De Palabras a Imágenes: Cómo los Prompts y Gráficos de ChatGPT Están Revolucionando la Investigación en Comunicación, Salud y Sociedad
De Palabras a Imágenes: Cómo los Prompts y Gráficos de ChatGPT Están Revolucionando la Investigación en Comunicación, Salud y Sociedad
Dr. Jorge Alejandro León Sánchez
Introducción
El uso de prompts estructurados y gráficos visuales (como
infografías, líneas de tiempo, diagramas de flujo, matrices de análisis, etc.)
en la investigación académica representa una revolución metodológica en la era
digital. Estas herramientas, impulsadas por inteligencias artificiales como
ChatGPT, permiten transformar datos complejos, hallazgos de investigación y
marcos teóricos en visualizaciones claras, impactantes y adaptadas a las
necesidades de difusión del conocimiento científico.
En el contexto de la investigación en comunicación, salud y
sociedad, un prompt bien diseñado no es solo una instrucción técnica, sino un
puente entre los datos recolectados y la comunicación efectiva de resultados.
Al combinar código (ej. /infographic, /timeline, /matrix), tema de
investigación, hallazgos clave y estilo de visualización, el investigador puede
generar materiales de difusión científica, presentaciones para congresos o
recursos didácticos en segundos, optimizando su tiempo y maximizando el impacto
de sus hallazgos.
Los gráficos de investigación activan múltiples canales de
comprensión y facilitan la retención de información al organizar datos de
manera jerárquica, comparativa o secuencial, según el objetivo de la
investigación. Esto es particularmente relevante en áreas como:
- Comunicación:
Visualización de flujos informativos, análisis de discurso, mapeo de redes
sociales
- Salud:
Representación de procesos epidemiológicos, protocolos clínicos,
determinantes sociales
- Sociedad:
Análisis de estructuras sociales, movimientos colectivos, políticas
públicas
Importancia en el Desarrollo de la Investigación Académica
Para el Investigador en Formación (Licenciatura):
|
Área de Impacto |
Beneficio |
Ejemplo Práctico |
|
Comprensión metodológica |
Visualiza el proceso investigativo completo, desde el
planteamiento del problema hasta las conclusiones |
Usar /flowchart para mapear el diseño metodológico de su
tesis |
|
Organización de datos |
Estructura información compleja de manera accesible |
Generar un /dashboard de avance de recolección de datos en
5 minutos |
|
Comunicación de resultados |
Presenta hallazgos de forma visual en seminarios y
congresos |
Crear un /chart comparativo de resultados preliminares |
|
Análisis crítico |
Facilita la identificación de patrones y relaciones entre
variables |
Usar /matrix para cruzar variables demográficas con
percepciones |
|
Gestión del tiempo |
Automatiza la creación de materiales para presentaciones |
Diseñar un /timeline de actividades de investigación del
semestre |
Para el Investigador Avanzado (Posgrado - Maestría/Doctorado):
|
Área de Impacto |
Beneficio |
Ejemplo Práctico |
|
Innovación metodológica |
Rompe con formas tradicionales de presentar datos e
incorpora visualizaciones interactivas |
Usar /mindmap para construir marcos teóricos complejos
interconectados |
|
Productividad investigativa |
Automatiza la síntesis de literatura y la organización de
referencias |
Generar un /comparison de teorías fundamentales en 10
minutos |
|
Difusión del conocimiento |
Crea materiales para publicaciones, conferencias y
divulgación científica |
Diseñar un /infographic de hallazgos principales para
redes académicas |
|
Análisis multidimensional |
Cruza múltiples variables y perspectivas teóricas |
Usar /swot para evaluar fortalezas y limitaciones del
estudio |
|
Colaboración interdisciplinaria |
Facilita la comunicación con investigadores de otras áreas |
Crear un /process que explique el método a no
especialistas |
El Poder de lo Visual en la Comunicación Científica
Estudios en neurociencia cognitiva demuestran que el cerebro
humano procesa imágenes 60,000 veces más rápido que el texto. En investigación,
esto se traduce en:
- Mayor
impacto: Los artículos con visualizaciones de calidad reciben más
citas
- Mejor
comprensión: Los revisores y lectores captan más rápido los hallazgos
- Accesibilidad:
Los resultados son comprensibles para audiencias no especializadas
- Retención:
La información visual se recuerda por más tiempo
Principio de Codificación Dual Aplicado a la
Investigación
Cuando la información investigativa se presenta tanto de
forma visual como verbal:
- La
retención de hallazgos mejora significativamente
- Se
facilitan las conexiones entre teoría y datos empíricos
- Se
reduce la ambigüedad en la interpretación de resultados
NIVEL LICENCIATURA
ÁREA: COMUNICACIÓN
|
Código |
Tipo de Investigación |
Ejemplo de Prompt |
Justificación y Resultado Visual Esperado |
|
/infographic |
Análisis de medios |
/infographic Cobertura mediática del cambio climático en 3
periódicos mexicanos (2020-2024): frecuencia de menciones, enfoques
(político, científico, social), tono (positivo/negativo/neutral), con
gráficos de barras comparativos y línea de tiempo. |
Visualización: Comparación visual del tratamiento
informativo, identificando patrones temporales y sesgos editoriales. Ideal
para tesis sobre agenda-setting. |
|
/mindmap |
Teoría de la comunicación |
/mindmap Modelos de comunicación digital: comunicación
unidireccional (Web 1.0), bidireccional (Web 2.0), redes descentralizadas
(Web 3.0), con características, autores clave (Castells, Jenkins, Shirky) y
ejemplos de plataformas. |
Visualización: Mapa conceptual jerárquico que
conecta evolución tecnológica con teorías comunicativas. Perfecto para marcos
teóricos. |
|
/chart |
Audiencias y recepción |
/chart Gráfico circular: distribución de tiempo de consumo
de medios en jóvenes universitarios (redes sociales 45%, streaming 30%, TV
tradicional 15%, otros 10%), con segmentación por género y edad. |
Visualización: Representación porcentual clara de
hábitos mediáticos. Útil para estudios de recepción y consumo cultural. |
|
/comparison |
Análisis de discurso |
/comparison Cuadro comparativo: framing de la migración en
discurso político vs. cobertura periodística (categorías: seguridad, derechos
humanos, economía, cultura), con ejemplos de enunciados y frecuencia. |
Visualización: Tabla de doble entrada que contrasta
marcos interpretativos. Esencial para análisis crítico del discurso. |
|
/flowchart |
Procesos comunicativos |
/flowchart Proceso de viralización de contenido en redes:
creación → publicación → engagement inicial → algoritmo de recomendación →
sharing masivo → tendencia, con puntos de decisión (¿contenido emocional?
