Investigando la investigación

Episodi

• 
  406. Álgebra lineal y geometría analítica: dos caras de la misma moneda, con Pablo Sabatinelli 19.09.2026 1h 8min

  Álgebra lineal y geometría analítica: dos caras de la misma moneda, con Pablo Sabatinelli. Por qué la universidad enseña por separado dos saberes que nacieron siendo la misma cosa. Casi veinte años dando clase a futuros ingenieros y una pregunta prohibida: ¿y si el problema no fueran los estudiantes, sino cómo enseñamos?Pablo da una materia anual con la geometría en un cuatrimestre y el álgebra en el otro, y ve cada año lo mismo: estudiantes que aprobaron las rectas y meses después no las reconocen escritas como sistema de ecuaciones, porque "ahora toca álgebra". De ahí nació su investigación sobre la escisión entre dos saberes que Descartes unió en el siglo XVII: un fenómeno que ocurre en universidades de todo el mundo y que casi nadie estudia.Hablo con Pablo Sabatinelli, profesor de matemática en la Facultad de Ciencias Exactas, Ingeniería y Agrimensura de la Universidad Nacional de Rosario (Argentina), formado como investigador en educación matemática en la UNICEN, donde trabaja con Viviana Llanos y María Rita Otero (NIECYT-CONICET) dentro de la teoría antropológica de lo didáctico de Yves Chevallard. Ha revisado 168 investigaciones internacionales sobre la enseñanza de estas materias y los planes de estudio de las ingenierías argentinas desde 1810 hasta hoy.Recorremos, entre otras cosas:La frase que atraviesa el episodio: los programas de estudio están llenos de respuestas a preguntas que nadie se hace.Descartes y las dos caras de la misma moneda: cada ecuación es una curva, y estudiarlas por separado empobrece a las dos.Doscientos años de planes de estudio: ingenieros militares, la primera promoción de la UBA y por qué la regla de Cramer se está jubilando.De 168 investigaciones en el mundo, solo 36 miran la separación; la moda es el software y la inteligencia artificial.El médico que prueba fármacos inventados con sus hijos: lo que NO es investigar en educación.Hardy, Rey Pastor y la mirada por encima del hombro a quien investiga la enseñanza.No existe la receta infalible: qué cambió Pablo en su propia aula y de quién conviene desconfiar.Grabado en diferido: Pablo grabó sus respuestas desde Rosario y yo las mías desde España (el formato lo explico en el episodio 205).Invitado:Pablo SabatinelliCorreo: [email protected]: https://www.fceia.unr.edu.ar/~pablos/ORCID: https://orcid.org/0000-0001-9686-3780ResearchGate: https://www.researchgate.net/profile/Pablo-SabatinelliPara profundizar:Álgebra Lineal y Geometría Analítica en la formación de ingenieros en Argentina desde 1810 a la actualidad (análisis macrodidáctico): https://ri.conicet.gov.ar/handle/11336/237743Álgebra Lineal y Geometría Analítica en carreras de Ingeniería: reporte de investigaciones (Ikastorratza, 2021): https://www.ehu.eus/ikastorratza/26_alea/2.pdfLa división entre geometría analítica y álgebra lineal en la enseñanza universitaria: ¿problema epistemológico o didáctico?: https://ri.conicet.gov.ar/handle/11336/201769Capítulos:00:00 Intro: la asignatura que parecía dos02:39 Quién es Pablo: veinte años enseñando a ingenieros y la teoría de Chevallard15:20 De profesor a investigador: cómo se empieza de verdad21:03 Qué se pierde al separar álgebra y geometría (y qué pinta Descartes)29:45 Doscientos años de planes de estudio: de los ingenieros militares a hoy38:55 Qué investiga la comunidad: software, IA y una pregunta que casi nadie mira44:12 La pregunta incómoda: ¿os toman en serio?53:52 El primer paso: observar (y por qué no todo profesor debe investigar)60:51 En su propia aula: no existe la receta infalible65:07 Outro: las cinco ideas del episodioComunidad: https://horacio-ps.com/comunidadNewsletter: https://horacio-ps.com/newsletterSi te ha resultado útil, dale like, suscríbete o compártelo.
• 
  405. La llave de los problemas matemáticos que llevan veinte años cerrados, con Pablo Amster 08.09.2026 35min

  Ecuaciones diferenciales, Borges y los problemas matemáticos que tardan veinte años en resolverse, con Pablo Amster. La historia empieza con un estudiante que casi no pisaba la facultad porque las horas se le iban en la música, y que dejó para el final la asignatura que menos le gustaba. De esa puerta abierta a regañadientes salió toda una vida de investigación.Hablo con Pablo Amster, matemático del Departamento de Matemática de la Universidad de Buenos Aires e investigador del CONICET, autor de varios libros de divulgación. Llegué a él por un artículo que conecta las condiciones de Landesman-Lazer con el teorema fundamental del álgebra, y acabamos hablando de llaves: de los problemas que llevan años cerrados esperando a que alguien encuentre la manera de abrirlos.Recorremos, entre otras cosas:De la música a las ecuaciones diferenciales: la profesora que le enseñó que ser matemático era un oficio.Qué es una ecuación en resonancia, explicado con «3x = 5», y qué pintan ahí las raíces de un polinomio.Problemas sitiados (van a caer) y problemas incógnitos (no sabes a qué te enfrentas).El quimiostato con retardo: la llave topológica de un problema abierto quince años, con Gonzalo Robledo (Chile).«No solo de éxitos vive el matemático»: meses convencido de un resultado que era falso.Borges, Pessoa y su libro Fragmentos de un discurso matemático; el paper que casi se llama «Another Brick in the Gronwall».¿Quedarse o irse? Investigar matemática en la Argentina de hoy.Grabado de forma asíncrona por notas de voz de WhatsApp, Pablo desde Buenos Aires y yo desde España (el formato lo explico en el episodio 205).Invitado:Pablo Amster — Universidad de Buenos Aires y CONICET.Su página: https://web.dm.uba.ar/index.php/institucional/integrantes/profesores?view=teacher&id=234:amster-pabloSus textos breves, en Medium: https://amster-pablo.medium.com/Instagram: https://www.instagram.com/pabloamster1/Para profundizar:Amster — On Landesman-Lazer conditions and the fundamental theorem of algebraAmster — Fragmentos de un discurso matemático (libro)Capítulos:00:00 Intro: la puerta que nadie quería abrir02:32 Quién es Pablo Amster: de la música a las ecuaciones diferenciales06:44 El problema que le engancha: ecuaciones con retardo09:17 Landesman-Lazer y el teorema fundamental del álgebra, en llano15:39 Problemas sitiados y problemas incógnitos17:34 El quimiostato: la llave de un problema abierto quince años22:31 La otra cara: meses convencido de un resultado falso23:58 Escribir matemática para no matemáticos25:49 Borges, Pessoa y «Another Brick in the Gronwall»29:39 ¿Quedarse o irse? Investigar en la Argentina de hoy32:11 Outro: las cinco llaves del episodioComunidad de investigadores: https://horacio-ps.com/comunidadNewsletter: https://horacio-ps.com/newsletterSi el episodio te ha resultado útil, dale like, suscríbete o compártelo en Spotify, Apple Podcasts o YouTube.
• 
  404. Detrás del teletrabajo docente: las puertas que se cierran antes del paper, con Marcela Cobos 31.08.2026 36min

