Preprints (www.preprints.org) | NOT PEER-REVIEWED | Publicado: 24 de marzo doi:10.20944/preprints202303.0428.

v1
de 2023 Suscríbete a DeepL Pro paraypoder
Descargo de responsabilidad/Nota del editor: Las declaraciones, opiniones datostraducir archivos
contenidos de mayor
en todas tamaño.
las publicaciones son responsabilidad
Más información
exclusiva de los autores y colaboradores individuales disponible
y no de MDPI eneditor/es.
y/o el/los www.DeepL.com/pro.
MDPI y/o el/los editor/es declinan toda responsabilidad
por cualquier daño a personas o bienes derivado de ideas, métodos, instrucciones o productos a los que se haga referencia en el contenido.

Artículo

¿La inteligencia artificial ayuda a los periodistas? ¿Una ventaja o

una desventaja?
Bharat Dhiman

Departamento de Comunicación y Tecnología de los Medios, Universidad de Ciencia y Tecnología J.C. Bose, YMCA,
Faridabad, Haryana, India; biddy88@gmail.com

Resumen: La Inteligencia Artificial (IA) se utiliza en nuestro día a día. La IA para el periodismo
es una realidad. Al igual que otros aspectos vitales de nuestra vida, la IA también ha entrado en
el mundo del periodismo. Numerosas organizaciones de noticias han adoptado la IA en el
periodismo para realizar diversas tareas de redacción. En el mundo digital actual, varias
tecnologías están impulsando el periodismo. Una de ellas, que está transformando el campo del
periodismo, es la inteligencia artificial. La precisión es un valor fundamental del periodismo.
Con la IA y los sistemas de aprendizaje automático, hay un elemento estadístico de
incertidumbre que significa que es imposible garantizar una precisión del 100%. Herramientas
de IA como ChatGPT de OpenAI, el chatbot Bing de Microsoft y Bard de Google han sido
objeto de debate en la actualidad. Las herramientas de IA tienen el potencial de ayudar en
diversas tareas, como el raspado de archivos PDF, la escritura de código y la traducción de
idiomas. La IA puede ser una herramienta útil para estudiantes de periodismo e investigadores
de medios de comunicación. Una de las principales preocupaciones de los periodistas
informáticos es que la IA a veces alucina con los datos. Este artículo destaca cómo la
inteligencia artificial puede ayudar a los periodistas.

Palabras clave: Inteligencia Artificial, ChatGPT de OpenAI, Periodismo robótico, Alucinar con los datos

1. Introducción
La inteligencia artificial (IA) es una rama de la informática cuyo objetivo es crear
máquinas inteligentes capaces de realizar tareas que normalmente requieren inteligencia
humana [1]. Los sistemas de IA pueden aprender de la experiencia y mejorar su
rendimiento con el tiempo sin ser programados explícitamente.
La IA se ha convertido en una tecnología destacada en los últimos años, con
avances en el aprendizaje automático, el procesamiento del lenguaje natural, la visión
por ordenador y la robótica [1, 2]. Estas tecnologías tienen aplicaciones en diversos
sectores, como el periodismo, la sanidad, las finanzas, el transporte y el ocio.
El aprendizaje automático es un componente clave de la IA e implica el uso de
algoritmos que permiten a las máquinas aprender de los datos sin ser programadas
explícitamente. El procesamiento del lenguaje natural permite a las máquinas
comprender e interpretar el lenguaje humano, mientras que la visión por ordenador
permite a las máquinas interpretar y analizar la información visual [1, 2, 3].
La IA tiene el potencial de revolucionar nuestra forma de vivir y trabajar, con la
capacidad de automatizar tareas y procesos, mejorar la toma de decisiones y mejorar la
experiencia general del usuario. Sin embargo, también preocupa el impacto de la IA en
el empleo, la privacidad y la ética [4]. A medida que la IA avanza y se generaliza, las
personas y las organizaciones deben comprender la tecnología y sus posibles
implicaciones.

