Cuando se inicia cualquier tipo de investigación, o cuando se quiere saber en qué estado se encuentra una disciplina, teoría o idea concreta, uno de los primeros pasos es la búsqueda sistemática de información. Tradicionalmente hemos recurrido sobre todo a índices de citas y a bases de datos académicas, que permiten medir el impacto de los trabajos previos y localizar literatura relevante.
En los últimos años han aparecido, sin embargo, muchas otras herramientas pensadas específicamente para el descubrimiento de nueva literatura científica. Algunas permiten realizar búsquedas finas por autor, tema o campo; otras explotan técnicas de análisis de datos para identificar patrones y mostrar los resultados de forma visual, ayudando a “ver” un campo de estudio en lugar de recorrer listas interminables de referencias.
La mayoría exploran un terreno que los grandes proveedores siguen atendiendo de manera muy limitada: la visualización de la información. Al presentar las relaciones entre documentos de forma gráfica e interactiva, facilitan una comprensión rápida de un área de conocimiento y favorecen la identificación de conexiones que, en listados tradicionales, pasarían desapercibidas.
Esto tiene varias ventajas claras: ahorro de tiempo en la fase de búsqueda y análisis, mejor comprensión global del campo (quién cita a quién, qué escuelas o líneas se agrupan) y fomento de la colaboración “invisible” entre investigadores que no trabajan juntos, pero cuyos trabajos se entrelazan en redes de citas.
Además de las herramientas basadas en redes de citación (como Connected Papers, Litmaps, ResearchRabbit o Inciteful), en los últimos años han cobrado protagonismo también aplicaciones centradas en el clustering textual de resultados, como Open Knowledge Maps o Carrot2, que ofrecen mapas temáticos a partir de consultas generales.
En esta entrada no pretendo hacer un catálogo exhaustivo ni cubrir todas las herramientas disponibles. Mi intención es ofrecer un punto de partida, especialmente para mis estudiantes, con algunas aplicaciones que facilitan el descubrimiento y la visualización de literatura científica y que pueden integrarse fácilmente en sus trabajos académicos, TFG y TFM. De paso, puede ayudarles a ir más allá de fuentes generales como Wikipedia o los asistentes de IA y a trabajar directamente con literatura académica especializada.
Tipos de herramientas que veremos
En las siguientes secciones presento, por un lado, herramientas que construyen mapas a partir de redes de citación (Connected Papers, Litmaps, ResearchRabbit e Inciteful) y, por otro, aplicaciones que se basan principalmente en el clustering textual de resultados (Open Knowledge Maps y Carrot2). Esta distinción puede ayudar a decidir qué usar en cada fase: las primeras son especialmente útiles cuando ya contamos con algunos artículos clave, mientras que las segundas son más adecuadas para explorar un tema de forma amplia a partir de una consulta general.
Connected Papers
Connected Papers es una herramienta web para descubrir y explorar artículos científicos relacionados entre sí a través de un mapa de nodos, con un plan gratuito limitado y opciones de pago para uso intensivo. Tras introducir un documento inicial (título, DOI, identificador de arXiv o URL de Semantic Scholar o PubMed), genera un gráfico interactivo basado en citas y referencias bibliográficas.
En ese gráfico, que no es más que un conjunto de nodos conectados por arcos que representan sus relaciones, los artículos se ordenan en función a la similitud, lo que representa el primer elemento fundamental en esta aplicación. Si no fuera así, sólo se mostrarían los documentos que están relacionados directamente entre sí por medio de las citas. Sin embargo, aplicando este método es posible relacionar documentos que no estén directamente citados entre sí pero sí conectados temáticamente. Para ello se emplea como métrica de similitud la co-citación y el acoplamiento bibliográfico (cuantas más referencias comunes tengan X documentos, mayor probabilidad existirá de que traten de lo mismo, por lo que la distancia que debe haber entre ambos en el grafo debe ser menor).
