Sintetiza todo lo aprendido. Diseña una propuesta de investigación completa usando IA reflexivamente. Autoevaluate con rúbrica. Reflexiona sobre tu rol como investigadora en la era de la IA.
¿Qué preguntas quieres responder? Escribe 2-3 preguntas.
Describe concretamente (análisis, síntesis, visualización, etc.)
Anonimización, consentimiento, GDPR...
No hay una única forma de hacer investigación con IA. Pero hay principios que funcionan:
¿Cómo evaluaría un colega tu paper? Aquí está la rúbrica estándar:
| Criterio | 1 | 2 | 3 | 4 |
|---|---|---|---|---|
| Originalidad | Trivial | Marginal | Buena | Excelente |
| Metodología | Floja | Adecuada | Sólida | Rigurosa |
| Transparencia (esp. IA) | Ausente | Vaga | Clara | Completa |
| Resultados | Inconcluyentes | Parciales | Significativos | Impactantes |
| Ética / GDPR | Problemas | Dudas | Adecuada | Ejemplar |
| Redacción | Pobre | Aceptable | Buena | Excelente |
Interpretación: El score de «Transparencia» es ahora crítico. Los editores de Nature y Science piden que sea mínimo 3. Si es 2 o 1, probablemente rechazarán.
Piensa en: contacto con los datos, intuición, serendipidad, descubrimientos inesperados.
Velocidad, cobertura (análisis de más datos), síntesis, nuevas perspectivas.
Qué decisiones NO deberías delegar en IA, sin importar cuánto se vuelva capaz.
Este curso es un comienzo. El panorama de IA en investigación cambia cada mes. Para mantenerte al día sin perder el foco:
Termina este curso con una promesa a ti misma. Escribe aquí lo que te comprometes a hacer:
La IA no reemplaza tu reflexión. La amplifica. Tu responsabilidad es asegurar que esta amplificación te haga una investigadora mejor, no más rápida a costa de profundidad.