Did LLMs colonize scientific titles? Fifty years of titular colonicity
Este estudio analiza cincuenta años de datos de títulos científicos para demostrar que, si bien el uso de los dos puntos ha sido una convención de larga data que está aumentando en prevalencia, los modelos de lenguaje de gran tamaño generan títulos con frecuencias de dos puntos significativamente más altas que los autores humanos, un patrón que es sensible a las instrucciones y que influye en el rendimiento del ranking de recuperación.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Los artículos científicos suelen ser juzgados por sus títulos, esas frases breves que deben realizar el pesado trabajo de decirle al lector de qué trata un estudio antes de que siquiera haga clic en un enlace. Durante décadas, los investigadores han notado un patrón específico en estos títulos: el uso de los dos puntos, ese pequeño signo de puntuación que consiste en dos puntos. Un título podría leerse como "Cambio Climático: Una Nueva Perspectiva", utilizando los dos puntos para separar un tema amplio de un enfoque específico. Este hábito, conocido en los círculos académicos como "colonicidad titular", ha sido observado desde la década de 1980. Es una herramienta estándar para organizar la información, pero recientemente, una nueva fuerza ha entrado en la sala: los modelos de lenguaje de gran tamaño. Estos son sistemas de inteligencia artificial entrenados en vastas cantidades de texto que ahora pueden escribir resúmenes, responder preguntas e incluso redactar títulos científicos. A medida que estas herramientas se vuelven comunes en la investigación, surge una pregunta natural: ¿están cambiando la forma en que escribimos? Específicamente, ¿están estas máquinas sobreutilizando los dos puntos, convirtiéndolos quizás en una firma de su producción, y ayuda o perjudica realmente este signo de puntuación cuando una computadora intenta encontrar un artículo en una base de datos?
Para responder a esto, un equipo de investigadores de Interactive Crafts en Polonia llevó a cabo una investigación masiva que abarca cincuenta años de historia científica. No solo conjeturaron; examinaron casi noventa y cinco millones de artículos de revistas publicados entre 1976 y 2025, una colección extraída de una base de datos global llamada OpenAlex. Su primera tarea fue mapear la historia de los dos puntos. Encontraron que su uso nunca ha sido una línea recta hacia arriba o hacia abajo. En cambio, ha oscilado a lo largo de las décadas, situándose en aproximadamente un 16 por ciento en la década de 1970, subiendo y bajando, y luego escalando nuevamente en años recientes. Para 2022, aproximadamente el 25 por ciento de los títulos en lengua inglesa contenían dos puntos. Para 2024, ese número había saltado a casi el 29 por ciento, y un vistazo preliminar a 2025 sugirió que podría alcanzar el 34 por ciento. Si bien este aumento reciente es notable, los investigadores fueron cuidadosos al señalar que esta tendencia comenzó antes de que la inteligencia artificial se convirtiera en una herramienta dominante para la escritura, lo que significa que el incremento es parte de una historia más larga y compleja de cómo escriben los científicos, no necesariamente un cambio repentino causado por las máquinas.
El equipo luego dirigió su atención hacia las máquinas mismas. Tomaron casi 1,700 resúmenes científicos —sumarios de artículos de investigación— y pidieron a tres modelos de lenguaje de código abierto diferentes que generaran nuevos títulos para ellos. Les dieron a los modelos dos tipos de instrucciones: una era neutral, simplemente pidiendo un título, y la otra pedía a los modelos que siguieran las convenciones de estilo específicas del campo científico, como la biología o la ingeniería. Los resultados fueron impactantes. Cuando los modelos escribían títulos, usaban los dos puntos con mucha más frecuencia de la que los autores humanos lo hacen en los artículos publicados. Para el modelo principal probado, el 41 por ciento de los títulos neutrales contenía dos puntos, en comparación con solo el 27 por ciento de los títulos realmente publicados. Cuando se les dijo a los modelos que siguieran las convenciones de campo, la tasa de uso de los dos puntos aumentó aún más, alcanzando el 60 por ciento. Esto sugiere que, si bien los humanos usan los dos puntos de manera moderada, estos sistemas de inteligencia artificial tienen una fuerte tendencia a sobreutilizarlos, especialmente cuando se les pide que imiten estilos académicos específicos. Los investigadores también encontraron que los modelos eran inconsistentes; a veces producían un título con dos puntos y otras veces no lo hacían, incluso analizando el mismo resumen, lo que indica que este comportamiento es sensible a cómo se formula la pregunta.
Finalmente, los investigadores querían saber si esta puntuación realmente importaba cuando una computadora intentaba encontrar un artículo. Establecieron un experimento controlado donde tomaron títulos que tenían un solo par de dos puntos y reemplazaron esos dos puntos por un simple espacio, dejando cada otra palabra exactamente igual. Luego pidieron a un sistema de búsqueda que encontrara el artículo original utilizando el título modificado. Sorprendentemente, eliminar los dos puntos hizo que la búsqueda fuera ligeramente más efectiva. El sistema encontró el artículo correcto con más frecuencia y lo clasificó más alto en la lista de resultados cuando los dos puntos no estaban. Esto no significa que los dos puntos sean malos para los lectores humanos, pero sí muestra que, para la tecnología de búsqueda específica utilizada en esta prueba, los dos puntos actuaron como un ligero obstáculo. Los investigadores señalaron que este efecto no era universal; para muchos títulos, el cambio no tuvo importancia, pero para una parte significativa, el espacio funcionó mejor que los dos puntos.
El estudio concluye que, si bien los modelos de lenguaje de gran tamaño están de hecho colonizando los títulos científicos con una frecuencia que excede las normas humanas, esto no significa que sean la única causa del reciente aumento en el uso de los dos puntos. La tendencia comenzó antes de que estas herramientas fueran ampliamente adoptadas, y el incremento es probablemente una mezcla de cambios en los hábitos humanos y la influencia de las máquinas. Además, la presencia de dos puntos no es una forma fiable de detectar un artículo escrito por una máquina, ya que los humanos los han usado durante décadas. La verdadera conclusión es que la puntuación no es solo una elección estilística; es una variable que cambia la forma en que las máquinas leen y recuperan la información. A medida que la inteligencia artificial se integra más en el proceso de investigación, comprender estos pequeños cambios en el lenguaje se vuelve esencial, no solo para detectar la IA, sino para asegurar que el conocimiento que creamos aún pueda ser encontrado por los sistemas diseñados para compartirlo.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.