Publicar o perecer: incentivos y ciencia confiable

Publicar más no equivale a investigar mejor. Claves para reformar evaluación, carrera y financiamiento sin renunciar al rigor ni a la rendición de cuentas.

Una institución puede declarar que valora la investigación rigurosa y, al mismo tiempo, enviar otro mensaje con sus decisiones: cuántos artículos publicó una persona, en qué revistas aparecieron y cuánto dinero consiguió. Cuando esas señales dominan la contratación, la promoción, la asignación de carga y el financiamiento interno, la cultura real no está escrita en un código de ética. Está incorporada en la pauta de evaluación. La expresión “publicar o perecer” resume una presión conocida, pero también puede inducir una lectura demasiado simple. Publicar es una parte indispensable de la ciencia: permite compartir métodos, someter resultados a escrutinio y acumular conocimiento. El problema no es publicar mucho. Aparece cuando la cantidad, la novedad y la visibilidad se convierten en sustitutos automáticos de la calidad, mientras tareas esenciales —documentar, compartir datos, replicar, corregir, colaborar o reportar resultados nulos— casi no cuentan. La consecuencia no es que toda persona sometida a presión vaya a cometer fraude. Esa afirmación sería injusta y no está respaldada por la evidencia. El riesgo más cotidiano es otro: un sistema puede seleccionar y normalizar prácticas que aumentan la producción visible, aunque no siempre mejoren la confiabilidad del conocimiento. Los incentivos no obligan, pero sí orientan Las personas investigadoras toman decisiones dentro de reglas, plazos y trayectorias profesionales concretas. Elegir una pregunta, prolongar una recolección de datos, repetir un experimento, documentar código o corregir públicamente un error tiene costos de tiempo. Si la evaluación reconoce solo el producto final y no la calidad del proceso, esas decisiones quedan en desventaja. Un ensayo de Edwards y Roy sobre hipercompetencia científica advierte que la competencia por financiamiento, el uso estrecho de métricas y las presiones de carrera pueden crear incentivos contraproducentes. Es un argumento conceptual, no una medición causal aplicable por igual a todas las disciplinas. Su aporte consiste en desplazar la pregunta: además de investigar la conducta individual, conviene examinar qué comportamientos vuelve racional el sistema. Esa distinción importa. La mala conducta deliberada debe investigarse con debido proceso. Sin embargo, entre la investigación ejemplar y el fraude existe una zona amplia de decisiones discutibles: fragmentar resultados para multiplicar publicaciones, seleccionar solo análisis favorables, abandonar réplicas, exagerar conclusiones o priorizar problemas “publicables” sobre preguntas relevantes. No todas tienen la misma gravedad ni intención, pero pueden acumular efectos sobre la literatura científica. Cuando el sistema selecciona prácticas menos rigurosas Smaldino y McElreath desarrollaron un modelo sobre la “selección natural” de mala ciencia . Su argumento es incómodo: si los grupos con mayor producción obtienen más oportunidades de reproducir sus métodos y formar nuevas generaciones, prácticas que generan más resultados publicables pueden expandirse, aunque sean menos rigurosas. El mecanismo no requiere que todas las personas engañen conscientemente. Un modelo computacional no describe literalmente cada institución ni prueba que una política específica causará fraude. Sirve para mostrar una posibilidad estructural: capacitar en buenas prácticas puede ser insuficiente si el sistema de recompensas sigue premiando lo contrario. Brian Nosek y sus colegas formularon una idea similar al proponer hacer competitivo el objetivo de acertar frente al de lograr que un resultado sea publicable . Si la novedad positiva recibe más reconocimiento que una réplica sólida, un resultado nulo bien documentado o una corrección, la institución no necesita ordenar malas prácticas. Basta con distribuir prestigio y oportunidades de forma desigual. El triángulo del fraude: una alarma, no un diagnóstico El informe de UNESCO IESALC sobre ética e integridad académica utiliza el triángulo del fraude para analizar nuevas formas de engaño en investigación: motivación o presión, oportunidad y racionalización. En un entorno de hiperproductividad, la presión puede provenir de contratos precarios, concursos o metas de publicación; la oportunidad, de controles débiles y procesos fragmentados; la racionalización, de frases como “todos lo hacen” o “el sistema lo exige”. Este marco no permite diagnosticar a una persona ni sustituye una investigación. Tampoco demuestra que la presión produzca fraude. Su utilidad institucional es preventiva: obliga a revisar simultáneamente las reglas de carrera, los controles del proceso y las narrativas que normalizan atajos. Actuar solo sobre una dimensión deja brechas. Un curso de ética no compensa una promoción basada casi exclusivamente en conteos. Un software de detección no corrige metas imposibles. Y endurecer sanciones sin canales seguros, revisión independiente y protección frente a represalias puede aumentar el silencio en vez de mejorar la integridad. Evaluar mejor no significa dejar de exigir Reformar la evaluación de la investigación suele despertar una objeción razonable: si se reducen los indicadores cuantitativos, ¿aumentará la arbitrariedad? Puede ocurrir si las métricas se reemplazan por opiniones opacas. La alternativa no es escoger entre un número aparentemente objetivo y una conversación sin criterios. Es combinar juicio cualitativo estructurado, evidencia verificable e indicadores usados dentro de sus límites. La Declaración de San Francisco sobre Evaluación de la Investigación (DORA) recomienda no usar métricas de revista como