7 La investigación se construye sobre la investigación
Este capítulo forma parte de un libro en desarrollo activo y todavía no ha pasado por la revisión del autor. El contenido puede cambiar a medida que avanza la revisión.
La decisión de investigación. A qué conversación se suma tu pregunta, y cuáles de las fuentes candidatas que te entrega una búsqueda o una IA valen la pena perseguir. Tú decides qué entra en la lista y qué se descarta. Nada de esa lista cuenta todavía como evidencia.
7.1 Por qué importa esta decisión
La decisión sobre la mesa: a qué conversación se suma tu pregunta y cuáles pistas valen tu tiempo.
Imagina a quien asesora tu tesis leyendo tu primer borrador con una línea marcada en círculo: «Citas seis artículos. ¿De dónde salieron y qué discusión están teniendo?» La investigación nunca empieza de cero. Alguien ya se hizo una pregunta parecida a la tuya, y tu trabajo es encontrarlo antes de pasar meses redescubriendo lo que esa persona ya sabe. Si te equivocas en una dirección, te pierdes el estudio que te responde. Si te equivocas en la otra, construyes sobre una cita que nadie escribió jamás. Si aciertas, heredas años de trabajo ajeno por el precio de una tarde.
7.2 El concepto
Un campo es una conversación acumulativa: una discusión continua en la que cada estudio responde, amplía o cuestiona a los anteriores. Un equipo mide cómo una política movió la participación electoral en un estado, un segundo lo repite en otro lugar, un tercero junta ambos. Tu tarea no es inventar una isla. Es encontrar la conversación a la que pertenece tu pregunta y agregarle una oración honesta.
Todo lo que reúnes empieza como una pista. Una pista es una fuente candidata que todavía no has comprobado, como una cita que te entrega una IA. Sigue siendo una pista hasta que la recuperes y la leas. Ese estándar es el ciclo de recuperación y verificación, y tiene cuatro pasos: pedirle pistas a una herramienta, recuperar la fuente por tu cuenta, verificar que existe y que dice lo que se afirmó, y documentar dónde la encontraste. Este capítulo trata del primer paso: reunir bien. El capítulo siguiente es donde las pistas se ganan el ascenso.
A partir de una fuente real haces crecer las demás con la búsqueda en bola de nieve: recorrer sus enlaces en dos direcciones. La búsqueda de citas hacia atrás lee la propia lista de referencias de la fuente para hallar los trabajos más antiguos sobre los que se apoyó. La búsqueda de citas hacia adelante encuentra los artículos más nuevos que la citan. Dos fuentes sólidas, recorridas en ambas direcciones, se vuelven diez muy rápido, y esas diez llegan con sus relaciones ya visibles.
La bola de nieve también es como distingues un vacío real de un callejón sin salida. Un vacío genuino es una pregunta que tus fuentes verificadas de verdad dejan sin responder, confirmada al mirar en ambas direcciones. Una búsqueda inconclusa es una que simplemente dejaste de perseguir. Desde tu escritorio se sienten idénticas, y solo una es una contribución.
Luego ordenas lo que encontraste como un mapa de evidencia: cada fuente se vuelve un nodo de afirmación (lo que sostiene, en una oración), las líneas conectan las afirmaciones que coinciden o se contradicen, y un punto marcado muestra dónde no llega ninguna fuente. Ese punto es tu vacío candidato. Se vuelve honesto solo cuando cada nodo a su alrededor es una fuente que abriste tú.
7.3 Un ejemplo resuelto
Supón que tu curiosidad son las elecciones. Has leído que la distancia entre la casa de una persona y su centro de votación parece influir en si va a votar. Tu pregunta: ¿mover un centro de votación más lejos reduce la participación electoral, y la caída golpea más fuerte en unos barrios que en otros?
Le pides a una IA los estudios clave. Te entrega una cita segura de sí misma: dos nombres de autoría plausibles, una fecha de 2019 y una revista cuyo título parece una versión más larga y más oficial de la revista real Electoral Studies. Vas a leerla. El título exacto no arroja nada en el portal de tu biblioteca, nada en Google Scholar, nada en el sitio de la editorial. Esa revista no existe. La cita fue fabricada, y descubrirlo tomó cuatro minutos.
Así que corres el ciclo como se debe. Recuperas una revisión real sobre la ubicación de los centros de votación y la participación, la lees y aplicas la bola de nieve. Su lista de referencias apunta hacia atrás, a los trabajos más antiguos sobre los costos de votar en los que se apoya. Su rastro de «Citado por» apunta hacia adelante, a estudios recientes que usan registros administrativos a nivel de distrito electoral. En una hora tu lista tiene media docena de fuentes reales y un desacuerdo vivo: algunos estudios encuentran que reubicar un centro de votación resta uno o dos puntos de participación; otros encuentran que los votantes se pasan al voto por correo y la participación total casi no se mueve. Ese desacuerdo es el borde vivo del campo, y te dice que la pregunta sigue abierta.
Ahora, la decisión que te toca a ti. La pregunta amplia «¿afecta la distancia a la participación?» no es un vacío: la literatura es enorme. Pero tu pregunta más estrecha, si la caída se concentra en barrios sin automóvil, sí puede serlo. Podrás defenderla solo porque reuniste las fuentes que la rodean, y porque estás a punto de abrir cada una.