  Teletrabajo docente y salud: qué hay detrás de un estudio sobre las condiciones de trabajo de profesores universitarios que dan clase desde casa, con Marcela Cobos Rodríguez. Dos años preparando una investigación, un cuestionario validado, una universidad que dice que sí y que un día dice que no.Marcela quiso medir qué pasa con las condiciones de trabajo y de salud cuando el aula se traslada a casa; no en la emergencia de la pandemia, sino en el teletrabajo como forma de contrato ya establecida. Antes de tener un solo dato tuvo que atravesar meses de portazos institucionales: "más cartas de rechazo en el correo que artículos en la biblioteca".Hablo con Marcela Cobos Rodríguez, terapeuta ocupacional y magíster en Salud y Seguridad en el Trabajo por la Universidad Nacional de Colombia, hoy prevencionista de riesgos laborales en Bogotá (Trabajo Digno). Su artículo, publicado en 2026 en Archivos de Prevención de Riesgos Laborales, describe las condiciones de trabajo y la percepción de salud de 59 docentes universitarios en modalidad virtual de dos instituciones colombianas.Recorremos, entre otras cosas:Educación virtual y teletrabajo no son lo mismo, y en el hueco entre ambos estaba la pregunta de investigación.Una institución que se echa atrás por "procedimientos legales" y muchas que leen un estudio sobre sus docentes como si fuera una inspección.Por qué se exigieron seis meses de antigüedad: sin tiempo de exposición no hay efecto que medir.Trabajo prescrito y trabajo real, doble presencia y un trabajo de campo con entrevistas a las diez de la noche.Los números del paper: 71 % sin silla ergonómica, 66 % sin acabar dentro de la jornada, 87 % con dolor de cuello, hombros o espalda.Consejos para los primeros cinco años: conocer el proceso de trabajo, escuchar a los trabajadores, pasar de lo descriptivo a lo analítico y devolver el conocimiento a quien lo generó.La habilidad que no aparece en el currículo: mandar el décimo correo de seguimiento sin perder la esperanza.Grabado en diferido: Marcela grabó sus respuestas desde Bogotá y yo las mías desde Murcia (el formato lo explico en el episodio 205).Invitada:Marcela Cobos RodríguezCorreo: [email protected]: www.linkedin.com/in/marcelacobosPara profundizar: Condiciones de trabajo en teletrabajo y percepción de condiciones de salud en docentes universitarios que laboran en educación en modalidad virtual en dos instituciones colombianas (Arch Prev Riesgos Labor, 2026): https://doi.org/10.12961/aprl.2026.29.01.07Capítulos:00:00 Intro: las puertas que se cierran antes del paper02:30 Quién es Marcela: de la terapia ocupacional a la salud laboral03:38 Antes del paper: educación virtual no es teletrabajo10:03 Portazos: buscar dos instituciones que abran la puerta13:52 Lo que no salió: seis meses de exposición y un estudio que no es de pandemia18:31 El día a día: doble presencia y entrevistas a las diez de la noche24:53 Para quien empieza: construir una línea en cinco años31:15 La habilidad que no aparece en el currículo33:08 Outro: las cuatro ideas del episodioComunidad: https://horacio-ps.com/comunidadNewsletter: https://horacio-ps.com/newsletterSi te ha resultado útil, dale like, suscríbete o compártelo.
• 
  403. Buscar a un desaparecido es un problema de información, con Miguel Ángel Morales 28.08.2026 38min

  Personas desaparecidas en México e identificación forense: por qué encontrar a alguien es también un problema de información, con Miguel Ángel Morales Hernández. Un cuerpo sin nombre sobre una mesa forense. A unos kilómetros, una familia que lleva años buscándolo y tiene todo lo necesario para reconocerlo. Los dos lados tienen la información. Pero no se encuentran.Entre 2000 y 2024 se han reportado en México más de 101.000 personas desaparecidas: 66 trenes del metro llenos, uno cada cuatro meses durante 24 años. Y más de 70.000 cuerpos sin identificar: otros 46 trenes. Miguel lo cuenta así, y luego explica por qué la solución no es (solo) más tecnología.Hablo con Miguel Ángel Morales Hernández, doctor en Ingeniería de Sistemas por el Instituto Politécnico Nacional, especialista en genética forense y perito en la Fiscalía del Estado de México. Investiga los sistemas de identificación humana y cómo llevar la evidencia científica a las políticas públicas.Hoy, además, esta problemática atraviesa personalmente a Miguel. Su tía, María Bárbara Hernández Mancera, falleció en su domicilio en la Ciudad de México y, pese a existir elementos para identificarla, fue inhumada en una fosa común como cadáver de identidad desconocida. Miguel y su familia buscan ahora su exhumación digna y justicia por las irregularidades del caso.Recorremos, entre otras cosas:Qué es la crisis forense, qué es un cadáver de identidad desconocida y cómo se cruzan los datos ante mortem y post mortem.El trabajo de campo: grupos focales con peritos de las fiscalías y del INCIFO, más de cien encuestas a familiares y sesiones con los colectivos Una Luz en el Camino y Mariposas en Búsqueda de Justicia.La identificación como un sistema de cuatro piezas: la cadena se rompe en las intersecciones entre instituciones, no por falta de tecnología.Seis especialistas operando las bases genéticas para más de 30 millones de habitantes.La conclusión incómoda de un ingeniero: sin coordinación, acreditación y marcos legales, más tecnología solo reproduce las ineficiencias.Investigar con genetistas, fiscales y madres buscadoras en la misma mesa, y cómo se cuida quien lo hace.Grabado en diferido por notas de voz de WhatsApp (el formato lo explico en el episodio 205).Invitado:Miguel Ángel Morales HernándezCorreo: [email protected]: www.linkedin.com/in/miguel-ángel-morales-hernández-0507b5139YouTube: www.youtube.com/@MiguelAngel-zs6swInstagram: miguel_angel_mh29Para profundizar: Identifying the unidentified: Scientific advances and institutional challenges in Mexico's forensic identification system (2026): https://doi.org/10.1016/j.jflm.2026.103128Capítulos:00:00 Intro: un cuerpo sin nombre y una familia que lo busca02:41 Quién es Miguel: del laboratorio forense a los sistemas06:16 La crisis forense en llano: 66 trenes de metro10:41 El trabajo de campo y la historia de doña Bárbara14:33 Cuatro piezas: dónde se rompe la cadena18:43 Seis especialistas para 30 millones22:16 La conclusión incómoda: no es la tecnología26:40 El oficio: fiscales y madres buscadoras30:35 Cierre de Miguel: hacer el bien, hace bien35:01 Outro: las cinco ideas del episodioComunidad: https://horacio-ps.com/comunidadNewsletter: https://horacio-ps.com/newsletterSi te ha resultado útil, dale like, suscríbete o compártelo.
• 
  402. Lo que ningún ordenador podrá resolver jamás, con Rodrigo Torres 16.08.2026 37min