El segundo elemento importante es la gestión de la actualidad de la información. Los colores de los nodos indican la fecha de publicación relativa al artículo de partida, lo que permite identificar de un vistazo qué trabajos son más recientes y cómo se sitúan respecto a los clásicos del área.
| Aspecto | Descripción |
| Tipo de herramienta | Herramienta web para el descubrimiento y mapeo visual de literatura científica basada en redes de citación y co‑citación. |
| Modelo de negocio | Freemium: plan gratuito con hasta 5 grafos al mes (todas las funciones) y planes de pago Academic y Business con generación ilimitada de grafos. |
| Registro | No es obligatorio para realizar búsquedas puntuales, pero se recomienda crear cuenta para guardar grafos y configurar el trabajo |
| Tipo de análisis | Análisis de similitud entre documentos mediante co‑citación y acoplamiento bibliográfico, representado en un grafo de nodos y enlaces. |
| Visualización | Grafo interactivo en el que cada nodo es un artículo; tamaño del nodo según número de citas, color según año de publicación, proximidad según grado de similitud. |
| Opciones de filtrado | Vista en lista con ordenación por año, citas, referencias o relevancia; filtros por palabras clave, año de publicación y, en muchos casos, estado de acceso abierto o disponibilidad de PDF. |
| Exportación de resultados | Posibilidad de exportar la lista de artículos a formatos compatibles con gestores bibliográficos (por ejemplo, BibTeX, CSV) y descargar el grafo como imagen. |
| Ventajas principales | Permite identificar rápidamente trabajos relacionados a partir de un artículo “semilla”, descubrir trabajos intermedios entre artículos clave, detectar trabajos previos y derivados y obtener una visión global del campo en poco tiempo. |
| Limitaciones | El plan gratuito limita el número de grafos mensuales; los grafos se construyen en torno a uno o pocos artículos de origen y no permiten definir de forma explícita un conjunto amplio de semilla como en otros sistemas; la interpretación del grafo requiere familiaridad mínima con redes de citación. |
| Casos de uso en TFG/TFM | Muy útil para obtener un primer mapa del estado del arte a partir de uno o dos artículos clave, localizar ramas temáticas alrededor de un paper de referencia y seleccionar un conjunto manejable de trabajos relevantes para una revisión más exhaustiva. |
Litmaps
Litmaps es una herramienta web que acelera la revisión de literatura mediante mapas interactivos de citación que muestran cómo se conectan los artículos entre sí. A partir de uno o varios documentos de partida (artículos que buscas en la propia plataforma o que importas desde tu gestor bibliográfico), Litmaps genera un “Litmap”: un mapa visual que organiza la literatura relevante sobre un tema concreto.
Cada mapa agrupa artículos según las relaciones de citación y referencia, de forma que puedes ver qué trabajos citan a cuáles, qué documentos actúan como puentes entre subtemas y qué zonas del campo están más densamente investigadas. La interfaz combina la vista gráfica con una lista de resultados donde es posible ordenar por número de citas, año o relevancia, y aplicar filtros para afinar el conjunto de documentos que quieres analizar.
Una de las características destacadas de Litmaps es la posibilidad de trabajar con varios artículos semilla a la vez y de ir ampliando progresivamente el mapa conforme incorporas nuevos trabajos relevantes. Además, permite configurar alertas de literatura que actualizan el mapa cuando aparecen artículos nuevos relacionados con tus temas, algo especialmente útil para seguir la evolución de un campo durante varios meses.
En el contexto de trabajos académicos, TFG o TFM, Litmaps resulta especialmente interesante para construir y mantener un mapa de la literatura a lo largo del proyecto. Facilita identificar artículos clave, localizar huecos potenciales en la investigación, organizar la bibliografía por líneas temáticas y, en general, mantener una visión global del estado del arte sin perder de vista cómo se relacionan los distintos trabajos entre sí.
| Aspecto | Descripción |
| Tipo de herramienta | Herramienta web para el mapeo de literatura científica y la revisión de la bibliografía mediante mapas de citación interactivos. |
| Modelo de negocio | Freemium: plan gratuito con búsquedas básicas (hasta 20 entradas) y hasta 2 Litmaps con un máximo de 100 artículos por mapa; planes Pro (educación y comercial) y Team con Litmaps, artículos e inputs ilimitados. |
| Registro | Es necesario crear cuenta para guardar mapas, configurar alertas y aprovechar todas las funciones de descubrimiento y seguimiento de literatura. |
| Tipo de análisis | Análisis de redes de citación y referencias a partir de uno o varios artículos semilla, con posibilidad de ampliar progresivamente el mapa incorporando nuevos trabajos. |
| Visualización | Mapas interactivos que muestran artículos como nodos conectados por relaciones de citación; vista combinada de mapa + lista con ordenación por año, citas o relevancia. |
| Opciones de filtrado | Búsqueda básica y avanzada con filtros por palabras clave, año, tipo de documento y otros criterios; posibilidad de limitar el número de artículos visibles en el mapa y de trabajar con etiquetas. |
| Exportación de resultados | Exportación de artículos a formatos BibTeX, RIS y CSV, así como copia rápida de citas para integrarlas en el gestor bibliográfico o en el propio trabajo. |
| Ventajas principales | Permite trabajar con varios artículos semilla, mantener mapas vivos que se actualizan con alertas de nueva literatura, y organizar la bibliografía por mapas y etiquetas de forma muy flexible. |
| Limitaciones | El plan gratuito limita el número de mapas y de artículos por mapa; algunas funciones avanzadas de búsqueda, alertas y colaboración requieren suscripción de pago. |
| Casos de uso en TFG/TFM | Muy útil para construir y mantener un mapa de la literatura a lo largo del proyecto, detectar artículos clave y lagunas, y organizar la bibliografía en torno a líneas temáticas o preguntas de investigación. |
Open Knowledge Maps
Open Knowledge Maps es una herramienta web gratuita y de código abierto que genera mapas de conocimiento a partir de búsquedas en bases de datos académicas, con el objetivo de facilitar la exploración visual de un campo de investigación. En lugar de mostrar una lista lineal de resultados, la plataforma organiza hasta unos 100 documentos relevantes en un mapa temático, agrupando los trabajos en “burbujas” o áreas según su similitud de contenido.
La similitud se calcula principalmente a partir de la información textual disponible (título, resumen, palabras clave, etc.), de modo que los artículos que comparten muchos términos se sitúan cerca y dentro de la misma área temática. Cada área se presenta como un clúster con un título representativo y, al hacer clic en él, se accede a la lista de documentos asociados, con acceso directo a los textos completos cuando están disponibles en acceso abierto.
A diferencia de otras herramientas que parten de uno o varios artículos semilla, Open Knowledge Maps comienza siempre desde una consulta temática y se centra en ofrecer una visión panorámica de los principales frentes de trabajo en torno a ese tema. Esto la hace especialmente adecuada para la fase inicial de una investigación o para estudiantes que necesitan hacerse una idea rápida de las áreas clave, autores relevantes y conceptos principales de un campo antes de pasar a búsquedas más específicas.
| Aspecto | Descripción |
| Tipo de herramienta | Herramienta web de visualización de literatura científica y mapas temáticos basada en resultados de buscadores académicos. |
| Modelo de negocio | Proyecto sin ánimo de lucro financiado mediante membresías institucionales de apoyo; el servicio público es gratuito y sin licencias de uso. |
| Registro | No es necesario registrarse para generar mapas a partir de búsquedas temáticas; algunas funciones avanzadas e integraciones se ofrecen a instituciones socias. |
| Tipo de análisis | Agrupación de artículos según similitud textual (título, resumen, metadatos) para identificar áreas temáticas dentro de un conjunto de resultados. |
| Visualización | Mapa interactivo con “burbujas” o clústeres temáticos; cada clúster da acceso a la lista de artículos relacionados y, cuando es posible, al PDF o recurso en acceso abierto. |
| Opciones de filtrado | Búsqueda por tema con selección de fuente de datos (por ejemplo, PubMed o BASE); filtros y opciones de exploración dentro del mapa y de la lista asociada. |
| Exportación de resultados | Enlace a los registros originales en las bases de datos subyacentes; posibilidad de guardar o compartir la URL del mapa para retomarlo más adelante. |
| Ventajas principales | Servicio completamente gratuito y abierto, interfaz muy intuitiva, ofrece una visión global rápida de un tema y destaca áreas temáticas que pueden pasar desapercibidas en listados clásicos. |
| Limitaciones | Se centra en resultados de acceso abierto y en fuentes concretas, por lo que puede no cubrir toda la literatura de pago; el control sobre los criterios de similitud y selección es más limitado que en herramientas especializadas. |
| Casos de uso en TFG/TFM | Muy útil para la fase inicial del trabajo: delimitar el campo, identificar áreas temáticas, detectar términos clave y localizar algunos artículos de referencia antes de pasar a búsquedas sistemáticas en bases de datos. |
ResearchRabbit
ResearchRabbit es una herramienta web para descubrir, organizar y visualizar literatura científica a partir de colecciones de artículos seleccionados por el propio usuario. El flujo habitual consiste en crear una colección inicial (importando referencias desde un gestor bibliográfico o añadiendo uno o varios artículos semilla) y dejar que la herramienta genere redes de documentos relacionados a partir de citas, co‑citación, referencias compartidas y similitud temática.
A partir de esa colección, ResearchRabbit ofrece mapas interactivos que muestran cómo se conectan los artículos entre sí y qué trabajos actúan como puentes o nodos centrales dentro de la red. Además, permite explorar redes de autoría (co‑autores, autores sugeridos) y recibir recomendaciones iterativas de nuevos artículos conforme se amplía y refina la colección, de forma que las sugerencias se van adaptando cada vez mejor al foco real de la investigación.
Uno de los elementos característicos de ResearchRabbit es su énfasis en el trabajo con colecciones compartidas y en el seguimiento de la literatura a lo largo del tiempo. Es posible exportar los resultados a formatos compatibles con gestores bibliográficos, recibir actualizaciones periódicas cuando aparecen trabajos nuevos relacionados con una colección concreta y colaborar con otras personas compartiendo colecciones con distintos niveles de permiso.
En la actualidad, ResearchRabbit funciona con un modelo freemium: mantiene una capa gratuita “Free Forever” con búsquedas ilimitadas y colecciones ilimitadas, pero limita el número de artículos semilla utilizables en las búsquedas avanzadas; el plan ResearchRabbit+ amplía esos límites y añade más controles de búsqueda y organización para proyectos de mayor escala. Para estudiantes de TFG o TFM, la versión gratuita resulta suficiente para construir colecciones temáticas, visualizar redes de citación, explorar redes de autores y mantener un seguimiento razonable de la literatura relevante en torno a su tema.