sustituto de la calidad de artículos individuales ni de las contribuciones de una persona. El Manifiesto de Leiden agrega principios como medir el desempeño según la misión, proteger la investigación de relevancia local y permitir que las personas evaluadas verifiquen los datos utilizados. El acuerdo de CoARA para reformar la evaluación propone que el juicio cualitativo y la revisión por pares sean centrales, con apoyo responsable de indicadores. No ofrece una pauta universal: reconoce que las prácticas deben variar por disciplina, misión, etapa de carrera y tipo de decisión. La exigencia, entonces, no desaparece. Se vuelve más difícil y más honesta. Obliga a explicar por qué una contribución es sólida, cuál fue el papel de la persona, qué evidencia respalda la valoración y cómo se compararon trayectorias distintas. Cinco contribuciones que suelen quedar fuera del conteo Los Principios de Hong Kong ofrecen un marco práctico para reconocer comportamientos que fortalecen la integridad. A partir de ellos, una institución puede mirar al menos cinco dimensiones: Prácticas responsables: calidad del diseño, manejo de datos, protocolos, supervisión y cumplimiento ético. Reporte transparente: métodos completos, limitaciones, conflictos de interés y correcciones cuando corresponda. Ciencia abierta pertinente: compartir datos, materiales, código o publicaciones cuando sea ético, legal y viable. Diversidad de investigación: reconocer replicaciones, resultados nulos, investigación aplicada, síntesis y trabajos relevantes para problemas locales. Contribuciones reales: valorar mentoría, gestión de datos, software, infraestructura, colaboración y revisión, en lugar de inferir mérito solo desde el orden de firma. Ninguna lista elimina el juicio. Sí puede impedir que una cifra —factor de impacto, índice h, número de artículos o monto adjudicado— se transforme en una sentencia automática. Siete cambios institucionales posibles Una reforma creíble necesita modificar decisiones concretas, no solo adherir a declaraciones internacionales. 1. Auditar qué se premia hoy. Revisar pautas, formularios, concursos internos, bonos y promociones. Importa comparar el discurso institucional con el peso real de cada criterio. 2. Definir calidad según la decisión. Contratar, promover, financiar un proyecto y reconocer una trayectoria no son el mismo problema. Cada decisión requiere evidencias y horizontes distintos. 3. Pedir pocas contribuciones seleccionadas. En lugar de contar toda la producción, solicitar que la persona explique un conjunto acotado de aportes, su calidad, su función y su relación con la misión institucional. 4. Reconocer prácticas que sostienen confiabilidad. Datos bien documentados, protocolos, preregistros cuando sean pertinentes, software, replicaciones, correcciones, mentoría y trabajo colaborativo deben tener una vía explícita de reconocimiento. 5. Contextualizar los indicadores. Campo disciplinar, idioma, etapa de carrera, interrupciones, recursos disponibles y relevancia territorial modifican el significado de una métrica. Contextualizar no es bajar estándares; es evitar comparaciones falsas. 6. Separar evaluación y conflicto de interés. Criterios publicados, declaración de conflictos, revisión colegiada, respuesta motivada y posibilidad de corregir datos reducen arbitrariedad y mejoran legitimidad. 7. Evaluar la propia reforma. Cambiar una pauta puede generar nuevas estrategias de cumplimiento superficial. Conviene monitorear cargas, sesgos, diversidad de trayectorias reconocidas y efectos inesperados, y ajustar periódicamente. La cultura científica también se diseña Ioannidis y Khoury reunieron a un panel de 22 participantes y revisaron selectivamente 22 documentos para proponer principios de contratación, promoción y permanencia académica . El alcance del trabajo —con énfasis en ciencias clínicas y de la vida— impide convertir sus recomendaciones en una receta universal. Pero su pregunta es transferible: ¿las instituciones evalúan aquello que dicen necesitar de la ciencia? Una institución que premia solo resultados espectaculares no debería sorprenderse cuando los resultados modestos desaparecen. Una que cuenta artículos sin examinar contribuciones facilita autorías ornamentales. Una que exige apertura sin financiar curaduría de datos traslada el costo a las personas. Y una que pide colaboración mientras recompensa exclusivamente logros individuales produce una contradicción cotidiana. La integridad no depende únicamente de virtudes personales. También se construye mediante cargas razonables, infraestructura, mentoría, revisión justa y criterios de carrera que hagan visible el trabajo riguroso. Publicar seguirá siendo esencial. Lo que debe dejar de parecer natural es confundir más publicaciones con mejor ciencia. Cambiar esa ecuación exige decisiones institucionales y aprendizaje compartido. Si te interesan estos debates y otras prácticas para fortalecer la educación superior, puedes registrarte gratis en InnovacionAcademica.org y participar en una comunidad que busca transformar con evidencia, no solo con indicadores. Fuentes consultadas UNESCO IESALC (2026), Nuevas perspectivas sobre ética e integridad académica en la docencia y la investigación universitaria . Edwards y Roy (2017), Academic Research in the 21st Century . Smaldino y McElreath (2016), The natural selection of bad science . Nosek, Spies y Motyl (2012), Scientific Utopia II . Ioannidis y Khoury (2018), Assessing scientists for hiring, promotion, and tenure . Moher et al. (2020), The Hong Kong Principles for assessing researchers . San Francisco Declaration on Research Assessment (DORA) . Hicks et al. (2015), The Leiden Manifesto for research metrics . CoARA, Agreement on Reforming Research Assessment .

Ver en Innovación Académica