📄 Artículo
Encontrarse con un artículo nuevo puede cambiar la trayectoria de una idea de investigación. El investigador puede descubrir que alguien ya ha abordado su contribución propuesta, o encontrar en el artículo un problema sin resolver que inspire una nueva dirección de investigación.
Llamamos a este proceso un pivote iniciado por la literatura: un cambio en la dirección de investigación provocado por la lectura de trabajos previos. Conecta dos actividades que los investigadores a menudo tienen que gestionar por separado: desarrollar una idea y decidir frente a qué literatura medirla.
Con colaboradores de la Universidad de Pensilvania, desarrollamos LitPivot, un sistema que ayuda a los investigadores a navegar estos pivotes. Utilizando artículos recuperados mediante Asta Paper Finder, LitPivot organiza la literatura en torno a la parte de una propuesta que se está editando, ofrece críticas respaldadas por extractos de estudios seleccionados y sugiere revisiones que los investigadores pueden aceptar, editar o rechazar. LitPivot está pensado para usarse en las etapas tempranas de la ideación de investigación, pero la idea posiblemente podría extenderse a tareas de escritura más largas (es decir, escribir la sección de introducción de un artículo).
En un estudio con 17 investigadores, los expertos en el dominio calificaron las ideas de investigación desarrolladas con LitPivot como mejor fundamentadas en la literatura que las desarrolladas con un editor de texto y una herramienta de chat con IA. Los participantes también percibieron sus ideas de investigación revisadas como más novedosas y útiles, y reportaron una comprensión más sólida de la literatura circundante.
LitPivot se presentará en UIST 2026 en Detroit. Lee el artículo aquí.
Por qué es difícil pivotar
Las ideas de investigación evolucionan a través del compromiso con la literatura. En nuestro análisis de las notas de reuniones de cuatro proyectos de investigación de informática completados, identificamos 21 pivotes iniciados por la literatura en los cuatro proyectos. Estos se clasificaron en dos tipos: diferenciar una idea del trabajo existente para establecer su novedad, y alinear una idea con el trabajo existente para construir sobre él. Este propio proyecto pasó por dos pivotes antes de que definamos sus contribuciones.
Estos cambios pueden ser difíciles de navegar. En un estudio formativo, cinco investigadores desarrollaron propuestas utilizando un editor de texto y herramientas de búsqueda estándar. Les resultó difícil desarrollar sus ideas mientras las evaluaban críticamente frente a la literatura. Cuando un artículo desafiaba la novedad de una idea, querían sugerencias concretas sobre cómo revisarla, respaldadas por trabajos previos. Estos hallazgos dieron forma a las evaluaciones de LitPivot, que emparejan críticas respaldadas por la literatura con sugerencias específicas para revisar la parte seleccionada de una idea.
Cómo funciona LitPivot
En LitPivot, el investigador comienza escribiendo una propuesta breve en un editor y activando lo que llamamos resaltado de facetas, que segmenta una idea articulada en diferentes facetas (es decir, un problema, una contribución y una evaluación). Para verificar una faceta propuesta, el investigador hace clic en ese segmento del borrador. Un panel adyacente agrupa los artículos relacionados en función de la faceta seleccionada (por ejemplo, agrupando artículos por los métodos de evaluación que utilizan cuando se selecciona la faceta de evaluación) y resalta los grupos más relevantes. El investigador selecciona artículos, solicita una evaluación y revisa una revisión sugerida junto con extractos que respaldan la crítica. Luego, la literatura se reclasifica según su relevancia para la faceta revisada.
En particular, LitPivot separa una idea de investigación en su problema, contribución propuestay plan de evaluación. Cada faceta tiene su propio conjunto y clasificación de relevancia de la literatura relacionada. LitPivot agrupa los artículos recuperados en torno a la faceta que se está editando, permitiendo al investigador elegir cuáles debe usar el sistema para evaluar el borrador.
Junto a entornos de escritura científica como Prism y asistentes agénticos como Claude Code, LitPivot explora un nuevo flujo de trabajo para desarrollar una idea de investigación temprana: elegir la literatura frente a la cual evaluarla, usar esa evidencia para revisarla y reconsiderar qué artículos importan a medida que la idea cambia. Sus grupos de artículos y críticas vinculadas hacen explícitos esos pasos para cada parte de la propuesta, mientras que los investigadores controlan tanto el borrador como la evidencia utilizada para evaluarlo.
