Cuando una revista entra a un índice, se sabe. Llega un correo, hay una fecha, a veces un certificado. Se anuncia en la página, se comunica al equipo editorial, se informa a la institución. Es un logro con nombre propio y con testigos.
Cuando las citas de una revista no se vinculan, no se sabe. No llega ningún correo. No hay fecha. Nadie avisa. Los artículos siguen publicándose, el sitio sigue funcionando, los indexadores siguen cosechando. Simplemente, en algún lugar del sistema mundial de citación, esa revista no aparece donde debería aparecer, y no hay forma de enterarse salvo que alguien vaya a mirar.
Esa asimetría explica casi todo lo que voy a contar. No se trata de que las revistas no entiendan la diferencia entre estar indexadas y ser citables. Se trata de que una de las dos cosas te lo dice cuando ocurre y la otra falla en absoluto silencio.
Dos cosas que suenan parecidas
Estar indexado significa que un servicio —Latindex, DOAJ, SciELO, Scopus, el que sea— acepta a la revista en su catálogo. Cumple criterios, aparece en las búsquedas de ese servicio, y quien la busque la encuentra.
Ser citable significa otra cosa: que cuando un artículo de la revista cita a otro trabajo, esa conexión queda registrada; y que cuando otro artículo cita a la revista, esa conexión también. Es lo que construye la red de citación en la que se apoya buena parte de la evaluación académica actual.
Lo primero depende de decisiones editoriales: periodicidad, revisión por pares, políticas públicas, transparencia. Lo segundo depende de algo mucho más humilde y menos discutido: de cómo están escritas las referencias en el archivo XML del artículo.
Y ahí es donde el sistema se rompe.
Qué es una referencia según dónde se mire
Una referencia bibliográfica parece una sola cosa, pero puede existir en tres estados muy distintos.
Como texto. Es lo que ve el lector:
Garganta, S. y Gasparini, L. (2015). The impact of a social program on labor informality: The case of AUH in Argentina. Journal of Development Economics, 115, 99-110. https://doi.org/10.1016/j.jdeveco.2015.02.004
Para una persona, ahí está toda la información. Para un programa, es una cadena de caracteres sin estructura: no sabe cuál es el apellido, cuál el año, ni dónde termina el título.
Como datos. Es lo mismo, pero con cada parte identificada: acá el apellido, acá el nombre, acá el año, acá el título del artículo, acá el de la revista, acá el volumen, acá las páginas. Un programa puede leerlo, ordenarlo, compararlo.
Como identificador. Es el paso final: además de los datos, la referencia lleva el DOI del trabajo citado en el campo destinado a identificadores. En el ejemplo de arriba el DOI está a la vista, pero eso no alcanza: escrito al final del texto es una cadena más, y escrito en su campo es una instrucción precisa que dice de qué obra se trata sin ambigüedad. La diferencia entre las dos cosas es exactamente lo que separa una cita que se vincula de una que no, y es invisible en el PDF.
Los tres estados coexisten en el mismo artículo publicado. En el PDF, la referencia es texto. En el XML puede ser cualquiera de los tres, y de eso depende que la cita se vincule o no.
Lo que encontramos
Durante los últimos meses desarrollamos una herramienta que audita la marcación de artículos científicos y la corrimos sobre un corpus de más de veinte artículos publicados, de revistas de América Latina, Europa del Este y Asia, producidos con ocho sistemas de marcación distintos.
Entre esos artículos había 801 referencias bibliográficas.
Y solo 18 tenían el DOI en el lugar donde un programa puede leerlo.
No es que las demás no tuvieran DOI. Muchas lo tenían, pero escrito dentro de un comentario, o como un enlace de texto al final de la referencia. Visible para el lector, invisible para el sistema.
Y no es solo el DOI. En la mayoría de esos artículos, las referencias tampoco declaraban de qué tipo de publicación se trataba —artículo, libro, capítulo, tesis, página web—, ni distinguían si los nombres agrupados eran de quienes escribieron la obra, de quienes la editaron o de quienes la tradujeron.
Un sistema que recibe esas referencias no puede hacer casi nada con ellas. Y no lo dice: simplemente no las procesa.
De dónde viene el problema
Vale la pena ser preciso acá, porque el origen no está donde suele suponerse.
No está en quien escribe. Una investigadora que usa Zotero o Mendeley tiene sus referencias perfectamente estructuradas: el gestor sabe cuál es el año, cuál el volumen y cuál el DOI, porque los tomó de la fuente. Los datos existen y son correctos.
Tampoco está exactamente en Word. Cuando el gestor bibliográfico inserta una referencia en un documento de Word, no inserta solo el texto: inserta un campo que contiene los datos estructurados. Están ahí, adentro del archivo, invisibles pero presentes.
El problema está en la conversión. Cuando ese documento se convierte a XML, la mayoría de los procedimientos toma el texto visible de la referencia y descarta el campo que lo generó. Los datos no se pierden en el escritorio de la autora: se tiran en el paso de producción, sin que nadie lo note, porque el resultado visualmente es idéntico.
Es una pérdida silenciosa de información que ya se tenía. Y como el PDF sale igual de bien y la versión web también, no hay ninguna señal de que algo se rompió.
Cabe agregar algo importante: hay sistemas que no lo descartan. En el mismo corpus encontramos herramientas que conservan la estructura y emiten las referencias con sus partes identificadas. Así que no es una limitación técnica del formato ni del flujo de trabajo con Word. Es una decisión de diseño del procedimiento de producción, y se puede tomar en el otro sentido.
Qué cuesta, concretamente
Conviene evitar las abstracciones. Esto es lo que se pierde.
El crédito a las revistas citadas. Cada referencia bien marcada le suma una cita registrada a la publicación citada. Mal marcada, no le suma nada. Una revista que publica veinte artículos por año con cuarenta referencias cada uno está dejando de acreditar ochocientas citas anuales a sus colegas. No por decisión: por omisión técnica.
La visibilidad propia. El sistema es recíproco. Una revista que no emite citas procesables tampoco aparece en los mapas de citación que se construyen con esos datos, y esos mapas son la materia prima de buena parte de los indicadores que después se usan para evaluarla.
El servicio que ya se paga. Casi todas las revistas académicas registran identificadores DOI para sus artículos, y ese registro tiene un costo. Una de las funciones que ese registro habilita es la vinculación de citas. Para que funcione, hay que enviar las referencias con sus identificadores. Una revista que paga el registro y envía las referencias como texto plano está pagando por un servicio que no recibe.
El trabajo de quienes investigan. Una cita mal vinculada no se acumula en el perfil de quien escribió el trabajo citado. En sistemas de evaluación que miran esos perfiles, eso tiene consecuencias concretas para personas concretas.
Por qué nadie lo nota
Vuelvo a la asimetría del principio, porque es lo que sostiene el problema en el tiempo.
Cuando una revista incumple un criterio de indexación, alguien se lo dice. Hay una evaluación, un informe, una fecha límite. El sistema tiene un mecanismo de devolución.
Cuando una revista emite referencias que ningún sistema puede procesar, no hay ningún mecanismo de devolución. Los datos entran, no se pueden usar, y se descartan en silencio. Nadie escribe para avisar. Y como el artículo se ve perfecto en el sitio y en el PDF, no hay ninguna razón para sospechar.
A eso se suma que el XML es el único eslabón de la cadena editorial que casi nadie mira. El PDF se revisa página por página. La versión web se prueba. Las pruebas de galera se leen tres veces. El XML se genera, se sube y se olvida, porque es un archivo lleno de etiquetas que no está pensado para que lo lea una persona.
No es descuido. Es que no hay una práctica establecida de mirarlo, ni herramientas pensadas para que lo mire quien toma las decisiones editoriales, ni un vocabulario para hablar de esto que no sea el de los programadores.
“Pero Google Scholar nos levanta igual”
Es la respuesta más frecuente cuando este tema se plantea, y tiene una parte de razón que conviene reconocer antes de seguir: Scholar efectivamente los levanta. Rastrea el PDF, extrae las referencias del texto por reconocimiento de patrones y arma su grafo de citación sin necesitar ningún XML. Un editor que dice “a mí Scholar me indexa igual” no está equivocado.
Lo que esa respuesta no contempla son tres cosas.
Scholar hace lo que puede, no lo que uno le dice. Extraer referencias de un PDF es, en el fondo, adivinar: dónde termina un autor y empieza el siguiente, si dos formas de escribir el nombre de una revista corresponden a la misma publicación, si esa cita remite al artículo de 2015 o a uno homónimo de 2016. Acierta bastante y falla en silencio, sin dejar registro de lo que no pudo resolver. Un identificador puesto en su campo no se adivina: se lee.
