El Ranking Leiden publicó su edición 2026, la última basada en Web of Science y la primera "Edición abierta" basada en OpenAlex

 CWTS Leiden Ranking 2026

 https://www.leidenranking.com/ 

¡Hoy (ayer) se presentó el CWTS Leiden Ranking 2026!

Nos complace anunciar el lanzamiento del CWTS Leiden Ranking 2026. Por última vez, hemos publicado dos ediciones: la Edición Tradicional (Traditional Edition) y la Edición Abierta (Open Edition). Ambas se basan en la amplia trayectoria y experiencia del CWTS en bibliometría y en la elaboración del Leiden Ranking.

La Edición Tradicional del Leiden Ranking proporciona indicadores bibliométricos basados en la base de datos Web of Science. En 2026, incluye más de 1,600 universidades de todo el mundo.

La Edición Abierta del Leiden Ranking se basa en nuestra versión mejorada de los datos de acceso abierto disponibles en Open Alex. Ofrece una perspectiva transparente sobre el desempeño de las universidades y demuestra el potencial de las fuentes de datos abiertos para respaldar clasificaciones universitarias mundiales sólidas, basadas en indicadores bibliométricos.

Esta última publicación conjunta representa un hito importante en nuestro compromiso permanente de ofrecer clasificaciones universitarias y análisis de investigación de alta calidad, transparentes y responsables.

A partir del próximo año, el CWTS publicará exclusivamente la Edición Abierta.

………………………………………………………….

The CWTS Leiden Ranking 2026 was launched today!

We are excited to announce the CWTS Leiden Ranking 2026. For the last time, we have released two editions: the Traditional Edition and the Open Edition. Both editions build on CWTS' long-standing expertise in bibliometrics and creating the Leiden Ranking.

The Leiden Ranking Traditional Edition provides bibliometric indicators based on the Web of Science database. In 2026, it includes over 1600 universities worldwide.

The Leiden Ranking Open Edition is based on our enhanced version of openly available data from OpenAlex. It provides a transparent perspective on university performance and demonstrates the potential of open data sources to support robust global university rankings based on bibliometric indicators.

This last joint release marks an important milestone in our continued commitment to delivering high-quality, transparent, and responsible university rankings and research analytics. From next year onwards, CWTS will only release the Open Edition.

………………………………………………………….

El CWTS Leiden Ranking 2026 (publicado el 4 de noviembre de 2026) evalúa el desempeño científico y de investigación de las universidades a nivel global utilizando datos bibliométricos, sin depender de encuestas ni de información autodeclarada por las instituciones. [1, 2, 3]

Características principales de la edición 2026:

• Edición Open Edition: Utiliza datos abiertos de OpenAlex y se expandió a 3,049 universidades en 122 países y territorios (incorporando por primera vez a instituciones de Antigua y Barbuda, Azerbaiyán y Libia). [1]

• Edición Tradicional: Basada en Web of Science (WoS), analiza el impacto científico de más de 1,600 universidades principales. [1]

• Indicadores: No ofrece una única lista jerárquica con un "puesto 1 al N" general, sino que permite filtrar y evaluar por impacto científico (citas), colaboración, acceso abierto (open access) y proporción de publicaciones de alto impacto (por ejemplo, el top 1% o top 10% de artículos más citados). [1, 2]

………………………………………………………….

Comentario:

Publicado en Linkedin
Cesar Wazen 

https://lnkd.in/p/gmwBC3p6 

Siempre he sentido una especial predilección por el CWTS | Leiden University Ranking.

Por eso, ahora que su Edición Tradicional comienza a desaparecer gradualmente, vale la pena reflexionar sobre qué la hacía diferente y por qué considero que su transición hacia la Edición Abierta tiene tanto sentido.

El Leiden Ranking nunca fue realmente una clasificación universitaria convencional. Se centró deliberadamente en la investigación, en lugar de intentar condensar la docencia, la investigación, la reputación, la internacionalización y todas las demás actividades de una universidad en una única puntuación supuestamente definitiva.

Lo que más apreciaba era la posibilidad de comparar elementos equivalentes y, quizá aún más importante, comprender exactamente qué pregunta estaba formulando.

Tomemos como ejemplo la Universidad de Qatar (Angel Calderon, esta parte es principalmente para ti).

En el conjunto de las ciencias, durante el periodo 2021-2024, la Edición Tradicional registra 7,979 publicaciones, de las cuales 1,268 se encuentran entre el 10 % de las más citadas del mundo. Estas representan el 15.9 % de la producción científica total, con un impacto de citas normalizado medio (MNCS) de 1.59.