| Aspecto | Descripción |
| Tipo de herramienta | Herramienta web para descubrimiento, organización y visualización de literatura científica basada en colecciones de artículos y redes de citación/co‑autores. |
| Modelo de negocio | Freemium: plan Free Forever con búsquedas y colecciones ilimitadas pero límite en el número de artículos semilla; plan ResearchRabbit+ de pago con más semillas, controles avanzados de búsqueda y opciones adicionales de organización. |
| Registro | Es necesario crear cuenta para gestionar colecciones, guardar mapas, recibir recomendaciones y colaborar con otras personas. |
| Tipo de análisis | Análisis de redes de citación, co‑citación, referencias compartidas y redes de autoría, con recomendaciones iterativas a partir de las colecciones guardadas. |
| Visualización | Mapas interactivos de artículos y de autores, con nodos y enlaces que representan relaciones de citación o colaboración; vistas alternativas en forma de listas con información detallada de cada documento. |
| Opciones de filtrado | Búsqueda por palabras clave o por artículos semilla, distintas vistas (trabajos previos, posteriores, similares), controles para ajustar el foco de las recomendaciones y refinar las colecciones de manera iterativa. |
| Exportación de resultados | Exportación de colecciones a gestores bibliográficos mediante formatos como RIS o BibTeX, y posibilidad de recibir alertas periódicas con nuevos artículos relevantes. |
| Ventajas principales | Combina mapas de artículos y redes de autores, ofrece recomendaciones adaptativas basadas en las colecciones del usuario, facilita la colaboración en colecciones compartidas y reduce la fricción de seguir “hilos” de citación de forma manual. |
| Limitaciones | Para proyectos muy grandes puede ser necesario el plan de pago para usar más artículos semilla y funciones avanzadas; la calidad de las recomendaciones depende de cómo se construyan y mantengan las colecciones iniciales. |
| Casos de uso en TFG/TFM | Adecuado para construir colecciones temáticas a partir de unos pocos artículos clave, visualizar cómo se conecta la literatura relevante, descubrir autores centrales en el campo y compartir colecciones con directoras/es y compañeras/os de trabajo. |
Inciteful
Inciteful es una herramienta web gratuita que utiliza redes de citación para ayudar a descubrir artículos relevantes a partir de uno o varios trabajos de partida. A partir de un paper semilla (o de un conjunto de artículos seleccionados, por ejemplo desde Zotero), construye una red de documentos conectados por citas y referencias, sobre la que aplica algoritmos de análisis de grafos para identificar los trabajos más importantes y más similares.
La herramienta ofrece dos funcionalidades principales: Paper Discovery, que genera un grafo centrado en uno o varios artículos para encontrar trabajos relacionados, y Literature Connector, que permite introducir dos artículos y obtener un mapa interactivo que muestra cómo se conectan a través de la literatura intermedia. En la visualización, cada nodo representa un artículo y su tamaño suele reflejar el número de citas, mientras que el orden y la proximidad de los nodos se basan en medidas de similitud y en algoritmos de “link prediction”.
Además del grafo, Inciteful presenta tablas con listas de “Similar Papers”, “Most Important Papers”, autores más prolíficos, instituciones y revistas relevantes dentro de la red construida. Estas vistas tabulares suelen ser especialmente útiles para seleccionar qué artículos incorporar a la revisión, así como para identificar posibles revistas objetivo en las que publicar.
Para estudiantes de TFG o TFM, Inciteful puede servir para complementar búsquedas tradicionales: a partir de uno o varios artículos clave, permite descubrir rápidamente trabajos similares, localizar artículos intermedios entre dos áreas o enfoques y obtener una panorámica de autores, instituciones y revistas relevantes dentro de un tema. Su uso sin registro y su enfoque en el análisis de citaciones lo convierten en una opción atractiva para fases de exploración y para enriquecer el conjunto de artículos identificados con otros buscadores.