1.1. Perspectiva histórica

e
o
/
l
s
2023porautor/es.leDcistrtroibnuictecdoupnydearvaaiClarbelaetivaet:Chottmpms: .o/nsrCnC
La Inteligencia Artificial (IA) tiene una larga y fascinantecBomY /liahistoria
cbesntsrea.cque
t=4401194
abarca varias
décadas. Los orígenes de la IA se remontan a la década de 1940, cuando los informáticos
empezaron a explorar el concepto de utilizar máquinas para simular la inteligencia
humana.
En los inicios de la investigación en IA, el objetivo era desarrollar algoritmos y
programas capaces de realizar tareas sencillas, como jugar al ajedrez o resolver
problemas matemáticos [1, 2, 4]. Esto se conocía como IA "basada en reglas", que
dependía de los humanos para programar las reglas que seguirían las máquinas.
Preprints (www.preprints.org) | NOT PEER-REVIEWED | Publicado: 24 de marzo doi:10.20944/preprints202303.0428.v1
de 2023

En las décadas de 1950 y 1960, los investigadores empezaron a explorar formas

más complejas de IA, como el "aprendizaje automático" y las "redes neuronales". Estos
enfoques permitían a las máquinas aprender de los datos en lugar de basarse en reglas
preprogramadas.
En las décadas de 1970 y 1980 surgió un gran interés por la IA y los investigadores
empezaron a desarrollar algoritmos y técnicas más sofisticados [5]. Sin embargo, los
avances podrían haber sido más rápidos y el campo tuvo dificultades para estar a la
altura del bombo y platillo que se le dio.
En las décadas de 1990 y 2000, los avances en la potencia de cálculo y la
disponibilidad de grandes cantidades de datos provocaron un resurgimiento del interés
por la IA. Esto condujo al desarrollo de técnicas de "aprendizaje profundo", que se han
utilizado para crear potentes sistemas de IA capaces de reconocer el habla y las
imágenes, jugar e incluso conducir coches [6].
Hoy en día, la IA está en todas partes, desde asistentes de voz como Siri y Alexa
hasta coches autoconducidos y publicidad personalizada. Este campo sigue
evolucionando rápidamente, y los investigadores ex- ploran cada día nuevas técnicas y
aplicaciones para la IA.

1.2. Revisión bibliográfica

Se han realizado varios estudios de investigación sobre el uso de la inteligencia
artificial (IA) en el periodismo. Algunas de las principales conclusiones son:

Redacción automatizada de noticias: Se han desarrollado sistemas de inteligencia

artificial que generan automáticamente noticias a partir de conjuntos de datos y
plantillas. Estos sistemas pueden ahorrar tiempo y recursos a las organizaciones de
noticias, pero también plantean dudas sobre la calidad y la ética de la redacción
automatizada de noticias.

Comprobación de hechos: La inteligencia artificial puede utilizarse para verificar

noticias y detectar noticias falsas. Según un estudio, la IA puede detectar noticias falsas con
una precisión de hasta el 90%.

Noticias personalizadas: La IA puede utilizarse para personalizar el contenido de

las noticias en función de los intereses y preferencias del usuario. Esto puede mejorar el
compromiso y la fidelidad del usuario.

Recomendación de contenidos: La IA puede utilizarse para recomendar contenidos de

noticias a los usuarios en función de su historial de lectura y su comportamiento [1, 2], lo que
puede mejorar la experiencia del usuario y aumentar el tiempo que pasa en un sitio web o
una aplicación de noticias.

Análisis de la audiencia: La IA puede utilizarse para analizar el comportamiento y

las preferencias de la audiencia, lo que puede ayudar a las organizaciones de noticias a
orientar sus contenidos de manera más eficaz y mejorar sus estrategias de marketing.
En general, el uso de la IA en el periodismo presenta ventajas y dificultades
potenciales. Aunque puede aumentar la eficiencia y mejorar la experiencia del usuario,
también plantea problemas éticos sobre la calidad y precisión de la redacción
automatizada de noticias y la posibilidad de contenidos sesgados y pérdida de puestos de
trabajo humanos. Las investigaciones señalan que el uso de la IA en el periodismo puede
ayudar a automatizar el trabajo de un redactor en un 9% y el de un reportero en un 15%
[1, 2, 3].

