Idea central

Es preciso cambiar la perspectiva sobre los LLM:  no son "máquinas que traducen" ni "chatbots que resumen". 

Son agentes colaboradores capaces de asumir tareas mecánicas y repetitivas que, en la práctica investigadora y docente, consumen horas de trabajo cualificado sin aportar valor intelectual proporcional. Ejemplos: 

• Cribar veinte abstracts

• Detectar entradas duplicadas en un fichero .bib

• Evaluar con rúbrica diez traducciones de estudiantes 

• Anotar fenómenos culturales en un texto origen 

→ Operaciones que un modelo bien instruido puede ejecutar en segundos, liberando tiempo para lo que realmente importa: la lectura crítica, la tutoría personalizada y la escritura de calidad.

Prejuicios

• No se trata de delegar el criterio, sino de automatizar tareas mecánicas. 

• Nadie cuestiona que el corrector ortográfico de Word subraye erratas; pero el estilo sigue siendo del autor/a. 

• Mostrar tareas que pueden abordarse de manera eficiente con instrucciones bien diseñadas

• Sobre ficheros de práctica listos para su uso

• Con vías alternativas de ejecución (Claude.ai, RStudio, Python), en función de flujos de trabajo acordes a preferencias individuales.

No se trata solo de redactar artículos: 

• hay que mantener bibliografías coherentes

• producir documentos con formato publicable (informes, cuadernos de prácticas, revisiones, monografías...)

• gestionar estilos de citación y verificar cada DOI / url, cada entrada BibTeX y cada referencia cruzada. 

→ Tareas que no requieren creatividad, pero sí una precisión agotadora.

Práctica

• Usar un modelo de lenguaje, combinado con el entorno adecuado, configurado para actuar como asistente editorial, capaz de: 

  1. validar la integridad de ficheros .bib

  2. generar esqueletos de documentos Quarto con la estructura correcta

  3. aplicar estilos de citación y detectar inconsistencias antes de que lleguen al revisor. 

→ El objetivo no es sustituir a Zotero ni a LaTeX, sino añadir una capa de verificación inteligente que atrape los errores que se nos escapan a las tres de la madrugada.

Si nunca has abierto RStudio, la buena noticia es que no necesitas aprender R para usarlo en esta sesión. 

• RStudio es aquí un entorno de ejecución, no un lenguaje que debas dominar. 

• Se usará como escritorio integrado donde editar ficheros Quarto (.qmd), lanzar scripts que procesan bibliografías y previsualizar documentos HTML sin salir de la misma ventana. 

• En diez minutos veremos la interfaz mínima necesaria: el panel de edición, la consola y el botón "Render". Todo lo demás lo harán los prompts y los scripts que ya están preparados.

• Estructuración de documentos y proyecto editorial en HTML

• Estilo para referencias

• Temas y formato de salida

• Herramientas: Copilot, Perplexity, Claude Sonnet 4.6

Quarto es el sucesor natural de R Markdown 

• Ventaja: produce documentos HTML, PDF y Word desde un mismo fichero fuente (.qmd) combinando texto, código y metadatos. 

• Para el profesorado, esto significa poder generar materiales docentes, informes de investigación o guías de prácticas con un formato profesional sin depender de plantillas de Word ni de editores WYSIWYG que rompen el formato cada vez que se cambia de ordenador.

Cuatro aspectos

• Estructuración del documento: Claude, Perplexity, Gemini y cualquier LLM permiten generar el esqueleto YAML + Markdown de un proyecto editorial completo (un monográfico, unas actas, un dossier de asignatura) a partir de una descripción en lenguaje natural.

• Estilo para referencias: configurar el fichero .csl adecuado (APA 7, Chicago, Vancouver) y enlazarlo con la bibliografía. 

• Temas y formato de salida: elegir y personalizar temas HTML que resulten legibles y navegables, con tabla de contenidos flotante, numeración automática de secciones y tipografía académica. 

• Herramientas: Copilot ayuda en la edición inline, Perplexity permite verificar rápidamente convenciones de formato y Claude Sonnet 4.6 genera bloques completos de YAML o Markdown a partir de instrucciones conversacionales.

Entropía, duplicados y errores en la gestión de extensos listados de referencias

• Duplicados con variantes de nombre, DOIs rotos, años que faltan, campos vacíos que Zotero importó a medias desde Google Scholar. 

• La revisión manual de una bibliografía extensa es una labor crítica, pero se pospone indefinidamente por tediosa. Motivo habitual de rechazo editorial.

Utilidad asombrosa de los LLM:

• Claude como auditor bibliográfico al que se le proporcionamos un fichero .bib exportado desde Zotero para que identifique:

  • 1. entradas sin año y duplicados probables (mismo título con ligeras variantes de autor)

    2. DOIs ausentes que podrían recuperarse y campos inconsistentes entre tipos de entrada (artículo vs. capítulo vs. actas). 

    3. Flujo sencillo: exportar desde Zotero → pegar en Claude o cargar en RStudio → ejecutar el prompt o el script → revisar el informe de incidencias. La validación final sigue siendo humana, pero el modelo reduce un trabajo de dos horas a dos minutos de revisión focalizada.

• LLM como gestores inteligentes de referencias (combinando con zotero bib), no mero almacén

• Validación, revisión de formato, detección de entradas duplicadas

• URLs y DOIs, autoría...

• Herramientas: Copilot, Perplexity, Claude Sonnet 4.6