Herramientas y redes sociales para el investigador 2.0

El investigador 2.0 utiliza herramientas digitales para organizar su trabajo, colaborar con otros profesionales y difundir los resultados de su investigación. El denominado software social facilita la comunicación, la participación y la creación colectiva de conocimiento mediante plataformas y servicios en línea.

Google y el trabajo colaborativo

Las herramientas de Google pueden resultar útiles durante una investigación. Servicios como Google Drive, Docs, Sheets, Slides, Calendar y Meet permiten almacenar información, redactar documentos, analizar datos, preparar presentaciones y coordinar reuniones.

Google Drive, en particular, permite que varias personas trabajen sobre un mismo documento, controlando quién puede visualizarlo, comentarlo o editarlo. Esto puede facilitar la revisión de manuscritos, la preparación de presentaciones y el intercambio de materiales con directores de tesis y colaboradores.

En mi investigación sobre inteligencia artificial y teledetección, estas herramientas pueden ayudarme a organizar documentos, tablas, figuras y resultados preliminares. No sustituyen a los repositorios científicos, gestores bibliográficos o sistemas de control de versiones, pero constituyen un entorno accesible para el trabajo cotidiano.

Ejemplos realizados en Google Drive

Son cuadernos de código python para progrmación colaborativa sencilla.

Redes sociales para investigar

Existen distintas redes sociales que pueden utilizarse con fines académicos y científicos. Algunas de las más conocidas son ResearchGate, LinkedIn, Google Scholar, ORCID y otras plataformas especializadas.

Estas redes permiten descubrir publicaciones, seguir el trabajo de otros investigadores, formular preguntas, intercambiar conocimientos y aumentar la visibilidad de los resultados científicos. En mi ámbito, pueden ayudarme a localizar trabajos relacionados con la inteligencia artificial, los modelos de lenguaje, la visión por computador y la teledetección.

También pueden ser útiles para dar difusión a publicaciones, conjuntos de datos y proyectos, como el dataset S4A-CyL.

Mi experiencia con ResearchGate

Después de utilizar ResearchGate, considero que es una red social interesante para conocer otros trabajos científicos y establecer contacto con investigadores de áreas afines.

He completado parte de mi perfil, vinculado mi identificador ORCID y añadido una de mis publicaciones. También he participado en la sección de preguntas y respuestas, respondiendo a una cuestión planteada por otro usuario. Esta funcionalidad permite compartir conocimientos y debatir problemas concretos con la comunidad investigadora.

No obstante, la información publicada debe mantenerse actualizada y conviene comprobar las políticas editoriales antes de subir el texto completo de una publicación.

Mi perfil puede consultarse aquí: Perfil de ResearchGate.

Código QR de mi perfil

Participación en ResearchGate

Mi entorno personal de aprendizaje en Symbaloo

También he creado mi Entorno Personal de Aprendizaje mediante Symbaloo. He organizado y personalizado el tablero para reunir en un mismo lugar las herramientas utilizadas durante el curso.

Considero que Symbaloo es especialmente útil para centralizar accesos a perfiles académicos, redes sociales, repositorios, herramientas de trabajo colaborativo y recursos de consulta. Su estructura visual permite clasificar los servicios por categorías y acceder rápidamente a ellos.

En mi tablero he incluido herramientas como Google Drive, Google Scholar, ORCID, About.me, ResearchGate, LinkedIn y Blogger, junto con otros recursos relacionados con mi actividad investigadora.

Valoración de las redes sociales científicas

Las redes sociales ofrecen oportunidades importantes para el investigador 2.0: facilitan la difusión de resultados, el descubrimiento de publicaciones y la creación de contactos profesionales.

Sin embargo, deben utilizarse con sentido crítico. La visibilidad en una plataforma no equivale necesariamente a impacto científico, y es necesario cuidar la privacidad, la propiedad intelectual y la fiabilidad de la información compartida. Estas redes deben complementar, y no sustituir, los canales académicos y repositorios institucionales.

Reflexión final sobre el curso

Este curso me ha permitido comprender que la identidad digital del investigador no depende de una sola plataforma, sino de la relación coherente entre distintos perfiles, contenidos y herramientas.

La creación del blog me ha proporcionado un espacio para presentar mi trabajo de manera más cercana. ORCID y Google Scholar facilitan mi identificación académica; Google Drive permite colaborar y organizar documentos; ResearchGate favorece la interacción científica; y Symbaloo ayuda a reunir todos estos recursos en un entorno personal de aprendizaje.

Como conclusión, considero que estas herramientas pueden mejorar la comunicación y visibilidad de la investigación cuando se utilizan de forma responsable, actualizada y complementaria. El principal reto no consiste en estar presente en todas las plataformas, sino en seleccionar las más útiles y mantener una identidad digital clara y coherente.

2026

Cuando las máquinas aprenden a mirar

Ver no consiste únicamente en captar imágenes, sino en comprender objetos, relaciones y espacios. Esta capacidad, aparentemente natural para las personas, constituye uno de los grandes desafíos de la inteligencia artificial.