1.3. Impacto de la IA en el periodismo

1.3.1. Escritura automatizada mediante programas de IA
La redacción automatizada mediante programas de inteligencia artificial es una
tendencia creciente en el periodismo. Estos programas utilizan algoritmos de
procesamiento del lenguaje natural (PLN) y técnicas de aprendizaje automático para
Copia electrónica disponible en:
Preprints (www.preprints.org) | NOT PEER-REVIEWED | Publicado: 24 de marzo doi:10.20944/preprints202303.0428.v1
de 2023
generar artículos de noticias, informes y otros tipos de contenidos.
Una de las ventajas de utilizar la IA para escribir es la velocidad. Los programas de
redacción automatizada pueden generar artículos en segundos o minutos, lo que puede
ser útil para las organizaciones de noticias que necesitan publicar contenidos con rapidez
[7]. La IA también puede ayudar en la producción de grandes volúmenes de contenido,
lo que puede suponer un reto para los redactores humanos.
Otra ventaja de la redacción automatizada es la precisión. Los algoritmos de IA
pueden analizar grandes cantidades de datos y proporcionar información que podría ser
difícil de descubrir para un redactor humano. La IA también puede ayudar a comprobar
los hechos y garantizar que los artículos no contengan errores.

Copia electrónica disponible en:

Preprints (www.preprints.org) | NOT PEER-REVIEWED | Publicado: 24 de marzo doi:10.20944/preprints202303.0428.v1
de 2023

Sin embargo, la redacción automatizada también puede presentar algunos

inconvenientes. Uno de ellos es que los contenidos generados por IA podrían necesitar
más creatividad y el toque humano que a menudo predomina en los artículos escritos por
redactores humanos [8]. Además, existe el riesgo de que los artículos generados por IA
sean tendenciosos o carezcan del contexto y los matices que pueden aportar los
redactores humanos.
En general, la redacción automatizada mediante programas de IA puede
revolucionar el sector periodístico. Aunque hay que tener en cuenta algunas
preocupaciones y limitaciones, los beneficios de utilizar la IA para escribir son
significativos y pueden ayudar a las organizaciones de noticias a producir contenidos de
alta calidad de manera más eficiente.

2. Identificar y reducir los prejuicios

Los sistemas de Inteligencia Artificial (IA) pueden perpetuar y amplificar los sesgos
presentes en los datos utilizados para entrenarlos o en los algoritmos empleados para
diseñarlos. He aquí algunas formas de identificar y reducir los sesgos en la IA:

Sesgo en la selección de datos: Una fuente común de sesgo en la IA es la selección

de datos. Los datos que no son representativos de la población contienen imprecisiones,
o los grupos infrarrepresentados pueden dar lugar a resultados sesgados. Para abordar
este problema, es esencial recopilar conjuntos de datos diversos y representativos y
garantizar que estén adecuadamente equilibrados [10].

Sesgo algorítmico: Otra fuente de sesgo es algorítmica. Los algoritmos sesgados

pueden perpetuar los estereotipos, la discriminación y otras formas de sesgo en los
procesos de toma de decisiones. Una forma de abordar este problema es auditar
periódicamente los algoritmos en busca de sesgos.

Diversidad e inclusión: Otra forma de reducir los prejuicios en la IA es aumentar

la diversidad y la inclusión en el proceso de desarrollo y despliegue. Al involucrar a un
grupo diverso de personas en el diseño y desarrollo de sistemas de IA, podemos
garantizar que los sesgos se detecten y aborden antes de que se integren en la tecnología.

Marcos éticos: El uso de marcos y directrices éticos también puede ayudar a reducir
los prejuicios en la IA. Estos marcos deben abordar cuestiones relacionadas con la
equidad, la rendición de cuentas, la transparencia y las consideraciones éticas en el
diseño y despliegue de los sistemas de IA [11, 12].

Humanos en el bucle: Una forma de reducir el sesgo de la IA es implicar a los

humanos en el proceso de toma de decisiones. Este enfoque implica utilizar los sistemas
de IA como herramientas de apoyo a la toma de decisiones y no como los únicos
responsables.

Supervisión continua: Por último, es esencial supervisar continuamente los

sistemas de IA para detectar sesgos y otros errores. Comprobar periódicamente la
imparcialidad, precisión y trans- parencia de los sistemas de IA puede ayudar a reducir
los sesgos con el tiempo.
Reducir los sesgos en la IA requiere un enfoque polifacético que incluya la
selección de datos, la auditoría algorítmica, la diversidad y la inclusión, los marcos
éticos, la participación humana y la supervisión continua.

3. Transcripción de entrevistas mediante inteligencia artificial (IA)

Cada vez es más común y tiene varias ventajas, como el ahorro de tiempo y la
reducción de errores. Sin embargo, también hay que tener en cuenta algunas limitaciones
y retos. Estos son algunos aspectos que hay que tener en cuenta al utilizar IA para
transcribir entrevistas:
Precisión: Aunque la transcripción basada en IA puede ser muy precisa, podría ser
Copia electrónica disponible en:
Preprints (www.preprints.org) | NOT PEER-REVIEWED | Publicado: 24 de marzo doi:10.20944/preprints202303.0428.v1
de 2023
mejor. La precisión de la transcripción dependerá de varios factores, como la calidad de
la grabación de audio, el idioma y el dialecto hablado [13]. Es esencial revisar
cuidadosamente las transcripciones para detectar errores.

Copia electrónica disponible en:

Preprints (www.preprints.org) | NOT PEER-REVIEWED | Publicado: 24 de marzo doi:10.20944/preprints202303.0428.v1
de 2023

Coste: Los servicios de transcripción basados en IA pueden ser menos caros que
contratar a un transcriptor humano. Sin embargo, el coste puede variar en función de la
calidad y la complejidad de la tarea de transcripción. Es esencial considerar la relación
coste-beneficio de la transcripción basada en IA frente a la contratación de un
transcriptor humano.

Confidencialidad: Cuando se utiliza la transcripción basada en IA, las respuestas

del entrevistado deben ser confidenciales. Algunos servicios de transcripción basados en
IA pueden almacenar o compartir archivos de audio o transcripciones, lo que puede
comprometer la privacidad del entrevistado [14]. Es esencial elegir un servicio de
transcripción con políticas y prácticas sólidas en materia de privacidad de datos.

Conocimientos técnicos: El uso de la transcripción basada en IA requiere ciertos

conocimientos técnicos para garantizar que los archivos de audio se cargan
correctamente y que las transcripciones son precisas. Es esencial contar con alguien en el
equipo con los conocimientos técnicos necesarios para solucionar cualquier problema que
surja.

4. Detectar tendencias en el periodismo

La Inteligencia Artificial (IA) está transformando rápidamente el campo del
periodismo y su impacto puede verse en varias áreas. Estas son algunas de las tendencias
que están surgiendo en la intersección de la IA y el periodismo:

Creación automática de contenidos: Con la ayuda de algoritmos basados en

inteligencia artificial, las organizaciones de noticias pueden generar artículos, resúmenes e
incluso reportajes de vídeo sobre noticias de última hora en tiempo real. Las
herramientas de creación automatizada de contenidos pueden analizar conjuntos de
datos, identificar patrones y generar informes que no se distinguen de los redactados por
periodistas humanos [1, 2, 14].

Distribución personalizada de contenidos: La IA está ayudando a las

organizaciones de noticias a ofrecer contenidos personalizados a sus lectores. Analizando
los datos de los usuarios, las aplicaciones de noticias basadas en IA pueden recomendar
historias adaptadas a los intereses y preferencias del lector.

Comprobación y verificación: La IA también ayuda a combatir las noticias falsas y la

información errónea proporcionando a los periodistas herramientas para verificar la
autenticidad de las noticias y las imágenes. Estas herramientas pueden analizar textos e
imágenes e identificar incongruencias y errores.

Periodismo basado en datos: La IA está facilitando a los periodistas el análisis y

la comprensión de grandes conjuntos de datos. Mediante el uso de herramientas de
análisis de datos basadas en IA, los periodistas pueden identificar tendencias, patrones y
perspectivas que podrían haberse pasado por alto con los métodos tradicionales.

Traducción automática: Las herramientas de traducción asistida por inteligencia

artificial ayudan a los periodistas a superar las barreras lingüísticas y llegar a nuevos
públicos. Gracias a ellas, los periodistas pueden traducir las noticias a varios idiomas con
rapidez y precisión.

Participación de la audiencia: Los chatbots y los asistentes de voz con IA están

ayudando a las organizaciones de noticias a interactuar con su audiencia de formas
nuevas e innovadoras. Gracias a los chatbots y los asistentes de voz, las empresas de
noticias pueden responder a preguntas, ofrecer actualizaciones y crear experiencias
informativas interactivas [17].

Copia electrónica disponible en:

Preprints (www.preprints.org) | NOT PEER-REVIEWED | Publicado: 24 de marzo doi:10.20944/preprints202303.0428.v1
de 2023

5. Marcar la desinformación mediante inteligencia artificial

Consiste en utilizar algoritmos y modelos de aprendizaje automático para identificar
información falsa o errónea en diversas formas, como texto, imágenes o vídeos. Estos
modelos se entrenan utilizando grandes conjuntos de datos de información verificada y
no verificada, lo que ayuda al modelo a aprender a diferenciar entre ambas.
Existen varios métodos para detectar la desinformación mediante IA. Uno de ellos
consiste en analizar el texto de un artículo o de una publicación en las redes sociales y
buscar patrones o lenguaje que suelan asociarse con información falsa o engañosa [18].
Otro enfoque consiste en utilizar algoritmos de reconocimiento de imágenes para
detectar imágenes manipuladas o trucadas, mientras que un tercer enfoque utiliza el
análisis de vídeo para identificar falsificaciones profundas y otras formas de vídeos
manipulados.
Una vez identificada la información errónea, la IA también puede utilizarse para
ayudar a priorizar y contextualizar el contenido marcado para que lo revisen los
moderadores humanos o los verificadores de hechos. Esto puede ayudar a mejorar la
eficiencia y la precisión del proceso de verificación.
Aunque la IA puede ser una herramienta poderosa para detectar la desinformación,
podría ser mejor, y la supervisión y revisión humanas siguen siendo necesarias para
garantizar una modi- ficación precisa y justa de los contenidos. La IA también puede ser
vulnerable a los prejuicios, por lo que es importante evaluar y ajustar continuamente los
algoritmos y modelos para garantizar que no perpetúan los prejuicios.

6. Informes ampliados
La información aumentada se refiere al uso de tecnología, como la inteligencia
artificial, el aprendizaje automático y el análisis de datos, para ayudar a los periodistas a
recopilar, analizar y enviar previamente la información en sus reportajes [19].
Un ejemplo de información aumentada es el uso de herramientas de análisis de
datos para analizar grandes conjuntos de datos e identificar patrones o tendencias que
puedan ser relevantes para una historia. Esto puede ayudar a los periodistas a identificar
nuevos ángulos o fuentes para una historia y a ofrecer una cobertura más exhaustiva.
Otro ejemplo es el uso de la tecnología de procesamiento del lenguaje natural (PLN)
para analizar textos y obtener información sobre el sentimiento, el tono y el contexto del
lenguaje utilizado en una noticia o en una publicación en las redes sociales [20], lo que
puede ayudar a los periodistas a comprender mejor las actitudes y opiniones de su
audiencia y adaptar sus reportajes para que sean más atractivos y relevantes.
La información aumentada también puede implicar el uso de tecnología de realidad
virtual o aumentada para crear experiencias inmersivas e interactivas para lectores o
espectadores. Esto puede ayudar a dar vida a conceptos complejos o abstractos y ofrecer
al público una experiencia más atractiva e interactiva.
La información aumentada tiene el potencial de mejorar significativamente las
capacidades de los periodistas, permitiéndoles producir reportajes más precisos,
perspicaces y atractivos, al tiempo que contribuye a garantizar que el público tenga
acceso a información de alta calidad.

