When AI Classifies: What Counts as Public Administration?

Resumen Técnico: Cuando la IA Clasifica: ¿Qué se considera Administración Pública?

Planteamiento del Problema
El artículo aborda un desafío epistemológico crítico en el campo de la Administración Pública (AP): cómo se definen los límites, la visibilidad y la estructura intelectual de la investigación interdisciplinaria cuando esta es mediada por sistemas algorítmicos de organización del conocimiento. Tradicionalmente, las fronteras disciplinares en la AP han sido negociadas a través de comunidades académicas, revistas y asociaciones profesionales humanas. Sin embargo, la creciente dependencia de la indexación automatizada, el modelado de temas y la clasificación asistida por IA en las infraestructuras bibliográficas (como Web of Science y OpenAlex) plantea la cuestión de si estos sistemas simplemente recuperan el conocimiento existente o si construyen activamente identidades disciplinares.

Este problema es particularmente agudo para la investigación de la relación IA-AP (IA en la AP). Debido a que la AP es inherentemente interdisciplinaria y la investigación en IA abarca la ciencia de la computación, la ciencia de datos, la gestión y las ciencias sociales, existe el riesgo de que los sistemas de clasificación algorítmica clasifiquen erróneamente o vuelvan invisible la investigación relevante para la AP, asignándola a dominios adyacentes. El estudio postula que estos sistemas no son herramientas neutrales, sino actores activos que pueden introducir sesgos sistemáticos, reforzar fronteras existentes y restringir la evolución de los campos interdisciplinarios.

Metodología
El estudio emplea un análisis bibliométrico comparativo utilizando dos bases de datos académicas principales: Web of Science (WoS) y OpenAlex. La investigación operacionaliza el problema a través de cinco sistemas distintos de representación académica, categorizados en tres enfoques lógicos:

1. Definido por el Autor: Se basa en metadatos proporcionados directamente por los autores (títulos/resúmenes/palabras clave de WoS; títulos/resúmenes de OpenAlex).
2. Impulsado por la Citación: Se basa en términos generados algorítmicamente derivados de las referencias citadas (Keyword Plus de WoS).
3. Asistido por IA: Se basa en conceptos y palabras clave asignados algorítmicamente mediante similitud semántica y modelos de lenguaje de gran tamaño (Conceptos y Palabras Clave de OpenAlex).

Recolección de Datos y Estrategia de Búsqueda:

• Operacionalización de la AP: En WoS, la AP se identifica mediante la categoría de sujeto "Public Administration". En OpenAlex, se identifica mediante el subcampo "Public Administration" (3321), el cual se deriva de un sistema de agrupamiento automatizado donde un modelo basado en GPT etiqueta los grupos basándose en títulos y resúmenes representativos.
• Operacionalización de la IA-en-AP: Se utilizó un marco de IA por capas (Fundación, Arquitectura, Modelo, Acción) para construir los términos de búsqueda. Estos términos se aplicaron a través de las cinco capas de metadatos mencionadas anteriormente.
• Análisis: El estudio compara los corpus resultantes a través de seis dimensiones: tamaño del corpus, tipos de publicación, medios de publicación, superposición de DOI, desarrollo temporal y agrupación temática. Las estructuras temáticas se analizaron mediante redes de co-ocurrencia (VOSviewer) basadas en palabras clave de autores y n-gramas derivados del texto (unigramas, bigramas, trigramas) de títulos y resúmenes.

