La revisión por pares en las publicaciones científicas
Palabras clave:
Generación de conocimiento, Actividad científica, Revisión por paresResumen
La actividad científica genera datos empíricos a través de la ejecución de un diseño experimental. La interpretación de los datos empíricos generados es, actualmente, la forma más aceptada de acercarse al conocimiento de cualquier aspecto de la naturaleza. Pero la actividad científica no está libre de la comisión de errores. El creciente énfasis en la diseminación de investigación rápida, a menudo se traduce en la ausencia de una revisión por pares de calidad. Durante el año 2023, la cantidad de artículos científicos retractados ascendió a poco más de 10 000, lo cual estableció un récord anual. Es claro que, la revisión por pares no puede mejorar una investigación desarrollada de forma deficiente pero, a menudo, puede ayudar a corregir, mejorar y fortalecer, entro otras cosas, el análisis estadístico de los datos y, además, mejorar notablemente la presentación y la claridad. Con cierta frecuencia, la lente de los científicos pasa por alto detalles finos en los procesos de revisión por pares, tal y como puede apreciarse en el caso que se expone en este breve ensayo.
Descargas
Referencias
Bunge, M. A. (2017). El planteamiento científico. Revista Cubana de Salud Pública, 43(3), 1-29.
Clarivate. (2022). Journal Citation Report 2022. Clarivate, USA. 131 pp.
Dukart, J., Weis, S., Genon, S., and Eickhoff, S. B. (2021). Towards increasing the clinical applicability of machine learning biomarkers in psychiatry. Nature Human Behaviour, 5, 433-435.
Hopf, H., Krief, A., Mehta, G., and Matlin, S. A. (2019). Fake science and the knowledge crisis: ignorance can be fatal. Royal Society Open Science, 6, 190161.
Just, M. A., Cherkassky, V. L., and Brent, D. (2021). Reply to: Towards increasing the clinical applicability of machine learning biomarkers in psychiatry. Nature Human Behaviour, 5(4), 433-435.
Just, M. A., Pan, L., Cherkassky, V. L., Dana, L., McMakin, Cha, C., Nock, M. K., and Brent, D. (2023). Retraction Note: Machine learning of neural representations of suicide and emotion concepts identifies suicidal youth. Nature Human Behaviour, 7, 824.
Just, M. A., Pan, L., Cherkassky, V. L., McMakin, D. L., Cha, C., Nock, M. K., and Brent, D. (2017). Machine learning of neural representations of suicide and emotion concepts identifies suicidal youth. Nature Human Behaviour 1(911–919).
Kelly, J., Sadeghieh, T., and Adeli, K. (2014). Peer review in scientific publications: Benefits, critiques, & a survival guide. EJIFCC 25, 227-243.
Kharasch, E. D., Avram, M. J., Clark, J. D., Davidson, A. J., Houle, T. T., Levy, J. H., London, M. J., Sessler, D. I., and Vutskits, L. (2020). Peer review matters: research quality and the public trust. Anesthesiology, 134(1), 1-6.
Steer, P. J., and Ernst, S. (2021). Peer review - Why, when and how. International Journal of Cardiology Congenital Heart Disease, 2,100083.
Van Noorden, R. (2023). More than 10,000 research papers were retracted in 2023 a new record. Nature 624, 479-481.
Verstynen, T., and Kording, K. P. (2023). Overfitting to ‘predict’ suicidal ideation. Nature Human Behaviour, 7, 680–681.
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2024 SIBIUAS Revista de la Dirección General de Bibliotecas
Esta obra está bajo una licencia internacional Creative Commons Atribución-SinDerivadas 4.0.