7. Robots como reporteros de noticias:

Los robots se utilizan cada vez más como reporteros de noticias en aplicaciones
específicas, sobre todo para historias sencillas o basadas en datos. Gracias a los avances
en el procesamiento del lenguaje natural (PLN) y el aprendizaje automático, los robots
pueden generar noticias básicas a partir de conjuntos de datos o plantillas preescritas.
En este contexto, los robots se utilizan para automatizar la elaboración de noticias
sencillas, como resultados deportivos, partes meteorológicos o noticias financieras. Los
datos se introducen en el robot, que los analiza y resume en un artículo.
Aunque los robots pueden ser eficaces a la hora de generar noticias básicas, no
pueden sustituir a los reporteros humanos en reportajes complejos o de investigación
[20]. Los periodistas humanos pueden hacer preguntas críticas, realizar entrevistas y
aportar contexto y análisis que los robots no pueden hacer.

Copia electrónica disponible en:

Preprints (www.preprints.org) | NOT PEER-REVIEWED | Publicado: 24 de marzo doi:10.20944/preprints202303.0428.v1
de 2023

Además, los robots no pueden empatizar con las fuentes, comprender los matices
del lenguaje y la cultura y reconocer las consideraciones éticas y legales inherentes al
periodismo. Estas habilidades son cruciales para producir un periodismo de alta calidad
que sea informativo, equilibrado y responsable.
Aunque los robots pueden ser útiles para automatizar ciertos aspectos de la
información, es probable que pronto sustituyan a los periodistas. Más bien, los robots y
la IA complementarán y ayudarán a los periodistas en su trabajo, permitiéndoles centrarse
en aspectos más complejos y matizados de la información, mientras los robots se
encargan de las tareas más rutinarias.

8. Menor coste variable

La inteligencia artificial (IA) puede utilizarse para automatizar muchos aspectos del
periodismo, como el análisis de datos, la comprobación de hechos e incluso la
generación de noticias [20, 21]. Aprovechando la IA, las empresas periodísticas pueden
reducir los costes variables asociados a la mano de obra humana.
He aquí algunas formas de utilizar la IA para reducir los costes variables en el
periodismo:
Análisis automatizado de datos: Los periodistas dedican mucho tiempo a recopilar y
analizar datos para respaldar sus historias. La IA puede utilizarse para automatizar el
proceso de análisis de datos, lo que permite a los periodistas centrarse en otras tareas.
Comprobación de hechos: La comprobación de hechos es una tarea que lleva
mucho tiempo y requiere que los periodistas contrasten múltiples fuentes. Las
herramientas de verificación de hechos basadas en IA pueden ayudar a automatizar este
proceso, permitiendo a los periodistas verificar la información con mayor rapidez y
precisión.
Generación de noticias: Las herramientas de generación de lenguaje natural (NLG)
basadas en IA pueden utilizarse para generar noticias a partir de conjuntos de datos u
otras fuentes [23]. Aunque puede que estas historias no tengan el mismo nivel de matiz o
contexto que las escritas por periodistas humanos, pueden ser útiles para generar
actualizaciones básicas de noticias de forma rápida y eficiente.
Personalización: La IA puede utilizarse para personalizar el contenido de las
noticias para lectores individuales, lo que permite a las organizaciones de noticias
ofrecer un contenido más específico y mejorar el compromiso con sus audiencias.
Es importante señalar que, aunque la IA puede ayudar a reducir los costes variables,
también puede requerir una inversión significativa en tecnología e infraestructura [28,
29]. Además, hay consideraciones éticas que deben tenerse en cuenta al utilizar la IA en
el periodismo, como la posibilidad de sesgo en el análisis de datos o los algoritmos NLG.
Por ello, es importante que las organizaciones periodísticas consideren detenidamente los
costes y beneficios del uso de la IA en sus operaciones.