Sin embargo, cuando examinamos los resultados por áreas de conocimiento, el panorama se vuelve mucho más interesante.

En Matemáticas y Ciencias de la Computación, el 18.5 % de las publicaciones de la Universidad de Qatar se encuentran entre el 10 % de las más citadas del mundo.

En Ciencias Biomédicas y de la Salud destaca un indicador diferente: el MNCS alcanza 1.99, junto con 424 publicaciones situadas entre el 10 % de las más citadas.

¿Cuál de estos indicadores representa mejor el impacto de la investigación?

Precisamente, esa es la cuestión.

El volumen de publicaciones, el impacto de citas normalizado y la proporción de investigaciones altamente citadas responden a preguntas diferentes. Las disciplinas importan. El tamaño importa. Los métodos de recuento importan. El indicador que elegimos importa.

Lo que me gustaba del Leiden Ranking era que no ocultaba inmediatamente estas decisiones detrás de una puntuación compuesta y una posición en la clasificación. Permitía al usuario examinar críticamente los datos, cambiar la perspectiva de análisis y comprender qué se estaba comparando.

Por supuesto, la Edición Tradicional nunca fue perfecta. Su dependencia de Web of Science (WoS) implicaba depender de datos propietarios; la cobertura varía entre disciplinas y tipos de publicaciones; y la bibliometría nunca podrá reflejar todo lo que constituye la contribución o la calidad de una universidad.

Pero, algo importante, el CWTS siempre fue excepcionalmente transparente respecto a estas limitaciones.

Y esta es la razón por la que el paso a la Edición Abierta del Leiden Ranking parece menos un abandono de la Edición Tradicional y más su conclusión lógica.

La Edición Abierta lleva el principio de transparencia un paso más allá, al pasar de los datos propietarios de Web of Science a OpenAlex, utilizando datos abiertos y algoritmos de código abierto.

La transparencia no convierte a una clasificación en perfecta. Hace visibles sus decisiones, supuestos e imperfecciones y, por lo tanto, permite someterlos a un examen crítico.

Ninguna clasificación es perfecta. Pero existe una diferencia considerable entre recibir simplemente una posición en una clasificación y disponer de las herramientas necesarias para comprender cómo se obtuvo.

Y si las universidades tienen que ser clasificadas, sigo estando encantado de dejar que Leiden lo haga. 

¡Felicitaciones a Ludo Waltman y a todo su equipo

…………………………………………

I have always had a soft spot for the CWTS | Leiden University Ranking.

 So, as its Traditional Edition begins to phase out, it is worth reflecting on what made it different, and why I think its transition to the Open Edition makes so much sense.

 Leiden was never really a conventional university ranking. It focused deliberately on research rather than trying to compress teaching, research, reputation, internationalization and everything else a university does into one supposedly definitive score.

 What I particularly appreciated was the ability to compare like with like, and perhaps more importantly, to understand exactly what question I was asking.

 Take Qatar University simply as an example (Angel Calderon this part is mainly for you )

 Across all sciences in 2021–2024, the Traditional Edition records 7,979 publications, including 1,268 among the world's top 10% most cited, with 15.9% of total output in that group and an MNCS of 1.59.

But look within fields and the picture becomes much more interesting.

 In Mathematics & Computer Science, 18.5% of Qatar University's publications are among the world's top 10% most cited.

 In Biomedical & Health Sciences, a different measure stands out: MNCS reaches 1.99, alongside 424 publications in the top 10% most cited.

 Which one better represents research impact?

 That is precisely the point.

 Volume, normalized citation impact and the proportion of highly cited research answer different questions. Disciplines matter. Size matters. Counting methods matter. The indicator we choose matters.

 What I liked about Leiden was that it did not immediately hide these choices behind one composite score and one rank. It allowed the user to interrogate the data, change the lens and understand what was being compared.

 Of course, the Traditional Edition was never perfect. Its reliance on WoS meant reliance on proprietary data; coverage differs across disciplines and publication types; and bibliometrics can never capture everything that constitutes the contribution or quality of a university.

 But importantly, CWTS was unusually open about these limitations.

 And this is why the move to the Leiden Ranking Open Edition feels less like abandoning the Traditional Edition and more like its logical conclusion. The Open Edition takes the transparency principle further, moving from proprietary WebofScience data to #OpenAlex and using open data and open-source algorithms.

 Transparency does not make a ranking perfect. It makes its choices, assumptions and imperfections visible, and therefore open to scrutiny.

