Claude, el mejor copiloto para investigación actualmente

Llevo 4 meses sometiendo a diferentes modelos/plataformas a casos de uso reales que me enfrento en mi tarea como investigador en el área de management. Cada vez que tengo que realizar una tarea susceptible de se copilotada por una Inteligencia Artificial generativa, la pruebo en las 6 alternativas (me he suscrito a la version “pro” de todas ellas para poder compararla en su “mejor versión”).

Mis casos de uso recorren tareas tan diversas como plantear investigaciones nuevas, dar respuesta a criticas de revisores/as a mis envíos a revistas, ver el estado actual de investigación, extraer definiciones contrastadas avaladas por citas “top”, asesor metodológico para análisis complejos, soporte para código python o R para análisis, soporte para creación de páginas web para captura de datos, reformulación de transcripciones de entrevista, anonimización de nombres (entity recognition) en entrevistas o campos abiertos de encuestas,….

Además, los he usado varias veces para cada tarea (mínimo 5 o 6 veces, algunas más de 30 veces durante estos cuatro meses)

En las plataformas como perplexity, consensus, scite o scispace no he sido capaz de saber cual es el modelo que usan de base. Todas ellas lo han “fine-tuneado” pero no se sobre que modelo han partido.

En mi experiencia, el modelo por excelencia para soporte a tareas de investigación es Claude3.5-sonnet. Ninguna de las otras plataformas se acerca en rendimiento.

Puedes acceder desde Anthropic https://claude.ai/login?returnTo=%2F%3F o desde https://poe.com (mi favorita)

Pd: si no tienes dinero para pagar varias suscripciones, mi consejo es que lo inviertas en Poe.com (o, como segunda opción, en Anthropic). Si tines dinero para pagar varias, compra solo la de Poe.com y te gastas el resto tomando algún aperitivo con tus amigos/as.

Pd: mi ranking no puede extrapolarse para otros usos no relacionados con tareas de investigación. También podéis alegar que mis casos de uso son “muy particulares” y no os representan. Si no os convencen mis resultados, comprobadlo aplicando a vuestros casos de uso.

#IAgen #research 

 

Vista previa de la imagen

 

Visitas: 8

Evolucionando el modelo de lectura comprensiva

Hace un par de años escribí Cosas que dice un neurobiologo (Hector Ruiz) y me resuenan mucho | Blog de Juan A. Marin-Garcia (upv.es), con unas reflexiones sobre como se produce el aprendizaje. En esa entrada recordaba el modelo EPLERR.

Hoy he estado leyendo https://swiftread.com/ultimate-guide-to-speed-reading y me ha sugerido una extensión del modelo de lectura comprensiva que conecta con la técnica Feynman (Reyes, E., Blanco, R. M. F., Doroon, D. R., Limana, J. L., & Torcende, A. M. (2021). Feynman Technique as a Heutagogical Learning Strategy for Independent and Remote Learning. Recoletos Multidisciplinary Research Journal, 9(2), 1-13. https://doi.org/10.32871/rmrj2109.02.06 ) y el “sketchnote” o “rich pictures” (Rohde, M. (2013). Sketchnote Handbook, The: the illustrated guide to visual note taking Addison Wesley; Gates, E. F. (2024). Rich Pictures: A Visual Method for Sensemaking Amid Complexity. American Journal of Evaluation, 45(2), 238-257. https://doi.org/10.1177/10982140231204847).

Mi modelo ahora se llama EPLEDRE.

 

Modelo EPLEDRE de lectura comprensiva

Visitas: 22