Importancia del Método Científico

A lo largo de la historia, la evolución del pensamiento humano se ha visto impulsada por un conjunto de métodos que desafiaron creencias arraigadas, y el Método Científico, como indicaron ​Hernández Sampieri et al. (2014),​ es el proceso o camino que sigue la investigación cuantitativa (y en parte la cualitativa) para generar conocimiento, que se ha convertido en uno de los pilares esenciales de este proceso. Su aplicación va más allá de una rutina experimental; se trata de una herramienta que invita a la reflexión profunda y a la revisión constante de los conocimientos establecidos. Al fomentar la observación sistemática y la elaboración meticulosa de hipótesis, el método no solo aporta rigor a la investigación, sino que también incentiva la curiosidad inherente al ser humano ​(Herrera Rodríguez, 2018)​. Esta perspectiva, llena de matices y posibilidades, subraya la importancia de adoptar una actitud abierta ante los descubrimientos, permitiendo que cada hallazgo se convierta en un escalón hacia la construcción gradual de verdades más sólidas y con fundamento empírico. El método científico, aunque puede variar ligeramente de acuerdo con la disciplina, generalmente está compuesto de las siguientes etapas:

• Observación.
• Planteamiento del problema o pregunta
• Formulación de la hipótesis
• Experimentación / Recolección de datos
• Análisis de los datos
• Conclusiones
• Presentación de resultados

En la Figura 1, se identifican las etapas del método científico:

El método científico generalmente tiene las características que se indican en la Figura 2:

• Es empírico, es decir se fundamenta en la observación y en la experiencia.
• Es verificable, es decir que los resultados pueden ser comprobados por otros investigadores.
• Es objetivo, es decir que busca prescindir de prejuicios y opiniones personales.
• Es sistémico, tiene un orden establecido.
• Es acumulativo, está construido sobre investigaciones previas.
• Es falsable, las hipótesis pueden ser refutadas.

Pensamiento Crítico en la Investigación

Como lo define Scriven (1987) en su trabajo:

Con la llegada de la era digital, enfrentamos nuevos desafíos frente a los que el pensamiento crítico se presenta como un faro que ilumina el sendero hacia una investigación responsable y significativa. Así, la habilidad para identificar sesgos y cuestionar supuestos se transforma en una aliada indispensable en el proceso investigativo, en el cual la serenidad mental se combina con la audacia creativa para explorar territorios inexplorados del conocimiento. La integración de estas cualidades impulsa al investigador a considerar no solo la evidencia empírica, sino también su contexto y relevancia, fomentando un diálogo entre intuición y análisis lógico que enriquece cada hallazgo Grillo Torres, (2023). Este enfoque no solo desarrolla una mirada inquisitiva, sino que también permite trascender la superficie de los datos, generando perspectivas que invitan a repensar las verdades establecidas y a abrazar la complejidad inherente a la búsqueda del saber. En la Figura 3 se presentan los elementos del pensamiento crítico:

1.1.1. Definición de Verdad y Falsedad

En el tejido intrincado del conocimiento, la distinción entre verdad y falsedad se configura como un elemento esencial que propicia tanto la validación empírica como la reflexión ética en la investigación científica. En el ámbito de la investigación, una afirmación, hipótesis o teoría se considera "verdadera" en la medida en que logra corresponderse de manera consistente con la evidencia obtenida a través de la observación sistemática y la experimentación controlada. La verdad en la ciencia es, a menudo, provisional: representa el conocimiento más fiable que tenemos en un momento dado, basado en los datos disponibles y en las mejores explicaciones teóricas. Las verdades científicas son aquellas proposiciones que han superado múltiples pruebas, son coherentes con otras verdades establecidas y tienen poder predictivo Chalmers (1982). En la Figura 4 se identifica en qué condiciones una afirmación es considerada verdadera.

