Hace unas semanas, Nature anunció que a principios de 2019 lanzaría una nueva revista sobre aprendizaje automático. Hasta hace poco, esto era una buena noticia: Nature es uno de los grupos editoriales académicos más prestigiosos del mundo y sus revistas suelen considerarse socialmente como el ‘estándar de oro’ de la ciencia.
La llegada de una de sus revistas a un campo de investigación era el equivalente a la llegada de un tren de alta velocidad a una ciudad de provincias. Los investigadores suelen verlo como una señal de prestigio, relevancia y futuro. Ha sido así con casi todas las 53 revistas que han lanzado: excepto ahora que han pinchado hueso. La comunidad de ‘machine learning’ no quiere revistas de pago.
¿Una revista de pago en una comunidad que lo comparte todo libremente?
“¿Por qué íbamos a quererlo?”, se pregunta Neil Lawrence en The Guardián. “¿Qué podría llevar a los autores y lectores a una revista de suscripción con ánimo de lucro cuando ya tenemos un modelo abierto para compartir nuestras ideas?” Lawrence tiene razón en que los editores académicos solo tienen un as bajo la manga: su marca.
Nature, Science, PNAS o NEJM sirven de señalizadores: la ciencia se ha especializado tanto que es difícil determinar si algo es difícil o no. Sobre todo, cuando hablamos de campos que no dominamos perfectamente. No siempre son buenos señalizadores y tiene cierta tendencia hacia el estudio llamativo y espectacular, pero lo cierto es que (hoy por hoy) siguen marcando la agenda informativa cada semana.
Pero más allá de eso. En lo que a su utilidad por parte de los investigadores se refiere, aportan poco. Y eso lo vieron los expertos en machine learning hace casi 20 años. En 2001, el equipo editorial del Machine Learning Journal dimitió en bloque de la revista para crear una nueva revista gratuita y de acceso abierto, el Journal of Machine Learning Research.
El espíritu del JMLR
En su carta de renuncia, argumentaron que “…las revistas académicas deberían servir principalmente a las necesidades de la comunidad intelectual, en particular para proporcionar el acceso inmediato y universal a los artículos de revistas que admite la tecnología moderna, y hacerlo a un costo que no excluya a nadie”.
Siguiendo ese espíritu, más de 3000 investigadores están pidiendo boicotear la nueva Nature Machine Intelligence. Entre ellos están personas clave como Yann LeCun, director de Inteligencia Artificial en Facebook o Jeff Dean, el equivalente en Google. Es decir, parece que nos encontramos ante una de las “batallas” actuales más interesantes de la ciencia abierta: ¿Qué pesará más: la marca o la comunidad?
Por ahora solo podemos hacer quinielas, pero el apoyo de los gigantes tecnológicos es clave. No obstante, está claro que las administraciones públicas (y los incentivos que presentan a los investigadores en un mundo en el que, recordemos, la investigación está financiada con fondos públicos) tiene mucho que decir. Sea como sea, la dinámica histórica parece que va en ese sentido, la duda quizás no sea si será así, sino cuándo.
Fuente
Hace unas semanas, Nature anunció que a principios de 2019 lanzaría una nueva revista sobre aprendizaje automático. Hasta hace poco, esto era una buena noticia: Nature es uno de los grupos editoriales académicos más prestigiosos del mundo y sus revistas suelen considerarse socialmente como el ‘estándar de oro’ de la ciencia.
La llegada de una de sus revistas a un campo de investigación era el equivalente a la llegada de un tren de alta velocidad a una ciudad de provincias. Los investigadores suelen verlo como una señal de prestigio, relevancia y futuro. Ha sido así con casi todas las 53 revistas que han lanzado: excepto ahora que han pinchado hueso. La comunidad de ‘machine learning’ no quiere revistas de pago.
¿Una revista de pago en una comunidad que lo comparte todo libremente?
“¿Por qué íbamos a quererlo?”, se pregunta Neil Lawrence en The Guardián. “¿Qué podría llevar a los autores y lectores a una revista de suscripción con ánimo de lucro cuando ya tenemos un modelo abierto para compartir nuestras ideas?” Lawrence tiene razón en que los editores académicos solo tienen un as bajo la manga: su marca.
Nature, Science, PNAS o NEJM sirven de señalizadores: la ciencia se ha especializado tanto que es difícil determinar si algo es difícil o no. Sobre todo, cuando hablamos de campos que no dominamos perfectamente. No siempre son buenos señalizadores y tiene cierta tendencia hacia el estudio llamativo y espectacular, pero lo cierto es que (hoy por hoy) siguen marcando la agenda informativa cada semana.
Pero más allá de eso. En lo que a su utilidad por parte de los investigadores se refiere, aportan poco. Y eso lo vieron los expertos en machine learning hace casi 20 años. En 2001, el equipo editorial del Machine Learning Journal dimitió en bloque de la revista para crear una nueva revista gratuita y de acceso abierto, el Journal of Machine Learning Research.
El espíritu del JMLR
En su carta de renuncia, argumentaron que “…las revistas académicas deberían servir principalmente a las necesidades de la comunidad intelectual, en particular para proporcionar el acceso inmediato y universal a los artículos de revistas que admite la tecnología moderna, y hacerlo a un costo que no excluya a nadie”.
Siguiendo ese espíritu, más de 3000 investigadores están pidiendo boicotear la nueva Nature Machine Intelligence. Entre ellos están personas clave como Yann LeCun, director de Inteligencia Artificial en Facebook o Jeff Dean, el equivalente en Google. Es decir, parece que nos encontramos ante una de las “batallas” actuales más interesantes de la ciencia abierta: ¿Qué pesará más: la marca o la comunidad?
Por ahora solo podemos hacer quinielas, pero el apoyo de los gigantes tecnológicos es clave. No obstante, está claro que las administraciones públicas (y los incentivos que presentan a los investigadores en un mundo en el que, recordemos, la investigación está financiada con fondos públicos) tiene mucho que decir. Sea como sea, la dinámica histórica parece que va en ese sentido, la duda quizás no sea si será así, sino cuándo.
Fuente
Compartir esto: