{"id":1436,"date":"2015-02-25T16:39:29","date_gmt":"2015-02-25T19:39:29","guid":{"rendered":"http:\/\/blog.scielo.org\/es\/?p=1436"},"modified":"2019-05-02T15:21:56","modified_gmt":"2019-05-02T18:21:56","slug":"etica-editorial-la-geografia-del-plagio","status":"publish","type":"post","link":"https:\/\/blog.scielo.org\/es\/2015\/02\/25\/etica-editorial-la-geografia-del-plagio\/","title":{"rendered":"\u00c9tica editorial \u2013 la geograf\u00eda del plagio"},"content":{"rendered":"
\"Foto:<\/a>

Foto: Shelby H.<\/a>.<\/p><\/div>\n

Es de todos conocido el problema del plagio en la literatura cient\u00edfica. Un estudio reciente realizado por dos investigadores de la Cornell University<\/em> publicado el pasado diciembre en los\u00a0Proceedings of the National Academy of Sciences<\/em>1<\/sup>,<\/em> sobre el corpus de documentos de arXiv.org muestra que la costumbre de reutilizar textos de un art\u00edculo en otro es m\u00e1s com\u00fan en algunos pa\u00edses que en otros, pero (afortunadamente) los resultados parecen demostrar que los autores que copian textos ajenos m\u00e1s extensamente son menos citados.<\/p>\n

El estudio se realiz\u00f3 usando los 757.000 documentos a texto completo que arXiv ha recopilado entre 1991 y el a\u00f1o 2012. Este repositorio se especializa en F\u00edsica, Matem\u00e1ticas y Ciencias de la Computaci\u00f3n recibiendo aproximadamente unas 80.000 entregas por a\u00f1o. La investigaci\u00f3n busc\u00f3 pasajes duplicados entre los documentos usando una t\u00e9cnica de ling\u00fc\u00edstica computacional llamada \u201cn-grama<\/em>\u201d (ver explicaci\u00f3n en nota abajo). El hecho de que se encuentren segmentos de textos duplicados entre documentos no es una demostraci\u00f3n de plagio, pero por encima de un cierto umbral puede considerarse una se\u00f1al de alerta. De cualquier modo el t\u00e9rmino usado por los autores es \u201csuperposici\u00f3n de texto<\/em>\u201d (text overlap<\/em>) que no es lo mismo que plagio, pues es solo un indicador de alerta.<\/p>\n

El estudio tom\u00f3 varias precauciones para evitar falsos positivos. Por ejemplo, el software tiene la capacidad de excluir los p\u00e1rrafos que son citas entrecomillada o en cursiva, citas correctamente referenciadas, los art\u00edculos de revisi\u00f3n, as\u00ed como proceedings<\/em> de conferencias, y disertaciones. Por otra parte, la investigaci\u00f3n se realiz\u00f3 solamente con los documentos de arXiv, y no se realizaron estos an\u00e1lisis con textos completos procedentes de otras fuentes de editoriales o en la Web.<\/p>\n

Usando los datos del estudio de Ginsparg investigadores de la revista ScienceInsider<\/em>2<\/sup> realizaron un mapa sobre los pa\u00edses informados por dichos autores. De los 151 pa\u00edses representados en arXiv.org, solo seleccionaron los 57 pa\u00edses que hab\u00edan contribuido con m\u00e1s de 100 art\u00edculos cada uno, de modo que los resultados fueran representativos. El resultado general dio que un 6% del total de trabajos fueron marcados por alta tasa de \u201csuperposici\u00f3n de texto\u201d. Pero el resultado no fue similar en los distintos pa\u00edses y regiones.<\/p>\n

Los pa\u00edses que consistentemente, sin importar las m\u00e9tricas usadas, contienen los porcentajes m\u00e1s altos de art\u00edculos marcados son (en orden alfab\u00e9tico)<\/p>\n

Arabia Saudita, Armenia, Bangladesh, Bielorrusia, Bulgaria, Chipre, Colombia, Egipto, Georgia, Grecia, Ir\u00e1n, Jordania, Kazajst\u00e1n, Kirguizist\u00e1n, Letonia, Luxemburgo, Micronesia, Moldava, Pakist\u00e1n, Uzbekist\u00e1n, Rumania.<\/p>\n

Es muy importante tomar en cuenta la tradici\u00f3n cient\u00edfica de los pa\u00edses con esos resultados, pues en los Estados Unidos, Canad\u00e1 y unos pocos pa\u00edses industrializados de Europa y Asiam, la cantidad de trabajos marcados estuvo en el orden del 1%, Jap\u00f3n del 6%, China e India llegando al doble del promedio con 10%, y valores m\u00e1s altos como Ir\u00e1n (15%) y Bulgaria (20%) que es ocho veces m\u00e1s alto que Nueva Zelanda.<\/p>\n

Si bien el estudio fue realizado para algunas \u00e1reas de investigaci\u00f3n (arXiv.org se especializa en f\u00edsica y matem\u00e1tica), no es posible extrapolarlo a otras disciplinas donde la reutilizaci\u00f3n de texto sea una pr\u00e1ctica com\u00fan, como la descripci\u00f3n de infraestructura o procedimientos experimentales. Por otra parte es reconocido por los autores de la investigaci\u00f3n, a los efectos de reducir los falsos positivos, que los umbrales de alerta que se pusieron en el software, hace que la detecci\u00f3n sea mucho m\u00e1s indulgente que la de cualquier publicaci\u00f3n arbitrada.<\/p>\n

