., & Cuccurullo, C. (2017). bibliometrix: An R-tool for Comprehensive Science Mapping Analysis. Journal of Informetrics, 11(4), 959-975. https://doi.org/10.1016/j.joi.2017.08.007

Bolaños, F., Salatino, A., Osborne, F., & Motta, E. (2024). Artificial Intelligence for Literature Reviews: Opportunities and Challenges. Artificial Intelligence Review. https://doi.org/10.1007/s10462-024-10902-3

Bornmann, L., Haunschild, R., & Mutz, R. (2021). Growth Rates of Modern Science: A Latent Piecewise Growth Curve Approach to Model Publication Numbers from Established and New Literature Databases. Humanities and Social Sciences Communications, 8, 224. https://doi.org/10.1057/s41599-021-00903-w

Buchanan, J., Hill, S., & Shapoval, O. (2024). ChatGPT Hallucinates Non-existent Citations: Evidence from Economics. The American Economist, 69(1), 80-87. https://doi.org/10.1177/05694345231218454

Fabiano, N., Gupta, A., Bhambra, N., Luu, B., Wong, S., Maaz, M., Birnie, W. K., Wong, J. J., & Solmi, M. (2024). How to Optimize the Systematic Review Process Using AI Tools. JCPP Advances, 4(2), e12234. https://doi.org/10.1002/jcv2.12234

Grant, M. J., & Booth, A. (2009). A Typology of Reviews: An Analysis of 14 Review Types and Associated Methodologies. Health Information & Libraries Journal, 26(2), 91-108. https://doi.org/10.1111/j.1471-1842.2009.00848.x

Keshav, S. (2007). How to Read a Paper. ACM SIGCOMM Computer Communication Review, 37(3), 83-84. https://doi.org/10.1145/1273445.1273458

Khraisha, Q., Put, S., Kappenberg, J., Warraitch, A., & Hadfield, K. (2024). Can Large Language Models Replace Humans in Systematic Reviews? Evaluating GPT-4’s Efficacy in Screening and Extracting Data from Peer-Reviewed and Grey Literature in Multiple Languages. Research Synthesis Methods, 15(4), 616-626. https://doi.org/10.1002/jrsm.1715

Lau, J. et al. (2025). Comparison of Elicit AI and Traditional Literature Searching in Evidence Syntheses Using Four Case Studies. Cochrane Evidence Synthesis and Methods, 3(5). https://doi.org/10.1002/cesm.70050

Messeri, L., & Crockett, M. J. (2024). Artificial Intelligence and Illusions of Understanding in Scientific Research. Nature, 627(8002), 49-58. https://doi.org/10.1038/s41586-024-07146-0

Ouzzani, M., Hammady, H., Fedorowicz, Z., & Elmagarmid, A. (2016). Rayyan—A Web and Mobile App for Systematic Reviews. Systematic Reviews, 5(1), 210. https://doi.org/10.1186/s13643-016-0384-4

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., et al. (2021). The PRISMA 2020 Statement: An Updated Guideline for Reporting Systematic Reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71

Priem, J., Piwowar, H., & Orr, R. (2022). OpenAlex: A Fully-Open Index of Scholarly Works, Authors, Venues, Institutions, and Concepts. https://doi.org/10.48550/arXiv.2205.01833

Scherbakov, D., Hubig, N., Jansari, V., Bakumenko, A., & Lenert, L. A. (2025). The Emergence of Large Language Models as Tools in Literature Reviews: A Large Language Model-Assisted Systematic Review. Journal of the American Medical Informatics Association. https://doi.org/10.1093/jamia/ocaf063

Susnjak, T., & Hwang, P. (2024). Automating Research Synthesis with Domain-Specific Large Language Model Fine-Tuning: PRISMA-DFLLM Reporting Extension. arXiv preprint. https://doi.org/10.48550/arXiv.2404.08680

Tricco, A. C., Antony, J., Zarin, W., Strifler, L., Ghassemi, M., Ivory, J., Perrier, L., Hutton, B., Moher, D., & Straus, S. E. (2015). A Scoping Review of Rapid Review Methods. BMC Medicine, 13, 224. https://doi.org/10.1186/s12916-015-0465-6