A Bibliometric Mapping of Airport Security: Research Trends, Thematic Structure, and Practical Implications

Cada vez que un viajero entra en un aeropuerto, se adentra en un sistema complejo diseñado para equilibrar dos necesidades contrapuestas: la necesidad absoluta de seguridad y el deseo de un viaje fluido y eficiente. Entre bastidores de estos controles de seguridad, se ha estado produciendo una revolución silenciosa en la forma en que los investigadores comprenden y mejoran el proceso. Durante décadas, el enfoque se ha dividido entre dos mundos distintos. Por un lado, está el elemento humano: la formación, la psicología y los límites cognitivos de los inspectores que observan imágenes de rayos X para detectar objetos peligrosos. Por el otro, está la frontera tecnológica: el rápido desarrollo de computadoras y software que pueden reconocer amenazas automáticamente en el equipaje. Aunque ambos lados buscan mantener seguros los cielos, a menudo han operado en carriles separados, comunicándose rara vez entre sí. Esta separación plantea una pregunta crítica para el futuro de los viajes: ¿cómo combinamos mejor la habilidad humana con la inteligencia de las máquinas para crear un sistema de seguridad que sea tanto efectivo como eficiente?

Para responder a esto, un investigador llamado Tarık Mildan, de la Universidad de Kocaeli en Turquía, decidió mapear todo el panorama de la investigación académica sobre la seguridad aeroportuaria. En lugar de leer cada uno de los estudios uno por uno, lo cual sería imposible dado el enorme volumen de trabajo, utilizó un método llamado análisis bibliométrico. Piense en esto como una forma de tomar una instantánea de una vasta biblioteca y trazar un mapa que muestre qué libros se leen juntos con más frecuencia, qué autores hablan entre sí y qué temas están ganando popularidad. Al reunir 1.207 documentos académicos publicados entre 2010 y principios de 2025 de una base de datos principal llamada Scopus, Mildan creó una representación visual de la estructura intelectual del campo. Observó quién escribió los artículos, qué palabras usaron con más frecuencia y cómo cambiaron los temas a lo largo del tiempo. El objetivo no era solo contar artículos, sino comprender los patrones ocultos que dictan cómo se construye el conocimiento en este campo y dónde permanecen las brechas.

El mapa reveló la historia clara de dos caminos paralelos que han estado corriendo uno al lado del otro. Un camino está profundamente arraigado en la psicología humana. En el centro de este grupo se encuentra un investigador llamado Adrian Schwaninger, quien lidera una red de académicos centrados en cómo las personas ven e interpretan imágenes. Estos estudios analizan los procesos mentales de los inspectores de seguridad, cómo son entrenados para detectar amenazas y cómo interactúan con las máquinas que utilizan. Esta tradición ha sido constante y sólida, construyendo una base fuerte de conocimiento sobre el desempeño humano y los desafíos cognitivos de observar imágenes de rayos X durante horas. El otro camino es impulsado por la ingeniería y las ciencias de la computación. Este lado del mapa ha explotado en años recientes, particularmente después de 2019. Está dominado por la investigación en aprendizaje profundo (deep learning), un tipo de inteligencia artificial que permite a las computadoras "ver" e identificar objetos. Los términos más frecuentes en este grupo incluyen "aprendizaje profundo", "detección de objetos" y herramientas de software específicas como YOLO, que significa "You Only Look Once" (Solo miras una vez). Esta tecnología permite que las máquinas escaneen el equipaje y señalen amenazas potenciales en una fracción de segundo, una capacidad que se ha convertido en un estándar en la investigación moderna.

