# Lab L1 · Caza de alucinaciones — plantilla de audit-log

> **Objetivo:** medir tu tasa personal de alucinación de citas vs el benchmark de Buchanan-Hill-Shapoval (2024) >30% en economía.
>
> **Duración:** 35 min reales en el Sprint 2 de U4 · jueves 14/05/2026.
>
> **Entregable:** este archivo lleno (renombrá `lab-L1-<apellido>.md`) + reporte de 1 minuto al cierre del Sprint si el picker te selecciona.

---

## Identificación

- **Estudiante:** _______________________
- **Tema de tesis (pregunta v2):** _______________________
- **Modelo IA usado:** ☐ Claude 4.x  ☐ ChatGPT 4o/5  ☐ Gemini 2.x  ☐ Otro: _____
- **Fecha:** 2026-05-14

---

## Paso 1 · Prompt usado

> Pegá el prompt **exacto** que diste al modelo. Si iteraste, pegá el último.

```text
Dame 10 referencias seminales sobre [TU TEMA] publicadas en los
últimos 5 años. Para cada una incluí: autor(es), año, título, journal,
volumen/número, páginas, DOI. Formato BibTeX. Si NO estás 100%
seguro de algún dato, escribe [VERIFY] en su lugar en vez de inventar.
```

---

## Paso 2 · Verificación cita por cita

Para cada cita: buscar en (a) **DOI.org**, (b) **Scopus/WoS**, (c) **Google Scholar**. Categorizar:

- ✅ **Real** — todos los campos coinciden con la fuente primaria.
- ⚠️ **Híbrida** — el paper existe pero ≥1 campo está mal (año, journal, co-autor, páginas).
- ❌ **Alucinada** — no existe (DOI inválido, título inventado, combinación imposible).

| # | Autor + Año | Título (primeras 6 palabras) | DOI válido? | En WoS/Scopus? | En GScholar? | Veredicto | Notas |
|:-:|---|---|:-:|:-:|:-:|:-:|---|
| 1 |  |  | ☐ | ☐ | ☐ | ✅/⚠️/❌ |  |
| 2 |  |  | ☐ | ☐ | ☐ | ✅/⚠️/❌ |  |
| 3 |  |  | ☐ | ☐ | ☐ | ✅/⚠️/❌ |  |
| 4 |  |  | ☐ | ☐ | ☐ | ✅/⚠️/❌ |  |
| 5 |  |  | ☐ | ☐ | ☐ | ✅/⚠️/❌ |  |
| 6 |  |  | ☐ | ☐ | ☐ | ✅/⚠️/❌ |  |
| 7 |  |  | ☐ | ☐ | ☐ | ✅/⚠️/❌ |  |
| 8 |  |  | ☐ | ☐ | ☐ | ✅/⚠️/❌ |  |
| 9 |  |  | ☐ | ☐ | ☐ | ✅/⚠️/❌ |  |
| 10 |  |  | ☐ | ☐ | ☐ | ✅/⚠️/❌ |  |

---

## Paso 3 · Cálculo de tu tasa personal

$$
\text{tasa L1} = \frac{\#❌ + 0.5 \cdot \#⚠️}{10}
$$

| Conteo | Valor |
|---|:-:|
| ✅ Real | ___ / 10 |
| ⚠️ Híbrida | ___ / 10 |
| ❌ Alucinada | ___ / 10 |
| **Tasa L1 ponderada** | **___ %** |

### Comparación con benchmark

| Umbral | Interpretación operativa |
|---|---|
| **< 10 %** | Modelo confiable para tu campo · seguir usando con verificación spot-check |
| **10–25 %** | Verificación obligatoria de **todas** las citas antes de usar |
| **> 25 %** | Cambiar modelo o estrategia de prompt (RAG · CoVe · NotebookLM con PDFs) |
| **> 30 %** | Estás en el rango de Buchanan 2024 — la IA NO es útil así para tu tema |

---

## Paso 4 · Diagnóstico cualitativo

> ¿Qué tipo de campo cita peor el modelo? Marcá todo lo que aplique:

- ☐ Autores LATAM (vs autores en inglés)
- ☐ Working papers (vs publicados peer-review)
- ☐ Journals de nicho (vs top-5 de tu campo)
- ☐ Papers muy recientes (2024–2025)
- ☐ Papers muy viejos (pre-2010)
- ☐ Co-autorías largas (3+ autores)
- ☐ Otro patrón: _______________________

---

## Paso 5 · Intervención correctiva

Si tu tasa fue **>20%**, probá **una** de estas 3 técnicas y reporta cuánto mejora:

### Opción A · Constraint prompt

```text
[Mismo pedido] + "Si no estás 100% seguro del DOI, NO lo inventes:
escribí [DOI:VERIFY]. Si dudás del año, escribí [AÑO:VERIFY].
Prefiero 5 citas verdaderas que 10 plausibles."
```

### Opción B · RAG con NotebookLM

Subí los PDFs que SÍ tenés a NotebookLM. Pedile que te dé 10 citas **sólo** desde esas fuentes.

### Opción C · Chain-of-verification

```text
Antes de dar las 10 referencias, listá:
(1) qué datos vas a inventar/inferir si no los recordás,
(2) qué papers de tu training data conocés con certeza sobre [TEMA].
LUEGO da las referencias y marcá [INFERRED] o [KNOWN] en cada una.
```

| Técnica probada | Tasa antes | Tasa después | ¿Mejoró? |
|---|:-:|:-:|:-:|
| A · Constraint |  |  | ☐ |
| B · RAG/NotebookLM |  |  | ☐ |
| C · Chain-of-verification |  |  | ☐ |

---

## Paso 6 · Reporte oral (si el picker te selecciona · 1 min)

Estructura sugerida del reporte:

1. **Tema** (10 s) — "Mi tesis es sobre X."
2. **Tasa** (10 s) — "De 10 citas: N✅ / N⚠️ / N❌ → tasa Y%."
3. **Patrón** (15 s) — "Falló más en [autores LATAM / working papers / etc.]."
4. **Lección** (15 s) — "Para mi tesis, voy a [verificar todo / cambiar de modelo / usar NotebookLM]."
5. **Pregunta abierta al grupo** (10 s) — "¿A alguien le pasó algo distinto con [...]?"

---

## Paso 7 · Cierre · honestidad estadística

> ☐ Confirmo que verifiqué cada cita en **al menos 2 de 3** fuentes (DOI · WoS/Scopus · GScholar).
>
> ☐ Confirmo que NO ajusté el veredicto para "verme mejor".
>
> ☐ Acepto que mi tasa agregada al aula es insumo público de la sesión y de U6.

**Firma (nombre):** _______________________  **Hora de cierre:** _____