Declaración institucional
Declaración de Principios, Gobernanza Epistémica y Gestión de la Ciencia Basada en Evidencia Métrica
rafael-lorenzo.institute · Dirección Académica: Dr. Rafael Lorenzo-Martín
Preámbulo
Este espacio no se concibe como un mero repositorio curricular de trayectorias pasadas, sino como un nodo activo y dinámico de co-creación, prospectiva y vigilancia científica. En la encrucijada donde confluyen la cognición humana y la inteligencia artificial generativa, el Instituto se constituye como un observatorio analítico para auscultar, modelar, medir y transformar los ecosistemas de la educación superior, las ciencias sociales y la analítica avanzada del saber.
Frente a la saturación infodocumental, sostenemos que el auténtico avance científico consiste en descifrar la arquitectura profunda e invisible de las ideas: qué fuerzas dinamizan una disciplina, cuáles la frenan y en qué vacíos conceptuales germinan las innovaciones de ruptura.
1
La cienciometría, la bibliometría avanzada y la teoría de redes complejas han dejado de ser técnicas complementarias para consolidarse como condición de rigor epistemológico:
«La inteligencia no se delega: se amplifica. La máquina calcula; solo el ser humano comprende, evalúa y responde por el conocimiento.»
2
3
Fundamentación
El Laboratorio no es un generador de textos que «opina» sobre la literatura: es un entorno de cómputo determinista y auditable. Las métricas salen de registros bibliográficos reales; la IA solo ayuda a nombrar y explicar patrones ya calculados, y el juicio humano decide.
El volumen de publicaciones supera la capacidad humana de lectura; las revisiones artesanales arriesgan sesgo de confirmación y muestras por conveniencia, y la IA generativa sola puede inventar citas. Hace falta un puente auditable entre datos abiertos, cálculo y juicio experto.
Integra en un solo flujo lo que suele hacerse con herramientas separadas: recuperación desde OpenAlex, minería de términos, redes, modelos de crecimiento, lectura metodológica por rol y exportación a R y VOSviewer. No reemplaza esas herramientas: las articula.
Cada resultado es contrastable: identificador de consulta, fecha y tamaño de muestra declarados; fórmulas explícitas (co-ocurrencia normalizada, centralidad y densidad de Callon, Lotka, Bradford, ajustes logístico y Gompertz con R²); y el mismo CSV exportable para replicar en RStudio.
Bajo el enfoque M.I.C.H., la inteligencia artificial (IA) y la inteligencia humana (IH) cumplen funciones epistémicas distintas y complementarias. El cómputo aporta escala, exactitud y reproducibilidad; la IA, andamiaje para nombrar patrones ya calculados y redactar lecturas provisionales; la IH, problematización, pensamiento crítico, juicio ético y decisión. El resultado es aumentado porque la IH contrasta, refuta o acepta cada propuesta con evidencia trazable, no porque la IA «conozca». Si se apaga la IA, métricas, redes y tablas no cambian: eso es soberanía cognitiva. Epistemológicamente, el conocimiento se valida por triangulación y meta-inferencia; ontológicamente, la IA se asume como mediación instrumental bajo control humano, no como sujeto cognoscente. Esta propuesta es una postura metodológica argumentada; su eficiencia y su aporte requieren contraste empírico externo.
1 · INT
Pregunta epistémica
Problema, campo y consulta booleana trazable (IC).
2 · CUAN
Rigor cuantitativo
Muestra OpenAlex, leyes bibliométricas, crecimiento, redes y matrices de co-ocurrencia.
3 · INT
Interfaz de articulación
Cuadrantes de Callon, términos puente y conceptos frontera conectan número y sentido.
4 · CUAL
Hermenéutica cualitativa
Lectura crítica de obras seminales, consensos, controversias y vacíos.
5 · INT
Meta-inferencia y decisión
El comité integra ambas vertientes y decide con evidencia, ética y responsabilidad.
↺ Bucle de retroalimentación: cada decisión abre nuevas preguntas de investigación
Coherencia con el enfoque mixto (Creswell y Plano Clark, 2018): la fase cuantitativa produce valores cerrados y verificables; la cualitativa explica por qué y hacia dónde evoluciona el campo. El valor superior está en la meta-inferencia: por ejemplo, entender por qué un tema muy cohesionado pero poco central es un nicho aislado, o por qué un concepto frontera débil puede anunciar una bifurcación. Ninguna vertiente valida sola un hallazgo.
Límites declarados: la cobertura depende de OpenAlex; la muestra retenida puede ser menor que el total indexado; los nombres de grupos propuestos por IA deben validarse; ninguna asociación implica causalidad. El uso del Laboratorio como referencia metodológica en un artículo exige citar la consulta, la fecha y las exportaciones utilizadas.
Los indicadores consagrados (h de Hirsch, factor de impacto, recuentos de citas) son retrospectivos: miden lo que ya fue validado y tardan entre 3 y 10 años en reaccionar. La gestión de la investigación necesita, en cambio, una señal sincrónica y auditable que indique hoy qué cruces temáticos tienen tensión de ruptura. Ningún índice establecido combina en una sola escala acotada novedad combinatoria, aceleración, intermediación estructural y saturación: por eso el Número de LORMAR no reemplaza a esos indicadores, sino que ocupa un espacio que ellos dejan vacío.
IPDF = 100 / (1 + e−Z)
Z = 0,35·z(Nc) + 0,30·z(Mt) + 0,25·z(Be) − 0,10·z(Sk) · z(v) = (v − 50) / 25
P1 · Acotamiento
Para todo Z real, 0 < IPDF < 100. La función logística no diverge: permite comparar temas, corpus y años distintos en la misma escala.
P2 · Monotonicidad direccional
∂IPDF/∂Nc, ∂IPDF/∂Mt, ∂IPDF/∂Be > 0 y ∂IPDF/∂Sk < 0. Cada componente empuja siempre en el sentido que la teoría predice: más novedad, aceleración o intermediación suben el índice; más saturación lo baja.
P3 · Neutralidad en el punto medio
Si los cuatro componentes valen 50, Z = 0 e IPDF = 50: un campo «promedio» queda exactamente en la zona de transición, sin sesgo a favor ni en contra.
P4 · Pesos convexos y trazables
|0,35| + |0,30| + |0,25| + |0,10| = 1. Cada punto de Z se descompone exactamente en aportes por componente (descomposición aditiva), lo que hace al resultado auditable.
P5 · Umbral no lineal (transición de fase)
La pendiente máxima ocurre en Z = 0 (dIPDF/dZ = 25). Un solo componente alto no alcanza: la ruptura exige masa crítica simultánea, coherente con las anomalías acumuladas de Kuhn (1962) y con la difusión logística descrita por Rogers (2003) y Price (1963).
No contradice teorías antecedentes: cada componente operacionaliza una tradición validada — Nc la novedad combinatoria atípica (Uzzi et al., 2013; Wang et al., 2017), Mt la detección de ráfagas y crecimiento (Price, 1963; Kleinberg, 2003), Be los agujeros estructurales y la intermediación (Burt, 1992; Freeman, 1977), Sk la concentración y saturación (índice Herfindahl–Hirschman: Hirschman, 1964; ley de Bradford: Bradford, 1934). La agregación logística es la forma estándar de los modelos de probabilidad de transición (regresión logística, curvas de difusión). Lo nuevo no son las piezas, sino su integración sincrónica en una escala única, interpretable y auditable.
| Índice | Mide | Límite | Aporte de LORMAR |
|---|---|---|---|
| h (Hirsch) | Citas acumuladas | Retrospectivo; premia antigüedad y volumen | Señal ex-ante, antes de que existan citas |
| JIF | Citas medias de la revista | La revista no es el tema (sesgo de agregación, DORA) | Mide la arquitectura conceptual del propio corpus |
| CD (Funk–Owen-Smith; Wu et al.) | Consolidación vs. disrupción en citas | Exige años de citas futuras | Usa léxico y topología disponibles hoy |
| Rao–Stirling | Variedad, balance y disparidad | Estático; no ve aceleración ni saturación | Añade dinámica (Mt) y penalización (Sk) |
| Kleinberg / Burt | Ráfagas / intermediación por separado | Una ráfaga puede ser moda; un puente puede estar inactivo | Exige coincidencia: ráfaga + puente + novedad − saturación |
Desde la ciencia de datos, el índice sigue el ciclo CRISP-DM/KDD: (1) extracción reproducible del corpus (OpenAlex/Scopus/WoS), (2) limpieza y normalización de descriptores, (3) construcción de la matriz término–documento y de co-ocurrencia, (4) cálculo de similitud coseno, derivada logarítmica, coeficiente de agrupamiento local y concentración top-5, (5) estandarización z y agregación logística, (6) validación por triangulación (contraste con estimación independiente, revisión experta y repetición anual con la misma ecuación de búsqueda). Cada paso es un dato o una operación verificable, no una opinión.
Límites declarados: los pesos son una calibración teórica del modelo, no estimados por máxima verosimilitud; el índice es una heurística de orientación y debe validarse con juicio experto, otras bases y seguimiento temporal (CoARA, DORA, Leiden). No prueba causalidad ni garantiza que la ruptura ocurra.
Gobernanza CTI 5.0
Soberanía cognitiva: la institución conserva el control del sentido, la ética y la decisión. Los algoritmos amplían la capacidad de ver; no definen qué es valioso. MICH es un marco propio de trabajo del Laboratorio, no una norma ni una certificación; la alineación con ISO 56006, Leiden, DORA y CoARA es orientativa.
Métrica
Medir producción, redes y tendencias con datos abiertos y trazables.
Interpretación
Leer los patrones con teoría, contexto y triangulación.
Cómputo con IA
Usar algoritmos e IA generativa como apoyo auditable, nunca como juez.
Humano decisor
La comunidad académica decide y responde por la decisión.
MICH añade trazabilidad a la decisión, no precisión adicional al cálculo bibliométrico. Esta pauta institucional no mide transparencia, integridad ni equilibrio humano/IA con OpenAlex. Cada control requiere documentos, responsables y revisión; sin esa evidencia, su estado es pendiente de verificación. No constituye una auditoría ejecutada ni una certificación.
Del dato a una decisión revisable: identificar la necesidad → verificar evidencia y cobertura → contrastar interpretaciones → comparar alternativas → acordar acción y responsable → registrar y revisar resultados. Ejemplo 5.0: una comisión de posgrado cruza tendencias, obras y pertinencia regional antes de abrir una línea de tesis; el tutor acuerda una pregunta investigable y el tribunal revisa el aporte, no solo el puntaje.
Gestión de la inteligencia estratégica para la innovación: vigilar, interpretar y decidir.
Diez principios de métricas responsables: lo cuantitativo apoya, no sustituye, al juicio experto.
No usar el factor de impacto de la revista para evaluar personas ni artículos.
Evaluación cualitativa centrada en la diversidad de contribuciones, con uso responsable de indicadores.
Matemática aplicada
Leyes bibliométricas, crecimiento Gompertz, grafos, regresiones y análisis factorial: estructura y tendencia medibles.
Ej.: una maestría ve si su línea está naciendo o madurando antes de abrir cohorte.
Ciencia de datos
Recuperación del corpus abierto, normalización, minería de términos, redes de coautoría y acoplamiento.
Ej.: un semillero detecta grupos y países con los que articular cotutelas.
Metodología cualitativa
Triangulación, juicio experto, pertinencia social y formulación de preguntas de ruptura.
Ej.: un tribunal contrasta el vacío detectado con entrevistas o un panel Delphi.
4
Todas las métricas, cuadrantes e índices del Laboratorio son aproximaciones heurísticas de orientación diagnóstica y prospectiva, no dictámenes infalibles. Conviven con márgenes de error derivados de la cobertura de las fuentes, la desambiguación de autores e instituciones y las asimetrías de indexación.
Para garantizar objetividad, confiabilidad y validez, se exige una triangulación en tres niveles:
«La analítica informa; los cuerpos colegiados deciden.»
5
6