7.4 El laboratorio en Colab
Este capítulo tiene su propio cuaderno de acompañamiento: ábrelo en Colab con la insignia de arriba. El cuaderno reúne los prompts y el código del capítulo y termina con el espacio de trabajo Ahora te toca a ti, para que completes el paso del capítulo en tu proyecto sin salir de Colab. El laboratorio de aula completo detrás de este capítulo es el cuaderno del curso nb03 — Research builds on research: verified evidence + real gaps (la investigación se construye sobre la investigación: evidencia verificada y vacíos reales) (abrir en Colab), parte del curso de acompañamiento presentado en el apéndice Para docentes. Allí verás cómo un montón de quince citas generadas por IA se reduce a las pocas que sobreviven a la recuperación, construirás un mapa de evidencia en código y correrás el ciclo de recuperación y verificación sobre tu propia afirmación.
7.5 Prompts de IA recomendados
Comprométete primero con tu propia respuesta y solo después delega. Y no trates estos prompts como pedidos de un solo tiro. Una búsqueda es un bucle de IA: el ciclo prompt → respuesta → interrogación → refinamiento → nueva ejecución. Escribes el prompt, lees lo que volvió, le dices a la herramienta qué quedó fuera de blanco y por qué, y vuelves a preguntar. Dos o tres pasadas le ganan siempre a un prompt largo. Algunas herramientas ya corren ese bucle solas: navegan y vuelven a buscar sin consultarte entre paso y paso. Eso cambia quién escribe las consultas; no cambia quién abre los artículos. Cada pasada te gana una mejor lista. Ninguna se gana tu confianza.
Localizar. Pide pistas que perseguir, no una bibliografía terminada.
Act as a literature scout in [your field]. My question is: [paste it].
List the five published studies most relevant to it, each with authors,
year, exact title, and venue, so I can retrieve and verify each myself.
Only include work you are confident exists; mark anything uncertain.Después de ejecutarlo, verifica: recupera cada cita buscando su título exacto entre comillas antes de creer que existe. Contrarresta la fabricación confiada (confident fabrication), una cita que suena real de un artículo que nunca se escribió.
Listar para verificar (bola de nieve). Parte de una fuente que ya hayas leído.
Here is one source I have verified: [authors, year, exact title, venue].
Name three older works from its reference list it likely built on, and
three newer works that likely cite it, each with authors, year, title,
and venue, plus one line on why it belongs on the chain.Después de ejecutarlo, verifica: contrasta los nombres «hacia atrás» con la lista de referencias real de la fuente semilla y recupera el resto. Una cadena ordenada puede omitir en silencio el único estudio que contradice. Contrarresta la ilusión de exhaustividad (illusion of completeness).
Red team (revisión adversaria). Haz que la herramienta ataque tu vacío en vez de halagarlo.
Here is my question and the gap I placed: [one or two sentences].
Argue that this gap is NOT real. Name up to three published studies that
may already answer it, with authors, year, title, and venue, and say what
each would have to show to close it. Do not reassure me.Después de ejecutarlo, verifica: si solo coincide en que el vacío está abierto y no nombra nada, insiste y oblígala a intentar cerrarlo; luego recupera cada estudio que mencione. Contrarresta el acuerdo complaciente (sycophantic agreement).
Dos decisiones nunca salen de tus manos. Si una fuente cuenta como verificada: eso solo lo zanja leerla por tu cuenta. Y si tu vacío es real: solo una recuperación que vuelve vacía se gana esa palabra. Lo que tu proyecto puede afirmar se desprende de esas dos. Una IA puede señalar; no puede certificar.
7.6 Un caso de falla de la IA
La falla más común aquí es la alucinación de citas (citation hallucination), la fabricación confiada de la taxonomía: el modelo inventa una fuente y la presenta con plena seguridad. En el ejemplo resuelto produjo un par de autores plausible, una fecha de 2019 y una revista que no existe. La atrapaste en un minuto buscando el título exacto entre comillas en el portal de tu biblioteca y en Google Scholar, y no encontrando nada. La fluidez segura no es evidencia. Si no puedes localizar una fuente donde debería estar, trátala como inventada hasta que demuestres lo contrario.
7.7 Ahora te toca a ti
Llegaste con una pregunta guía del capítulo anterior. Este paso la rodea de la conversación a la que pertenece: un conjunto de fuentes candidatas, reunidas rápido, con la IA haciendo el trabajo de campo.
- Escribe tu pregunta guía al inicio de una hoja en blanco. Debajo, escribe la única oración que ya crees que dice la literatura. Esa creencia es lo que tu búsqueda va a confirmar o a dejar en ridículo.
- Busca una vez por tu cuenta antes de delegar. Usa la base de datos de tu biblioteca o Google Scholar con las palabras de tu propia pregunta, y quédate con lo mejor que encuentres. Esa es tu semilla.
- Pídele a una IA cinco candidatas más sobre la misma pregunta, cada una con autoría, año, título exacto y lugar de publicación. Luego corre el bucle: lee lo que volvió, dile a la herramienta cuáles dos están fuera de blanco y por qué, y vuelve a preguntar. Detente cuando una pasada deje de agregar algo nuevo.
- Aplica la bola de nieve a tu semilla a mano. Lee su lista de referencias hacia atrás para hallar los trabajos más antiguos en los que se apoya, y sigue su rastro de «Citado por» hacia adelante para los más nuevos. Agrega todo lo que toque tu pregunta.
- Pon todo en una sola lista de candidatas con una columna de estado, y escribe
leaden cada fila. Aquí todavía nada es una fuente. El capítulo siguiente es donde se ganan el ascenso. - Registra la delegación en tu AI Research Ledger (registro de investigación con IA) y verifica al menos una candidata ahora con un método nombrado de la Guía de Verificación; la lectura de la fuente primaria es el que corresponde. Una IA revisora puede hacer la comprobación contigo; la decisión de aceptar o rechazar es tuya.