 No ranking is perfect. But there is a considerable difference between being handed a rank and being given the tools to understand how it was produced.

 And if universities must be ranked, I am still happy to allow Leiden to do it. 🙂

Well done Ludo Waltman et al.! 

Cómo BRASIL ganó el juego de las redes en el territorio de las Big Tech

Publicado en dplnews
https://dplnews.com/como-brasil-gano-el-juego-de-las-redes-en-el-territorio-de-las-big-tech/

Cómo Brasil ganó el juego de las redes en el territorio de las Big Tech

Brasil DPL Geodigital IA InsightsLula da Silva

⁨Mayara Figueiredo 

Nov 2, 2026

Después de terminar la primera vuelta por detrás de su adversario, Luiz Inácio Lula da Silva fue reelegido para un cuarto mandato como presidente con el 51,79% de los votos válidos, frente al 48,21% de Flávio Bolsonaro. Fue una reversión inédita del resultado en una campaña que combinó articulación política en las redes y en las calles, a partir de una ofensiva digital liderada por el diputado André Janones (Rede-MG). La estrategia, ahora denominada “Janonismo”, sirvió para mostrar al mundo la fuerza de las redes sociales como uno de los principales terrenos de disputa por el poder.

Tras el golpe que supuso la primera vuelta para el Partido de los Trabajadores, la operación ganó escala. El llamado Ejército de Lula, un canal de WhatsApp creado por el diputado que antes contaba con 50,000 seguidores, llegó a los 10,8 millones. Fue una unión de la izquierda y la derecha brasileña contra el bolsonarismo.

La iniciativa funcionó como una central de movilización, con una estrategia de alcance digital capaz de despertar la envidia de cualquier equipo de marketing: la distribución de videos, audios, textos y memes se convirtió en “misiones” organizadas, en las que los participantes debían impulsar esos contenidos en otras plataformas, posicionar hashtags, invitar a nuevos integrantes y participar en acciones digitales y presenciales, que culminaron con millones de personas en las calles. El secreto, sin embargo, consistía en ignorar por completo y, de ser posible, bloquear los contenidos y representantes del adversario para reducir su alcance algorítmico.

La lógica responde a lo que el sociólogo Ubiraci (señorita Bira en las redes) denominó “holofotación”: un término que, básicamente, se resume en la máxima de que “no existe la mala publicidad”. El algoritmo interpreta la relevancia de un contenido no solo a partir de los “me gusta”, sino también del tiempo que el usuario pasa viéndolo y de si genera interacciones, sobre todo comentarios, ya sean críticas, defensas, muestras de acuerdo o desacuerdo. Si se lo ignora, no gana alcance: es irrelevante. El algoritmo entiende que no debe seguir mostrándolo. Así de simple.

Además, las plataformas imponen un formato ideal. Lula se adaptó a él y comenzó a grabar videos cortos en formato selfie, con una comunicación más directa y menos dependiente de producciones institucionales. Él, que hasta entonces ni siquiera tenía celular, recibió uno durante la campaña y anunció que participaría en la movilización. Después de la victoria, prometió comunicarse directamente con la población con más frecuencia y afirmó que la comunicación digital tendrá mucho más espacio en el próximo gobierno.

El alcance internacional

El movimiento representa un cambio en la posición de la izquierda en un entorno en el que la extrema derecha ya había construido una ventaja. Desde la elección de Jair Bolsonaro, en 2018, el bolsonarismo ya explotaba estas estrategias, acompañadas de noticias falsas y desinformación para movilizar a sus seguidores mediante el escándalo y el miedo.

La novedad de 2026 fue que Janones organizó una operación de tal magnitud que traspasó las fronteras. En Francia, los partidarios de Jean-Luc Mélenchon crearon un canal de WhatsApp que llegó a aproximadamente 161,000 suscriptores al 30 de octubre. En Argentina, el Ejército del Peronismo reunió cerca de 65,000 seguidores, mientras que el español La Fuerza de la Gente, vinculado a partidarios de Pedro Sánchez, alcanzó los 43,000. En mítines, el candidato llegó a mencionar que “si Brasil lo consiguió, España también puede”.

El poder de las plataformas

Pero las elecciones también mostraron que la capacidad de movilización política en las redes convive con una concentración de poder en manos de las empresas que controlan estas plataformas. El Ministerio Público Federal reconoció que Meta incumplió parcialmente las obligaciones de igualdad de trato durante la campaña al restringir la campaña de Lula y favorecer indebidamente la de Flávio Bolsonaro. Meta atribuyó los episodios a fallas técnicas y negó cualquier interferencia deliberada.

Lo cierto es que la controversia no terminó con el resultado electoral. El 29 de octubre, el Ministerio Público del Trabajo (MPT) también demandó a Meta y solicitó 50 millones de reales por daños morales colectivos, además de la eliminación de publicaciones que alentaban a los empleadores a vigilar, exponer y despedir a trabajadores por su voto. El organismo también señaló que herramientas de la empresa, como Reels y Explorar, ampliaban el alcance de esos mensajes.

El episodio pone de manifiesto la dimensión del problema: empresas extranjeras controlan servicios esenciales para la comunicación política de los países y, mediante decisiones sobre algoritmos, publicidad y moderación, pueden influir en qué discursos ganan visibilidad y en qué escala. Incluso sin una orden explícita de interferencia electoral, este poder privado y transnacional afecta las condiciones en las que se forman el debate público y la opinión de los votantes.

Presiones externas

En otro plano, el gobierno de Donald Trump acusó a Brasil de adoptar prácticas perjudiciales para las empresas estadounidenses en el comercio digital y los servicios de pagos electrónicos, incluido Pix, que Estados Unidos considera que favorece al sistema nacional en detrimento de los competidores extranjeros. La investigación abierta en virtud de la Sección 301 derivó, en julio, en la aplicación de aranceles adicionales del 25% a productos brasileños.

Con otras medidas arancelarias, los recargos impuestos por Estados Unidos pasaron a afectar alrededor del 23,1% de las exportaciones brasileñas a ese país, según el Ministerio de Desarrollo, Industria, Comercio y Servicios. Así, la defensa de normas nacionales para las plataformas y de un sistema de pagos propio pasó a formar parte de una disputa comercial con consecuencias concretas para los exportadores y para la relación bilateral.

En Brasil, Lula busca avanzar con una agenda que combina la regulación de las plataformas, el desarrollo de Inteligencia Artificial y la infraestructura digital. Entre las iniciativas figuran la actualización de las normas del Marco Civil de Internet y el fortalecimiento de la Autoridad Nacional de Protección de Datos (ANPD), el Plan Brasileño de Inteligencia Artificial (PBIA), los incentivos a la instalación de Centros de Datos a través de Redata y la prohibición de las apuestas de cuota fija, incluidas las apuestas deportivas y los juegos en línea, mediante una medida provisional.

La implementación de esta agenda, sin embargo, tendrá que enfrentar un Congreso elegido con mayoría opositora, lo que podría dificultar la aprobación y la continuidad de las medidas. La disputa por la soberanía digital brasileña, por lo tanto, no se librará únicamente frente a las big tech y a la presión externa, sino también dentro de las instituciones nacionales.

Mayara Figueiredo

Analista especializada en Brasil

Periodista especializada en políticas públicas, regulación y mercados de telecomunicaciones y tecnología. Cuenta con experiencia en la cobertura de educación, cultura y transformación digital, con enfoque en el ecosistema tecnológico de Brasil.

IA: la ruina de la ciencia y la cultura española y en español

 Difundido a través de la lista [IWETEL] [ThinkEPI] <IWETEL@listserv.rediris.es>

IA: la ruina de la ciencia y la cultura española y en español / Isidro F. Aguillo

Isidro F. Aguillo

https://www.directorioexit.info/ficha67 

https://orcid.org/0000-0001-8927-4873 

Cybermetrics Lab (IBP-CSIC) 

isidro.aguillo@csic.es

Introducción

Durante años he medido la visibilidad de la ciencia y la cultura en español en buscadores, bases de datos y rankings. Hoy hay que mirar a otro sitio. En apenas tres años, los grandes modelos de lenguaje se han convertido en la primera puerta al conocimiento. Los usan millones de estudiantes, profesionales, periodistas y responsables públicos de España y América Latina. Ya no se consulta una lista de enlaces. Se pide una respuesta, y la respuesta se acepta.

Mi tesis es incómoda pero sencilla. Pese a sus limitaciones (cobertura sesgada, alucinaciones, opacidad sobre sus fuentes), la IA generativa ya funciona como infraestructura de acceso al conocimiento, y en ella la ciencia y la cultura en español están mal representadas. Hay dos razones, que se refuerzan entre sí: falta contenido, y el que existe se está cerrando a las máquinas que leen. Este texto no pretende ser una revisión de la evidencia, que abordo en otro trabajo (Aguillo, en preparación), sino un alegato a partir de lo que está ocurriendo ahora mismo en nuestras propias instituciones.