¿timing adecuado?). |
Visualización: Diagrama de flujo que explica
mecanismos de difusión digital. Aplicable a estudios de comunicación digital. |
|
/timeline |
Historia de los medios |
/timeline Evolución de las redes sociales: 2004
(Facebook), 2006 (Twitter), 2010 (Instagram), 2016 (TikTok), con hitos de
adopción masiva, cambios algorítmicos y eventos sociopolíticos relevantes. |
Visualización: Línea cronológica que contextualiza
desarrollo tecnológico con fenómenos sociales. Ideal para investigación
histórica. |
|
/process |
Metodología de investigación |
/process Método de análisis de contenido: definición de
categorías → muestreo → codificación → confiabilidad intercodificadores →
análisis estadístico → interpretación, con ejemplos aplicados a noticias. |
Visualización: Secuencia metodológica paso a paso.
Fundamental para capítulos metodológicos de tesis. |
|
/matrix |
Cruce de variables |
/matrix Matriz de correlación: nivel educativo (bajo,
medio, alto) vs. fuentes de información preferidas (TV, redes, prensa
escrita, podcasts), con porcentajes de uso diario y confianza percibida. |
Visualización: Tabla de doble entrada con datos
cuantitativos. Perfecta para análisis de encuestas. |
|
Codigo |
Ejemplo aplicado a Comunicación |
Ejemplo aplicado a Salud |
Ejemplo aplicado a Sociedad |
Objetivo / función como herramienta de investigación |
|
/iceberg |
“Analiza el fenómeno de TikTok mediante un modelo iceberg:
muestra fenómenos visibles, causas, algoritmos, hábitos y factores culturales
ocultos.” |
“Representa mediante iceberg las causas visibles y
subyacentes de la obesidad infantil.” |
“Analiza la desigualdad social mediante un iceberg que
distinga manifestaciones visibles y causas estructurales.” |
Profundizar en causas y dimensiones ocultas de un
fenómeno. Útil para plantear problemas y variables de investigación. |
|
/Comic strip |
“Explica en 6 viñetas cómo un estudiante recibe,
interpreta, comparte y transforma una noticia falsa.” |
“Representa el recorrido de un paciente desde la
identificación de síntomas hasta la búsqueda de atención médica.” |
“Representa mediante cómic cómo una comunidad enfrenta un
problema de contaminación.” |
Narrativizar procesos y facilitar la comprensión de
fenómenos complejos mediante secuencias. |
|
/handwritten |
“Presenta como apuntes manuscritos un análisis de la
evolución de las redes sociales y sus efectos en la comunicación
interpersonal.” |
“Organiza como apuntes manuscritos los factores de riesgo
y prevención de hipertensión.” |
“Representa como notas de campo las observaciones de una
investigación sobre participación comunitaria.” |
Favorece la síntesis, codificación inicial y
organización de notas de investigación. |
|
/one-pager |
“Resume en una página una investigación sobre el impacto
de Instagram en la construcción de identidad digital.” |
“Resume en una página un protocolo sobre actividad física
y calidad de vida en adultos mayores.” |
“Resume en una página una investigación sobre percepción
ciudadana de la inseguridad.” |
Sintetizar una investigación: problema, objetivos,
metodología, resultados y conclusiones. |
|
/quadrant |
“Clasifica los tipos de contenido de influencers según
nivel de credibilidad e impacto comunicativo.” |
“Clasifica intervenciones de salud según evidencia
científica y facilidad de implementación.” |
“Clasifica problemas sociales según impacto poblacional y
urgencia de intervención.” |
Clasificar y comparar variables o casos mediante
dos dimensiones analíticas. |
|
/funnel |
“Representa el proceso de investigación sobre
desinformación: comunicación digital → redes sociales → TikTok → jóvenes
universitarios → percepción de noticias falsas.” |
“Delimita una investigación: salud → salud
musculoesquelética → lumbalgia → adultos mayores → ejercicio terapéutico.” |
“Delimita: sociedad → desigualdad → desigualdad educativa
→ estudiantes universitarios → acceso a tecnología.” |
Excelente para delimitar el objeto de estudio,
pasar de un tema general a un problema investigable. |
|
/beforeafter |
“Compara la comunicación política antes y después de
TikTok, considerando formatos, interacción y participación.” |
“Compara indicadores de movilidad antes y después de un
programa de ejercicio terapéutico.” |
“Compara la participación comunitaria antes y después de
una campaña de concientización.” |
Permite analizar cambios, efectos e impacto entre
dos momentos o condiciones. |
|
/decision matrix |
“Construye una matriz para seleccionar la mejor plataforma
para una campaña de comunicación universitaria.” |
“Compara alternativas de intervención considerando
eficacia, costo, riesgo y evidencia.” |
“Evalúa diferentes estrategias para resolver un problema
de movilidad urbana.” |
Apoyar la toma de decisiones mediante criterios,
ponderaciones y comparación sistemática. |
|
/roadmap |
“Diseña una ruta de investigación para estudiar el consumo
de podcasts entre universitarios durante seis meses.” |
“Diseña una hoja de ruta para investigar los efectos de un
programa de ejercicio sobre la calidad de vida.” |
“Diseña una ruta de investigación sobre participación
juvenil en organizaciones comunitarias.” |
Organizar etapas, actividades, tiempos, responsables y
productos de una investigación. |
|
/swot / FODA |
“Analiza fortalezas, oportunidades, debilidades y amenazas
de una estrategia de comunicación digital universitaria.” |
“Realiza un FODA de un programa comunitario de prevención
de enfermedades crónicas.” |
“Realiza un FODA de una política pública de inclusión
digital.” |
Diagnóstico estratégico del contexto interno y
externo del objeto de estudio. |
|
/concept map |
“Construye un mapa conceptual sobre inteligencia
artificial, comunicación, redes sociales, algoritmos y audiencias.” |
“Relaciona mediante mapa conceptual actividad física,
fuerza muscular, movilidad y calidad de vida.” |
“Relaciona pobreza, educación, empleo, desigualdad y
movilidad social.” |
Identificar relaciones entre conceptos, categorías y
variables. |
|
/timeline |
“Construye una línea de tiempo de la evolución de la
comunicación digital desde la Web 1.0 hasta la IAG.” |
“Construye una línea de tiempo sobre la evolución de las
estrategias de prevención cardiovascular.” |
“Representa la evolución histórica de los movimientos
sociales digitales.” |