Frente a la disparidad de resultados entre los pa\u00edses, los autores Ginsparg y Citron atribuyen estas pr\u00e1cticas, que se acercan al plagio cient\u00edfico, a \u201cdiferencias en infraestructura y tutor\u00edas o los incentivos que enfatizan la cantidad de publicaciones por encima de la calidad\u201d.<\/p>\n

Esto nos hace recordar un viejo refr\u00e1n que dice: \u201clos directores no pueden leer, solo pueden contar\u201d.<\/p>\n

Nota sobre el modelo de n-grama<\/em><\/h3>\n

El modelo de n-grama<\/em> aplicado en la ling\u00fc\u00edstica computacional se puede usar para la detecci\u00f3n de duplicaci\u00f3n de texto (o textos que se superponen). El procedimiento usado por Ginsparg y Citron us\u00f3 7-gramas, es decir secuencias de 7 palabras consecutivas extra\u00eddas en forma desplazante del texto. Por ejemplo si tenemos el texto de comienzos de este p\u00e1rrafo, el programa extraer\u00e1 las siguientes claves:<\/p>\n

El modelo de n-grama aplicado en la
\n<\/em>modelo de n-grama aplicado en la ling\u00fc\u00edstica
\n<\/em>de n-grama aplicado en la ling\u00fc\u00edstica computacional
\n<\/em>n-grama aplicado en la ling\u00fc\u00edstica computacional se
\n<\/em>…<\/p>\n

Hasta llegar al punto final de la frase, y se comienza con la siguiente frase sucesivamente hasta completar el documento.<\/p>\n

Cada frase extra\u00edda se convierte en una clave, y el documento queda representado por un conjunto de claves que se expresan como un vector en un espacio de n<\/em> dimensiones. Esta representaci\u00f3n vectorial del documento se conoce como \u201cfingerprint<\/em>\u201d. El procedimiento descarta las frases muy comunes, como por ejemplo \u201cthe rest of this article is organized<\/em>\u201d, para evitar falsos positivos.<\/p>\n

Una vez que se tienen los fingerprints<\/em> de todos los documentos del corpus<\/em> se comienza el an\u00e1lisis de superposici\u00f3n de claves. Para ellos se toma cada par de documentos que existen en la colecci\u00f3n, y a cada pareja se la caracteriza con el n\u00famero de claves compartidas. Aquellas parejas de documentos con m\u00e1s de 100 7-gramas en com\u00fan se las marca como \u201csospechosas\u201d.<\/p>\n

Notas<\/h3>\n

1<\/sup> CITRON, D.T., GINSPARG, P. Patterns of text reuse in scientific corpus. PNAS<\/em>. 2014, vol. 112, n\u00ba 1. Available from: http:\/\/arxiv.org\/ftp\/arxiv\/papers\/1412\/1412.2716.pdf<\/a>.<\/p>\n

2<\/sup> BOHANNON, J. Study of massive preprint archive hints at the geography of plagiarism.<\/em> ScienceInsider. Available from: http:\/\/news.sciencemag.org\/scientific-community\/2014\/12\/study-massive-preprint-archive-hints-geography-plagiarism<\/a>.<\/p>\n

Referencias<\/h3>\n

BOHANNON, J. Study of massive preprint archive hints at the geography of plagiarism.<\/em> ScienceInsider. Available from: http:\/\/news.sciencemag.org\/scientific-community\/2014\/12\/study-massive-preprint-archive-hints-geography-plagiarism<\/a>.<\/p>\n

CITRON, D.T., GINSPARG, P. Patterns of text reuse in scientific corpus. PNAS<\/em>. 2014, vol. 112, n\u00ba 1. Available from: http:\/\/arxiv.org\/ftp\/arxiv\/papers\/1412\/1412.2716.pdf<\/a>.<\/p>\n

CITRON, D.T., GINSPARG, P. Supplemental material for patterns of text resue in a scientific corpus. PNAS<\/em>. 2014, vol. 112, n\u00ba 1. Available from: http:\/\/arxiv.org\/ftp\/arxiv\/papers\/1412\/1412.2716.pdf<\/a>.<\/p>\n

N-grama. Wikipedia<\/em>. Available from: http:\/\/es.wikipedia.org\/wiki\/N-grama<\/a>.<\/p>\n

Enlace externo<\/h3>\n

arXiv – <http:\/\/arxiv.org<\/a>><\/p>\n

 <\/p>\n

\"Ernesto<\/a>Sobre Ernesto Spinak<\/h3>\n

Colaborador do SciELO, Ingeniero en Sistemas y Lic. en Biblioteconom\u00eda, con Diploma de Estudios Avanzados pela Universitat Oberta de Catalunya y Maestr\u00eda en “Sociedad de la Informaci\u00f3n” por la Universidad Oberta de Catalunya, Barcelona – Espa\u00f1a. Actualmente tiene una empresa de consultor\u00eda que atiende a 14 instituciones de gobierno y universidades en Uruguay con proyectos de informaci\u00f3n.<\/p>\n","protected":false},"excerpt":{"rendered":"

Un estudio reciente publicado en PNAS sobre 757.000 documentos de arXiv.org acerca de la reutilizaci\u00f3n de textos (text overlap<\/i>) muestra que esta pr\u00e1ctica es m\u00e1s com\u00fan en algunos pa\u00edses que en otros, pero los resultados parecen demostrar que los autores que m\u00e1s copian textos ajenos tambi\u00e9n son menos citados. …<\/span> Read More →<\/span><\/a><\/span><\/p>\n","protected":false},"author":8,"featured_media":1442,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":"","_links_to":"","_links_to_target":""},"categories":[3],"tags":[7,37,40],"class_list":["post-1436","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-analisis","tag-comunicacion-cientifica","tag-etica-en-la-comunicacion-cientifica","tag-evaluacion-de-la-ciencia"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t