Lo que hace que este mapa sea tan valioso es que muestra cómo estos dos caminos se han ignorado en gran medida. Los investigadores que estudian la psicología humana rara vez citan los artículos escritos por los científicos de la computación, y viceversa. Los datos muestran que, mientras que el grupo de factores humanos tiene una comunidad de colaboradores muy estrecha, el grupo tecnológico es un campo masivo y de rápido crecimiento que ha atraído miles de citas. Los autores más prolíficos en el sector tecnológico son expertos en visión por computadora e inteligencia artificial, mientras que los expertos en factores humanos son psicólogos e investigadores aplicados. Esta división sugiere que el campo está actualmente dividido en dos conversaciones separadas. Una conversación trata sobre cómo entrenar a una persona para que sea mejor en su trabajo, y la otra sobre cómo construir una máquina que pueda hacer el trabajo por ella. El estudio sugiere que esta separación podría ser un problema, ya que el futuro de la seguridad aeroportuaria probablemente dependa de integrar estos dos enfoques en lugar de mantenerlos separados.

La cronología de la investigación cuenta otra historia importante. Durante los primeros ocho años del periodo de estudio, de 2010 a 2018, el número de publicaciones creció de manera lenta y constante. Sin embargo, a partir de 2019, la producción aumentó drásticamente, alcanzando un pico en 2023 y 2024. Este salto repentino coincide con la adopción generalizada de técnicas avanzadas de visión por computadora. El aumento no fue solo un incremento general de interés; fue impulsado específicamente por una oleada de nuevos estudios sobre aprendizaje profundo, imágenes de rayos X y detección automatizada de amenazas. Las áreas temáticas de estos artículos confirman este cambio. La mayor parte del trabajo proviene ahora de departamentos de ingeniería y ciencias de la computación, con una parte significativa proveniente también de matemáticas y física. Aunque las ciencias sociales y la psicología todavía contribuyen con un número sustancial de estudios, su participación se ha vuelto menor en relación con la creciente literatura técnica. Esto indica que el campo se está volciendo cada vez más técnico, con un fuerte enfoque en la construcción de mejores algoritmos y sistemas de detección.

A pesar del impresionante crecimiento tecnológico, el mapa también resalta lo que falta. La investigación está fuertemente sesgada hacia la mecánica de la detección: cómo hacer que las máquinas sean más rápidas, más precisas y mejores en la detección de armas o explosivos. Sin embargo, la experiencia del pasajero apenas se menciona. Hay muy poca investigación que conecte el proceso de control de seguridad con cómo se sienten los viajeros, cuánto tiempo esperan o qué tan satisfechos están con el servicio. Del mismo modo, los aspectos económicos y de política más amplios de la seguridad aeroportuaria están poco explorados. Mientras que el lado técnico de la ecuación se está resolviendo con gran velocidad, el lado humano de la ecuación —cómo estos sistemas encajan en la vida diaria de los viajeros y cómo se regulan— sigue siendo un punto ciego. El estudio sugiere que la investigación futura necesita cerrar estas brechas, analizando cómo la detección automatizada puede integrarse con el entrenamiento humano y cómo las medidas de seguridad pueden diseñarse para ser tanto seguras como amigables para el pasajero.

Para las personas que realmente gestionan los aeropuertos y diseñan las políticas de seguridad, estos hallazgos ofrecen una guía clara. La persistencia de la tradición de investigación de factores humanos sugiere que las máquinas no son un reemplazo para los inspectores humanos, sino más bien una herramienta que debe utilizarse junto a ellos. Los datos indican que, incluso a medida que desarrollamos una mejor inteligencia artificial, debemos seguir invirtiendo en la formación de las personas, porque la confianza entre el inspector y la máquina es un problema psicológico complejo que no puede darse por sentado. Además, el rápido ritmo del cambio tecnológico significa que las reglas y regulaciones que gobiernan la seguridad aeroportuaria deben mantenerse al día. Si la tecnología avanza cada año, los procesos de certificación para el nuevo equipo no deberían retrasarse años. Finalmente, el estudio señala que la estrategia de seguridad más efectiva probablemente provendrá de conectar los puntos entre los programas de control basados en el riesgo, que tratan a los pasajeros de manera diferente según su nivel de riesgo, y las nuevas herramientas de detección automatizada. Al unir estos flujos de investigación separados, la industria de la aviación puede avanzar hacia un sistema que no solo sea más inteligente, sino también más cohesivo y efectivo para todos los involucrados.