9. ChatGPT y Periodismo
ChatGPT puede ayudar en varias tareas relacionadas con el periodismo, como la
comprobación de hechos, la redacción de artículos de noticias, la generación de titulares y el
análisis de datos para reportajes de investigación. Cuando se trata de redactar noticias o
generar titulares, ChatGPT proporciona contenidos bien escritos y gramaticalmente
correctos [28, 29, 30].
No cabe duda de que ChatGPT puede ayudar en ciertas tareas relacionadas con el
periodismo; es fundamental utilizar el mejor criterio y verificar la información que se
recibe de cualquier fuente, incluido un modelo lingüístico de IA como ChatGPT.

10. Conclusión
El uso de la IA en el periodismo está aumentando considerablemente. La IA para el
periodismo es una gran herramienta que ofrece muchos beneficios. Sin embargo, también es
cierto que la IA en el periodismo aún no ha alcanzado su verdadero potencial. La
inteligencia artificial y el futuro del periodismo van de la mano. El alcance de la IA para
el periodismo aún está por explorar.

Copia electrónica disponible en:

Preprints (www.preprints.org) | NOT PEER-REVIEWED | Publicado: 24 de marzo doi:10.20944/preprints202303.0428.v1
de 2023
Referencias
1. Abbott A. D. (2001). Caos de disciplinas. Chicago, IL: The University of Chicago Press.
2. Abebe R., Goldner K. (2018). Diseño de mecanismos para el bien social. AI Matters, 4(3), 27-34.
3. Ananny M., Crawford K. (2014). Una prensa liminal. Digital Journalism, 3, 192-208.
4. Barocas S., Selbst A. D. (2016). El impacto dispar de los big data. California Law Review, 104, 671.

Copia electrónica disponible en:

Preprints (www.preprints.org) | NOT PEER-REVIEWED | Publicado: 24 de marzo doi:10.20944/preprints202303.0428.v1
de 2023