Por otro lado, una afirmación o hipótesis se considera "falsa" en investigación cuando es contradicha por la evidencia empírica o cuando presenta incoherencias lógicas insuperables dentro de un marco teórico dado. Un principio fundamental en la filosofía de la ciencia, especialmente influenciado por filósofos como Karl Popper, es la falsabilidad. Una hipótesis o teoría científica debe ser, en principio, susceptible de ser demostrada como falsa a través de la observación o la experimentación Popper (1959). Esta dualidad, lejos de ser un mero juego semántico, invita a explorar la profundidad de cada afirmación y a cuestionar sus orígenes, favoreciendo un discernimiento que se vuelve crucial en contextos donde la veracidad se debate en el cruce de datos empíricos y argumentos subjetivos. En este proceso, cada revisión y contraste de hechos se erige como un ejercicio que no solo fortalece el compromiso ético del investigador, sino que también enriquece el proceso de generación de conocimiento, permitiendo un avance científico más riguroso y responsable. En la Figura 5 se plantean los elementos para que una afirmación se considere falsa.

Concepto y Relevancia

Impulsado por la imperante necesidad de transcender las barreras de la simplificación excesiva, el principio de Brandolini, también conocido como la "Ley de la Asimetría de la Banalidad" (Bullshit Asymmetry Principle), establece que la cantidad de energía necesaria para refutar una afirmación falsa es mucho mayor que la energía necesaria para producirla (Sridharan, n.d.) Este principio se revela como una herramienta indispensable para desentrañar la complejidad inherente a la transmisión de información. En este contexto, se destaca cómo la asimetría en el esfuerzo necesario para refutar una falsedad se contrapone a la facilidad casi inmediata con la que se propagan los mitos y malentendidos, generando un escenario en el que la veracidad se ve amenazada por la velocidad de la desinformación. Al integrarse en el debate científico y social, este principio invita a una reflexión sobre la importancia de la meticulosidad y la evidencia en la validación de cualquier afirmación, enfatizando que la lucha contra los sesgos y las interpretaciones erróneas debe ser tan rigurosa como la acción que las origina. Con ello, se esboza una ruta para potenciar el pensamiento crítico y fortalecer el valor intrínseco del análisis detallado en procesos de investigación. En la Figura 6 se presenta el significado de la Ley de la Asimetría de la Banalidad.

La asimetría de la Banalidad

Surge, de manera inesperada, una reflexión sobre cómo la banalidad asimétrica afecta tanto la profundidad del análisis como la forma de interpretar hechos cotidianos. Al reconocer que la aceptación superficial de ciertos contenidos contribuye a un estado donde la veracidad se diluye en el flujo incesante de información, se evidencia cómo la falta de rigurosidad en la revisión permite el crecimiento de “verdades inacabadas”. Esta situación, enmarcada en una realidad donde la crítica se vuelve un recurso escaso, invita a replantear estrategias que integren el cuestionamiento constante y la comprobación meticulosa, elementos indispensables para contrarrestar la inmediatez en la propagación de ideas sin sustento. Dicho proceso se configura como una oportunidad para fortalecer el compromiso investigativo, resaltando la importancia de mantener una postura analítica que, en última instancia, impulse una comprensión más profunda y reflexiva de la información recibida. Arboleda (2024).

2.1. Desinformación vs mala información

2.1.1. Características de la Desinformación

Atrapada en la maraña de relatos que parecieran tener vida propia, la desinformación se desliza en contextos cotidianos con una sutileza que confunde y sorprende, desplegando matices que, lejos de limitarse a errores aislados, se presentan como construcciones intencionadas y persistentes. Desde narrativas manipuladas en redes sociales hasta noticias fragmentadas que adquieren dimensiones inesperadas, cada ejemplo invita a reconocer el riesgo de aceptar sin cuestionar lo que se difunde. Aventurarse en este terreno supone no solo identificar fallas en el riguroso análisis de datos, sino también percibir la forma en que la manipulación sutil contribuye a la proliferación de ideas que, si bien poseen un tinte de verosimilitud, distorsionan la realidad (Gamir-Ríos, 2022). Por ello, el escrutinio minucioso y la capacidad para detectar contradicciones se convierten en herramientas indispensables para contrarrestar la influencia de contenidos que, en apariencia inofensivos, esconden intenciones de alterar la percepción pública y socavar la integridad de la verdad.