Analizar evolución, antecedentes, rupturas y tendencias. |
|
/problem tree |
“Construye un árbol del problema sobre la desinformación
entre estudiantes universitarios.” |
“Construye un árbol del problema sobre sedentarismo en
adultos mayores.” |
“Construye un árbol del problema sobre abandono escolar.” |
Identificar problema central, causas y consecuencias;
útil para justificar una investigación. |
|
/variable matrix |
“Construye una matriz de variables para estudiar la
relación entre uso de TikTok y percepción de credibilidad informativa.” |
“Construye una matriz de variables para estudiar ejercicio
terapéutico y calidad de vida.” |
“Construye una matriz de variables sobre acceso a internet
y rendimiento académico.” |
Operacionalizar variables, dimensiones, indicadores
e instrumentos de medición. |
|
/flowchart |
“Representa el proceso de producción y circulación de una
noticia en redes sociales.” |
“Representa el flujo de atención de un paciente desde
detección hasta seguimiento.” |
“Representa el proceso de participación ciudadana ante un
problema comunitario.” |
Visualizar procesos, procedimientos, decisiones y
relaciones causales o secuenciales. |
|
/stakeholder map |
“Identifica actores involucrados en una campaña de
comunicación sobre alfabetización mediática.” |
“Mapea pacientes, familiares, profesionales, instituciones
y autoridades de un programa de salud.” |
“Mapea actores involucrados en un proyecto de desarrollo
comunitario.” |
Identificar actores, intereses, relaciones, influencia
y posibles conflictos. |
|
/SWOT + quadrant |
“Analiza una estrategia de comunicación digital con FODA y
clasifica las alternativas en una matriz impacto-esfuerzo.” |
“Evalúa estrategias de prevención según impacto y recursos
requeridos.” |
ÁREA: SALUD
|
Código |
Tipo de Investigación |
Ejemplo de Prompt |
Justificación y Resultado Visual Esperado |
|
/infographic |
Salud pública |
/infographic Determinantes sociales de la salud en
comunidades rurales: acceso a servicios (30% sin centro de salud), nivel
educativo (45% sin secundaria), ingresos (60% bajo línea de pobreza), con
iconos y datos estadísticos. |
Visualización: Infografía que interconecta factores
socioeconómicos con outcomes de salud. Esencial para investigación en equidad
en salud. |
|
/chart |
Epidemiología |
/chart Gráfico de líneas: incidencia de diabetes tipo 2 en
México (2010-2024), con proyección a 2030, diferenciando por grupo de edad
(20-39, 40-59, 60+) y sexo, con línea de tendencia. |
Visualización: Serie temporal que muestra evolución
epidemiológica. Crítico para estudios de carga de enfermedad. |
|
/process |
Protocolos clínicos |
/process Ruta de atención del paciente con hipertensión:
tamizaje → diagnóstico → clasificación de riesgo → tratamiento
farmacológico/no farmacológico → seguimiento mensual → control de
complicaciones, con criterios de derivación. |
Visualización: Flujograma clínico que estandariza
procesos de atención. Útil para investigación en calidad de servicios. |
|
/comparison |
Intervenciones en salud |
/comparison Comparación de estrategias de promoción de la
salud: campañas masivas (alcance amplio, costo alto, efecto corto) vs.
educación entre pares (alcance limitado, costo bajo, efecto sostenido), con
evidencia de efectividad. |
Visualización: Tabla comparativa con ventajas,
desventajas y evidencia. Fundamental para evaluaciones de programas. |
|
/mindmap |
Modelos teóricos |
/mindmap Modelo ecológico de la salud: nivel individual
(conocimientos, actitudes), interpersonal (familia, amigos), organizacional
(escuela, trabajo), comunitario (servicios, normas), político (leyes,
políticas), con ejemplos de intervenciones por nivel. |
Visualización: Mapa conceptual multinivel que
integra perspectivas. Ideal para marcos conceptuales en salud pública. |
|
/dashboard |
Indicadores de salud |
/dashboard Panel de indicadores de un programa de
vacunación: cobertura por grupo de edad (85%), tasa de abandono (5%), eventos
adversos (0.2%), satisfacción usuaria (92%), con semáforo de alerta y metas. |
Visualización: Dashboard con métricas clave y
alertas visuales. Perfecto para monitoreo y evaluación. |
|
/swot |
Análisis situacional |
/swot Análisis FODA de un hospital comunitario: Fortalezas
(personal capacitado), Oportunidades (nuevos programas federales),
Debilidades (equipo obsoleto), Amenazas (presupuesto reducido), con
estrategias derivadas. |
Visualización: Matriz estratégica que guía
planificación. Esencial para investigación en gestión en salud. |
|
/checklist |
Instrumentos de recolección |
/checklist Lista de verificación para observación de
prácticas de higiene en centros de salud: lavado de manos (antes/después),
uso de EPP, limpieza de superficies, disposición de residuos, con casillas de
cumplimiento y observaciones. |
Visualización: Instrumento estructurado para
recolección sistemática. Aplicable a estudios observacionales. |
ÁREA: SOCIEDAD
|
Código |
Tipo de Investigación |
Ejemplo de Prompt |
Justificación y Resultado Visual Esperado |
|
/infographic |
Movimientos sociales |
/infographic Características del movimiento feminista en
América Latina (2015-2024): principales demandas (violencia de género,
derechos reproductivos, brecha salarial), formas de acción (marchas, redes
sociales, arte), logros legislativos, con mapa de países. |
Visualización: Panorámica visual de un fenómeno
social complejo. Ideal para sociología de los movimientos sociales. |
|
/timeline |
Políticas sociales |
/timeline Evolución de la política de protección social en
México: 1997 (Progresa), 2002 (Oportunidades), 2010 (Prospera), 2018
(Bienestar), con cambios en cobertura, presupuesto y enfoque
(condicionalidades vs. universalidad). |
Visualización: Cronología que muestra cambios
paradigmáticos. Fundamental para análisis de políticas públicas. |
|
/matrix |
Desigualdad social |
/matrix Matriz de interseccionalidad: género
(hombre/mujer/otro) x nivel socioeconómico (bajo/medio/alto) x zona
(urbana/rural), con indicadores de acceso a educación, salud, empleo y
participación política por celda. |
Visualización: Tabla multidimensional que revela
desigualdades estructurales. Esencial para investigación con perspectiva de
género. |
|
/chart |
Demografía |
/chart Pirámide poblacional comparativa: México 2020 vs.
proyección 2050, mostrando envejecimiento poblacional, bono demográfico y
dependencia, con porcentajes por grupo quinquenal de edad. |
Visualización: Representación gráfica de transición
demográfica. Crítica para estudios poblacionales. |
|
/comparison |
Sistemas políticos |
/comparison Comparación de modelos de participación
ciudadana: democracia representativa (elecciones periódicas, partidos
políticos) vs. democracia deliberativa (presupuestos participativos,
asambleas), con casos de estudio y niveles de incidencia. |
Visualización: Contraste de modelos teóricos con
ejemplos empíricos. Útil para ciencia política. |
|
/mindmap |
Teoría social |
/mindmap Teorías de la estratificación social: Marx
(clase, lucha de clases), Weber (clase, estatus, poder), Bourdieu (capital
económico, cultural, social), con conceptos clave y aplicaciones
contemporáneas. |
Visualización: Red conceptual que conecta autores y
conceptos. Perfecto para revisión teórica. |
|
/flowchart |
Procesos sociales |
/flowchart Ciclo de la pobreza intergeneracional: bajo
ingreso familiar → desnutrición/baja estimulación → bajo rendimiento escolar
→ abandono temprano → empleo informal → bajo ingreso → repetición del ciclo,
con puntos de intervención posibles. |
Visualización: Diagrama causal que identifica
mecanismos de reproducción social. Fundamental para investigación en
movilidad social. |
|
/roadmap |
Intervención social |
/roadmap Plan de intervención comunitaria: mes 1-2
(diagnóstico participativo), mes 3-4 (diseño con comunidad), mes 5-8
(implementación), mes 9-10 (evaluación), mes 11-12 (sostenibilidad), con
hitos y responsables. |
Visualización: Cronograma de proyecto con
entregables. Ideal para investigación-acción participativa. |
NIVEL POSGRADO (MAESTRÍA Y DOCTORADO)
ÁREA: COMUNICACIÓN
|
Código |
Tipo de Investigación |
Ejemplo de Prompt |
Justificación y Resultado Visual Esperado |
|
/infographic |
Comunicación política |
/infographic Estrategias de desinformación en campañas
electorales 2024: bots (35% del tráfico), deepfakes (12% de contenido
visual), granjas de trolls (coordinación temporal), con técnicas de detección
y contramedidas, basado en análisis de red de 50,000 tweets. |
Visualización: Infografía técnica que sintetiza
hallazgos de análisis de big data. Publicable en revistas indexadas sobre
comunicación digital. |
|
/matrix |
Análisis de redes sociales |
/matrix Matriz de centralidad en red de influencers: nodos
(50 cuentas verificadas), métricas (grado, intermediación, cercanía,
eigenvector), correlación con engagement rate y capacidad de agenda-setting,
con análisis de clusters temáticos. |
Visualización: Tabla analítica que jerarquiza
actores por influencia real vs. percibida. Fundamental para estudios de SNA
(Social Network Analysis). |
|
/mindmap |
Epistemología de la comunicación |
/mindmap Paradigmas de investigación en comunicación:
positivista (efectos, medición cuantitativa), interpretativo (significados,
etnografía), crítico (poder, economía política), con autores fundacionales,
métodos emblemáticos y debates contemporáneos. |
Visualización: Mapa epistemológico que posiciona la
investigación doctoral en el campo. Esencial para capítulos de marco
teórico-epistemológico. |
|
/comparison |
Teorías de la comunicación |
/comparison Análisis comparativo de teorías del framing:
Entman (selección/salencia), Scheufele (nivel individual/organizacional),
Matthes (integración de enfoques), con operacionalización de variables,
instrumentos de medición y limitaciones metodológicas. |
Visualización: Tabla crítica que evalúa marcos
teóricos para su aplicación empírica. Necesario para justificación teórica en
tesis doctorales. |
|
/dashboard |
Monitoreo de medios |
/dashboard Dashboard de análisis de cobertura mediática en
tiempo real: volumen de menciones (diario), sentimiento (NLP: positivo 23%,
neutral 54%, negativo 23%), temas emergentes (topic modeling), fuentes
dominantes, con alertas de crisis y comparativo histórico. |
Visualización: Panel interactivo para investigación
longitudinal. Aplicable a estudios de agenda-building y crisis communication. |
|
/process |
Metodología mixta |
/process Diseño secuencial explicativo mixto: FASE 1
(encuesta n=1000, análisis estadístico descriptivo/inferencial) →
identificación de casos extremos → FASE 2 (entrevistas profundas n=30,
análisis temático) → integración de resultados (triangulación), con criterios
de validez. |
Visualización: Flujograma metodológico complejo que
justifica diseño mixto. Fundamental para propuestas de investigación
doctoral. |
|
/swot |
Evaluación de teorías |
/swot Análisis crítico de la Teoría del Agenda-Setting en
la era digital: Fortalezas (solidez empírica, adaptabilidad), Oportunidades
(big data, análisis de redes), Debilidades (dificultad para medir saliencia
cognitiva), Amenazas (fragmentación de audiencias, algoritmos
personalizados), con propuesta de actualización teórica. |
Visualización: Matriz estratégica para discusión
teórica. Ideal para artículos de revisión o capítulos de discusión en
doctorado. |
|
/timeline |
Evolución del campo |
/timeline Genealogía de los estudios de recepción: 1970s
(Hall - codificación/decodificación), 1980s (Morley - etnografía de
audiencias), 1990s (Fiske - cultura popular), 2000s (Jenkins - cultura
participativa), 2010s (van Zoonen - feminismo digital), con debates paradigmáticos. |
Visualización: Línea del tiempo intelectual que
contextualiza la investigación. Perfecto para estado del arte en doctorado. |
ÁREA: SALUD
|
Código |
Tipo de Investigación |
Ejemplo de Prompt |
Justificación y Resultado Visual Esperado |
|
/infographic |
Epidemiología avanzada |
/infographic Modelo de transmisión dinámica de COVID-19:
R0 básico (2.8), R0 efectivo por intervenciones (distanciamiento 1.4,
mascarillas 1.1, combinación 0.8), curvas de contagio proyectadas, impacto en
hospitalización/UCI, con ecuaciones SIR y parámetros de incertidumbre. |
Visualización: Infografía técnica que integra
modelado matemático con políticas de salud. Publicable en revistas de
epidemiología. |
|
/matrix |
Evaluación económica |
/matrix Análisis de costo-efectividad de intervenciones
para diabetes: tamizaje masivo (costo $50/persona, QALY ganado 0.3),
educación grupal ($200/persona, QALY 0.8), manejo intensivo ($2000/persona,
QALY 2.1), con ICER (razón costo-efectividad incremental) y umbral de
disposición a pagar. |
Visualización: Tabla de evaluación económica con
métricas estandarizadas. Esencial para investigación en economía de la salud. |
|
/mindmap |
Marcos conceptuales complejos |
/mindmap Determinantes estructurales de la salud: contexto
socioeconómico/político (neoliberalismo, globalización) → posición
socioeconómica (ingreso, educación, ocupación) → mecanismos intermediarios
(estrés crónico, acceso a recursos, comportamientos) → outcomes de salud
(morbilidad, mortalidad), con evidencia de pathways causales. |
Visualización: Mapa causal multinivel que integra
teoría y evidencia. Fundamental para tesis doctorales en salud pública. |
|
/comparison |
Revisiones sistemáticas |
/comparison Meta-análisis de intervenciones para cesación
tabáquica: consejería breve (RR 1.3, IC95% 1.1-1.5), farmacoterapia (RR 1.7,
IC95% 1.5-1.9), combinación (RR 2.4, IC95% 2.0-2.8), con heterogeneidad (I²),
sesgo de publicación y calidad de evidencia (GRADE). |
Visualización: Tabla de síntesis cuantitativa con
estadísticos de meta-análisis. Necesario para publicaciones en revistas de
alto impacto. |
|
/flowchart |
Diagramas de flujo CONSORT |
/flowchart Diagrama CONSORT para ensayo clínico
aleatorizado: evaluación de elegibilidad (n=500) → aleatorización (n=400) →
grupo intervención (n=200, pérdidas 15%) vs. grupo control (n=200, pérdidas
12%) → análisis por intención de tratar (n=400), con razones de exclusión y
pérdidas por fase. |
Visualización: Flujograma estandarizado para
reporte de ECA. Requerido por revistas biomédicas indexadas. |
|
/dashboard |
Vigilancia epidemiológica |
/dashboard Sistema de alerta temprana para brotes:
indicadores en tiempo real (incidencia semanal, R efectivo, positividad de
pruebas, ocupación UCI), umbrales de alerta (semáforo epidemiológico),
proyecciones de demanda hospitalaria, con mapas de calor georreferenciados. |
Visualización: Dashboard para toma de decisiones en
salud pública. Aplicable a investigación en sistemas de vigilancia. |
|
/process |
Investigación traslacional |
/process Pipeline de investigación traslacional: ciencia
básica (descubrimiento de diana terapéutica) → desarrollo preclínico (modelos
in vitro/in vivo) → ensayos clínicos Fases I-III (seguridad, eficacia) →
aprobación regulatoria → implementación en práctica clínica → evaluación de
resultados en vida real, con tiempos y tasas de éxito por fase. |
Visualización: Diagrama del proceso de traslación
bench-to-bedside. Ideal para investigación biomédica avanzada. |
|
/checklist |
Evaluación de calidad metodológica |
/checklist Lista de verificación STROBE para estudios
observacionales: título/resumen (2 ítems), introducción (2), métodos (10),
resultados (8), discusión (6), otros (2), con criterios de cumplimiento y
justificación de desviaciones, para asegurar reporte transparente. |
Visualización: Instrumento estandarizado para
evaluación crítica de literatura. Esencial para revisiones sistemáticas. |
ÁREA: SOCIEDAD
|
Código |
Tipo de Investigación |
Ejemplo de Prompt |
Justificación y Resultado Visual Esperado |
|
/infographic |
Desigualdad estructural |
/infographic Brecha de riqueza en América Latina: 10% más
rico concentra 55% del ingreso, coeficiente Gini promedio (0.46), movilidad
social intergeneracional (elasticidad ingreso padre-hijo 0.6), con
comparación OECD (0.3) y descomposición por fuentes (educación 30%, herencia
25%, redes 20%). |
Visualización: Infografía que evidencia desigualdad
estructural con datos comparativos. Publicable en revistas de sociología
económica. |
|
/matrix |
Análisis de correspondencias múltiples |
/matrix ACM de prácticas culturales: variables activas
(consumo cultural, participación política, uso de TIC), variables
ilustrativas (edad, educación, ingreso), con coordenadas en ejes factoriales
(F1: capital cultural, F2: capital tecnológico), inercia explicada y
contribuciones. |
Visualización: Tabla de análisis factorial para
investigación cuantitativa avanzada. Fundamental para tesis doctorales en
sociología. |
|
/mindmap |
Teoría social contemporánea |
/mindmap Corrientes teóricas sobre neoliberalismo:
Foucault (gubernamentalidad, biopolítica), Harvey (acumulación por
desposesión), Brown (democracia neoliberal), Dardot & Laval (razón
neoliberal), con conceptos nucleares, críticas y aplicaciones a estudios de
caso latinoamericanos. |
Visualización: Red teórica que mapea debates
contemporáneos. Esencial para marcos teóricos en doctorado en ciencias
sociales. |
|
/comparison |
Estudios comparados |
/comparison Análisis comparado de estados de bienestar:
modelo nórdico (universalista, alta tributación 45% PIB), modelo continental
(corporativista, seguros sociales), modelo liberal (residual, focalización),
modelo latinoamericano (dual, segmentado), con indicadores de gasto social,
cobertura y reducción de pobreza. |
Visualización: Tabla tipológica de regímenes de
bienestar. Ideal para investigación comparada en política social. |
|
/timeline |
Procesos históricos de larga duración |
/timeline Formación del Estado nación en América Latina:
1810-1825 (independencias, fragmentación), 1850-1880 (consolidación
oligárquica, economía exportadora), 1930-1970 (ISI, populismo,
industrialización), 1980-2000 (neoliberalismo, democratización), 2000-2020 (giro
a la izquierda, extractivismo), con hitos institucionales y conflictos
sociales. |
Visualización: Línea del tiempo de análisis
histórico-estructural. Fundamental para investigación en historia social. |
|
/process |
Etnografía y análisis cualitativo |
/process Proceso de análisis temático en investigación
cualitativa: transcripción literal → lectura inmersiva → codificación abierta
(n=150 códigos) → codificación axial (categorías emergentes n=12) →
codificación selectiva (temas centrales n=4) → validación con participantes
(member checking), con software (NVivo/Atlas.ti) y criterios de rigor
(credibilidad, transferibilidad). |
Visualización: Flujograma metodológico para
investigación cualitativa rigurosa. Necesario para tesis doctorales en
antropología/sociología. |
|
/swot |
Evaluación de políticas públicas |
/swot Análisis de política de economía circular:
Fortalezas (marco legal avanzado, alianzas público-privadas), Oportunidades
(fondos verdes internacionales, innovación tecnológica), Debilidades (baja
capacidad de fiscalización, informalidad 60%), Amenazas (resistencia de
sectores extractivos, crisis económica), con recomendaciones estratégicas
basadas en evidencia. |
Visualización: Matriz de análisis de política
pública con base empírica. Ideal para investigación en administración
pública. |
|
/roadmap |
Investigación-acción participativa |
/roadmap Ciclo de IAP sobre seguridad alimentaria: Fase 1
(6 meses: diagnóstico participativo con mapeo comunitario), Fase 2 (8 meses:
codesarrollo de huertos urbanos), Fase 3 (6 meses: implementación y monitoreo
colectivo), Fase 4 (4 meses: evaluación participativa y sistematización), con
roles de coinvestigadores comunitarios y productos de devolución. |
Visualización: Cronograma de investigación
comprometida. Perfecto para doctorados en estudios del desarrollo. |
Recomendaciones para el Uso de Prompts en Investigación
Para Estudiantes de Licenciatura:
- Empieza
con lo básico: Usa /infographic y /chart para visualizar datos de tu
proyecto terminal
- Organiza
tu proceso: Aplica /timeline y /checklist para planificar tu
investigación
- Comprende
conceptos: Utiliza /mindmap para construir marcos teóricos
- Comunica
resultados: Genera /comparison para presentar hallazgos en seminarios
Para Estudiantes de Posgrado:
- Profundiza
el análisis: Emplea /matrix y /swot para análisis multidimensionales
complejos
- Rigor
metodológico: Usa /process y /flowchart para documentar diseños
metodológicos sofisticados
- Difusión
de alto impacto: Crea /infographic y /dashboard para publicaciones y
conferencias internacionales
- Integración
teórica: Aplica /mindmap y /timeline para revisiones sistemáticas del
estado del arte
Para Investigadores Consolidados:
- Visualización
de big data: Genera /dashboard interactivos para proyectos de gran
escala
- Traducción
del conocimiento: Usa /infographic para comunicar hallazgos a
audiencias no académicas
- Colaboración
interdisciplinaria: Aplica /comparison y /matrix para integrar
perspectivas diversas
- Evaluación
de impacto: Emplea /chart y /roadmap para monitorear la transferencia
del conocimiento
Consideraciones Éticas y Metodológicas
Limitaciones de las Visualizaciones Generadas por IA:
- Verificación
de datos: Siempre valida la precisión de cifras y referencias
- Contextualización:
Las visualizaciones requieren interpretación crítica
- Sesgos
algorítmicos: Reconoce que la IA puede replicar sesgos existentes en
los datos
- Propiedad
intelectual: Cita adecuadamente las fuentes originales de datos
Mejores Prácticas:
- Transparencia:
Documenta el proceso de generación y ajuste de visualizaciones
- Accesibilidad:
Asegura que los gráficos sean comprensibles para personas con discapacidad
visual (descripciones alternativas)
- Rigor
científico: Mantén estándares de calidad en la representación de datos
- Actualización:
Verifica que la información visualizada refleje la evidencia más reciente
El dominio de prompts estructurados y visualizaciones
generadas por IA no es simplemente una habilidad técnica adicional; representa
una competencia fundamental para la investigación contemporánea en
comunicación, salud y sociedad. Esta competencia articula tres dimensiones
inseparables: la técnica (dominio de herramientas digitales), la epistemológica
(nuevas formas de conocer y representar la realidad) y la ética
(responsabilidad en la representación visual del conocimiento).
Las cinco transformaciones clave de esta revolución
visual
1.- Democratizan el acceso a visualizaciones de calidad
profesional
Las herramientas de IA eliminan barreras históricas que
limitaban la visualización de datos a investigadores con formación en diseño
gráfico o acceso a software costoso. Hoy, un estudiante de licenciatura en una
universidad pública puede generar infografías comparables a las publicadas en
revistas indexadas, y un investigador de posgrado en contextos de bajos
recursos puede producir dashboards interactivos que antes requerían equipos
multidisciplinarios. Esta democratización tiene implicaciones profundas para la
equidad epistémica global: las voces del Sur Global, las comunidades
marginadas y los investigadores emergentes ahora pueden visibilizar sus
hallazgos con la misma potencia gráfica que los centros hegemónicos del
conocimiento.
2.- Aceleran el proceso de análisis y comunicación de hallazgos
En un contexto académico donde la obsolescencia del
conocimiento se mide en meses, la capacidad de transformar datos en
visualizaciones en minutos —no en semanas— redefine los tiempos de la
investigación. Esto es particularmente crítico en áreas como salud pública
(donde una infografía oportuna puede salvar vidas durante una epidemia), comunicación
política (donde el análisis visual de desinformación debe ser tan rápido
como la viralización del contenido falso) y estudios sociales (donde la
visualización de desigualdades estructurales puede influir en políticas
públicas antes de que las ventanas de oportunidad se cierren).
3.- Potencian el impacto de la investigación más allá de
la academia
La ciencia cerrada en papers inaccesibles es ciencia
incompleta. Las visualizaciones generadas mediante prompts permiten la traducción
del conocimiento a múltiples audiencias: tomadores de decisiones que
necesitan dashboards ejecutivos, periodistas que requieren infografías para sus
reportajes, comunidades que se benefician de materiales visuales en sus propios
lenguajes culturales, y ciudadanos que ejercen su derecho a comprender la
ciencia que les afecta. Esta función de traducción visual convierte al
investigador en un puente entre el saber especializado y el bien común.
4.- Facilitan la
colaboración interdisciplinaria e internacional
El lenguaje visual es, por naturaleza, transcultural y
transdisciplinario. Una matriz de análisis, un diagrama de flujo o un mapa
conceptual pueden ser comprendidos por un sociólogo, un epidemiólogo y un
comunicador sin necesidad de dominar los jergas específicos de cada campo. En
proyectos internacionales —tan necesarios para abordar problemas globales como
pandemias, cambio climático o migraciones— los prompts visuales funcionan como infraestructura
cognitiva compartida que reduce fricciones interpretativas y acelera la
construcción de conocimiento colectivo.
5.- Preparan a los
investigadores para un mundo donde los datos visuales dominan la comunicación
del conocimiento
Vivimos en la era del capitalismo de la atención,
donde la información compite por segundos del tiempo cognitivo humano.
Investigadores que no dominen la visualización de datos están condenados a la
invisibilidad, sin importar la calidad de sus hallazgos. Las nuevas
generaciones de académicos deben ser bilingües: capaces de escribir con
rigor metodológico en papers y, simultáneamente, de "hablar" en
infografías, dashboards, mapas interactivos y visual abstracts. Esta
bilingüidad no es opcional; es condición de supervivencia intelectual en el
ecosistema del conocimiento del siglo XXI.
Una nueva alfabetización para el investigador
contemporáneo
Esta revolución visual exige lo que podríamos llamar una alfabetización
gráfica crítica, compuesta por cuatro competencias entrelazadas:
- Alfabetización
técnica: Dominar la ingeniería de prompts, comprender las limitaciones
de los modelos de IA y saber seleccionar la visualización adecuada para
cada tipo de dato y audiencia.
