Saltar a contenido

Cómo armar una ecuación de búsqueda que NO trae basura

Una ecuación de búsqueda es cómo le dices a OpenAlex exactamente qué buscar. Si la haces mal, traes 50.000 papers. Si la haces bien, traes 200 relevantes.

Esta guía es una receta para llegar a una ecuación acotada, testeada, sin ruido.

Alcance

  • Para alguien que tiene una pregunta de investigación clara
  • Toma: 30 minutos de escritura + testing
  • Herramienta: lápiz/papel, OpenAlex (o bib2graph), un agente opcional

Antes de empezar: afina tu pregunta

Una ecuación acotada sale de una pregunta acotada. Si partes de un tema genérico, la ecuación va a ser genérica también.

❌ "Inteligencia artificial" — demasiado genérico. ¿Qué aspecto? ¿Qué dominio?

✅ "¿Cómo se aborda el problema de alineación de valores en modelos de lenguaje grandes, y cuáles son las tensiones entre eficiencia computacional y robustez ética entre 2020 y hoy?"

Checklist de tu pregunta:

  • [ ] ¿Específica? ¿Puedes reducirla a 4–6 palabras clave?
  • [ ] ¿Temporal? ¿Hay un rango de años relevante? (5–10 años suele ser ideal).
  • [ ] ¿Acotada? ¿Esperas 50 papers, 500, 5000?
  • [ ] ¿Contestable? ¿Puedes responderla buscando en artículos científicos?

Ejemplo: de tema a pregunta

Tema inicial: "Métodos de recuperación de información."

Pregunta después del refinamiento:

¿Cuáles son los enfoques dominantes para recuperación de información en contextos multilingües, cuáles son sus tensiones (vocabulario vs. semántica, eficiencia vs. precisión), y cuáles son los huecos sin explorar entre 2015 y 2024?

Eso es buscable, acotado, y con una tensión clara — ya listo para el Paso 1.

La estructura de una ecuación

(concepto_A1 OR concepto_A2 OR concepto_A3)
AND (concepto_B1 OR concepto_B2)
AND (concepto_C1 OR concepto_C2)

Cada paréntesis = un concepto central de tu pregunta. Dentro del paréntesis = sinónimos unidos por OR. Entre paréntesis = AND (todos deben estar presentes).

Ejemplo real

Tu pregunta: "¿Cómo se abordan los problemas de recuperación de información en contextos multilingües?"

Desglose en 3 conceptos:

  1. Concepto A (la tarea): recuperación de información, IR, search, retrieval
  2. Concepto B (la restricción): multilingual, cross-lingual, polyglot, language-independent
  3. Concepto C (el tipo de artefacto): method, approach, framework, system, architecture

Tu ecuación:

(information retrieval OR IR OR search OR retrieval)
AND (multilingual OR cross-lingual OR language-independent OR polyglot)
AND (method OR approach OR framework OR system)

Paso 1 — Identifica 3 conceptos clave

Desde tu pregunta de investigación, extrae 3 dimensiones:

Pregunta Concepto A Concepto B Concepto C
¿Cómo se abordan problemas de IR en contextos multilingües? IR/recuperación Multilingüe Métodos/enfoques
¿Cuál es el estado del arte en alineación de valores en LLMs? Alineación/alignment LLM/lenguaje grande Enfoques/métodos
¿Qué métodos existen para detección de fake news en redes sociales? Fake news/desinformación Redes sociales/social media Detección/identificación

Checklist:

  • [ ] ¿Cada concepto es una dimensión clara de mi pregunta?
  • [ ] ¿Están en orden de especificidad (A = más genérico, C = más acotado)?
  • [ ] ¿Me falta un cuarto concepto que quite mucho ruido?

Paso 2 — Genera sinónimos para cada concepto

Para cada concepto, escribe 2–4 sinónimos que un paper podría usar.

Truco: búsqueda rápida

Abre Google Scholar o bib2graph y busca directamente un término de cada concepto. Mira los títulos de los primeros 10 papers: ¿qué palabras ves repetidas?

