Tendencias en la Investigación de Inteligencia Artificial: Un Análisis de Tópicos en Publicaciones Académicas Recientes - García Boada, Susana

Abstract

El auge de la inteligencia artificial generativa (IAG) ha transformado el panorama tecnológico y científico reciente, generando tanto entusiasmo por su potencial disruptivo como inquietud en torno a sus implicaciones éticas. Ante este escenario, la comunidad académica ha intensificado el estudio de sus riesgos, oportunidades y aplicaciones en diversos contextos. El presente trabajo tiene por objetivo examinar el desarrollo de la investigación académica sobre la IAG y sus posibles sesgos, a través de un enfoque metodológico que combina análisis bibliométrico y modelado de tópicos. Con este fin, se recopilaron 1.030 artículos científicos publicados durante el último año en la base de datos Web of Science (WoS), focalizados en temáticas vinculadas a la IAG. La metodología empleada se estructuró en varias etapas sucesivas. En primer lugar, se llevó a cabo un proceso de limpieza y normalización de los resúmenes incluidos en el corpus, con el fin de optimizar la calidad lingüística de los textos para su posterior análisis. A continuación, se aplicaron técnicas de minería de textos y modelado de tópicos que permitieron abordar de manera eficiente el volumen de datos y extraer patrones relevantes. Posteriormente, se integraron herramientas de visualización como VOSviewer para construir mapas de coocurrencia de palabras clave y redes de coautoría entre autores, instituciones y países, lo que facilitó una comprensión general del ecosistema investigativo en torno a la IAG.

Los análisis realizados permiten identificar cuatro líneas de investigación que concentran el interés académico actual en torno a la IAG. En primer lugar, destacan los retos éticos del uso de estas tecnologías, abordando temas como la equidad, los sesgos algorítmicos, la transparencia y la responsabilidad. En segundo lugar, se observa un amplio volumen de investigaciones orientadas al desarrollo técnico de modelos generativos, que abordan desde el diseño de nuevas metodologías hasta la optimización de arquitecturas y la formulación de indicadores para evaluar su rendimiento. En tercer lugar, se identifican trabajos enfocados en la revisión sistemática y evaluación metodológica de la literatura científica sobre la IAG. Por último, una parte de los estudios se enfoca en su implementación en el ámbito sanitario, especialmente en contextos clínicos, diagnósticos y de apoyo a la toma de decisiones. A nivel de colaboración científica, se observa una estructura todavía fragmentada, con Estados Unidos y China como polos principales de producción, una fuerte presencia del ámbito médico en los equipos más activos y el liderazgo de instituciones académicas anglosajonas.

The emergence of generative artificial intelligence (GAI) has reshaped the recent scientific and technological landscape, sparking both enthusiasm for its transformative potential and concern over its ethical implications. Against this backdrop, the academic community has intensified its efforts to examine the risks, opportunities and applications of GAI in various domains. This study seeks to investigate the development of scholarly research on GAI and its potential biases, using a methodological approach that combines bibliometric analysis with topic modelling. For this purpose, 1,030 scientific articles published over the past year were retrieved from the Web of Science (WoS) database, focusing on topics related to GAI. The methodology followed a multi-stage process. Firstly, the abstracts were cleaned and normalised to ensure linguistic consistency and facilitate subsequent analysis. Then, text mining and topic modelling techniques were applied to efficiently process the data and extract meaningful patterns. Additionally, visualisation tools such as VOSviewer were employed to generate keyword co-occurrence maps and co-authorship networks across authors, institutions and countries, offering a comprehensive view of the research landscape surrounding GAI.

The findings reveal four principal lines of inquiry currently shaping academic interest in GAI. Firstly, ethical challenges such as fairness, algorithmic bias, transparency and accountability feature prominently. Secondly, there is a substantial body of research dedicated to the technical development of generative models, ranging from methodological innovation and architectural optimisation to the creation of performance evaluation metrics. Thirdly, numerous studies focus on the application of GAI to systematic reviews and methodological assessment within the scientific literature. Finally, a strand of research addresses its implementation in the healthcare sector, particularly in clinical, diagnostic, and decision-support contexts. In terms of scientific collaboration, the field remains relatively fragmented, with the United States and China emerging as key hubs of output, a strong presence of medical institutions among the most active contributors and a leading role played by prominent Anglophone academic institutions.