Para un planteamiento del problema, LitPivot busca evidencia de que el problema existe y razona por qué importa. Para evaluar una contribución propuesta, compara lo que los artículos seleccionados ya han abordado con las limitaciones y trabajos futuros que describen, buscando brechas restantes. Para un plan de evaluación, verifica si las pruebas propuestas abordan la pregunta de investigación y cómo se ha evaluado trabajo similar. El sistema sugiere entonces una reescritura con citas de respaldo adjuntas.
Cambiar una faceta de una idea puede dejar otra desactualizada. LitPivot señala pasajes que pueden necesitar revisión, como un plan de evaluación que ya no evalúa adecuadamente una contribución revisada. Los investigadores pueden aceptar, editar o rechazar sugerencias, y solicitar nuevos artículos o actualizar la clasificación de la literatura a medida que se desarrolla su propuesta.
Ejemplo parafraseado de un participante del estudio.
Nuestros hallazgos
En nuestro estudio de laboratorio, 17 investigadores desarrollaron cada uno una idea asignada con LitPivot y otra con una herramienta de referencia: un editor de texto y una herramienta de IA para hacer preguntas sobre artículos seleccionados. Ambas condiciones usaron la misma colección de artículos. Dos expertos en el dominio, sin saber qué sistema se había utilizado, evaluaron las propuestas resultantes según un único criterio: qué tan bien usaban la literatura relevante para respaldar y justificar la idea. Las propuestas desarrolladas con LitPivot recibieron calificaciones más altas.
Los participantes del mismo estudio también reportaron una mayor comprensión de la literatura circundante y mayores mejoras autoinformadas en la novedad y utilidad de sus ideas con LitPivot que con la herramienta de referencia. Los expertos en el dominio también revisaron las ideas de los participantes y calificaron las ideas revisadas con LitPivot como significativamente mejor fundamentadas en la literatura relevante.
Un participante en nuestro estudio de laboratorio comenzó con una propuesta para generar notas médicas sintéticas coherentes y factuales. LitPivot identificó la consistencia entre múltiples visitas al hospital como un posible vacío en la literatura seleccionada. El participante revisó los resúmenes y eliminó los artículos sobre notas de una sola visita. Después de otra evaluación, acotó la propuesta a la detección de contradicciones entre notas de múltiples visitas. El ejemplo muestra cómo revisar una idea y elegir la literatura utilizada para evaluarla pueden informarse mutuamente.
En un estudio de seguimiento, cinco investigadores usaron LitPivot en sus propios proyectos en curso durante sesiones de 30 minutos. Los participantes usaron LitPivot en múltiples fases del proyecto, no solo al principio. Dos lo usaron para contrastar ideas nuevas con la literatura, mientras que tres lo usaron para refinar el enfoque de ideas más maduras. Un investigador destacó cómo ver conceptos paralelos de diferentes dominios le ayudó a replantear su contribución.
Estos estudios sugieren que LitPivot puede apoyar tanto la exploración temprana como el refinamiento de una dirección de investigación existente.
Apoyando el descubrimiento científico
En Ai2, estamos desarrollando IA para ayudar a los investigadores a formular ideas comprobables y examinar la evidencia detrás de ellas. Asta apoya ese esfuerzo mediante la generación de teorías a partir de hallazgos publicados (Theorizer), la síntesis y la generación y prueba de hipótesis sobre datos (AutoDiscovery), mientras que HARPA genera hipótesis prometedoras informadas por tendencias de investigación emergentes. Scideator permite a los investigadores recombinar elementos de trabajos previos en nuevas ideas y evaluar su novedad, y IdeaSynth apoya el refinamiento iterativo con retroalimentación fundamentada en la literatura.
Nuestro estudio reciente, Old Ideas, Novel Problems, examina los límites de la evaluación automatizada de la novedad, mostrando cómo pequeños cambios en el prompt pueden alterar el veredicto de un juez de IA sobre las mismas ideas. LitPivot amplía esta línea de trabajo al hacer que la elección de la literatura relevante forme parte del proceso de revisión. Los investigadores pueden cambiar qué artículos usan para evaluar una propuesta a medida que su idea se desarrolla, y luego usar las críticas y los extractos de apoyo para decidir cómo revisarla. El sistema conecta esas decisiones a través del problema, la contribución y el plan de evaluación de la propuesta.
Esperamos que las ideas de LitPivot ayuden a los científicos a construir sobre el conocimiento existente y a convertir ideas tempranas en nuevas contribuciones a sus campos.