Metodología integral de recomendación de revisores en revistas científicas sobre múltiples factores

Abstract

Un problema recurrente que afrontan los editores de revistas científicas es la elección adecuada de revisores pares para evaluar los trabajos enviados por la comunidad académica en vistas a su posible publicación. En la región latinoamericana una cantidad significativa de editores científicos realizan esta tarea de manera artesanal sin contar con herramientas automatizadas de apoyo. A los fines de subsanar esta vacancia, la presente tesis doctoral propone una metodología innovadora utilizando técnicas validadas de procesamiento del lenguaje natural. Se toma como caso de aplicación el repositorio institucional CONICET digital (Argentina) y se tiene principalmente en cuenta aspectos tales como la concordancia entre la temática del artículo y de los evaluadores seleccionados, la priorización de la experiencia del revisor en la temática en el orden de recomendación, la actualidad del conocimiento, la detección del conflicto de interés, la desambiguación de nombres, la autoridad y la realimentación con información histórica de revisiones pasadas. En esta dirección, se desarrolló un primer prototipo que realiza el procesamiento de la información necesaria con dicha metodología, a los fines de ofrecer el informe de recomendación. En síntesis, el aporte original de esta investigación se centra en una propuesta metodológica para el desarrollo de una solución dinámica con las características expuestas, que se inscribe como una herramienta asistida cuyos destinatarios son los editores expertos de revistas científicas que, como sistema con técnicas de IA, posibilita una búsqueda ágil y adecuada de revisores para aplicar al corpus de trabajos científicos a evaluar.