← Lumbre

Comunicación Científica y Tecnológica · 1.º Cómo leer un artículo científico

Portada de Cómo leer un artículo científico

Cómo leer un artículo científico

✦ Un paper es un argumento con evidencia, no un manual · Comunicación Científica y Tecnológica · Responsabilidad Profesional · en menos de 9 minutos

Roadwise Consulting

Firmado y verificado · Biblioteca UNIV

Objetivo: Lee un artículo científico extrayendo pregunta, método, resultados y limitaciones, y evalúa la solidez de sus conclusiones.

9 min Comunicación Científica y Tecnológica · Responsabilidad Profesional 18–30 años
Más
Cómo leer un artículo científico

Herramientas de la lección

◉ Entrar a La Matrix Sorpréndeme

Sobre este contenido

Ir a

Volver a Comunicación Científica y Tecnológica · 1.er semestre Cursos Explorar Mi cuenta Salir del modo estudio

Cómo leer un artículo científico

Ilustracion de comunicacion cientifica: articulo de investigacion con referencias y graficas.
Fundamentos de la comunicacion cientifica y tecnica.

Mapa conceptual

  • Comunicacion Cientifica
    • Lectura
      • Articulo cientifico
      • Metodologia
      • Resultados
    • Escritura
      • Informe tecnico
      • Estructura IMRyD
      • Referencias APA
    • Visualizacion
      • Honestidad
      • Escalas
      • Contexto
    • Decision
      • Dato a insight
      • Insight a accion
      • Presentacion

Un artículo científico responde cuatro cosas en orden fijo: qué pregunta se hace (introducción), cómo la ataca (método), qué encontró (resultados) y qué significa y hasta dónde vale (discusión). Si dominas esas cuatro casillas, dominas el paper; si no las encuentras, el paper está mal escrito o tú estás leyendo demasiado rápido.

Lectura en tres pasadas

  1. Pasada 1 (10 min): título, abstracto, introducción, secciones de resultados y conclusiones. Objetivo: saber de qué va y si te sirve. No toques las demostraciones.
  2. Pasada 2 (1 hora): método y experimentos con atención. Objetivo: replicar mentalmente el trabajo. Marca lo que no entiendas.
  3. Pasada 3 (varias horas): reconstruye los argumentos y verifica los números clave. Solo para papers que vas a usar o criticar de verdad.
Un paper honesto declara sus límites. La ausencia de limitaciones es el mayor indicador de que hay que desconfiar.
SecciónQué debes poder responderSeñal de alarma
Introducción¿qué problema hay y por qué importa?no formula una pregunta concreta
Métodos¿cómo se obtuvo el resultado y con qué datos?reproducibilidad imposible
Resultados¿qué números sostienen la conclusión?solo hay afirmaciones sin cifras
Discusión¿qué limitaciones reconocen?ninguna limitación admitida

Lo que hay que cazar siempre

  • El conjunto de comparación: ¿contra qué se mide el método nuevo? Un «40 % mejor» sin línea base clara no significa nada.
  • La métrica elegida: accuracy en un dataset 99 % balanceado es un número vacío; pregunta por precisión, recall o AUC.
  • El tamaño del efecto y su incertidumbre: un intervalo de confianza ancho dice «no sabemos mucho», aunque la media se vea impresionante.
  • Lo que NO midieron: los autores eligen qué comparar; lo que falta suele ser lo incómodo.

En un paper de machine learning, ¿cuál es la pregunta más importante sobre sus resultados?

Si un paper no declara limitaciones, es probable que su conclusión sea más sólida de lo habitual.

Ordena las etapas de la lectura en tres pasadas según cuándo corresponden.

Arrastra cada ficha a su categoría (o tócala y luego toca la categoría). También puedes usar el teclado.

Vicios que hay que evitar al leer

  • Empezar por el ecuatorio: pierdes el bosque buscando en el primer árbol.
  • Aceptar un resultado porque la cifra «se ve grande» en vez de porque la comparación la sustenta.
  • Leer solo el abstracto y citarlo como si hubieras leído el paper: el abstracto omite justo las condiciones.

Ejemplo resuelto: leer una afirmación

  1. Afirmación del titular: «Un nuevo modelo reduce el error un 40 %».
  2. Busca en Resultados la métrica exacta: ¿error absoluto, relativo, sobre qué conjunto?
  3. Localiza la línea base: ¿comparan contra el estado del arte o contra un modelo de referencia débil?
  4. Revisa la varianza: ¿el 40 % se repite en varias corridas o es una sola ejecución?
  5. Conclusión honesta: sin base fuerte ni varianza reportada, el «40 %» es marketing, no evidencia.

Para un científico de datos esto no es cultura general: vas a decidir qué método adoptar, qué artículo recomendar y qué le vas a decir a un comité a partir de papers ajenos. Leer mal se traduce directamente en decidir mal.

Claves del lector crítico

IMRaD
Intro, Métodos, Resultados, Discusión
pasada 1
estructura y conclusiones
línea base
contra qué se compara
métrica vacía
accuracy con clases desbalanceadas
limitaciones
lo que el autor admite
tamaño del efecto
cuánto importa, no si «es significativo»

Toca una tarjeta para ver la respuesta.

Video complementario
Recurso audiovisual para reforzar los conceptos.

Toma cualquier artículo con datos que hayas visto este mes (una noticia con un estudio detrás). Extrae la pregunta, el método, el resultado numérico principal y las limitaciones declaradas. Si alguna casilla no la puedes llenar, diagnostica si el problema es del texto o de tu lectura.

Tu texto se guarda sólo en este dispositivo.

Las respuestas y tu progreso se guardan sólo en este dispositivo. Contenido firmado por su autoría mediante Lumbre.
Más sobre esta lección
Explora temas relacionados

Conceptos

Comentarios

Inicia sesión para comentar.

Todavía no hay comentarios. Sé la primera persona en opinar.