Diferencias Clave entre Desinformación y Mala Información

En un giro inesperado del análisis, resulta imprescindible explorar las sutilezas que distinguen la desinformación de la mala información, no solo en su origen, sino también en su modo de influir en la percepción social. Mientras la primera se caracteriza por una intención deliberada de distorsionar hechos y manipular opiniones, la segunda se manifiesta como errores o malinterpretaciones sin una programación previa, lo que genera diferencias cruciales en la forma de abordarlas. Esta distinción se vuelve particularmente relevante en escenarios donde la rapidez de propagación contrasta con la lentitud necesaria para esclarecer y rectificar fallas. Así, se revela que los métodos de verificación deben adaptarse, reconociendo el componente intencional que subyace a algunos procesos manipulativos, en contraposición a aquellos que simplemente reflejan una falibilidad inherente al manejo y la transmisión de datos en entornos digitales y tradicionales. En la Figura 7 se indican las diferencias entre desinformación y mala información.

2.2.1. Métodos de Evaluación

Impulsados por la necesidad de no caer en la trampa de evaluaciones superficiales, diversos métodos se han consolidado para analizar de forma rigurosa los avances científicos en el ámbito profesional. En este contexto, se destacan herramientas que combinan la revisión por pares, el análisis cuantitativo y la verificación empírica, procurando no solo identificar errores potenciales, sino también valorar la relevancia y aplicabilidad de los descubrimientos en situaciones reales (Amores Guevara, 2018). De este modo, cada técnica adquiere un papel fundamental al fomentar una constante autocrítica y actualización en los procesos de validación, permitiendo a los profesionales no solo certificar la calidad de sus investigaciones, sino también fortalecer el diálogo interdisciplinario que enriquece la interpretación de datos complejos. Así, la implementación de métodos diversos resulta indispensable para enfrentar los desafíos que surgen en la intersección del conocimiento y la práctica profesional, consolidando una base sólida para el progreso científico.

Importancia en la Práctica Profesional

Al adentrarse en los matices de la práctica profesional, resulta fascinante constatar cómo la conjunción entre rigor investigativo y experiencia práctica no solo enriquece la ejecución de proyectos, sino que también allana el camino para innovaciones que trascienden lo teórico. Este escenario invita a visualizar un ambiente en el que la aplicación del conocimiento se convierte en un ejercicio dinámico, fomentado por el intercambio de ideas y el aprendizaje continuo (Borja Ramos, 2024). De igual manera, se evidencia que la integración de diversos métodos de evaluación —que combinan la precisión científica con un enfoque práctico— ofrece a los profesionales la posibilidad de refinar sus estrategias y anticipar desafíos futuros. Así, la adaptabilidad y la mejora constante emergen como pilares esenciales para potenciar no solo la relevancia de cada avance, sino también su impacto duradero en contextos reales y en evolución constante.

2.2.2. Ejercicio Práctico: Análisis Crítico de un Post en Redes Sociales

2.2.2.1. Objetivos:

• Aplicar los conceptos de verdad y falsedad en el contexto de la información difundida en redes sociales.
• Ejercitar el pensamiento crítico para evaluar la credibilidad y validez de la información.
• Comprender y aplicar el principio de Brandolini para analizar el esfuerzo requerido para refutar información falsa.

2.2.2.2. Descripción del Ejercicio:

• Selección del Post:
• Cada estudiante deberá seleccionar un post de una red social (Twitter, Facebook, Instagram, etc.) que presente una afirmación sobre un tema relevante (científico, social, político, etc.).
• El post debe ser sustancial, es decir, debe presentar una afirmación que pueda ser analizada en términos de verdad o falsedad, y no ser simplemente una opinión o un comentario breve.
• Se anima a los estudiantes a elegir posts que generen debate o controversia.
• Análisis del Post:

Los estudiantes deberán analizar el post en detalle, considerando los siguientes aspectos:

• Identificación de la Afirmación: ¿Cuál es la afirmación central que presenta el post?
• Fuente: ¿Quién es el autor del post? ¿Es una fuente confiable y con autoridad sobre el tema?
• Evidencia: ¿Qué evidencia se presenta en el post para respaldar la afirmación? ¿Es suficiente y relevante?
• Lógica: ¿Es la argumentación del post lógica y coherente? ¿Existen falacias o inconsistencias?
• Sesgo: ¿Identifican algún sesgo en la forma en que se presenta la información?
• Evaluación de Verdad/Falsedad:
• Basándose en su análisis, los estudiantes deberán determinar si la afirmación del post es probablemente verdadera o falsa.
• Deberán justificar su evaluación utilizando los conceptos de verdad y falsedad discutidos en clase (correspondencia con la evidencia empírica, coherencia lógica).
• Se espera que los estudiantes consulten fuentes externas confiables para verificar la información presentada en el post.
• Aplicación del Principio de Brandolini:
• Los estudiantes deberán reflexionar sobre el esfuerzo que les tomó refutar (o verificar) la afirmación del post en comparación con el esfuerzo que probablemente le tomó al autor original producir el post.
• Deberán describir cómo se manifiesta el principio de Brandolini en su caso concreto.
• Por ejemplo: ¿fue fácil encontrar información que refute el post, o requirió una investigación exhaustiva? ¿El post original presentaba información sesgada o incompleta que requirió un análisis detallado para desenmascarar?
• Presentación:
• Los estudiantes deberán presentar sus hallazgos en un informe escrito.
• La presentación deberá incluir el post original, su análisis, la evaluación de verdad/falsedad y la aplicación del principio de Brandolini.
• Criterios de Evaluación:
• Calidad del análisis del post (identificación de la afirmación, evaluación de la fuente, evidencia, lógica y sesgo).
• Justificación de la evaluación de verdad/falsedad (uso adecuado de los conceptos teóricos, consulta de fuentes externas).
• Claridad y profundidad en la aplicación del principio de Brandolini.
• Calidad de la presentación (organización, claridad, precisión).

Este ejercicio permitirá a los estudiantes aplicar de manera práctica los conceptos de la clase a un contexto relevante y actual, como lo es el análisis de la información en redes sociales.

Al referirnos a un ecosistema de información digital, se debe tener presente la red compleja interconectada de tecnologías, plataformas, datos, individuos y organizaciones que participan en la creación, distribución, consumo, almacenamiento y gestión de información en formato digital. En un entorno digital, de forma similar a un ecosistema natural, diversos elementos interactúan y dependen unos de otros para dar forma al flujo y a la disponibilidad de la información.

Como indicó Floridi (2010):

De acuerdo con lo planteado por Buckland, (1991) , la naturaleza multifacética de la información se manifiesta de diferentes formas dentro de este ecosistema: "La información puede ser considerada como conocimiento comunicado, como información sobre conocimiento, como información en cosa (datos y documentos) y como proceso". Esta perspectiva evidencia que el ecosistema digital gestiona información en diversos formatos, desde datos brutos hasta conocimiento elaborado, y los elementos del ecosistema deben ser capaces de interactuar con estas diferentes manifestaciones.

Elementos que Componen un Ecosistema de Información Digital:

Un ecosistema de información digital está compuesto por varios elementos interdependientes, entre los que se incluyen:

• Infraestructura Tecnológica: hardware, software, redes de comunicación.
• Plataformas Digitales: redes sociales, motores de búsqueda, bases de datos académicas, repositorios digitales, plataformas de publicación, plataformas de comercio electrónico.
• Datos e Información: contenido textual, imágenes, videos, audio, conjuntos de datos estructurados y no estructurados, metadatos.
• Usuarios: individuos que crean, comparten, buscan, consumen e interactúan con la información.
• Organizaciones: empresas, instituciones académicas, gobiernos, organizaciones no gubernamentales que producen, gestionan y diseminan información.
• Políticas y Regulaciones: leyes de protección de datos, derechos de autor, normas de privacidad, políticas de acceso a la información.
• Estándares y Protocolos: formatos de archivo, protocolos de comunicación (HTTP, TCP/IP), estándares de metadatos.
• Algoritmos: sistemas automatizados que filtran, clasifican, recomiendan y dan forma a la información que los usuarios encuentran.

Ejemplos:

A continuación, se citan algunos ejemplos:

• Un investigador que utiliza una base de datos académica (plataforma digital) para encontrar artículos científicos (datos e información) a través de su computadora (infraestructura tecnológica) y citarlos en su trabajo, respetando las normas de derechos de autor (políticas y regulaciones).
• Un ciudadano que se informa sobre un evento actual a través de noticias publicadas en un sitio web (plataforma digital), compartiendo su opinión en una red social (plataforma digital) y viendo anuncios relacionados con el tema basados en sus interacciones previas (influencia de algoritmos).