En esta charla, Fei-Fei Li explica cómo la inteligencia espacial puede permitir que los modelos interpreten el mundo real y actúen sobre él. Esta evolución resulta especialmente interesante en campos como la visión por computador y la observación de la Tierra mediante satélites, donde cada imagen puede convertirse en información útil para comprender nuestro entorno.

Vídeo: With spatial intelligence, AI will understand the real world

Mi identidad digital como investigador

Mi nombre académico es Rodrigo Pascual-García y actualmente desarrollo mi tesis doctoral en la Universidad de Burgos, orientada a la aplicación de la inteligencia artificial y el deep learning en problemas de teledetección. Mi investigación se centra especialmente en el uso de imágenes satelitales, datos etiquetados y modelos de aprendizaje automático para analizar y comprender mejor el territorio agrícola.

Mi formación combina la Ingeniería de la Salud con el Máster en Investigación en Inteligencia Artificial, lo que me ha permitido acercarme a la IA desde una perspectiva aplicada, interdisciplinar y orientada a problemas reales. También podéis consultar mi perfil profesional en LinkedIn.

Para mantener una identidad digital clara y facilitar la localización de mis trabajos, utilizo distintos perfiles académicos y personales. Mi identificador ORCID es 0009-0005-8791-4159 y puede consultarse aquí: ORCID.

También podéis consultar mi perfil en Google Scholar, donde aparecen mis publicaciones, líneas de investigación y citas académicas.

También he publicado el dataset S4A-CyL: A Sentinel-2 Time Series Dataset for Deep Learning in Agriculture (2020-2024), disponible en el Repositorio Institucional de la Universidad de Burgos.

Este dataset reúne series temporales de imágenes Sentinel-2 y datos etiquetados de cultivos en Castilla y León, con el objetivo de alimentar modelos de deep learning aplicados a la teledetección agrícola. Su finalidad es facilitar el desarrollo de sistemas capaces de analizar grandes superficies de cultivo, mejorar la monitorización agrícola y contribuir, desde la inteligencia artificial, a retos como la sostenibilidad y la seguridad alimentaria.

A día 16 de junio de 2026, el dataset cuenta con 876 visitas y 118 descargas, lo que refleja el interés de la comunidad investigadora por disponer de datos abiertos, estructurados y reutilizables para entrenar y evaluar modelos de inteligencia artificial en agricultura.

Además, he creado una página personal en About.me, que funciona como punto de acceso rápido a mi perfil investigador y profesional.

Otra de mis líneas recientes de trabajo mas en la parte afición e inquietud personal se centra en el diseño de agentes de inteligencia artificial. En concreto, he desarrollado un bot que genera comparaciones entre código visual producido a partir de texto y el resultado renderizado de ese código. El sistema también registra los metadatos de cada generación y automatiza la publicación de los resultados en redes sociales. Todeo esto se orquesta automáticamente en un servidor en la nube de Oracle Cloud. Parte de este proyecto puede consultarse en el canal The LLM Lab.

Además, he incorporado un sistema de evaluación automática que mide la correspondencia entre el prompt original y el resultado visual renderizado. Esto permite comparar de forma iterativa el rendimiento de distintos modelos, tanto modelos frontera de compañías como OpenAI, Google o Anthropic, como alternativas más ligeras y económicas como DeepSeek, Qwen, MiniMax u otros modelos disponibles vía API.

        

Tengo planeado también otro agente, esta vez orientado a IA física y modelos locales. A diferencia del sistema anterior, centrado en evaluar modelos frontera vía API, este proyecto buscaría experimentar con modelos de lenguaje y visión ejecutados directamente en una placa de desarrollo, reduciendo la dependencia de servicios externos y los costes de inferencia. El objetivo sería que el agente pudiera recibir información del entorno mediante cámara, micrófono y sensores, responder preguntas y ejecutar movimientos sencillos de manera autónoma, incluso sin conexión a internet. Para ello tendré que aprender electrónica, control de motores, alimentación, comunicación entre placas y despliegue de modelos ligeros en hardware local.

Reflexión sobre el blog como herramienta científica

Un blog puede ser una herramienta muy útil para la comunicación científica porque permite explicar el trabajo investigador de una forma más cercana, flexible y comprensible que una publicación académica tradicional. En mi caso, puede servirme como portfolio para reunir avances, proyectos, recursos y reflexiones sobre inteligencia artificial, visión por computador, modelos de lenguaje y observación de la Tierra.

Además, el blog ayuda a conectar distintos espacios de identidad digital: ORCID, Google Scholar, About.me, redes profesionales, repositorios, vídeos divulgativos y proyectos personales. De esta manera, no solo se muestra qué investiga una persona, sino también cómo comunica, cómo aprende y cómo relaciona su trabajo con problemas reales.

Dos blogs o espacios científicos relacionados con mi temática de investigación son NASA Earthdata Blog, centrado en datos de observación de la Tierra, ciencia abierta y uso de tecnologías como modelos fundacionales y visualización de datos, y Google Research Blog: Google Earth AI, sobre modelos fundacionales, razonamiento geoespacial, visión-lenguaje y análisis de imágenes satelitales.