| Aspecto | Descripción |
| Tipo de herramienta | Herramienta web de descubrimiento de literatura científica basada en redes de citación y análisis de grafos. |
| Modelo de negocio | Servicio gratuito de acceso abierto para la comunidad académica; no requiere suscripción de pago para las funciones principales. |
| Registro | No es necesario iniciar sesión para utilizar las herramientas Paper Discovery y Literature Connector; algunas integraciones (por ejemplo, con Zotero) requieren configuración adicional en el navegador. |
| Tipo de análisis | Construcción de redes de citación alrededor de uno o varios artículos semilla; uso de co‑citación, acoplamiento bibliográfico, PageRank y algoritmos de predicción de enlaces para identificar trabajos importantes y similares. |
| Visualización | Grafos interactivos que muestran artículos como nodos conectados por citaciones; vistas específicas para mostrar cómo se conectan dos artículos a través de la literatura intermedia. |
| Opciones de filtrado | Filtros por palabras clave, año y otros criterios sobre la red generada; posibilidad de añadir o eliminar artículos del grafo para refinar el conjunto de documentos. |
| Exportación de resultados | Posibilidad de enviar conjuntos de artículos a otras herramientas o gestores (por ejemplo, vía Zotero) y de trabajar con las listas de resultados fuera de la interfaz de grafo. |
| Ventajas principales | Totalmente gratuito, sin necesidad de registro; permite trabajar con uno o varios artículos semilla; combina visualización de grafos con tablas detalladas de artículos, autores, instituciones y revistas. |
| Limitaciones | La visualización de grafos puede resultar abrumadora con muchos nodos; es fácil “perderse” si se añaden demasiados artículos sin una estrategia clara de filtrado; la cobertura depende de las fuentes de citación utilizadas. |
| Casos de uso en TFG/TFM | Útil para ampliar un conjunto inicial de artículos clave, encontrar trabajos intermedios entre dos enfoques o disciplinas, identificar autores y revistas relevantes y detectar artículos importantes que podrían faltar en la revisión. |
Carrot2
Carrot2 es un motor de clustering de resultados de búsqueda de código abierto que agrupa automáticamente documentos (por ejemplo, resultados de buscadores) en categorías temáticas. En lugar de presentar una lista plana de resultados, organiza los documentos en grupos etiquetados con frases representativas, lo que permite obtener de un vistazo una panorámica de los principales temas relacionados con una consulta.
La versión en línea de Carrot2 ofrece una interfaz de búsqueda en la que se introduce una consulta y se selecciona una fuente (p. ej., un buscador web o un conjunto de documentos) para que el sistema recupere y agrupe los resultados. Los algoritmos de clustering (como Suffix Tree Clustering o Lingo) detectan patrones frecuentes en los títulos y resúmenes de los documentos y generan clústeres etiquetados que actúan como “carpetas temáticas” de fácil interpretación.
Además de la demo web, Carrot2 se distribuye como biblioteca y como servicio REST (Document Clustering Server), lo que permite integrarlo con otros sistemas de recuperación de información, como Solr o Elasticsearch. Esta flexibilidad lo hace interesante no solo como herramienta puntual de exploración, sino también como componente para proyectos que necesiten agrupar automáticamente grandes volúmenes de textos.
En el contexto de trabajos académicos, TFG o TFM, Carrot2 puede ser útil para agrupar resultados procedentes de un buscador (general o académico) y detectar rápidamente subtemas, variaciones terminológicas y posibles líneas de exploración dentro de un conjunto amplio de documentos. No sustituye a los índices de citas, pero puede complementar la búsqueda inicial ofreciendo una vista temática que ayude a refinar términos y enfoques.
