Unidad 7 · Ética y comunicación de la ciencia en la era IA²

Cierre del curso · S07 comunicación y ética · S08 taller de video póster · 🏁 H4 (35%) + Peer (10%)

Autor/a
Afiliación

Juan Carlos Muñoz-Mora, PhD

Universidad EAFIT · Escuela de Finanzas, Economía y Gobierno

Cierre del curso y del Sprint macro C. Tomamos lo que ya está construido (PRON en H1, Evidence Map + DAG en H2, PAP moderado + Lab L4 en H3) y lo convertimos en un video póster. Dos planos que estaban implícitos y ahora se nombran: (1) Ética IA² en investigación — la convergencia 2023-2025 de (International Committee of Medical Journal Editors, 2023), (Nature Editorial, 2023) y (Messeri & Crockett, 2024) establece que la IA no es autora, que debe declararse y que la transparencia es la nueva integridad; (2) Comunicación de la ciencia — la pirámide de difusión (Schwabish, 2021), (Wilke, 2019), (Heath & Heath, 2007), la visualización como argumento (no decoración) y el Lab L5 · ¿Quién decidió? como meta-auditoría del thread completo del póster. El curso cierra el sábado con un taller de video póster y una pregunta que cada uno responde sin IA al frente, porque ahí se ve si la propuesta es tuya o de la IA.

Sesiones: S07 (vie 20/11 · 4 h presencial · comunicación y ética) + S08 (sáb 21/11 · 6 h presencial · taller de video póster) · Modo AIAS: 2 (Planning) en S07 y en el video · 1 (No AI) en la pregunta de cierre, el peer review y las respuestas a pares · Lab IA²: L5

Estructura · S07 + S08

S07 · vie 20/11 · 18:00–22:00 · 4 h presencial · 38-303

Lab L5 asincrónico antes de S07 (90 min). En clase cada uno comparte su hallazgo principal.

Formato híbrido: una persona del grupo participa en virtual en S07 y S08.

Tiempo Sprint Foco JC · Act
0–15 Sprint 0 · 🎤 Standup Estado del PAP (H3) y del video póster · reportan los 4 5 · 10
15–75 Sprint 1 · 📢 Comunicación de la ciencia Pirámide de difusión · 4 audiencias · visualización como argumento · Schwabish + Wilke + Heath 30 · 30
75–85 ☕ Break
85–145 Sprint 2 · ⚖️ Ética IA² en investigación ICMJE/Nature/COPE · autoría · AIAS como ética · 4 ilusiones de Messeri-Crockett 40 · 20
145–155 ☕ Break
155–195 Sprint 3 · 🚀 Fronteras + L5 + peer review 4 fronteras · hallazgos del L5 · rueda de peer review · commit del video v1 25 · 15
195–240 Sprint 4 · 🎬 Taller de guion Guion v1 del video póster + gráfico dominante en aula 5 · 40

S08 · sáb 21/11 · 8:00–12:00 y 13:00–15:00 · 6 h presencial · 38-303

Hora Bloque Foco
08:00–08:15 Apertura Reglas del taller · guion y voz propios
08:15–09:05 Taller 1 · Guion Guion IMRaD de 3 a 5 min, leído en voz alta con cronómetro
09:05–09:45 Taller 2 · Gráfico dominante Versión final + prueba de 5 segundos
09:45–10:00 ☕ Break
10:00–11:00 Taller 3 · Grabación de ensayo Screencast con voz y subtítulos
11:00–11:55 Taller 4 · Retroalimentación de pares 4 borradores × 11 min
11:55–12:00 Cierre de la mañana Qué cambia cada uno
13:00–13:20 Estreno 60 s de cada borrador
13:20–13:45 Pregunta de cierre “¿Qué hizo la IA por ti que tú no hiciste?”, sin IA al frente
13:45–13:55 ☕ Break
13:55–14:30 Retrospectiva Auto-evaluación + encuesta de cierre
14:30–14:55 Cierre ritual Manifiesto IA² personal firmado
14:55–15:00 Entregas H3 dom 22/11 · 23:59 · H4 mar 24/11 · 23:59 · Peer jue 26/11 · 23:59

Presentación de la unidad

Tip

🎥 Abrir presentación

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

Piezas pedagógicas icónicas

⚖️ Ética IA² · la convergencia 2023-2025

En enero 2023, (Nature Editorial, 2023) publicó una editorial inequívoca: ChatGPT no puede ser autora — la autoría implica responsabilidad legal y científica, que un modelo no puede asumir. Meses después, (International Committee of Medical Journal Editors, 2023) (el Comité Internacional de Editores de Revistas Médicas que define el estándar global) actualizó sus Recommendations: la IA no califica como autora · su uso debe declararse en métodos · el primer autor es responsable indelegable. La convergencia es nítida: COPE, WAME, Science, Cell, AEA, ACM — todos en la misma línea. Operativo para tu tesis: sección “AI Use Disclosure” obligatoria, modelo + tareas + decisiones aceptadas/rechazadas. Sin declaración, sin nota.

🪞 Las 4 ilusiones de Messeri-Crockett

(Messeri & Crockett, 2024) (Nature) advierte que la IA crea 4 ilusiones epistémicas en investigación: (1) ilusión de profundidad — el resumen reemplaza la lectura; (2) ilusión de objetividad — el output suena neutro pero hereda sesgos; (3) ilusión de amplitud — parece cubrir literatura que no leíste; (4) ilusión de comprensión — explicar a la IA reemplaza explicarte a ti. Este es el argumento ético-epistémico detrás de AIAS: declarar el modo no es burocracia, es honestidad sobre qué ilusiones operaron en cada entregable. El Lab L5 caza estas ilusiones en tu propio thread.

📢 La pirámide de difusión · 3 audiencias, un argumento

La investigación que no se comunica no existe. Paper técnico (revisor: ¿identificación robusta?) → policy brief 2pp (Young & Mendizabal, 2009) (decisor: ¿implicación accionable?) → póster + QR (par académico: ¿contribución en 30 seg?) → tweet/abstract 280 caracteres (ciudadano: ¿por qué importa?). El argumento es uno, las traducciones son tres. La maestría es saber qué se conserva (la pregunta, la contribución, la limitación honesta) y qué se transforma (jerga, profundidad metodológica, llamado a la acción).

🎨 Visualización como argumento (Schwabish + Wilke + Heath)

(Schwabish, 2021) cataloga 80+ tipos de gráfico con cuándo SÍ y cuándo NO. (Wilke, 2019) (libre · clauswilke.com/dataviz) da los principios universales. (Heath & Heath, 2007) aporta el framework SUCCES — Simple · Unexpected · Concrete · Credible · Emotional · Story. La pregunta-control antes de cada gráfico: “¿qué COMPARACIÓN quiero que el lector haga?” Si no podés responder en una frase, no es visualización — es decoración. Los pecados capitales (3D, pie >7 slices, doble eje Y mal alineado, arcoíris categórico) salen del póster sin discusión.

🤖 Lab L5 · ¿Quién decidió?

La meta-auditoría del curso. Exportás el thread completo de prompts del proceso H1+H2+H3+póster. Marcás ≥5 decisiones críticas (qué incluiste, qué descartaste, qué reescribiste). Reportás tasa de rechazo > 0 — si aceptaste todo, no auditaste. Identificás patrones: sobre-dependencia, jerga heredada de IA, ilusiones de Messeri-Crockett. Reflexión 200 palabras en Modo AIAS 3. Pregunta-control: “Si quitara la IA de este proceso, ¿qué párrafo / gráfico / decisión no existiría? Y ¿lo puedo defender?”

🎬 Video póster y pregunta de cierre

El H4 es un video póster de 3 a 5 minutos con tu guion y tu voz. Se construye en el taller de S08 y se entrega el mar 24/11 · 23:59. Tus dos peer reviewers te dejan una pregunta que respondes por escrito, sin IA. En S08 cada uno responde en vivo, sin IA al frente: “¿Qué hizo la IA por ti que tú no hiciste?”. Esa pregunta separa la augmentación (Engelbart) de la automatización (Turing). Si la respuesta es honesta y la propuesta se sostiene, el curso cumplió su promesa. Si no, hay que reescribir, y eso también es ciencia.

Conversar con el corpus de la unidad

💬 NotebookLM · Unidad 7

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

Bibliografía clave de la unidad

Núcleo · Ética IA² en investigación (★★★):

  • International Committee of Medical Journal Editors (2023) — Recommendations on AI in scholarly publishing · estándar global
  • Nature Editorial (2023) — Editorial Nature 613: IA no es autora
  • Messeri & Crockett (2024) — Nature · 4 ilusiones epistémicas (puente desde U1+U5)
  • Perkins, Furze, et al. (2024) — AI Assessment Scale · declaración por nivel
  • Perkins, Roe, et al. (2024) — Por qué la detección falla · declaración es el camino

Núcleo · Comunicación de la ciencia (★★★):

  • Schwabish (2021) — Better Data Visualizations (Columbia UP)
  • Wilke (2019) — Fundamentals of Data Visualization (libre)
  • Heath & Heath (2007) — Made to Stick · framework SUCCES
  • Vilhuber (2020) — AEA Data Editor · reproducibilidad como gate
  • Allaire et al. (2024) — Quarto · multi-output

Sustento · IA en escritura y proceso:

  • Noy & Zhang (2023) — Science · +59% productividad · IA como editora
  • Bender et al. (2021) — Stochastic Parrots · sesgos heredados (puente desde U1)
  • Korinek (2024) — Roles vivos de LLM (puente desde U6)
  • Birhane et al. (2022) — The values encoded in ML research (FAccT)
  • Resnik & Hosseini (2023) — AI ethics in research
  • Young & Mendizabal (2009) — How to write a policy brief (IDS/ODI)
📚 Bibliografía completa

La unidad referencia la bibliografía maestra del curso. Descarga el archivo BibTeX:

📥 Descargar references.bib

Volver arriba

Referencias

Allaire, J. J., Teague, C., Scheidegger, C., Xie, Y., & Dervieux, C. (2024). Quarto. https://doi.org/10.5281/zenodo.5960048
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21), 610-623. https://doi.org/10.1145/3442188.3445922
Birhane, A., Kalluri, P., Card, D., Agnew, W., Dotan, R., & Bao, M. (2022). The Values Encoded in Machine Learning Research. Proceedings of the 2022 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’22). https://doi.org/10.1145/3531146.3533083
Heath, C., & Heath, D. (2007). Made to Stick: Why Some Ideas Survive and Others Die. Random House.
International Committee of Medical Journal Editors. (2023). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals — Update on Artificial Intelligence. https://www.icmje.org/recommendations/.
Korinek, A. (2024). LLMs Level Up—Better, Faster, Cheaper: June 2024 Update to «Generative AI for Economic Research» [Working Paper Update]. University of Virginia; Brookings. https://genaiforecon.org/JEL-2024-June-LLMsLevelUp.pdf
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
Nature Editorial. (2023). Tools such as ChatGPT threaten transparent science: here are our ground rules for their use. Nature, 613, 612. https://doi.org/10.1038/d41586-023-00191-1
Noy, S., & Zhang, W. (2023). Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. Science, 381(6654), 187-192. https://doi.org/10.1126/science.adh2586
Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). The AI Assessment Scale (AIAS): A Framework for Ethical Integration of Generative AI in Educational Assessment. Journal of University Teaching and Learning Practice, 21(6). https://doi.org/10.53761/q3azde36
Perkins, M., Roe, J., Postma, D., McGaughran, J., & Hickerson, D. (2024). Detection of GPT-4 Generated Text in Higher Education: Combining Academic Judgement and Software to Identify Generative AI Tool Misuse. Journal of Academic Ethics, 22, 89-113. https://doi.org/10.1007/s10805-023-09492-6
Resnik, D. B., & Hosseini, M. (2023). The Ethics of Using Artificial Intelligence to Augment Drafting Scientific Papers. Accountability in Research. https://doi.org/10.1080/08989621.2023.2289547
Schwabish, J. (2021). Better Data Visualizations: A Guide for Scholars, Researchers, and Wonks. Columbia University Press.
Vilhuber, L. (2020). Reproducibility and Replicability in Economics. Harvard Data Science Review, 2(4). https://doi.org/10.1162/99608f92.4f6b9e67
Wilke, C. O. (2019). Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures. O’Reilly Media.
Young, E., & Mendizabal, E. (2009). Helping Researchers Become Policy Entrepreneurs: How to Develop Engagement Strategies for Evidence-Based Policy-Making. ODI Briefing Paper, (53). https://odi.org/en/publications/helping-researchers-become-policy-entrepreneurs/