Resultados Clave
El análisis revela una divergencia sustancial entre las cinco representaciones, lo que indica que identifican dominios de conocimiento diferentes en lugar de variantes de un mismo conjunto de literatura:

• Tamaño y Composición del Corpus: Mientras que OpenAlex captura un corpus de AP más amplio y diverso (incluyendo pre-publicaciones y tesis doctorales), el enfoque de Autor de WoS identificó el corpus de IA-en-AP más grande (959 publicaciones). Por el contrario, los enfoques asistidos por IA de OpenAlex (Conceptos de OA y Palabras Clave de OA) identificaron significativamente menos registros de IA-en-AP (494 y 387, respectivamente), a pesar de la cobertura más amplia de OpenAlex.
• Medios de Publicación y Superposición: Existe una ausencia casi total de superposición en los medios de publicación entre las representaciones asistidas por IA de WoS y OpenAlex.
  • Autor de WoS se concentra en revistas establecidas de AP y políticas públicas (ej. Public Administration Review, Public Management Review).
  • Autor de OA se concentra en revistas de trabajo social.
  • Conceptos/Palabras Clave de OA están dominados por repositorios (ej. Zenodo, eCommons) y sedes técnicas (ej. IEEE Transactions).
  • Crucialmente, ningún medio de publicación fue compartido entre los tres enfoques principales.
• Desarrollo Temporal: Las representaciones ofrecen narrativas históricas conflictivas. Las representaciones asistidas por IA de OpenAlex muestran un crecimiento constante y lineal de la IA-en-AP que se remonta a 1980, sugiriendo una difusión gradual de los conceptos de IA en la AP. En contraste, las representaciones de WoS muestran un aumento brusco y exponencial a partir de 2023, coincidiendo con el auge de la IA generativa, lo que sugiere que la IA es un dominio emergente dentro de la AP.
• Estructura Temática:
  • Las redes de Autor de WoS están centradas en métodos y tecnologías de IA (ej. aprendizaje automático, LLM) vinculados a la gobernanza.
  • Los n-gramas de WoS desplazan el enfoque hacia la gobernanza, la regulación y los procesos administrativos.
  • Los n-gramas de OpenAlex exhiben la orientación contextual más amplia, enfatizando la práctica profesional, la educación, la ética y las aplicaciones sociales, a menudo desacoplando la investigación de las comunidades tradicionales de la AP.

Contribuciones Clave

1. Demostración de Efectos de Representación: El estudio proporciona evidencia empírica de que los sistemas de organización del conocimiento algorítmicos no solo recuperan diferentes cantidades de literatura, sino que construyen estructuras intelectuales, fronteras disciplinares y trayectorias históricas fundamentalmente distintas para un mismo campo.
2. La "Paradoja" de la Cobertura: Destaca que una cobertura bibliográfica más amplia (OpenAlex) no garantiza una mayor visibilidad para los subcampos interdisciplinarios; de hecho, la clasificación asistida por IA puede representar sistemáticamente de forma insuficiente la investigación interdisciplinaria de la AP al asignarla a campos adyacentes (ej. ciencia de la computación o trabajo social).
3. Crítica Epistemológica de la Clasificación por IA: El artículo argumenta que las clasificaciones asistidas por IA son interpretativas, no neutrales. Reflejan supuestos específicos sobre la estructura disciplinar y la similitud conceptual que pueden no alinearse con la naturaleza fluida y negociada de los campos interdisciplinarios como la AP.

Significancia y Reivindicaciones
El artículo sostiene que los hallazgos tienen profundas implicaciones para la gobernanza de la ciencia y la evolución de las disciplinas. Argumenta que, a medida que la IA se integra en la infraestructura del descubrimiento, la evaluación y el financiamiento académico, estas representaciones algorítmicas corren el riesgo de volverse autorreforzadas. La investigación clasificada consistentemente fuera de la AP puede volverse cada vez más invisible para los futuros sistemas de IA, creando bucles de retroalimentación que consolidan la dependencia de la trayectoria algorítmica y restringen la adaptación de las fronteras disciplinares.

En consecuencia, los autores concluyen que el juicio disciplinar humano sigue siendo esencial. La organización del conocimiento asistida por IA debe verse como un complemento, y no como un reemplazo, de la interpretación experta de los académicos. El estudio hace un llamado a futuras investigaciones para examinar estos efectos de representación en otros dominios interdisciplinarios fluidos (ej. estudios urbanos, justicia penal) para comprender cómo los sistemas algorítmicos pueden estar reconfigurando la identidad intelectual de las disciplinas mismas.