  Máquinas de Turing, problemas indecidibles y estructuras de datos compactas: las dos vidas de un investigador, con Rodrigo Torres Avilés. ¿Hay preguntas que un ordenador no va a poder responder jamás, aunque le dieras todo el tiempo del universo?Pues sí, y se puede demostrar. Rodrigo Torres se dedica a eso. Y en su otra vida investigadora dirige a estudiantes comprimiendo datos, con proyectos y plazos. Dos líneas a dos relojes distintos: la teórica da un resultado cada dos años, la aplicada dos al año, y una acaba subvencionando a la otra.Hablo con Rodrigo Torres Avilés, profesor de Sistemas de Información en la Universidad del Bío-Bío (Concepción, Chile). Ingeniero informático que hizo el doctorado en Ingeniería Matemática porque el de informática «estaba en pañales», y que lleva más de una década publicando a distancia con Anahí Gajardo y Nicolas Ollinger.Recorremos, entre otras cosas:Qué es una máquina de Turing (Hilbert, 1936) y por qué todo ordenador vive dentro de ese modelo.Qué significa que un problema sea indecidible: no es cuestión de esperar más ni de un ordenador más grande. Y por qué importa en la era de la IA.Mirar la máquina no por lo que computa sino por cómo se comporta si la dejas correr para siempre.La máquina SMART (2017): «a mí no se me ocurrió; mi trabajo fue demostrar de lo que era capaz».Compactar no es comprimir: consultar los datos sin descomprimirlos. El caso de Pinterest: de veinte servidores a uno o dos.Cuando una demostración lleva meses sin salir: «no sabes si es por tu incapacidad o porque no se puede».Ciencia teórica desde una universidad pública del sur de Chile, y un truco para leer gratis casi cualquier artículo.Grabado de forma asíncrona por notas de voz de WhatsApp, Rodrigo desde Concepción y yo desde España (el formato lo explico en el episodio 205).Invitado:Rodrigo Torres Avilés — Universidad del Bío-Bío; director del Magíster en Ciencias de la Computación. Su trabajo, en DBLP y Google Scholar.Para profundizar:Cassaigne, Ollinger y Torres-Avilés — A small minimal aperiodic reversible Turing machine (la máquina SMART), JCSS 2017Estructuras de datos compactas: k²-tree y familiaLa película «The Imitation Game», sobre Alan TuringCapítulos:00:00 Intro: ¿hay preguntas que un ordenador no responderá jamás?02:39 Quién es Rodrigo Torres: de la informática a la matemática y vuelta06:39 Qué es una máquina de Turing, en llano09:50 Lo indecidible: los límites de cualquier ordenador13:43 La máquina SMART: «a mí no se me ocurrió»17:28 La otra vida: compactar datos sin descomprimirlos21:38 Dos líneas, dos relojes: una subvenciona a la otra23:58 El oficio: cuando una demostración no sale en meses28:36 Cierre de Rodrigo: ciencia teórica desde el sur de Chile33:58 Outro: las cinco ideas del episodioComunidad de investigadores: https://horacio-ps.com/comunidadNewsletter: https://horacio-ps.com/newsletterSi el episodio te ha resultado útil, dale like, suscríbete o compártelo en Spotify, Apple Podcasts o YouTube.
• 
  401. Contar la vida, no el horror: investigar la desaparición en México con Lucía Leonor 04.08.2026 46min

  Desaparición de personas en México: arte y memoria para contar la vida, no el horror, con Lucía Leonor González Enríquez. ¿Puede una receta de cocina buscar a una persona? ¿Puede una carta encontrar a alguien que ya no está?En México hay más de 135.000 personas desaparecidas y la ONU ha llamado a esto «el paradigma del crimen perfecto». Pero este no es un episodio sobre el horror: es un episodio sobre cómo se le planta cara al olvido contando la vida. Los colectivos de búsqueda no cuentan cómo desapareció una persona, sino quién era: qué música escuchaba, qué cocinaba, qué soñaba.Para entenderlo hablo con Lucía Leonor González Enríquez, investigadora posdoctoral en el CITRU (Centro Nacional de Investigación, Documentación e Información Teatral Rodolfo Usigli), en la línea «Cuerpos, fronteras y violencias». Viene del teatro y de la historia del arte, y acabó investigando la memoria de las personas desaparecidas desde dentro, como solidaria del colectivo Familiares en Búsqueda María Herrera.Recorremos, entre otras cosas:Qué significa que haya más de 135.000 personas desaparecidas y cómo funciona la anestesia social del «en algo andarían».El teatro en Tamaulipas en pleno estado de emergencia: compañías que iban puerta a puerta con teatrinos a contar historias a los niños.Las contranarrativas en búsqueda de vida: por qué contar la vida, y no el horror, es más eficaz contra el olvido.El Recetario para la Memoria y Memoria de un corazón ausente: recetas y cartas manuscritas como objetos que hacen memoria.Ayotzinapa y el antimonumento +43: un monumento que aspira a ser retirado el día que haya justicia, y la crítica al #TodosSomosAyotzinapa.Cómo se investiga esto desde dentro: horizontalidad, afectos y rigor, sin romantizar a las buscadoras.Nota: este episodio se grabó de forma asíncrona por notas de voz de WhatsApp, ella desde Ciudad de México y yo desde Murcia (te explico el formato en el episodio 205).Invitada:Lucía Leonor González Enríquez — investigadora posdoctoral en el CITRU (línea «Cuerpos, fronteras y violencias») y docente en la UNAM. En redes: Facebook (Lucia Leonor Enríquez), X (@LuleGoen), Instagram (@lucyleonor), y su obra en Academia.edu y ORCID.Para profundizar:Recetario para la Memoria — Zahara Gómez Lucini con Las Rastreadoras del Fuerte (y el Cancionero para la memoria, playlists con las canciones favoritas de las personas buscadas)Memoria de un corazón ausente. Cartas en búsqueda — proyecto de Jorge VerásteguiColectivo Familiares en Búsqueda María HerreraPilar Calveiro (memoria y poder) y Paul Slovic (el «entumecimiento psicofísico»)Capítulos:00:00 Intro: la receta y la carta02:23 Quién es Lucía Leonor: del teatro a investigar la desaparición05:17 El contexto: 135.000 desaparecidos y el «crimen perfecto»11:00 Teatro en Tamaulipas: crear en pleno estado de emergencia16:02 Contranarrativas en búsqueda de vida: contar la vida, no el horror20:24 El Recetario para la Memoria y las cartas de un corazón ausente26:56 Ayotzinapa, el antimonumento +43 y la solidaridad que sirve34:07 Investigar desde dentro: método, afectos y rigor37:48 Cierre de Lucía: consejos y dónde encontrar su trabajo43:08 Outro: las cinco ideas del episodioComunidad de investigadores: https://horacio-ps.com/comunidadNewsletter: https://horacio-ps.com/newsletterSi el episodio te ha removido, dale like, suscríbete o compártelo en Spotify, Apple Podcasts o YouTube.
• 
  400. Investigar a los que investigan: historia de la ciencia con Leo Corry 28.06.2026 1h 5min

  Historia de la ciencia: cómo nacen, se discuten y se olvidan las ideas, con Leo Corry. ¿Por qué la forma de hacer ciencia ha cambiado tanto en solo un siglo?Pensamos en la ciencia mirando siempre hacia adelante: laboratorios, datos, experimentos. ¿Pero quién mira hacia atrás? ¿Quién estudia cómo nacieron las ideas que hoy damos por obvias, cómo se discutieron y cómo casi se pierden? De eso vive un historiador de la ciencia.Para responder hablo con Leo Corry, historiador de la ciencia en la Universidad de Tel Aviv. Empezó como matemático en Venezuela y acabó dedicando su carrera a contar la historia de cómo se construye el conocimiento.Recorremos, entre otras cosas:Cómo ha cambiado la forma de hacer ciencia: de la Big Science tras la Segunda Guerra Mundial al Internet, los datos masivos y la inteligencia artificial.Las matemáticas como caso aparte: por qué la autoría individual sigue pesando tanto.¿Puede un ordenador ser coautor de un artículo? El provocador caso de Doron Zilberger.Cómo trabaja un historiador de la ciencia: fuentes, archivos y el caso de David Hilbert.El gran pecado del oficio: el anacronismo, juzgar el pasado con la vara del presente.El papel de la mujer en la ciencia, las humanidades digitales y por qué la investigación deja de ser solitaria.Y una idea de fondo: la ciencia no avanza sola. Las ideas no se mueven por sí mismas; alguien las crea, las discute, las distribuye… y a veces las olvida.Una conversación pausada y para todos los públicos sobre metaciencia, historia y filosofía de la ciencia, con Hilbert, Kuhn, Heisenberg, von Neumann y la Gotinga de los años 20 de fondo.Nota: este episodio se grabó a principios de 2023, de forma asíncrona en nuestra comunidad de investigadores en WhatsApp (te explico cómo en el episodio 205).Invitado:Leo Corry — Profesor de Historia de la Ciencia, Universidad de Tel Aviv (ex-decano de la Facultad de Humanidades). Web: busca «Leo Corry» en Google; ahí están sus ocho libros y sus artículos.Para profundizar:Obra de Leo Corry:Modern Algebra and the Rise of Mathematical StructuresDavid Hilbert and the Axiomatization of Physics (1898–1918)A Brief History of NumbersMencionado en el episodio:Thomas Kuhn — La estructura de las revoluciones científicas«Culturomics»: análisis cuantitativo de millones de libros digitalizados (Michel et al., Science, 2011)El matemático Doron Zilberger y su «coautor» computacionalCapítulos:00:00 Avance (mejores momentos)01:30 Intro01:54 El tema de hoy: la historia de la ciencia02:22 Quién es Leo Corry03:58 De matemático en Venezuela a historiador en Tel Aviv07:39 ¿Ha cambiado la forma de hacer ciencia?09:57 Big Science, Internet y la ciencia de datos12:31 El papel de la mujer en la ciencia15:27 Matemáticas: individualismo y machine learning22:36 ¿Un ordenador como coautor? El caso Zilberger24:39 Un día de trabajo: ante todo, un historiador29:24 Las fuentes, los archivos y el caso Hilbert45:11 El pecado del historiador: el anacronismo47:45 Hilbert y la física del siglo XX50:19 Metainvestigación: investigar a los investigadores55:19 Humanidades digitales: por qué hace falta equipo62:39 Cierre: las ideas clave del episodioComunidad de investigadores: https://horacio-ps.com/comunidadNewsletter: https://horacio-ps.com/newsletterSi el episodio te ha resultado útil, dale like, suscríbete o compártelo en Spotfy, Apple Podcasts, iVoox o YouTube.
• 
  399. Filosofía de la ciencia, las tres grietas del conocimiento. Con Alfredo Marcos y María de Paz 18.06.2026 48min

  Filosofía de la ciencia en serio: las tres grietas del conocimiento, con dos filósofos de la ciencia. ¿Por qué funciona la ciencia si no es del todo segura?En 1610 Galileo apuntó su telescopio al cielo y no actualizó el mapa heredado: lo rompió. Mucha gente prefirió no mirar. Este episodio usa ese gesto como metáfora: las preguntas de la filosofía de la ciencia son las grietas de nuestro mapa del mundo.Recorremos tres grietas del método científico:La inducción no garantiza el futuro: David Hume y el pavo de Bertrand Russell.Los hechos no se ordenan solos: Henri Poincaré ("una pila de piedras no es una casa").El observador altera lo observado: Werner Heisenberg.Y la gran pregunta: si el mapa tiene grietas, ¿por qué funciona la ciencia?Para responder entrevisto a dos filósofos de la ciencia: Alfredo Marcos (catedrático en la Universidad de Valladolid) y María de Paz (Universidad de Sevilla). Les hago las mismas tres preguntas —qué estudia la filosofía de la ciencia, cuándo nace como disciplina y tres libros para empezar— y luego exploramos zonas poco tratadas: los sesgos de género y el eurocentrismo en la ciencia, los científicos que también filosofaron (Newton, Poincaré, Heisenberg) y el sociólogo Robert Merton con su "etos" de la ciencia (las normas CUDOS).Una introducción rigurosa y para todos los públicos a la metaciencia y la epistemología, con Kuhn, Popper, Feyerabend, Duhem y Hacking de fondo.Invitados:Alfredo Marcos — Catedrático de Filosofía de la Ciencia, Universidad de Valladolid. Contacto: [email protected]ía de Paz — Filósofa de la ciencia, Universidad de Sevilla. Contacto: [email protected] empezar a leer (recomendaciones de los invitados):Thomas Kuhn — La estructura de las revoluciones científicasKarl Popper — Conjeturas y refutacionesPaul Feyerabend — Contra el métodoPierre Duhem — La teoría físicaIan Hacking — Representar e intervenirHenri Poincaré — Ciencia e hipótesisAntonio Diéguez — La ciencia en cuestiónCapítulos:00:00 Avance (mejores momentos)01:11 Intro01:35 Hoy: filosofía de la ciencia02:09 Galileo y el telescopio: romper el mapa04:49 Grieta 1: la inducción (Hume y el pavo de Russell)07:20 Grieta 2: los hechos no se ordenan solos (Poincaré)08:07 Grieta 3: el observador altera lo observado (Heisenberg)09:04 Si el mapa tiene grietas, ¿por qué funciona?09:44 Entrevista: Alfredo Marcos y María de Paz10:06 ¿Qué estudia la filosofía de la ciencia?15:49 ¿Cuándo nace la disciplina?24:00 Tres libros para empezar31:54 Zonas por explorar: sesgos de género y eurocentrismo36:34 Científicos que filosofaron (Newton, Poincaré, Heisenberg)41:15 Merton y el "etos" de la ciencia (CUDOS)46:18 Cierre: seguir mirando por el telescopioComunidad de investigadores: https://horacio-ps.com/comunidadNewsletter: https://horacio-ps.com/newsletterSi el episodio te ha resultado útil, dale like, suscríbete o compártelo en Spotify, Apple Podcasts, iVoox o YouTube.
• 
  398. ¿Quién paga por tu investigación? 10.06.2026 21min