3.1. Panorama de las redes sociales como fuentes de información

En la actualidad, las redes sociales se han convertido en uno de los principales canales de difusión de información, desempeñando un papel crucial en la forma en que consumimos y compartimos datos. Plataformas como Facebook, X (antes Twitter) e Instagram no solo facilitan la interacción entre usuarios, sino que también permiten la circulación rápida de noticias y contenidos relevantes. Sin embargo, este fenómeno plantea retos significativos, ya que la inmediatez de la información puede llevar a la propagación de datos erróneos o malinterpretados. Por ejemplo, un tuit viral puede alcanzar a miles de personas en cuestión de minutos, lo que genera tanto beneficios como riesgos para la veracidad del contenido que se comparte. Esto ha llevado a una creciente preocupación sobre cómo discernir entre información válida y engañosa en un entorno digital tan saturado (Argiñano, 2020).

El impacto de las redes sociales en la percepción pública y el acceso a la información es innegable. La capacidad de los usuarios para difundir sus opiniones y experiencias a través de estos canales ha democratizado la comunicación, pero también ha permitido que se propague desinformación. Este ecosistema informático exige que los consumidores adopten un enfoque crítico hacia el contenido que encuentran. Así, no solo se trata de consumir información, sino también de cuestionar su origen y contexto. Por lo tanto, es esencial educar a los estudiantes sobre el uso responsable de las redes sociales como fuentes de información, promoviendo habilidades críticas que les permitan navegar con seguridad en este complejo panorama digital (Hernández Ruiz, 2025).

3.2. Criterios para evaluar fuentes confiables vs. no confiables

La evaluación crítica de las fuentes es fundamental en el ecosistema digital actual, donde la cantidad de información disponible puede ser abrumadora. Para discernir entre fuentes confiables y no confiables, los estudiantes deben familiarizarse con varios criterios esenciales. Uno de los aspectos más importantes es verificar la autoridad del autor o la entidad detrás del contenido; esto incluye investigar sus credenciales y su experiencia en el tema abordado. Además, es crucial considerar el propósito del contenido: si tiene intenciones comerciales o políticas, esto podría influir en su objetividad. Por ejemplo, un artículo publicado por una organización sin fines de lucro dedicada a la investigación científica podría ser más confiable que un blog personal con una agenda particular (Isidori, 2017)

3.2.1. Consideraciones para Prevenir Errores en el Ecosistema de Información Digital (en el contexto de la investigación):

En el ámbito de la investigación, es crucial ser consciente de los posibles errores y sesgos inherentes al ecosistema de información digital. A continuación, se presentan algunas consideraciones relevantes:

Evaluación Crítica de las Fuentes: No toda la información digital es confiable o precisa. Es fundamental aplicar habilidades de pensamiento crítico para evaluar la autoridad, el propósito, la objetividad, la precisión y la actualidad de las fuentes de información. La proliferación de noticias falsas y desinformación en línea exige un escrutinio riguroso.

Comprensión de los Algoritmos y las Burbujas de Filtro: Los algoritmos de recomendación pueden limitar la exposición a diversas perspectivas al crear "burbujas de filtro" o "cámaras de eco", donde los usuarios solo ven información que confirma sus creencias existentes. Los investigadores deben ser conscientes de este fenómeno y buscar activamente fuentes de información diversas y contrastantes.

Ejemplo: Un investigador que solo consulta fuentes de noticias con una determinada orientación política puede no tener una comprensión completa de un problema social complejo.

Sesgos en los Datos y los Algoritmos: Los datos utilizados para entrenar algoritmos pueden contener sesgos inherentes, lo que puede generar resultados parciales en la búsqueda y recomendación de información. Los investigadores deben identificar estos sesgos potenciales y considerar cómo podrían afectar sus hallazgos.

Ejemplo: Si un algoritmo de búsqueda de imágenes se entrena principalmente con imágenes de un determinado grupo demográfico, podría ofrecer resultados inexactos o limitados al buscar imágenes de otros grupos.

Problemas de Acceso y Brecha Digital: No todas las personas tienen el mismo nivel de acceso a la información digital ni las habilidades necesarias para utilizarla eficazmente. Los investigadores deben tener en cuenta la brecha digital y cómo esta puede influir en la representatividad de las fuentes de información y en la participación en la creación del conocimiento.

Ejemplo: Investigar sobre el uso de internet en una población específica requiere considerar las diferencias de acceso tecnológico entre distintos grupos socioeconómicos.

Cuestiones de Privacidad y Seguridad: La recopilación y el uso de datos personales en el entorno digital plantean importantes cuestiones éticas. Los investigadores deben actuar de forma responsable y respetar la privacidad de los individuos.

Ejemplo: Al utilizar datos de redes sociales en una investigación, es imprescindible anonimizar la información personal y obtener el consentimiento informado, si corresponde.

Preservación y Acceso a Largo Plazo: La naturaleza efímera de la información digital representa un desafío para su preservación. Los investigadores deben evaluar la disponibilidad futura de las fuentes digitales que utilizan.

Ejemplo: Citar un tweet como fuente primaria de información puede ser problemático si la cuenta se elimina o el tweet se borra.

En la Figura 2 se presentan las consideraciones para prevenir errores de información en el ecosistema de información.

En el marco del ecosistema digital, resulta fundamental comprender el funcionamiento de los algoritmos, especialmente en redes sociales. A continuación, se describen sus elementos principales:

¿Qué es un algoritmo?

Según (Cormen, 2009), en su libro Introduction to Algorithms:

¿Qué es un algoritmo de recomendación?

Un algoritmo de recomendación es un tipo particular de algoritmo que fue creado para predecir las preferencias de los usuarios y recomendarle elementos que puedan ser de su interés. Por “elementos” se entienden publicaciones, música, videos, productos, personas a seguir, entre otros. Su objetivo principal es aumentar la participación del usuario, prolongar su permanencia en la plataforma y, en muchos casos, facilitar la monetización.

Como indican Ricci et al. (2011), los sistemas de recomendación son programas de software que generan sugerencias de elementos que probablemente interesen a los usuarios.

¿Cuál es el funcionamiento básico de un algoritmo de recomendación?

En la actualidad los algoritmos de recomendación en las redes sociales cambian constantemente y son muy sofisticados gracias a la utilización de técnicas de inteligencia artificial y aprendizaje automático muy avanzadas, el funcionamiento básico puede comprenderse a través de los siguientes enfoques clave:

• Filtrado colaborativo (Collaborative Filtering): este enfoque parte de la premisa que los usuarios que han mostrado preferencias similares en el pasado, con un alto nivel de probabilidad presentarán su gusto en elementos similares en el futuro. Dentro de este enfoque se identifican dos tipos básicos:
  • Basado en usuarios: este enfoque identifica usuarios similares en función a sus interacciones (me gusta, comentarios, compartidos, visualizaciones, etc.) y recomienda elementos que a esos usuarios similares les ha gustado.
  • Basado en ítems: en este caso identifica elementos que son similares entre sí en base a la forma en la que los usuarios han interactuado con ellos y recomienda elementos similares con los que se ha interactuado de forma positiva.
• Filtrado basado en contenido (Content-Based Filtering): este enfoque se basa en el análisis de las características de los elementos con los que un usuario ha interactuado en el pasado y recomienda elementos similares en función de esas características.
• Enfoques híbridos: combinan los métodos anteriores e incorporan técnicas más sofisticadas, como el aprendizaje profundo, para mejorar la precisión y diversidad de las recomendaciones. Actualmente, la mayoría de las plataformas de redes sociales utilizan este enfoque.

El funcionamiento básico que el algoritmo realiza puede definirse en las siguientes fases:

• Recopilación de datos: en base a las interacciones de los usuarios con el contenido.
• Análisis de datos: para identificar patrones, similitudes entre usuarios y elementos.
• Predicción de preferencias: en base al análisis identifica los elementos de mayor interés.
• Generación de recomendaciones: genera una lista de elementos recomendados.
• Retroalimentación y ajuste: ajusta su modelo para mejorar futuras predicciones.