5. Clark J (2015, 8 de diciembre) Why 2015 Was a breakthrough year in artificial intelligence. Bloomberg News. Consultado el 18 de
julio de 2019. https://www.bloomberg.com/news/articles/ 2015-12-08/why-2015-was-a-breakthrough-year-in-artificial-intelligence
6. Castells M (2012) Redes de indignación y esperanza: movimientos sociales en la era de Internet. Polity Press, Cambridge, Reino
Unido
7. Dhiman, D. (2022). Condition of Women Prisoners in Model Jail, Chandigarh: A Communication Study. Condition of Women
Prisoners in Model Jail, Chandigarh: A Communication Study (26 de agosto de 2022).
8. Dhiman, B. (2019). Efectos de las aplicaciones de noticias en línea para Android-Un análisis crítico. Revista europea de
ciencias empresariales y sociales, 7(2), 815-819.
9. Dhiman, B. (2021). The Practice of Media Education and Media Research: A Review on Five Asian Countries. Global Media
Journal, 19(44), 1-7.
10. Dhiman, D. (2021). Psychosocial Impact of Web Series and Streaming Content: A Study on Indian Youth. Dhiman, B., &
Malik, PS (2021). Psychosocial Impact of Web Series and Streaming Content: A Study on Indian Youth. Global Media Journal,
19(46), 1-7.
11. Pawan Singh Malik, Bharat Dhiman (2022) Science Communication in India: Tendencias actuales y visión de futuro. Journal of
Media & Management. SRC/ JMM-171. DOI: doi.org/10.47363/JMM/2022(4)144
12. Dhiman, Dr. Bharat, Uso e impacto de los medios sociales en el rendimiento académico de los estudiantes de la Universidad de
Kurukshetra: A Case Study (8 de septiembre de 2022). Disponible en SSRN: https://ssrn.com/abstract=4212827 o
http://dx.doi.org/10.2139/ssrn.4212827
13. Dr. Abid Ali, Bharat. (2021). Impact of Smartphone: A Review on Negative Effects on Students. PalArch's Journal of
Archaeol- ogy of Egypt / Egyptology, 18(4), 5710-5718. Obtenido de
https://www.archives.palarch.nl/index.php/jae/article/view/7164
14. Dr. Abid Ali, Bharat. (2020). Influence of Social Media in Developing Social Anxiety: A Study of Kurukshetra University
Stu- dents. PalArch's Journal of Archaeology of Egypt / Egyptology, 17(12), 1585-1592. Obtenido del sitio Web:
https://archives.palarch.nl/in- dex.php/jae/article/view/716
15. Dhiman, D. (2021). Awareness of MOOCs among Students: A Study of Kurukshetra University. Revista Internacional de
Estudios Organizativos Interdisciplinarios.
16. Dhiman, D. (2021). Newspaper Reading Habits among UG and PG Students of Kurukshetra University: A Case Study.
Interna- tional Journal of Interdisciplinary Organizational Studies.
17. Dhiman, Dr. Bharat, Snapchat, Happiest and Personal Social Media Platform for Research Scholars, A Critical study (10 de
septiembre de 2022). Disponible en SSRN: https://ssrn.com/abstract=4215268 o http://dx.doi.org/10.2139/ssrn.4215268
18. Dhiman, Dr. Bharat, Identificación de problemas psicosociales entre los investigadores de la Universidad de Kurukshetra: A Critical
Study (5 de septiembre de 2022). Disponible en SSRN: https://ssrn.com/abstract=4215283 o http://dx.doi.org/10.2139/ssrn.4215283
19. Dhiman, Dr. Bharat, Uso de Whatsapp entre los estudiantes de la Universidad de Kurukshetra: A Case study (10 de septiembre de
2022). Disponible en SSRN: https://ssrn.com/abstract=4215291 o http://dx.doi.org/10.2139/ssrn.4215291
20. Dhiman, Dr. Bharat, Impacto negativo del visionado de televisión en los logros académicos de los estudiantes: A Case Study of
Subhash Nagar (13 de septiembre de 2022). Disponible en SSRN: https://ssrn.com/abstract=4218010 o
http://dx.doi.org/10.2139/ssrn.4218010
21. Dhiman, Dr. Bharat, Academic Stress among Ph.D. Research Scholars with Reference to Kurukshetra University: An
Empirical Study (13 de septiembre de 2022). Disponible en SSRN: https://ssrn.com/abstract=4218024 o
http://dx.doi.org/10.2139/ssrn.4218024
22. Dhiman, Dr. Bharat, Impacto negativo de los canales de dibujos animados en los escolares: An Empirical Study (1 de octubre
de 2022). Disponible en SSRN: https://ssrn.com/abstract=4235010 o http://dx.doi.org/10.2139/ssrn.4235010
23. Dhiman, Dr. Bharat, A Descriptive Study of Interactive, Multimedia Features of Online News Portal (1 de octubre de 2022).
Disponible en SSRN: https://ssrn.com/abstract=4235012 o http://dx.doi.org/10.2139/ssrn.42350
24. Dhiman, Dr. Bharat, Inteligencia artificial y asistente de voz en los estudios de medios de comunicación: A Critical Review (18 de
octubre de 2022). Disponible en SSRN: https://ssrn.com/abstract=4250795 o http://dx.doi.org/10.2139/ssrn.4250795
25. Dhiman, D. (2021). Use of E-Resources by Research Scholars of Kurukshetra University: A Case Study. Revista Internacional
de Estudios Organizativos Interdisciplinarios.
26. Dhiman B (2022) Degradación de los ecosistemas y necesidad de restauración: Through the Lens of Environment and Human
Health. Environ Pollut Climate Change 6: 304.
27. Dhiman, B. (2021). The Practice of Media Education and Media Research: A Review on Five Asian Countries. Global Media
Journal, 19(44), 1-7.
28. Toffler A. (1970). Future shock. Nueva York, NY: Bantam Books.
29. Zhang Z. (2019, 9 de marzo). Cuidado, presentadores de noticias, se a c e r c a la IA. China Daily. Disponible en
http://www.chinadaily.com.cn
30. Zook M., Barocas S., boyd d., Crawford K., Keller E., Gangadharan S. P., . . .
31. Pasquale F. (2017). Diez reglas simples para la investigación responsable de big data. PLoS Computational Biology, 13(3), e1005399.

Copia electrónica disponible en: