estudio2a

El testigo honesto

Contra la lectura fósil del PDF, o por qué la soberanía del metadato empieza en la fuente

Hay un artículo reciente en SciELO en Perspectiva —”El futuro del artículo científico en la era de la IA”, de Ernesto Spinak— que hace un buen diagnóstico y lo apoya sobre una causa invertida. El síntoma que describe es real, la salida que propone es defendible, y sin embargo el texto se contradice consigo mismo entre su introducción y su anexo sin advertirlo. Esa grieta no es un descuido menor: es la puerta por donde se cuela toda una política del metadato que conviene mirar de frente, porque de cómo la resolvamos depende quién termina siendo dueño de la verdad de nuestros propios objetos.

La inversión

El artículo abre acusando al PDF. Lo llama “caja negra”, recoge el epíteto ajeno de “fósil”, y sostiene que su rigidez “facilita el fraude al permitir ocultar datos manipulados o metadatos inyectados”. La inmutabilidad, en esta lectura, es cómplice. El objeto cerrado es el problema.

Pero el propio artículo, en su anexo forense, propone el método con que se detecta ese fraude, y el método dice exactamente lo contrario. La operación es una diferencia de conjuntos:

Anomalías = Referencias_Crossref – Referencias_PDF

Léase con cuidado, porque ahí está todo. Del lado derecho de la resta, Referencias_PDF —lo que efectivamente está escrito en el archivo— es el conjunto de confianza. Es el patrón contra el cual se mide la manipulación. El método funciona porque podemos asumir que el texto del PDF no fue tocado: es el testigo cuya palabra vale. Si el PDF fuera libremente inyectable, si su contenido fuese tan maleable como el artículo sugiere en su introducción, la resta no tendría un lado firme sobre el cual apoyarse y el fraude sería indetectable por esta vía.

De modo que la inmutabilidad del PDF no es el vicio: es la precondición del propio método antifraude que el artículo celebra. La introducción dice que la fijeza es el problema. El anexo la usa como la solución. No es una sutileza retórica; es una contradicción sobre la que descansa toda la argumentación. Y no la señalo para anotarme un punto de editor, sino porque desactivarla reordena por completo hacia dónde hay que mirar.

Dónde vive realmente el fraude

El fraude de las sneaked references —las referencias infiltradas que documentan Besançon y sus colegas— no ocurre en el PDF. Ocurre en el depósito. Las citas fantasma se registran en los metadatos que el editor deposita en Crossref en el momento de registrar el DOI, y desde ahí se propagan a las plataformas cienciométricas. El texto del artículo —el PDF, el manuscrito, lo que el lector efectivamente ve— nunca las contiene. Por eso se detectan: precisamente porque están en un lado (Crossref) y no en el otro (el archivo).

El paper que el propio Spinak cita lo dice sin ambigüedad: sus métodos “comparan las listas de referencias registradas en Crossref contra el texto completo o las referencias extraídas de los PDF”. El objeto publicado es la vara. El metadato depositado es lo sospechoso. Hay un detalle que vuelve la escena casi irónica: entre los autores de ese trabajo hay personal de Crossref y de Digital Science. La denuncia nace, en parte, desde adentro de la misma infraestructura de depósito que hace posible el fraude.

Entonces la acusación al PDF está mal dirigida. El PDF inmutable no es el cómplice del fraude de metadatos: es su víctima y su testigo honesto. Es el lugar donde la verdad quedó fijada y contra el cual la mentira del registro se vuelve visible. Llamarlo fósil es no ver que su fijeza es justamente lo que permite auditarlo. Un objeto perfectamente mutable no se puede falsificar, porque no hay original que traicionar.

Esto tiene una consecuencia que ni el artículo ni cierta fantasía emancipatoria sobre “liberar” el PDF enuncian: romper la inmutabilidad del objeto destruye la única ancla de procedencia que permite auditar el fraude de metadatos. Un script que recorriera repositorios abiertos inyectando metadatos en los PDF —tan trivial de escribir hoy con las herramientas disponibles— no liberaría nada. Colapsaría el lado confiable de la ecuación. La inmutabilidad no es un vestigio del papel que arrastramos por inercia; es infraestructura de confianza. La condición, no el obstáculo.

El single source disuelve la separación de orígenes

Ahora bien, ¿por qué el fraude es posible en primer lugar? Porque los dos conjuntos de la resta tienen orígenes separados. Referencias_Crossref lo deposita el editor. Referencias_PDF lo extrae un tercero —GROBID u otro— del objeto ya publicado. Y un cuarto actor corre la diferencia después, forense, cuando el daño en las métricas ya está hecho. Esa separación de orígenes es la que abre la ventana a la manipulación y la que obliga a una auditoría externa, tardía y siempre a la zaga.

Acá es donde una arquitectura de producción distinta cambia la naturaleza del problema, no su intensidad. Si el PDF, el XML-JATS y el registro de metadatos derivan todos de una misma fuente canónica que la institución productora retiene —el principio single source—, la separación de orígenes se colapsa. La institución que genera el objeto ya no audita una discrepancia ajena: posee el original del cual el depósito es, a lo sumo, una copia. Puede regenerar y diferenciar contra su propia fuente en cualquier momento, de forma continua y trivial. Lo que para el régimen actual es una operación forense costosa y a destiempo, para el productor single source es una reconciliación de rutina.

Esto es la vieja bifurcación de la autoedición repitiéndose un piso más arriba. En los noventa, la lógica de proceso fue expulsada del ecosistema editorial pequeño y mediano; el flujo de trabajo estructurado quedó del lado de las grandes casas, y se fundaron dos ADN profesionales divergentes. El régimen de depósito hace algo análogo con la función de verificación: la aliena del productor y la deposita en Crossref, en Clarivate y, ahora, en el LLM evaluador. Reunir producción, metadato y verificación en una sola herramienta bajo control del productor no agrega una prestación: revierte esa bifurcación en la capa del metadato. Des-alienar la verificación es el gesto.

Dos autoridades que el artículo confunde en una

Acá hay que ser preciso, porque toda la discusión política se juega en una distinción que el texto de Spinak —y buena parte del debate— mantiene fundida. Hay dos autoridades distintas, y no se dice lo mismo de cada una.

Está la autoridad de procedencia: ¿cuál es la forma canónica de este objeto?, ¿quién lo hizo?, ¿qué dice exactamente?, ¿fue alterado? Y está la autoridad de validación: ¿este objeto cuenta como ciencia legítima?, ¿este productor es legítimo?

Sobre la procedencia, mi posición no es radical: es casi una perogrullada, y lo único anómalo es el régimen que tenemos. Una copia no puede tener más autoridad que su original sobre lo que el original dice. Que Crossref sea el “registro de autoridad” acerca de cuáles son las referencias de mi artículo es, literalmente, la fotocopia arrogándose autoridad sobre el documento. Suena provocador afirmar que el registro de autoridad debe ser la fuente del productor solo porque llevamos treinta años con la anomalía naturalizada. Y lo elegante es que la arquitectura single source entrega esta soberanía gratis, sin política de por medio: si soy la fuente, mi declaración sobre el contenido de mi objeto es autoritativa por definición. Nadie puede des-declararme el original.

Se me dirá —y es la objeción fuerte, la pongo entera— que a veces el productor es justamente aquel en quien no se puede confiar sobre su propio objeto: la “fuente canónica” de una fábrica de papers es canónicamente fraudulenta. Pero fíjese que la objeción no toca la procedencia: la atraviesa. Integridad no es validez. Tener soberanía de procedencia sobre un objeto fraudulento no da impunidad: da la certeza de que ese objeto trucho es exactamente lo que ese productor trucho fabricó, sin alteración posterior. Eso es insumo forense, no encubrimiento. El mentiroso soberano sobre su propia mentira sigue siendo perfectamente auditable como mentiroso. La objeción del fraude, bien leída, no abolla la tesis de la procedencia; solo recuerda que procedencia y validación son cosas distintas.

Y sobre la validación, en cambio, la soberanía del productor sostenida ingenuamente sería incoherente: el fraudulento se validaría a sí mismo. Este es el lado que ninguna arquitectura entrega. La soberanía declarativa sobre la validez sigue genuinamente en disputa y no se gana con single source: se gana con reconocimiento colectivo. Casi todas las objeciones de impunidad que se le tiran a esta posición operan por contrabando: meten la validación adentro de lo que debería ser un problema de procedencia.

El pecado original de Crossref y del DOAJ, entonces, no es registrar procedencia —eso es una conveniencia logística, y está bien que exista—. Es haber convertido esa función de registro en autoridad de validación de facto, que es lo que las métricas leen. El índice h, el factor de impacto, el FWCI, el Ranking de Shanghái, las listas de Clarivate: todos ingieren el depósito, no la fuente. Desanudar las dos autoridades es la contribución teórica precisa que este debate necesita. Y una vez desanudadas, la asimetría entre ellas es total: des-alienar la procedencia es trivial —se hace con arquitectura, sin permiso de nadie—; des-alienar la validación es la tarea política dura, y no la resuelve ninguna herramienta.

El costo de sacar el centro

Si voy a sostener la primacía en serio —el depósito como derivado subordinado, no como registro par—, hay un costo que no puedo esquivar, porque el depósito centralizado cumplía también una función que mi esquema disuelve.

El propio artículo de Spinak la nombra como la sanción máxima: la revocación de la membresía a Crossref, el delisting del DOAJ. El centro habilita el fraude —hay un punto único donde inyectar la cita fantasma— pero también habilita la expulsión —hay un punto único desde donde echar al que hizo trampa—. La soberanía del productor elimina las dos cosas a la vez: no hay punto de inyección central, pero tampoco hay punto de expulsión central. Estoy cambiando un vector-de-fraude por un vector-de-impunidad, y la tesis, a plena potencia, tiene que responder qué reemplaza la función disciplinante del centro.

La respuesta coherente dentro del propio marco no es “nada”. Es que la disciplina desciende al nivel del productor y se ejerce por desfederación. La autoridad sobre el objeto queda en el productor; la autoridad sobre si un productor es confiable pasa a una capa distribuida de atestación mutua; y la sanción ya no es la expulsión desde un centro, sino que los demás productores dejen de reconocer tus registros.

Esto ya se jugó una vez, con este mismo esqueleto, en otro dominio, y conviene traerlo porque es el test de estrés que el principio tiene que aguantar. Es el viejo debate entre la Autoridad Certificadora y la Red de Confianza en criptografía: el modelo centralizado de las CA —la forma-Crossref— contra el modelo PGP de la web of trust, donde cada quien es soberano de su clave y la confianza se teje por atestación entre pares. El veredicto empírico es aleccionador y toca justo el nervio norte-sur: la red de confianza no escaló, porque exigía a cada participante hacer trabajo de verificación, y terminó en desuso o re-centralizada de hecho en los keyservers. No es razón para abandonar la posición: es la forma que toma la dificultad, y hay que mirarla sin consuelo.

Pero el contraejemplo reciente juega a favor. El fediverso —ActivityPub, Mastodon— sí escaló un modelo de autoridad federada, con la moderación a nivel de instancia como unidad disciplinante y la desfederación como sanción efectiva. La lección es exacta: la función disciplinante no se evapora cuando se saca el centro; se territorializa en la instancia. Y eso es, sin forzar nada, la forma-SciELO / OJS / Diamante llevada a su consecuencia política: no una red de repositorios que depositan en un centro, sino una federación de productores single source que se reconocen entre sí y que se pueden desconocer.

La federación no la fabrica ninguna herramienta

Llego al punto donde mi tesis, a plena potencia, empuja hacia algo que la prudencia del arquitecto podría querer resolver de otro modo, y donde vale sostener la versión filosa. La federación es primero un ejercicio político y solo derivadamente una capa técnica. Va afuera de la herramienta. No adentro.

Meter la atestación de validez dentro del instrumento es la tentación solucionista: creer que el reconocimiento entre productores es un problema de protocolo —firmas, claves, reconocimientos cruzados embebidos— y que basta con implementarlo bien para que exista. Es falso, y es peligroso, por una razón concreta: si la herramienta encarnara la federación, la federación heredaría la topología de la herramienta. Quién puede atestar a quién, con qué peso, cómo se revoca: todo eso quedaría inscripto en código escrito por alguien, en algún lugar, bajo alguna dependencia. Y ahí la validación se re-centraliza en el diseño —la forma más difícil de auditar, porque se presenta como neutralidad técnica—. Habría fabricado un nuevo cuello de botella, más simpático que Crossref pero cuello al fin, y todo mi argumento contra el depósito-como-autoridad se daría vuelta contra mí.

Dejar la validación afuera es, entonces, lo que salva a la herramienta de reproducir a Crossref con otra bandera. Es la coherencia dura de la tesis: no alcanza con descentralizar el dato; hay que descentralizar la autoridad sobre el dato. Si la herramienta se guardara la potestad de atestación, no habría descentralizado nada: habría mudado el trono.

La prueba de fuego es la sustituibilidad. Si mañana la herramienta desaparece, ¿la federación sobrevive migrando de instrumento? Si la respuesta es sí, la federación era política. Si es no, era una base de usuarios de un producto que se contaba a sí misma un relato soberano. Una federación operativamente dependiente de una herramienta específica no es soberana: es cautiva con buena prensa.

Esto deja una herencia que no puedo endulzar. Si la imprenta soberana sale impecable y la federación no llega, el resultado es soberanía de procedencia sin validación federada: productores que poseen canónicamente sus objetos y no tienen ante quién hacerlos valer. Es un estado real, no hipotético. ¿Es un fracaso? Sostengo que no, y esta es quizás la parte más fina de la posición: la imprenta soberana es condición de posibilidad de la federación, no su consuelo. No puede haber federación de productores soberanos si los productores primero no son soberanos sobre lo que producen. La secuencia es lógica, no meramente táctica: la herramienta tiene que preceder, porque la federación se constituye entre productores que ya poseen sus objetos. Federar dependientes no da soberanía; da un cártel de dependencia. El estado intermedio —muchas imprentas soberanas, ninguna federación todavía— no es la derrota: es el sustrato necesario, y el único desde el cual la federación puede después constituirse como acto político entre iguales. Sin ese piso, la federación que venga será entre desiguales, y reproducirá la jerarquía que se quería disolver.

Lo que sí le exige a la herramienta —y este es el requisito que “afuera” carga sobre el diseño, no sobre la política— es que no estorbe la federación que no encarna. Aunque la validación viva afuera, la herramienta tiene que ser hospitalaria a ella: emitir los objetos de forma que sean atestables por terceros —firmables, referenciables, con la procedencia expuesta en formato abierto— sin decidir quién atesta ni con qué valor. La distinción es angosta pero decisiva: proveer la superficie de enganche, no el mecanismo de reconocimiento. Un .md o un JATS firmado y con procedencia verificable es superficie de enganche. Un registro de reputación embebido ya es mecanismo, y ahí se cruzó para adentro.

Queda un último punto, de higiene teórica, porque es la grieta por donde puede reentrar el solucionismo que estoy expulsando: el formato de atestación. El acuerdo sobre cómo se firma y se expresa un reconocimiento —el esquema, no el juicio— ¿es parte de la herramienta o es ya el primer acto constituyente de la federación? Sostengo que es de la federación, porque quien define el esquema de atestación define los términos del reconocimiento, y eso es soberanía política, no interoperabilidad técnica. Con lo cual la herramienta debe hablar un estándar abierto preexistente si lo hay, y callar si no lo hay, antes que inventar el suyo y contrabandear en el esquema el poder constituyente que dije dejar afuera.

Coda

En clave de economía política, todo esto tiene un nombre. Crossref es el momento en que la capa de circulación expropia la autoridad que pertenece a la capa de producción. El productor fabrica el objeto y su verdad; el registrador, plantado en el cuello de botella de la circulación, convierte una función logística —indexar— en autoridad propietaria —el registro-de-registro— y se la renta de vuelta al productor vía la economía de la métrica. “El registro de autoridad debe ser la fuente del productor” es, entonces, la demanda de devolver la autoridad al punto de producción. Expropiar al expropiador.

Y el desdoblamiento que propuse tiene su traducción directa. Des-alienar la procedencia es trivial: se hace con arquitectura, con una herramienta, sin pedirle permiso a nadie. Des-alienar la validación es la tarea política dura: la de construir contra-instituciones de reconocimiento mutuo entre productores, y esa no la resuelve ningún instrumento. Confundir las dos —querer que la imprenta entregue la federación ya hecha— sería exactamente la ilusión tecnocrática: creer que la contradicción social se disuelve con la máquina correcta.

No se disuelve. La imprenta se fabrica; la federación se conquista. El diagnóstico de Spinak acierta en los síntomas y se equivoca en la causa: la inmutabilidad del PDF no es el fósil que hay que superar, sino la condición de la auditoría que dice desear. Y la salida machine-readable que propone, si no interroga quién controla la capa de verificación —hoy, modelos propietarios; el propio trabajo de Booeshaghi sobre OpenEval aparece financiado por una empresa de IA que el post no menciona—, reproduce el problema de soberanía que dice resolver, apenas corrido un piso más arriba: de la caja negra del PDF de Elsevier a la caja negra del LLM evaluador. Cambiar de caja negra no es soberanía.

Queda abierto, y a propósito. Este es un borrador para discutir, no una posición para defender. La pregunta que me interesa devolver es la del formato de atestación, porque ahí se decide si estamos diseñando el nodo de una federación o la imprenta de un productor que espera, todavía, a sus pares.

Referencias

Todas verificadas contra la fuente al momento de escribir. Si alguna cae o cambia, se corrige; no se deja viva una referencia que no se pueda comprobar.

Nota sobre los modelos de autoridad federada: las referencias al debate Autoridad Certificadora vs. Red de Confianza (X.509 / PGP) y al modelo de federación del fediverso (ActivityPub, Mastodon, moderación e instancia, desfederación como sanción) remiten a conocimiento técnico establecido y no a una fuente puntual; se dejan sin cita formal, como corresponde al registro de blog, pero cualquiera de los dos puede documentarse si el debate lo pide.

estudio2a

Sitio creado con Jekyll