| Aspecto | Descripción |
| Tipo de herramienta | Motor de clustering de resultados de búsqueda y colección de textos, con demo web y biblioteca de código abierto. |
| Modelo de negocio | Proyecto open source bajo licencia BSD; el software es gratuito y puede integrarse tanto en proyectos académicos como comerciales. |
| Registro | La demo pública de clustering de resultados puede utilizarse sin registro; la biblioteca se descarga e integra localmente en las aplicaciones que lo requieran. |
| Tipo de análisis | Agrupación de documentos según similitud textual (títulos, snippets, contenido) mediante distintos algoritmos de clustering (p. ej., Suffix Tree Clustering, Lingo). |
| Visualización | Interfaz tipo buscador que muestra los clústeres temáticos (habitualmente en forma de lista o árbol) y, al seleccionar un clúster, los documentos asociados. |
| Opciones de filtrado | Búsqueda por consulta textual y selección de fuente de documentos; el refinamiento se realiza principalmente navegando por los clústeres generados. |
| Exportación de resultados | En la demo, los resultados se consultan dentro de la propia interfaz o enlazando a las fuentes; en integraciones propias, la API REST permite trabajar programáticamente con los clústeres y documentos. |
| Ventajas principales | Software libre y muy flexible, genera agrupaciones temáticas legibles a partir de resultados de búsqueda, se integra bien con otros motores (Solr, Elasticsearch) y es útil para explorar rápidamente grandes listados de documentos. |
| Limitaciones | Pensado originalmente para clustering genérico de resultados de búsqueda, no específicamente para redes de citación; la calidad de los clústeres depende mucho de la calidad de los metadatos y del idioma. |
| Casos de uso en TFG/TFM | Puede ayudar a agrupar y explorar resultados de buscadores (generales o académicos), detectar subtemas y variaciones terminológicas y orientar la definición de palabras clave y líneas de trabajo dentro de un campo amplio. |
A modo de cierre
Las herramientas que hemos visto no sustituyen a las bases de datos académicas ni al trabajo de lectura crítica, pero sí pueden acelerar mucho la fase de exploración y organización de la literatura. Para una primera aproximación amplia a un tema, tiene sentido empezar por mapas temáticos basados en clustering textual, como Open Knowledge Maps o Carrot2, que ayudan a identificar rápidamente áreas, conceptos y términos clave.
Cuando ya cuentas con algunos artículos de referencia, las herramientas centradas en redes de citación —Connected Papers, Litmaps, ResearchRabbit o Inciteful— resultan más adecuadas para descubrir trabajos relacionados, localizar artículos intermedios y visualizar cómo se estructura el campo alrededor de esos documentos clave. En el contexto de TFG y TFM, una estrategia razonable consiste en combinar ambas familias de herramientas: usar primero mapas temáticos para delimitar el terreno y, después, mapas de citación para profundizar en líneas concretas, siempre contrastando los resultados en índices de citas y bases de datos especializadas antes de incorporar definitivamente los trabajos a la revisión.
Errores frecuentes al usar estas herramientas (y cómo evitarlos)
-
Confiar solo en el primer mapa que aparece. Estas herramientas priorizan relevancia algorítmica, no calidad académica; contrasta siempre los artículos seleccionados en bases de datos especializadas y revisa su impacto, revista y citaciones.
-
Tomar los nodos grandes como “mejores” artículos. El tamaño o el color de un nodo suele indicar citaciones o fecha, no necesariamente pertinencia para tu pregunta; lee títulos y resúmenes y valora si encajan realmente en tu TFG/TFM.
-
Quedarse en la herramienta y no documentar el proceso. Es fácil navegar mapas sin trasladar lo encontrado al gestor bibliográfico; cada vez que identifiques un artículo relevante, expórtalo o regístralo en tu gestor (Zotero, Mendeley, etc.) y anota por qué lo incluyes.
Un posible flujo de trabajo con estas herramientas
-
Delimitar el tema y palabras clave. Formula una pregunta de investigación preliminar y extrae 3–5 términos clave (en inglés y en español, si procede) para usarlos en las búsquedas iniciales.
-
Explorar el terreno con mapas temáticos. Usa Open Knowledge Maps o Carrot2 para obtener una visión panorámica de áreas, conceptos y variaciones terminológicas; ajusta tu pregunta y tus palabras clave con lo que encuentres.
-
Identificar artículos semilla. A partir de esos mapas y de buscadores académicos, selecciona 2–3 artículos claramente relevantes que servirán como punto de partida de los mapas de citación.
-
Profundizar con mapas de citación. Usa Connected Papers, Litmaps, ResearchRabbit o Inciteful para descubrir trabajos relacionados, localizar artículos intermedios y completar el conjunto de literatura relevante alrededor de tus artículos semilla.
-
Consolidar en bases de datos y gestor bibliográfico. Verifica los artículos seleccionados en índices de citas y bases de datos especializadas, expórtalos a tu gestor bibliográfico y deja constancia escrita de los criterios que has seguido para incluir o excluir cada trabajo.
Deja una respuesta