La IA ya es infraestructura de conocimiento

La velocidad de adopción no admite discusión. Según la III Encuesta Funcas sobre Inteligencia Artificial, el uso frecuente de ChatGPT en España pasó del 4 % en 2023 al 28 % en 2025. Cuatro de cada diez menores de 45 años usan alguna herramienta de IA a diario (Funcas). El Observatorio IAON de 2026 reduce al 31,2 % a quienes nunca han usado IA generativa; un año antes eran la mitad (IAON). Según GfK DAM, ya la usa el 58 % de los internautas españoles, 24 puntos más que el año anterior (Última Hora).

En las aulas, el fenómeno es aún más claro. Según datos de Eurostat, España es el país de la UE donde más jóvenes de 16 a 24 años usan IA generativa para estudiar: un 59 %, veinte puntos por encima de la media (Noticias de Navarra). El índice Global AI Diffusion de Microsoft situaba a España en sexto lugar mundial a comienzos de 2026, con un 44,2 % de la población en edad de trabajar (Escudo Digital). América Latina sigue la misma senda. En el segundo trimestre de 2026 encabezaban la región Costa Rica (29,7 %), República Dominicana (25,8 %) y Uruguay (25,7 %); México se situaba en el 21,4 % (Diario Extra). Todos superan la media del Sur Global, del 16,2 % (Microsoft).

Nada de esto significa que la herramienta sea fiable. Los modelos inventan referencias y confunden autores. Atribuyen a una institución lo que hizo otra, y responden con la misma seguridad cuando saben que cuando no saben. Tampoco son gratuitos. Según la Agencia Internacional de la Energía, en 2030 el consumo eléctrico de los centros de datos será más del doble que en 2024, en buena parte por la IA (Scientific American). El coste de entrenar y operar estos modelos, además, concentra la capacidad en unas pocas empresas, de las que dependen las instituciones con presupuestos cada vez más ajustados. Sin embargo, la crítica no altera el hecho central: para cada vez más gente, lo que no aparece en la respuesta del chatbot no existe. La IA no ha sustituido a la biblioteca, al repositorio ni a la revista. Se ha interpuesto entre ellos y el lector.

Primera causa: una Web hispana que no crece y que se borra

Un modelo de lenguaje solo sabe lo que ha leído, y lee sobre todo la Web abierta. Ahí el español pesa mucho menos que en el mundo real: apenas un 6 % de los sitios web, empatado con el alemán, que tiene unas cuatro veces menos hablantes (W3Techs). Su peso es aún menor en los corpus con los que se entrenan los modelos.

La causa no es técnica sino institucional. La evaluación de la investigación, en España y en buena parte de América Latina, premia el artículo en inglés en revistas de Web of Science o Scopus. No premia el informe técnico, la base de datos, el material docente ni la divulgación en la propia lengua. Además, lo que sí se publica en español acaba a menudo en formatos que las máquinas leen mal, como los PDF escaneados. A ello se suma una cierta desidia propia a la hora de publicar en abierto, que vengo señalando desde los primeros años de la Web (Aguillo, 2025).

La crisis de PHP2Shell, en octubre de 2026, mostró lo frágil que es esa infraestructura. Gobiernos, universidades y centros de investigación de media Europa apagaron sus webs mientras aplicaban los parches, también en España (ABC7; Escudo Digital). El riesgo no es el apagón de un día, sino los sitios que ya no volverán.

Corpus, ediciones digitales y revistas sobre plataformas caducadas

El problema golpea con especial fuerza a la ciencia y, sobre todo, a las humanidades. Buena parte del patrimonio digital hispano más valioso no está en las grandes webs, sino en proyectos de investigación. Son corpus históricos y dialectales, ediciones digitales de textos clásicos, bases de datos léxicas, catálogos de fondos antiguos o atlas lingüísticos. Es justo el material, único y de calidad, que falta en la Web general, y el que más mejoraría lo que los modelos saben de nuestra lengua y nuestra historia.

Casi todos nacieron igual: un proyecto financiado durante tres o cuatro años y un becario con conocimientos técnicos. La aplicación, en PHP y MySQL o sobre Drupal, Joomla u Omeka, se instalaba en un servidor del departamento. Cuando se acaba la financiación, la aplicación se congela. Nadie actualiza el lenguaje, el gestor de contenidos ni el sistema operativo. El sitio sigue en línea durante años, cada vez más lento y más vulnerable, hasta que un aviso de seguridad obliga a decidir.

Los datos generales dan la medida del problema. Según W3Techs, PHP mueve el 69,2 % de los sitios con lenguaje de servidor identificable, y uno de cada tres funciona aún con versiones sin soporte y sin parche frente a PHP2Shell (W3Techs). Cada uno de esos sitios que se cierra es contenido en español que desaparece de la Web y, con ella, de la IA.

Las revistas científicas comparten el riesgo. Open Journal Systems, el gestor de revistas más usado en España y América Latina, está escrito en PHP. Sostiene unas 58.000 revistas en todo el mundo (PKP). Su actualización es lenta: en abril de 2026, PKP celebraba que algo más de 4.000 revistas hubieran migrado en un año a OJS 3.3. Para una revista pequeña, sin apoyo técnico estable, cada alerta de seguridad plantea la misma disyuntiva: actualizar sin medios o cerrar.

La obsolescencia se puede vencer, pero cuesta. La Biblioteca Digital de Relaciones de Sucesos de la Universidade da Coruña nació en 1994 y está en línea desde 2001. Reúne datos de 6.430 ediciones de los siglos XVI a XVIII. Tras casi dos décadas, su tecnología se había quedado anticuada y el servidor universitario no garantizaba el acceso continuo. El equipo tuvo que rediseñarla por completo para salvar los datos (Pena Sueiro y Saavedra Places, 2019).

Muchos proyectos no tienen esa suerte. Un estudio de 2019 encontró que solo el 23 % de 30 instituciones iberoamericanas tenía una política de preservación digital. Sitios emblemáticos, como el portal del centenario de la UNAM, ya no están en la red (Red de Humanidades Digitales).

Hay un agravante más. Muchos de estos corpus se consultan mediante formularios de búsqueda, no mediante páginas enlazadas. Para un rastreador, su contenido es invisible aunque el servidor funcione. Si además el servidor se apaga por miedo a un fallo de seguridad, el corpus desaparece dos veces: para los investigadores y para las máquinas que hoy median su acceso.

Wikipedia: la enciclopedia que no escribimos

Wikipedia merece una mención aparte, porque es una de las fuentes que más pesan en el entrenamiento de los modelos. En LLaMA, por ejemplo, supuso el 4,5 % del corpus, tanto como todos los libros juntos (arXiv 2404.00929).

La edición en español ocupa el séptimo lugar por número de artículos, con 2,15 millones. La inglesa tiene 7,26 millones, más del triple. Sin embargo, la comparación más reveladora es con lenguas de muchos menos hablantes. La alemana tiene 3,16 millones de artículos y la francesa, 2,79 millones. Incluso la sueca, inflada por artículos generados con bots, supera a la española (Meta-Wiki).

No falta comunidad. La Wikipedia en español tiene unos 40.600 usuarios activos, más que la alemana (34.200) o la francesa (37.200). Ahora bien, en proporción a sus hablantes, la comunidad alemana es más de tres veces mayor. Lo que falta es respaldo institucional. Las universidades, academias y centros de investigación del mundo hispano apenas alimentan la enciclopedia. Editar Wikipedia no cuenta como mérito, y pocas instituciones dedican tiempo a documentar en ella su propio patrimonio científico y cultural. Cada laguna se rellena con la versión inglesa, cuando existe, o con lo que el modelo invente.

Segunda causa: cerrar la puerta a quien lee

Al problema de la escasez se suma otro, más reciente y paradójico: el contenido que sí existe se está cerrando a las máquinas. Los repositorios de acceso abierto son el ejemplo más claro. La Confederación de Repositorios de Acceso Abierto (COAR) ha documentado el acoso de rastreadores agresivos, con frecuentes caídas del servicio (COAR). Muchos repositorios han respondido con defensas que bloquean también, sin querer, a agregadores e índices académicos legítimos.

El fenómeno ya ha llegado a los repositorios españoles y latinoamericanos. El 29 de octubre de 2026 revisé las reglas de acceso de catorce repositorios y portales. De los diez españoles, siete restringen el acceso de la IA, y cuatro bloquean el entrenamiento de casi todas las grandes compañías. DIGITAL.CSIC, uno de los mayores repositorios del país, se protege con una barrera antibots que frena cualquier acceso automatizado. Es una defensa eficaz contra los rastreadores agresivos, pero tiene el coste que advertía COAR: frena también a los asistentes que buscan un artículo a petición de un usuario y, si cubre los canales de recolección de metadatos, a los agregadores académicos. La guía de COAR para gestores de repositorios propone, en cambio, contener el tráfico abusivo sin cerrar el paso a los recolectores legítimos (COAR). ADDI, por su parte, declara funcionar sobre una versión de DSpace sin soporte y también exige una verificación de seguridad.

En América Latina el cierre es aún más visible. El repositorio de la Pontificia Universidad Católica de Chile veta a todos los asistentes de IA, incluso para búsquedas. El portal regional de SciELO solo admite a los buscadores tradicionales y a los archivos web, aunque colecciones nacionales como la mexicana no imponen restricciones. El repositorio de la PUCP, en Perú, ni siquiera deja leer sus reglas: una barrera antibots frena cualquier acceso automatizado. El de la Universidad de los Andes, en Colombia, bloquea el rastreador de entrenamiento de OpenAI y también el de Internet Archive. Ese mismo día, el repositorio de la Universidad de Chile respondía con un error de servicio no disponible, y el de la Universidad de la República, en Uruguay, no era accesible. Pueden ser caídas puntuales, pero muestran lo frágil que es esta infraestructura.

Parcial: impide recopilar datos para entrenar modelos, pero deja que el asistente encuentre el contenido al buscar. Bloqueado: veta todo uso de sus contenidos por ese servicio. Bloqueado**: una barrera antibots (Anubis) impide cualquier acceso automatizado; en estos casos ni siquiera pueden leerse sus reglas.

Nota metodológica. Consulté las reglas el 29 de octubre de 2026 desde un navegador convencional y clasifiqué cada servicio según lo que declara el fichero robots.txt para sus rastreadores de entrenamiento y de búsqueda. La tabla distingue tres situaciones. Las reglas declaradas dependen de que los rastreadores las respeten. Las barreras activas, como Anubis, bloquean técnicamente cualquier acceso automatizado; la de DIGITAL.CSIC la comprobé directamente. Las caídas de servidor que cito las observé una sola vez y pueden ser puntuales.

No es un fenómeno solo nuestro. Entre 2023 y 2024, más del 5 % de los textos de C4, uno de los corpus más usados para entrenar modelos, quedó vetado por las reglas de sus sitios de origen. Entre sus fuentes más activas y valiosas, la proporción llegó al 28 % (Longpre et al., 2024). El cierre avanza en toda la Web, pero pesa más donde el contenido abierto ya era escaso.

Las razones son comprensibles: costes de servidor, derechos de autor, falta de compensación, desconfianza hacia empresas que monetizan contenidos ajenos. Sin embargo, el efecto es asimétrico. Los rastreadores de las grandes compañías se identifican y respetan las reglas, así que son los primeros en quedarse fuera. Los que ignoran las reglas siguen entrando: según TollBit, fueron el 30 % de las extracciones de IA a finales de 2025 (Digiday). El bloqueo no protege el contenido. Lo retira de las herramientas que la mayoría usa para informarse. Una institución que cierra su repositorio a los chatbots no evita que se hable de su ciencia. Solo consigue que se hable de ella sin leerla.

Consecuencias: ser contados por otros

Ausencia y bloqueo producen el mismo resultado. Alguien pregunta a un chatbot por la historia de la medicina en México, la poesía chilena contemporánea o la obra de un científico de Córdoba, la española o la argentina. La respuesta se construye con lo que el modelo tiene a mano. Demasiadas veces es lo que se ha escrito en inglés sobre esos temas, o lo que publicaron los grandes medios y editoriales internacionales, que no bloquean porque ya han firmado acuerdos de licencia. La IA no ignora nuestra cultura. La conoce de segunda mano.

Es una forma de apropiación del conocimiento más sutil que las anteriores. Con las bases de datos bibliográficas, el problema era que nuestras contribuciones no se citaban. Ahora se reformulan, se resumen y se atribuyen sin acceso a las fuentes originales. A eso se suman las alucinaciones. Un modelo con poca información sobre un tema no se calla: rellena. Cuanto menor es la cobertura, más probable es que lo que diga sobre una institución, un autor o un hecho histórico hispano sea falso. Es una nueva forma de brecha digital, que ya no divide entre quienes tienen conexión y quienes carecen de ella, sino entre el conocimiento que las máquinas pueden leer y el que queda fuera de su alcance. A la desidia de no producir contenidos, que ya señalaba hace años, se suma ahora el cierre de los que sí existen.

El círculo se cierra con un efecto de retroalimentación. Si las herramientas no muestran la producción en español, los usuarios la consultan menos. Si se consulta menos, hay menos incentivos para producirla, mantenerla y abrirla. Si no se abre, los modelos futuros la conocerán aún peor. Hay esfuerzos públicos por romper ese círculo, como los modelos MarIA y ALIA en España o Latam-GPT en América Latina.