- Alfabetización
estética: Entender los principios del diseño visual (jerarquía,
contraste, proximidad, alineación) para producir materiales que no solo
informen, sino que también atraigan y persuadan éticamente.
- Alfabetización
ética: Reconocer que toda visualización es una representación —y por
tanto, una interpretación— que puede incluir sesgos, omisiones o
manipulación. El investigador visualmente alfabetizado declara sus
fuentes, cuestiona los outputs de la IA y evita la "chartjunk"
que distorsiona los datos.
- Alfabetización
crítica: Comprender que las imágenes no son neutrales; construyen
realidad, naturalizan perspectivas y pueden tanto emancipar como oprimir.
Una infografía sobre desigualdad, por ejemplo, puede empoderar a
comunidades marginadas o puede estigmatizarlas, dependiendo de cómo se
diseñe.
El investigador como arquitecto de visibilidades
El futuro de la investigación no está solo en recolectar y
analizar datos, sino en visualizarlos, contextualizarlos y comunicarlos de
manera efectiva. Los prompts y gráficos de IA son el lenguaje que hace posible
esta transformación, pero no sustituyen el pensamiento crítico: lo amplifican.
La IA puede generar una matriz FODA en segundos, pero solo el investigador
puede interpretar sus implicaciones políticas. La IA puede diseñar un diagrama
de flujo epidemiológico, pero solo el investigador puede decidir qué variables
merecen ser visibilizadas y cuáles no.
El investigador del siglo XXI no es solo quien genera
conocimiento, sino quien lo hace visible, comprensible y accionable. Es, en
términos de Bruno Latour, un cartógrafo de redes complejas que traza
mapas para que otros puedan navegar territorios desconocidos. Es, en palabras
de Edward Tufte, un activista de la claridad que lucha contra la
opacidad de los datos y la confusión visual. Es, en el contexto de la ciencia
abierta, un curador de visualidades que pone sus hallazgos al servicio
de la sociedad.
Hacia una ética de la visualización investigativa
Esta nueva era exige también un compromiso ético renovado:
- Transparencia
radical: Declarar el uso de IA en la generación de visualizaciones,
tal como se declaran las fuentes de financiamiento.
- Accesibilidad
universal: Garantizar que las visualizaciones sean comprensibles para
personas con discapacidades visuales, cognitivas o lingüísticas.
- Justicia
representacional: Evitar que las visualizaciones refuercen
estereotipos, estigmas o asimetrías de poder.
- Sostenibilidad
cognitiva: No saturar al público con visualizaciones innecesarias;
producir solo las que aporten valor real al conocimiento.
- Devolutiva
comunitaria: Cuando la investigación involucra a comunidades, las
visualizaciones deben regresar a ellas en formatos comprensibles y útiles.
Un llamado a la acción investigativa
A los estudiantes de licenciatura: no subestimen el
poder de una buena visualización. Su tesis puede cambiar el mundo si logran que
sus hallazgos sean vistos, comprendidos y recordados. Aprendan a promptear con
la misma dedicación con que aprenden a citar en APA.
A los estudiantes de posgrado: la excelencia
metodológica sin excelencia visual es una mitad de la excelencia. Sus
disertaciones doctorales deben producir no solo conocimiento, sino también artefactos
visuales que se conviertan en referencias obligadas en sus campos.
A los investigadores consolidados: la resistencia a
lo visual es una forma de conservadurismo epistemológico. Las generaciones que
los suceden juzgarán su legado no solo por lo que publicaron, sino por lo que
lograron hacer visible para la sociedad.
A las instituciones académicas: inviertan en
formación visual de sus investigadores, en infraestructura tecnológica y en
reconocimiento de las visualizaciones como productos científicos legítimos, no
como meros complementos decorativos.
El futuro ya comenzó
El investigador del siglo XXI no es solo quien genera
conocimiento, sino quien lo hace visible, comprensible y accionable. Y ese
futuro, afortunadamente, ya comenzó. Comenzó en el momento en que un estudiante
de comunicación generó su primera infografía con ChatGPT para explicar un
fenómeno de desinformación. Comenzó cuando un investigador en salud pública
diseñó un dashboard que permitió a una comunidad rural monitorear sus
indicadores epidemiológicos. Comenzó cuando un sociólogo visualizó las redes de
desigualdad estructural y sus gráficos fueron citados en el congreso de su
país.
La revolución visual de la investigación no es un evento
futuro; es un proceso en curso que se construye con cada prompt bien
diseñado, con cada gráfico éticamente producido, con cada visualización que
logra transformar datos abstractos en comprensión concreta.
El aula del futuro ya no es un lugar donde se lee, sino
donde se ve, se piensa y se actúa. El laboratorio del futuro no es un espacio
donde se calcula, sino donde se visualiza, se interpreta y se comunica. Y ese
futuro, afortunadamente, ya comenzó.
"La mejor idea del mundo, si no puede ser
visualizada, probablemente nunca será comprendida. Y lo que no se comprende, no
se transforma."
— Reflexión síntesis sobre la investigación visual en el
siglo XXI
Referencias Sugeridas para Profundizar
. Métodos Visuales y Visualización de Datos en Investigación
- Cairo, A. (2016). The
Truthful Art: Data, Charts, and Maps for Communication. New
Riders. (Fundamental para aprender a representar datos de manera ética,
clara y sin manipulación visual).
- Harper, D. (2012). Visual
Sociology (2ª ed.). Routledge. (Texto clásico sobre cómo las
imágenes y gráficos pueden ser datos válidos en la investigación social).
- Kress,
G., & van Leeuwen, T. (2020). Reading Images: The Grammar of Visual Design (3ª ed.). Routledge. (Marco
teórico esencial para analizar la semiótica y el significado detrás de las
infografías y gráficos generados).
- Rose, G. (2016). Visual
Methodologies: An Introduction to Researching with Visual Materials
(4ª ed.). Sage Publications. (La guía por excelencia para
integrar el análisis visual en metodologías de ciencias sociales).
- Tufte, E. R. (2001). The
Visual Display of Quantitative Information (2ª ed.). Graphics
Press. (La biblia de la visualización de datos: principios de diseño,
eliminación de "chartjunk" y máxima densidad de información).
2. Área de Comunicación
- Castells,
M. (2009). Comunicación y poder. Alianza Editorial. (Base
teórica para entender cómo los flujos de información visual y las redes
digitales configuran el poder en la sociedad contemporánea).
- Jenkins, H. (2008). Convergence
Culture: Where Old and New Media Collide. NYU Press. (Clave
para investigar cómo los públicos interactúan, remezclan y visualizan
contenidos en la era digital).
- Scolari,
C. A. (2018). Ecología de los medios: Entornos, evoluciones e
interpretaciones. Gedisa. (Útil para enmarcar investigaciones sobre
cómo las nuevas herramientas de IA se integran en los ecosistemas
comunicativos).
3. Área de Salud y Comunicación de la Salud
- Kreps, G. L., & Neuhauser,
L. (2010). New directions in eHealth communication: Opportunities and
challenges. Patient Education and Counseling, 78(3),
329-336. https://doi.org/10.1016/j.pec.2010.01.005 (Analiza
el rol de los formatos visuales y digitales en la comprensión de la salud
por parte de los pacientes).
- Zarcadoolas, C., Pleasant, A.,
& Greer, D. S. (2006). Advancing Health Literacy: A Framework for
Understanding and Action. Jossey-Bass. (Demuestra cómo la
visualización de datos es crítica para superar las barreras de
alfabetización en salud).
- Organización
Mundial de la Salud (OMS). (2021).
Package of interventions for rehabilitation. (Incluye
directrices sobre el uso de materiales visuales y gráficos para la
comunicación de riesgos y protocolos clínicos).
4. Área de Sociedad y Ciencias Sociales
- Bourdieu,
P. (1991). El sentido práctico. Taurus. (Aunque clásico, es
esencial para justificar matrices de análisis que crucen capital cultural,
económico y social en visualizaciones de desigualdad).
- Pink, S. (2015). Doing
Sensory Ethnography (2ª ed.). Sage. (Ofrece un marco para
investigaciones que van más allá del texto, incorporando lo visual y lo
experiencial en el trabajo de campo).
- Wacquant,
L. (2002). Las dos caras del gueto. Siglo XXI Editores. (Ejemplo
magistral de cómo combinar datos cuantitativos, etnografía y
representación visual de la realidad social).
5. Inteligencia Artificial, Prompts y Ética en la
Investigación
- Mollick, E., & Mollick, L.
(2023). Assigning AI: Seven Approaches for Students, with Prompts. SSRN
Electronic Journal. https://doi.org/10.2139/ssrn.4476093 (Uno de los
documentos más citados sobre cómo estructurar prompts con fines académicos
y de investigación).
- UNESCO. (2023). Guidance for
generative AI in education and research. United Nations
Educational, Scientific and Cultural Organization. https://unesdoc.unesco.org/ark:/48223/pf0000386693
(Marco normativo global sobre el uso ético, la atribución y las
limitaciones de la IA en la generación de contenido académico).
- Nature. (2023). The rules on
using AI in research. Nature Editorial. https://www.nature.com/articles/d41586-023-03514-0
(Directrices de una de las revistas científicas más prestigiosas sobre
la declaración de uso de IA y la prohibición de incluir IA como coautora).
A. Guías de Prompting e Ingeniería de Prompts para
Investigadores
- OpenAI
Prompt Engineering Guide: https://platform.openai.com/docs/guides/prompt-engineering
Utilidad: Guía oficial con estrategias avanzadas (few-shot prompting, chain-of-thought) adaptables para extraer matrices, resúmenes o estructuras de investigación de alta calidad. - Prompts
for Academics (Repositorio en GitHub): https://github.com/jimgoo/prompts-for-academics
Utilidad: Colección curada de prompts específicos para revisión de literatura, análisis de datos cualitativos y estructuración de papers.
B. Herramientas de Visualización de Datos (Gratuitas o
Freemium)
- Flourish:
https://flourish.studio/
Utilidad: Herramienta líder para crear visualizaciones interactivas (barras animadas, mapas de calor, redes) a partir de datos en Excel/CSV. Ideal para anexos digitales de tesis o presentaciones de congresos. - RAWGraphs:
https://rawgraphs.io/
Utilidad: Herramienta de código abierto desarrollada por el DensityDesign Research Lab (Politécnico de Milán). Convierte datos tabulares en gráficos complejos (diagramas de Sankey, sunburst, matrices) sin subir los datos a la nube (privacidad garantizada para datos sensibles de salud o sociales). - Datawrapper:
https://www.datawrapper.de/
Utilidad: Excelente para crear gráficos de barras, líneas y mapas coropléticos limpios y accesibles, ampliamente utilizados por medios de comunicación y revistas académicas.
C. Organismos Internacionales y Estándares Metodológicos
- Equator
Network (Directrices de reporte de investigación): https://www.equator-network.org/
Utilidad: Repositorio de guías visuales y checklists (como CONSORT, PRISMA, STROBE) para reportar investigaciones en salud y ciencias sociales. Ideal para usar con el prompt /checklist o /flowchart. - The
Data Visualization Society (DVS): https://www.datavisualizationsociety.org/
Utilidad: Comunidad global que publica el "State of Data Visualization", ofreciendo estándares éticos y estéticos actuales para la representación visual de datos. - UNESCO
- Inteligencia Artificial en la Investigación: https://www.unesco.org/es/artificial-intelligence/research
Utilidad: Documentos descargables sobre marcos de competencia digital para investigadores y políticas de integridad académica frente a la IA generativa.
D. Repositorios de Inspiración Visual Científica
- Information
is Beautiful: https://informationisbeautiful.net/
Utilidad: Banco de ejemplos de cómo transformar bases de datos complejas (salud, sociedad, economía) en infografías premiadas y comprensibles. - PubMed
Visual Abstracts Gallery: https://www.annalsofoncology.org/visual-abstracts
Utilidad: Ejemplos reales de cómo las revistas médicas de alto impacto (como Annals of Oncology o JAMA) exigen o recomiendan "resúmenes visuales" (visual abstracts) generados a partir de los hallazgos clave de un paper.
Recomendación para integrar estas fuentes en tu
investigación
- En
el Marco Teórico: Usa a Rose (2016) y Kress & van Leeuwen (2020) para
justificar por qué un gráfico o infografía no es solo un
"adorno", sino un texto visual con gramática propia que
construye significado.
- En
el Diseño Metodológico: Cita las guías del Equator Network y el artículo
de Mollick & Mollick (2023) para explicar cómo se diseñaron los
prompts y cómo se validó la salida de la IA (ej. "se utilizó un
prompt de cadena de pensamiento para generar una matriz FODA, la cual fue
posteriormente validada por dos codificadores humanos").
- En
la Sección Ética: Incluye siempre una cita a las directrices de Nature
(2023) o UNESCO (2023) declarando que la IA se utilizó como asistente
de estructuración y visualización, pero que el análisis crítico, la
interpretación de los datos y la autoría intelectual son 100% humanos.
- En los Anexos: Incluye los enlaces a las visualizaciones interactivas creadas en Flourish o RAWGraphs como material complementario de la investigación, demostrando dominio de herramientas del siglo XXI.

Comentarios
Publicar un comentario