Scholar es un solo destino, y es justamente el único que no exige nada. Crossref, SciELO, DOAJ, OpenAlex, los repositorios institucionales y los sistemas nacionales de evaluación no rastrean PDF: reciben metadatos estructurados o no reciben nada. Ajustar el procedimiento de producción al único servicio que no pide nada equivale, en la práctica, a no ajustarlo.
Y Scholar no es de nadie. Es un producto de una empresa privada, sin compromiso público de permanencia, sin interfaz abierta para consultarlo de forma sistemática y sin garantías sobre sus criterios. Apoyar la visibilidad de una revista en un servicio que puede cambiar sus reglas o discontinuarse es una apuesta, no una estrategia.
Hay además una asimetría que suele pasarse por alto, y es quizás lo más importante. Scholar sirve para que a la revista la encuentren, no para que la revista acredite a quienes cita. Cuando una revista emite referencias procesables, cada publicación que cita recibe una cita registrada en el sistema de identificadores. Ese crédito no se lo da Scholar a nadie.
Dicho de otro modo: una revista que confía en que Scholar la va a levantar puede estar bien atendida en su propia visibilidad y, al mismo tiempo, no estar devolviendo nada a la comunidad de publicaciones que la sostiene. En un ecosistema de acceso abierto, donde casi todas las revistas dependen de que las demás hagan bien esa tarea, eso no es un detalle técnico.
Qué se puede hacer
La buena noticia es que casi todo esto se corrige una vez y para siempre, porque son defectos del procedimiento y no de cada artículo.
Revisar dónde se pierden los datos. El punto crítico es la conversión del manuscrito al formato final. Si el flujo parte de un documento de Word con referencias insertadas desde un gestor bibliográfico, los datos están ahí y se pueden aprovechar. Vale la pena preguntarle a quien produce la marcación si su procedimiento los conserva o los descarta.
Pedir el DOI en el campo que corresponde. Muchas referencias ya tienen el DOI en el archivo, solo que en el lugar equivocado. Trasladarlo al campo de identificador es una conversión mecánica que se aplica a la colección entera de una vez.
Pedir el tipo de publicación. Es un dato que en general se deduce de la propia referencia y que permite a los sistemas interpretarla correctamente.
Mirar el XML, aunque sea una vez. No hace falta entenderlo entero. Alcanza con abrir un artículo y buscar la lista de referencias: si cada una es un bloque de texto corrido, ahí está el problema. Si tiene partes separadas y etiquetadas, el procedimiento va bien.
Y auditar por lote. Un solo artículo no dice nada: un problema puede ser un descuido puntual. Cuatro artículos de la misma revista sí dicen algo: lo que aparece en los cuatro es del procedimiento, y se le lleva a quien produce la marcación; lo que aparece en uno, al equipo editorial.
Una aclaración necesaria
Nada de esto es un reproche a las revistas.
El corpus que analizamos incluye publicaciones serias, con procesos editoriales sólidos, indexadas en los servicios más exigentes de la región. Que sus referencias no sean procesables no dice nada sobre la calidad de lo que publican ni sobre el rigor de su trabajo.
Dice algo sobre las herramientas y sobre la información disponible. Las herramientas de marcación hacen lo que están diseñadas para hacer, y varias de ellas descartan estos datos sin decirlo. Los criterios de indexación —que son la principal fuente de guía que reciben las revistas— rara vez mencionan este punto. Y la única señal de que algo anda mal sería una ausencia: la de un correo que nadie va a mandar.
En ese contexto, que el problema esté tan extendido no es sorprendente. Sería sorprendente lo contrario.
Lo que queda
Estar indexado es una condición de existencia: sin eso, la revista no aparece. Ser citable es una condición de circulación: con eso, lo que la revista publica se conecta con lo demás.
Las dos importan y no se sustituyen. Pero solo una de las dos tiene quien la reclame.
Mirar el XML lleva unos minutos. No mirarlo cuesta ochocientas citas por año, en silencio y sin que nadie avise.
La herramienta de auditoría mencionada en este artículo es parte de gbpublisher, un sistema de producción editorial académica de código abierto. Los informes que emite se apoyan en herramientas libres y son reproducibles por terceros. Si una revista quiere revisar sus propios archivos, se puede hacer.