Son proyectos necesarios, pero dependen justo de lo que se está perdiendo: contenidos abiertos y accesibles. Las grandes empresas pueden pagar licencias a las editoriales comerciales, casi siempre en inglés. Los proyectos públicos, con presupuestos más ajustados, no pueden. La paradoja alcanza a sus propios impulsores: mientras preparaba este ensayo, la web del Barcelona Supercomputing Center, que coordina ALIA, rechazó con una barrera antibots la consulta automatizada que, a petición mía, hizo Claude, el asistente de IA de Anthropic.

Conclusión: reconocer, mantener y abrir

No creo que llamar ruina a esta situación sea una exageración retórica, si se mira a diez años vista. La IA no va a desaparecer ni a perder centralidad. Lo que está en juego es si la ciencia y la cultura en español formarán parte de lo que esas herramientas saben. La alternativa es que sean solo un tema del que hablan a partir de fuentes ajenas. Revertirlo exige al menos tres cosas:

1.        Reconocer como mérito, en la evaluación y la financiación, la presencia web abierta, legible por máquinas y mantenida en el tiempo, incluida la contribución documentada a Wikipedia en español.

2.        Mantener en lugar de apagar. Los corpus, las ediciones digitales y las revistas no pueden morir con el proyecto que los creó, y su migración debe financiarse.

3.        Abrir con criterio. Hay que frenar el tráfico abusivo, pero dejar pasar a los rastreadores identificados de búsqueda y consulta, como recomienda COAR. Los estándares que prepara el IETF (AIPREF) permitirán declarar por separado si un contenido puede usarse para entrenar modelos, para generar respuestas o para la búsqueda (IETF).

La pregunta ya no es si la IA debe leer nuestra ciencia y nuestra cultura. Es quién se la va a contar a las próximas generaciones si no la dejamos leer.

Referencias

•         Funcas: III Encuesta Funcas sobre Inteligencia Artificial (enero de 2026)

•         Observatorio Anual IAON 2026

•         GfK DAM: uso de IA generativa en España (Última Hora, mayo de 2026)

•         Eurostat: uso educativo de la IA generativa por jóvenes en la UE (vía Noticias de Navarra, enero de 2026)

•         Microsoft AI Economy Institute: España en el Global AI Diffusion, primer trimestre de 2026 (vía Escudo Digital)

•         Microsoft AI Economy Institute: Global AI Diffusion, segundo trimestre de 2026, América Latina (vía Diario Extra)

•         Microsoft: The continued state of global AI diffusion in 2026 (21/09/2026)

•         Agencia Internacional de la Energía: Energy and AI (vía Scientific American, 10/04/2025)

•         W3Techs: idiomas de contenido de los sitios web (2026)

•         Aguillo, I. F. (2025). Web, webometrics, Wikipedia e inteligencia artificial. Anuario ThinkEPI, 19, e19a02

•         Aguillo, I. F. (en preparación). Lo que la IA no lee: sesgos de cobertura de la inteligencia artificial hacia los contenidos en español y de origen iberoamericano. Revista Panamericana de Comunicación.

•         ABC7: cierre de webs por la vulnerabilidad PHP2Shell (22/10/2026)

•         Escudo Digital: PHP2Shell en Europa y España

•         W3Techs: uso de PHP por versiones (28/10/2026)

•         PKP: datos Beacon 2025 de Open Journal Systems (abril de 2026)

•         Pena Sueiro y Saavedra Places: Obsolescencia y resiliencia en Humanidades digitales (Artnodes, 2019)

•         Red de Humanidades Digitales: Fragilidad en la era digital (2025)

•         A Survey on Multilingual Large Language Models: Corpora, Alignment, and Bias (arXiv 2404.00929)

•         Meta-Wiki: List of Wikipedias (consultado el 29/10/2026)

•         COAR: impacto de los bots de IA en los repositorios abiertos (2025)

•         COAR: Mitigating the impact of AI bots y guía Dealing with Bots para gestores de repositorios (2026)

•         Longpre, S. et al. (2024). Consent in Crisis: The Rapid Decline of the AI Data Commons (arXiv 2407.14933)

•         Digiday: los bots de IA siguen ignorando robots.txt

•         IETF: AI Preference Vocabulary, draft-ietf-aipref-vocab-08 (septiembre de 2026)

______________________________________

Anuario ThinkEPI 2026

thinkepi@gmail.com

https://thinkepi.scimagoepi.com

Natalia Arroyo, directora

Isabel Olea, coordinadora