Comprender estos procesos es clave para analizar cómo se distribuye la información, cómo se configuran las burbujas de filtro, cómo se influye en la opinión pública y de qué modo pueden utilizarse —o manipularse— estos sistemas para la difusión de noticias, publicidad u otros contenidos digitales.

En la Figura 3 se ilustran los elementos del funcionamiento básico de un algoritmo de recomendación.

Métodos de Evaluación Empírica de la Precisión

Profundiza más:

4.1. Ejercicio práctico: análisis de fuentes en un tema de actualidad

Título del Ejercicio: Análisis Crítico de Fuentes sobre un Tema de Actualidad en Redes Sociales. (El desarrollo de esta actividad se encuentra en el apartado de tareas).

4.2. Importancia de la alfabetización informacional

4.2.1. Definición y objetivos

La alfabetización informacional es la capacidad de identificar, localizar, evaluar, organizar y usar la información de manera efectiva y ética para resolver un problema o tomar una decisión. Implica un conjunto de competencias que permiten a los individuos interactuar críticamente con la información en sus diversos formatos y fuentes. En la Figura 4 se detallan los elementos esenciales de esta competencia.

La American Library Association (ALA), en su Presidential Committee on Information Literacy: Final Report (1989), definió la alfabetización informacional de la siguiente manera:

Esta definición pionera subraya la naturaleza holística de la alfabetización informacional, que abarca desde la identificación de la necesidad de información hasta su uso responsable.

Elementos Clave de la Alfabetización Informacional:

Diversos modelos y marcos han surgido para detallar los elementos o competencias de la alfabetización informacional. Uno de los más influyentes es el modelo de las Seis Habilidades de la Alfabetización Informacional propuesto por SCONUL (Society of College, National and University Libraries, Reino Unido, 2011):

• Identificar la necesidad de información: Ser capaz de definir y articular claramente una necesidad de información para un propósito específico.
• Encontrar la información: Ser capaz de identificar y utilizar diversas estrategias de búsqueda y fuentes de información apropiadas (bases de datos, catálogos, internet, expertos, etc.).
• Evaluar la información: Ser capaz de evaluar críticamente la información encontrada en términos de su relevancia, fiabilidad, precisión, autoridad, actualidad y sesgo.
• Organizar la información: Ser capaz de organizar, sintetizar y gestionar la información seleccionada de manera efectiva para responder a la necesidad de información.
• Crear y comunicar la información: Ser capaz de adaptar, aplicar, crear y comunicar la información y el conocimiento a otros de manera apropiada al contexto.
• Evaluar el proceso: Ser capaz de reflexionar sobre el proceso de búsqueda y uso de la información para mejorar las habilidades futuras.

En la Figura 5 se identifican las seis habilidades básicas que se deben desarrollar frente a los requerimientos de la alfabetización informacional.

Adentrándonos en la esencia misma de la alfabetización informacional, resulta evidente que esta competencia va más allá de la simple adquisición de datos, configurándose como un proceso integral que fomenta la capacidad de transformar información en conocimiento significativo. (Maguiña-Ballón2021)

4.3. Desafíos en la búsqueda de información

4.3.1. Desinformación y fake news

A la par de los beneficios que ofrecen las redes sociales, se evidencia que la rápida proliferación de fake news y desinformación plantea retos complejos en la búsqueda de una información veraz. Así, resulta imperativo que los ciudadanos aprendan a identificar y deconstruir narrativas manipuladoras, comprendiendo que los mecanismos que difunden estas falsedades pueden distorsionar percepciones y minar la confianza en las instituciones.

4.4. Tendencias futuras en la información digital

Nuevas tecnologías en la búsqueda de información

Observando la creciente integración de herramientas basadas en inteligencia artificial y la expansión de las capacidades de procesamiento de datos, se vislumbra un futuro en el que la búsqueda de información se convierta en un proceso cada vez más automatizado y personalizado (Sánchez Gonzales, 2020). Así, se abre la posibilidad de una interacción más intuitiva y segura, en la que la tecnología no solo optimice los procesos de búsqueda, sino que también refuerce la confianza en la veracidad de los datos presentados (Herrada Lores, 2022). En la Figura 7 se plantean algunas tecnologías que deben considerarse para la búsqueda de información en el futuro.