Ejemplo

Concepto A (IR): - information retrieval ✓ - information seeking ✓ - search ✓ - retrieval ✗ (demasiado genérico, traería biología)

Concepto B (Multilingüe): - multilingual ✓ - cross-lingual ✓ - language-agnostic ✓ - polyglot ✓

Concepto C (Métodos): - method ✓ - approach ✓ - framework ✓ - system ✓ - algorithm ✗ (muy específico, traería solo papers de algoritmos)

Paso 3 — Arma la ecuación

Copia el template:

(concepto_A1 OR concepto_A2 OR concepto_A3)
AND (concepto_B1 OR concepto_B2)
AND (concepto_C1 OR concepto_C2)

Reemplaza con tus sinónimos:

(information retrieval OR information seeking OR search)
AND (multilingual OR cross-lingual)
AND (method OR approach OR framework)

Paso 4 — TESTEA (esto es crítico)

Nunca lances una ecuación sin testear. Trae 50 papers y revisa los títulos.

Con bib2graph CLI

b2g init test-ecuacion
cd test-ecuacion
b2g seed "tu_ecuacion_aqui" --max-results 50
b2g read list | head -20

Con agente

Ejecuta esta ecuación en bib2graph y trae 50 papers.
Muestra los títulos. ¿Todos tienen relación directa con [TU TEMA]?

Revisa los títulos

✓ "Multilingual Information Retrieval: A Cross-lingual Approach"
✓ "Polyglot Search Methods for Heterogeneous Document Collections"
✓ "Language-agnostic Retrieval in Multilingual Corpora"

✗ "Semantic Retrieval Algorithms" (no menciona multilingüe)
✗ "Social Media Search Optimization" (no es recuperación de info)

Paso 5 — Ajusta según el ruido

Si trae MUY POCO (<50 papers)

Abre la ecuación:

  • Quita un AND o reemplázalo por OR.
  • Agrega más sinónimos a cada concepto.
  • Usa palabras más genéricas.
Antes:  (information retrieval) AND (multilingual) AND (method)
Después: (information retrieval OR search) AND (multilingual OR cross-lingual)
         [sacamos el tercer AND]

Si trae MUCHO (>1000 papers)

Cierra la ecuación:

  • Agrega un cuarto concepto AND NOT que excluya ruido.
  • Usa más sinónimos específicos.
  • Agrega delimitadores temporales o de dominio.
Antes:  (information retrieval) AND (multilingual)
Después: (information retrieval) AND (multilingual)
         AND (method OR framework) AND NOT (machine translation)
         [añadimos Concepto C + exclusión]

Si trae RUIDO sistemático

Si ves que muchos papers son sobre "X" pero no te importan, excluye:

AND NOT (machine translation OR neural machine translation)
AND NOT (social media OR sentiment analysis)

Paso 6 — Documentá tu decisión

Importante: guarda tu ecuación final CON comentarios.

# Pregunta: ¿Cómo se abordan problemas de IR en contextos multilingües?
# Rango: 2015–2024 (últimos 10 años)
# Objetivo: ~250 papers, sensibilidad alta

# Concepto A: IR (recuperación, búsqueda)
# Concepto B: Multilingüe (cross-lingual, polyglot)
# Concepto C: Métodos/enfoques (no solo algoritmos teóricos)
# Exclusión: Machine translation (tema relacionado pero diferente)

(information retrieval OR information seeking OR search)
AND (multilingual OR cross-lingual OR language-agnostic OR polyglot)
AND (method OR approach OR framework OR system)
AND NOT (machine translation OR neural translation)

Checklist final

  • [ ] Mi ecuación tiene 3–4 conceptos, cada uno con 2–4 sinónimos
  • [ ] Testeé con 50 papers y revisé títulos
  • [ ] Entre 100–500 papers traídos (ajusté si estaba fuera de rango)
  • [ ] Documenté mis decisiones (para reproducibilidad)
  • [ ] ¿Todos los papers traídos son relevantes? (sin ruido sistemático)

Tip: Interactuar con un agente

Si usas Claude, ChatGPT o similar:

Mi pregunta de investigación es:
[TU PREGUNTA]

Propón una ecuación de búsqueda en OpenAlex/bib2graph:
1. Con 3 conceptos claros (sintaxis: (A1 OR A2) AND (B1 OR B2) AND (C1 OR C2))
2. Con sinónimos relevantes
3. Con exclusiones si hay ruido conocido

Luego, dame el comando exacto para testear:
b2g seed "[tu_ecuacion]" --max-results 50

El agente genera, tú testeas. Esto es más rápido que hacerlo solo.

Siguiente

Cuando tu ecuación traiga papers relevantes sin ruido: - Guía: ¿Expando el corpus? (Forrajeo) - Guía: Curación PRISMA paso a paso