  Transferencia de tecnología: cómo vender tu investigación sin rebajar la ciencia. La pregunta que el laboratorio no sabe responder.Dos tiendas de ropa casi idénticas en los años 70. Mismas telas, mismos precios, mismos escaparates. Una se convirtió en una de las mayores empresas del mundo —Zara— y la otra desapareció sin que nadie recuerde su nombre. La diferencia no estaba en la tela: una entendió que la clienta no compraba una prenda, compraba novedad. La otra no.Esa misma frase —el cliente no compra lo que tú crees que vendes— es el muro contra el que se estrella casi toda la investigación que intenta salir del laboratorio y llegar al mundo.En este episodio de Investigando la investigación hablamos de transferencia de tecnología y de cómo vender tu investigación, del laboratorio al mercado, sin traicionar tu ciencia.El investigador está entrenado en un solo instrumento, el de la verdad: ¿es correcto?, ¿es reproducible?, ¿resiste la crítica? Es un instrumento maravilloso, pero no sabe responder a la pregunta del mercado: ¿por qué iba alguien a pagar por esto? Como los sabios que se negaron a mirar por el telescopio de Galileo, muchos investigadores se niegan a mirar por un segundo telescopio: el que no apunta al cielo, sino al cliente.Las 4 cosas que casi todo investigador no ve:• Observa la vida del cliente, no le preguntes — la etnografía de diseño y el caso Lego: los niños no buscaban lo fácil, buscaban dominar una destreza.• Di qué haces tú que no hace nadie — el ejercicio del "momento de la verdad": si me quitas esto y esto, soy uno más en el montón.• Traduce tu tecnología a algo que el cliente puntúe — el AVE no vende velocidad, vende certeza y reducción de riesgo (Renfe te devuelve el dinero si el tren llega tarde).• Evita las frases que te matan — "técnicamente damos los mismos resultados que los demás".Con casos reales del laboratorio al mercado: Oryzon (del paper al Nasdaq) y Avelino Corma, ciencia de élite con más de 200 patentes usadas por Repsol, Cepsa o ExxonMobil. La conclusión: no hay que elegir entre hacer ciencia de verdad y venderla. Se pueden hacer las dos cosas a la vez.Una idea de partida sobre valorización de la investigación, propuesta de valor y emprendimiento científico para cualquier investigador que quiera que su ciencia llegue a la gente.Comunidad de investigadores: ⁠https://horacio-ps.com/comunidad⁠Newsletter: ⁠https://horacio-ps.com/newsletter⁠Si el episodio te ha resultado útil, dale like, suscríbete o compártelo en Spotify, Apple Podcasts, iVoox o YouTube.
• 
  397. Del experimento único al bucle infinito, la revolución que nadie ve venir en la ciencia 30.05.2026 31min

  Hay muchísimas formas de hacer investigación, pero la mayoría solo conocemos una: la del laboratorio académico clásico. Es el agua en la que nadamos sin darnos cuenta de que es agua.Una sola pregunta desmonta el sistema entero: ¿cuándo y cómo entran los datos en tu proyecto? Esa decisión condiciona quién manda, cuándo termina el proyecto y qué cuenta como éxito.En este episodio recorro una línea con 10 modelos ordenados por cuándo entra el dato, desde el dato congelado hasta el dato que pide un algoritmo.Laboratorio académico clásico: el dato entra una vez y se congela.Bell Labs: "correa larga, valla estrecha". Dato continuo dentro de una empresa.Institutos independientes (Arc Institute, etc.): financiación a varios años, poca presión por publicar.Ciencia ciudadana: el público recoge datos de forma distribuida y constante.Big Science (CERN, Hubble): datos en chorro permanente, papers con miles de autores.FRO: 15 a 30 personas, 5 años, dinero filantrópico, sin obligación de publicar.DARPA: un Program Manager con poder real marca hitos. Así nació Internet.DeSci: financiación y propiedad intelectual en blockchain entre holders de tokens.Self-Driving Lab: bucle DMTA. El dato entra a demanda; cada vuelta decide el siguiente experimento.Radial: rediseñar el proceso científico como ingeniería, en ciclos, a nivel de sistema.El laboratorio autónomo es el extremo más radical: no tiene final, sigue optimizando mientras lo dejes encendido. Eso es justo lo que el sistema científico actual no sabe gestionar.Lo más profundo: ¿quién decide qué dato pedir? En el modelo clásico, el investigador. En Big Science, un comité. En DARPA, el Program Manager. En DeSci, una comunidad. En el laboratorio autónomo, un algoritmo. No estamos automatizando el pipeteo: estamos delegando la autoría intelectual del siguiente paso.La razón por la que casi ninguno nace en la academia es sencilla: la academia solo sabe puntuar papers. No es un problema de calidad, es un problema de contabilidad del mérito.¿Tu problema pide un bucle? Porque si lo estás forzando dentro del molde del paper, estás remando contra tu propio problema.Comunidad de investigadores: https://horacio-ps.com/comunidadNewsletter: https://horacio-ps.com/newsletterSi el episodio te ha resultado útil, dale like, suscríbete o compártelo en Spotify, Apple Podcasts, iVoox o YouTube.Enlaces y referenciasTony Blair Institute, "A New Model for Science": https://institute.global/insights/tech-and-digitalisation/new-model-scienceFuture Blind (Max Olson), "The new wave of science and research models": https://futureblind.com/p/the-new-wave-of-science-and-research-modelsConstruction Physics (Brian Potter), "The Influence of Bell Labs": https://www.construction-physics.com/p/the-influence-of-bell-labsArc Institute, "The Arc Model": https://arcinstitute.org/modelFranzoni y Sauermann (2014), Research Policy 43(1), pp. 1-20: https://ideas.repec.org/r/eee/respol/v43y2014i1p1-20.htmlBritannica, "Big Science": https://www.britannica.com/science/Big-Science-scienceFederation of American Scientists, "FROs: A New Model": https://fas.org/publication/focused-research-organizations-a-new-model-for-scientific-research/Ethereum.org, "Decentralized science (DeSci)": https://ethereum.org/desci/Tom et al. (2024), Chemical Reviews 124(16), pp. 9633-9732: https://pubs.acs.org/doi/abs/10.1021/acs.chemrev.4c00055Autonomous Chemical Experiments, Acc. Chem. Res. (2022): https://pmc.ncbi.nlm.nih.gov/articles/PMC9454899/Astera, "Announcing Radial": https://astera.org/announcing-radial/Seemay Chou, "Scientific Publishing: Enough is Enough": https://astera.org/scientific-publishing-enough-is-enough/STAT News sobre Radial: https://www.statnews.com/2026/03/11/radial-ai-science-astera-nonprofit/Nature, "Inside the self-driving lab revolution": https://www.nature.com/articles/d41586-026-00974-2Nature, "Will self-driving robot labs replace biologists?": https://www.nature.com/articles/d41586-026-00453-8
• 
  396. Trabajar en paralelo con agentes de IA: una nueva forma de pensar la productividad 22.05.2026 24min

  En este episodio comparto una idea original que llevo desarrollando estos últimos días: el Agentic Throughput Index, o ATI. La propuesta nace de una observación muy simple sobre cómo ha cambiado mi forma de trabajar desde que utilizo agentes de inteligencia artificial de manera habitual. Durante años, el cuello de botella de mi investigación estaba en la ejecución técnica: programar, analizar datos, redactar borradores o implementar ideas. Pero con los agentes de IA, gran parte de esa ejecución ya puede delegarse. Eso desplaza el problema a otro lugar: definir correctamente los proyectos, encuadrarlos bien, priorizar y dar feedback útil.A partir de ahí planteo una pregunta que creo que cada vez será más importante: ¿cómo medimos realmente la productividad en un entorno donde múltiples agentes trabajan en paralelo? Porque el modelo clásico de productividad, basado en horas de trabajo directo o tareas completadas manualmente, empieza a quedarse corto. Lo relevante ya no es solo cuánto hago yo con mis propias manos, sino cuántos flujos autónomos soy capaz de coordinar y supervisar de forma eficiente.En el episodio explico cómo aprovecho el tiempo de ejecución de los agentes para solapar proyectos en paralelo. Cuando una tarea está bien definida y es delegable, la lanzo a un agente en background y paso inmediatamente a otro proyecto mientras el primero sigue ejecutándose. Después vuelvo periódicamente para validar resultados, corregir desviaciones o desbloquear decisiones. La idea central es sencilla: no dejar tiempos muertos entre ejecuciones y utilizar los agentes como capas paralelas de trabajo.También hablo de los riesgos de esta aproximación. Porque lanzar muchos agentes a la vez puede convertirse fácilmente en una métrica de vanidad: mucho movimiento, muchos outputs y poca integración real. Por eso propongo que el ATI tenga dos dimensiones. Por un lado, el throughput, es decir, cuántos flujos autónomos ejecuto en paralelo. Por otro, el Agentic Success Rate, que mide cuántos de esos flujos producen resultados realmente útiles y verificables. Sin esa segunda dimensión, el sistema se convierte en puro ruido.Además, diferencio distintos tipos de sesiones agénticas —exploración, ejecución, mantenimiento, validación o análisis— porque no todas deben evaluarse igual. Una sesión exploratoria que no genera un entregable final puede seguir siendo extremadamente valiosa si produce aprendizaje o nuevas direcciones de trabajo.En el fondo, este episodio es una reflexión sobre un cambio conceptual más grande: estoy empezando a pensar la productividad no como trabajo directo, sino como gestión de enjambres cognitivos. Como la capacidad de coordinar múltiples procesos inteligentes al mismo tiempo. No sé si el término Agentic Throughput Index terminará utilizándose o no, pero me interesa lanzar la idea, ponerla sobre la mesa y abrir la discusión.Si quieres discutir el contenido de este episodio con otros investigadores, puedes unirte a nuestra comunidad de investigadores en https://horacio-ps.com/comunidad o seguir i newsletter para estar al tanto de contenidos extra relacionados en https://horacio-ps.com/newsletterSi el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Es un gesto que te cuesta muy poco y que ayuda muchísimo a que este podcast siga creciendo y llegue a más personas.
• 
  395. Conciencia artificial y qualia, con Santiago Sánchez Migallón 17.05.2026 51min

  Hoy conversamos con Santiago Sánchez Migallón, profesor de filosofía especializado en mente e inteligencia artificial y autor del blog La máquina de Von Neumann. La conversación gira en torno a una de las preguntas más discutidas actualmente: si sistemas como ChatGPT realmente entienden lo que dicen o simplemente producen respuestas coherentes mediante procesos estadísticos.Uno de los ejes principales es la diferencia entre inteligencia, comprensión y conciencia. Santiago explica cómo los grandes modelos del lenguaje funcionan a partir de predicciones estadísticas sobre palabras y tokens, lo que ha llevado a compararlos con “loros estocásticos”. Sin embargo, también reconoce que sus capacidades actuales obligan a replantear qué entendemos exactamente por inteligencia y hasta qué punto ciertos comportamientos pueden considerarse comprensión.Gran parte del episodio se centra en el llamado grounding problem o problema del anclaje del significado. A través de ejemplos clásicos de la filosofía de la mente y del lenguaje, se discute cómo los seres humanos asociamos palabras con experiencias reales del mundo, mientras que las máquinas operan únicamente sobre símbolos y representaciones matemáticas. Esto lleva a debatir si una IA puede comprender realmente conceptos como “perro”, “dolor” o “color rojo” sin tener experiencia directa de ellos.También se aborda el problema de la conciencia y los límites actuales tanto de la filosofía como de las neurociencias para explicarla. Santiago diferencia claramente entre simular emociones y experimentarlas realmente, introduciendo conceptos como los qualia y la experiencia subjetiva. Desde esta perspectiva, sostiene que las máquinas actuales no poseen emociones, sensaciones ni conciencia fenomenológica, aunque puedan generar discursos convincentes sobre ellas.Otro tema importante es la relación entre filosofía y ciencia. Frente a enfoques más alejados del empirismo, Santiago defiende una filosofía estrechamente conectada con las ciencias cognitivas, la neurociencia y la inteligencia artificial. La conversación explora cómo la filosofía puede aportar marcos conceptuales, experimentos mentales y análisis críticos, mientras que la ciencia proporciona los datos empíricos necesarios para avanzar en estos problemas.Además, hablamos sobre divulgación, escritura y lectura en la era digital. Santiago reflexiona sobre la evolución de los blogs, la pérdida de hábitos de lectura profunda y la importancia de escribir como herramienta para pensar. También comenta cómo la inteligencia artificial está obligando a replantear conceptos tradicionales como identidad, relaciones humanas, creatividad o incluso qué significa ser humano.En la parte final, repasamos su trayectoria personal, su interés temprano por la informática y cómo terminó combinando filosofía, inteligencia artificial y ciencias cognitivas. También hablamos sobre docencia, educación y los retos de enseñar filosofía en una época marcada por la inmediatez tecnológica y la fragmentación de la atención.Como cierre, se subraya la necesidad de mantener espacios de reflexión pausada y crítica en medio del actual entusiasmo tecnológico. Comprender qué son realmente estas tecnologías y cuáles son sus límites requiere no solo avances técnicos, sino también reflexión filosófica y diálogo interdisciplinar.Para más info sobre Santiago: https://about.me/santiagosanchezmigallonSi quieres discutir el contenido de este episodio con otros investigadores, puedes unirte a nuestra comunidad de investigadores en https://horacio-ps.com/comunidad o seguir i newsletter para estar al tanto de contenidos extra relacionados en https://horacio-ps.com/newsletterSi el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Es un gesto que te cuesta muy poco y que ayuda muchísimo a que este podcast siga creciendo y llegue a más personas.
• 
  394. Por qué tu productividad te agota 10.05.2026 18min

  En este episodio hablo de una paradoja que llevo años viendo tanto en mí como en otros investigadores: cuanto mejor funciona tu sistema de productividad, más fácil es terminar sintiéndote desbordado otra vez. Aprendes GTD, Zettelkasten, time blocking o cualquier otro método, y durante un tiempo la sensación es buenísima. Capturas mejor las ideas, organizas mejor la información y consigues procesar más cosas. El problema aparece cuando esa nueva capacidad se convierte en permiso para asumir todavía más proyectos, más lecturas, más tareas y más compromisos. El sistema que parecía diseñado para darte claridad termina convirtiéndose en un contenedor de acumulación.En el episodio reflexiono sobre cómo este fenómeno se ha vuelto mucho más visible en los últimos años. Autores como Andy Matuschak o Cal Newport llevan tiempo señalando que muchos sistemas de productividad y PKM terminan derivando hacia una acumulación infinita de información. El problema no suele ser falta de herramientas, sino precisamente lo contrario: que el sistema facilita guardar demasiado y cuestionar demasiado poco.Una de las ideas centrales del episodio es que la salida no pasa por encontrar un sistema mejor, sino por aprender a eliminar. Y eliminar de verdad. No archivar indefinidamente ni mover tareas a listas de “algún día”. Borrar. El problema es que psicológicamente eso cuesta muchísimo porque cada nota, cada bookmark y cada tarea representa una hipótesis sobre el futuro: “quizás algún día esto me sirva”. Renunciar a esa posibilidad genera resistencia aunque, en la práctica, la mayoría de esas cosas nunca vuelvan a ser útiles.También explico cómo replanteo la revisión semanal de GTD. En lugar de empezar revisando tareas y proyectos, intento comenzar revisando objetivos. Primero releo cuáles son las dos o tres direcciones reales en las que quiero avanzar y, solo después, vuelvo a mirar las listas. Ese pequeño cambio transforma completamente la revisión porque la pregunta deja de ser “¿podría servirme?” y pasa a ser “¿esto está alineado con lo que quiero conseguir?”. Y cuando la respuesta es no, el elemento se elimina en lugar de seguir aplazándolo indefinidamente.Otra parte importante del episodio es la “prueba del enlace”, una técnica que utilizo especialmente en Obsidian para decidir qué notas merece la pena conservar. Cuando tengo dudas sobre una nota, intento conectarla con otras ideas ya existentes en mi sistema. Si aparecen conexiones naturales, significa que la idea forma parte de algo que realmente estoy pensando y desarrollando. Si no consigo encontrar conexiones reales, normalmente eso indica que la nota era ruido o una idea capturada por inercia.En el fondo, el episodio termina siendo una reflexión sobre la relación con nuestro yo futuro. Capturar y guardar constantemente implica asumir que esa persona futura tendrá más tiempo, más energía o más capacidad para procesarlo todo. Y la realidad es que probablemente tendrá exactamente las mismas limitaciones que tenemos hoy. Por eso la pregunta importante no es “¿podría esto serme útil?”, sino “¿quiero que mi yo futuro tenga que ocuparse de esto?”.Si quieres discutir el contenido de este episodio con otros investigadores, puedes unirte a nuestra comunidad de investigadores en https://horacio-ps.com/comunidad o seguir i newsletter para estar al tanto de contenidos extra relacionados en https://horacio-ps.com/newsletterSi el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Es un gesto que te cuesta muy poco y que ayuda muchísimo a que este podcast siga creciendo y llegue a más personas.
• 
  393. Entre la química, la filosofía y el futuro de la ciencia, con Guillermo Restrepo 26.04.2026 1h 5min

  Hoy conversamos con Guillermo Restrepo, investigador en el Instituto Max Planck de matemáticas en las ciencias, cuyo trabajo combina química, matemáticas, historia y filosofía de la ciencia. La conversación gira en torno a entender la química no solo como una práctica experimental, sino como una forma de conocimiento que plantea preguntas conceptuales, sociales y éticas.Uno de los ejes principales es la filosofía de la química, entendida como una rama de la filosofía de la ciencia que analiza qué hace única a la química y cómo se relaciona con otras ciencias como la física o la biología. Frente al enfoque habitual del químico, centrado en sintetizar sustancias, esta perspectiva introduce cuestiones más amplias, como el impacto social de los materiales, las implicaciones éticas de la investigación o la naturaleza de conceptos como sustancia o reacción. También se discute si la química puede reducirse a la física o si posee una autonomía conceptual propia.Se aborda por qué estas preguntas no suelen formar parte del día a día científico. Restrepo señala que la historia de la química, especialmente desde el siglo XIX, ha estado marcada por una fuerte presión por producir resultadossustancias, lo que ha orientado la formación hacia objetivos prácticos. Esto, junto con la creación de comunidades académicas separadas, ha generado una distancia entre científicos y filósofos.Otro tema clave es la tensión entre especialización e interdisciplinariedad. Aunque la especialización ha permitido grandes avances, también ha fragmentado el conocimiento. Se plantea la necesidad de enfoques más integradores que permitan conectar disciplinas y recuperar una visión más global de la ciencia.Una parte relevante del episodio se centra en el trabajo de Restrepo sobre la tabla periódica. A partir de datos empíricos y herramientas matemáticas, propone entenderla como una estructura basada en relaciones de semejanza y de orden entre elementos. Este enfoque permite interpretarla como una estructura matemática, similar a una red, y conecta con intuiciones ya presentes en el trabajo de Mendeleev.También se discuten estudios históricos que muestran una paradoja: el conocimiento químico crece de forma exponencial, pero su diversidad disminuye. La investigación se concentra en unos pocos elementos, lo que refleja sesgos tanto científicos como sociales. Este problema se extiende a la inteligencia artificial, que tiende a reproducir esos mismos patrones si se entrena con datos poco diversos.En la parte final, se explora su trayectoria personal y su forma de investigar, basada en la curiosidad y en conectar ideas de distintas disciplinas. Muchas de sus ideas surgen fuera de la química, al interactuar con otras áreas o contextos.Como cierre, se subraya la importancia de la divulgación. Generar conocimiento no es suficiente si no se comunica de forma comprensible. El valor de la ciencia depende también de su capacidad para ser compartida.Para más información sobre su trabajo, puedes consultar su web https://sites.google.com/site/guillermorestrepo/Home y su perfil en Google Scholar https://scholar.google.com/citations?user=b4CW5CEAAAAJ&hl=en, o contactarle en [email protected] quieres discutir el contenido de este episodio con otros investigadores, puedes unirte a nuestra comunidad de investigadores en https://horacio-ps.com/comunidad o seguir i newsletter para estar al tanto de contenidos extra relacionados en https://horacio-ps.com/newsletterSi el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Es un gesto que te cuesta muy poco y que ayuda muchísimo a que este podcast siga creciendo y llegue a más personas.
• 
  392. Escribir cuesta menos si sabes cómo 18.04.2026 17min

  Investigar está en todo, pero transformar ideas en contenido no siempre es un proceso directo. En este episodio abordo un problema muy común: el bloqueo a la hora de escribir o crear, esa sensación de quedarte frente a la página en blanco sin saber cómo empezar o cómo avanzar.La causa principal de este bloqueo no suele ser técnica, sino conceptual: no tener las ideas claras. Podemos tener habilidades de escritura o experiencia, pero si no sabemos exactamente qué queremos decir, es muy difícil construir algo sólido.A esto se suma un segundo factor frecuente: la sensación de desbordamiento ante proyectos grandes. Incluso cuando las ideas están más o menos definidas, el tamaño del contenido (como un artículo científico o un informe extenso) puede generar fricción y dificultar el arranque.A partir de aquí, planteo dos formas extremas de abordar este problema. La primera es el enfoque “a las bravas”: empezar a escribir sin planificación previa, volcando todo lo que se tenga en mente y confiando en que la estructura aparecerá a través de iteraciones sucesivas de corrección, recorte y mejora.Este enfoque funciona especialmente bien en contenidos cortos o familiares, donde ya existe una estructura implícita (como en el caso de un email). Sin embargo, en contenidos más complejos puede resultar ineficiente, ya que obliga a reconstruir varias veces el texto hasta encontrar una forma coherente.En el extremo opuesto está el enfoque basado en estructura. Aquí no se empieza a escribir hasta tener clara una escaleta simple con los puntos clave que se quieren tratar. Esa estructura actúa como un mapa que guía todo el proceso posterior.La clave es mantener esa estructura lo más compacta posible al principio, evitando convertirla en texto. A partir de ahí, el trabajo consiste en desarrollar cada parte de forma progresiva, lo que reduce la fricción y permite avanzar con mayor control.Este enfoque es especialmente útil en contenidos largos o técnicos, como artículos científicos o libros, donde es necesario organizar muchas ideas. En estos casos, la estructura puede refinarse por niveles, descomponiendo cada sección en subapartados cada vez más específicos.Sin embargo, no todos los contextos requieren este nivel de planificación. En contenidos más abiertos o creativos, la estructura puede no existir al inicio y emerger durante el propio proceso de creación mediante iteración.En la práctica, muchas veces se utiliza un enfoque intermedio. Este episodio es un ejemplo: partiendo de una estructura mental básica (plantear el problema, analizarlo y proponer soluciones), el contenido se ha desarrollado de forma progresiva sin un guion detallado escrito previamente.Este enfoque híbrido combina dirección inicial con flexibilidad durante la ejecución, aunque también tiene limitaciones, como el riesgo de olvidar ideas o perder precisión si no hay revisión posterior.En definitiva, el bloqueo frente a la página en blanco no es tanto un problema de escritura como de claridad y de enfoque. Definir qué se quiere decir y decidir cómo estructurarlo son los dos pasos clave para poder avanzar en cualquier tipo de contenido.Si quieres discutir el contenido de este episodio con otros investigadores, puedes unirte a nuestra comunidad de investigadores en https://horacio-ps.com/comunidad o seguir i newsletter para estar al tanto de contenidos extra relacionados en https://horacio-ps.com/newsletterSi el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Es un gesto que te cuesta muy poco y que ayuda muchísimo a que este podcast siga creciendo y llegue a más personas.
• 
  391. Cómo encontrar partners que impulsen tu investigación fuera de la academia 02.04.2026 30min

  Si eres investigador y piensas que “vender” tu investigación no va contigo, este episodio es para ti. Porque hay algo que conviene asumir: si quieres que tu investigación avance más allá del laboratorio, vas a necesitar conectar con empresas. No es solo una cuestión económica, es una cuestión de impacto.Una estrategia habitual para encontrar partners es el contacto directo, empresa a empresa. Funciona, pero tiene un problema claro: no es escalable. Requiere tiempo, esfuerzo y entrar en dinámicas de ventas y negociación que muchos investigadores no dominan o directamente evitan.En este episodio planteo una alternativa mucho más eficiente: los eventos de partnering. Son espacios diseñados para conectar investigadores, empresas e inversores en pocos días, concentrando múltiples reuniones con organizaciones que ya tienen predisposición a colaborar.Comparto mi experiencia reciente en BioEurope Spring 2026 (Lisboa), un evento internacional con más de 1.500 participantes. El funcionamiento es sencillo: accedes a una plataforma de matching, filtras perfiles según tus intereses y solicitas reuniones. Si hay interés mutuo, se agenda automáticamente un encuentro de 30 minutos durante el evento.En nuestro caso, acudimos con un objetivo claro: encontrar partners para avanzar un proyecto en oncología hacia ensayos clínicos, una fase donde la colaboración con empresa es imprescindible. A partir de ahí, identificamos compañías relevantes, enviamos mensajes muy concisos explicando qué hacemos y qué buscamos, y cerramos reuniones.Aquí hay una clave importante: la claridad. Tanto en los mensajes como en las reuniones, necesitas un pitch muy directo (2–3 minutos) donde se entienda rápidamente qué ofreces y qué necesitas. No es el lugar para presentaciones largas ni exceso de detalle técnico.Durante las reuniones pueden surgir oportunidades inesperadas, pero también es fácil perder tiempo si no se va preparado. Es fundamental revisar previamente la empresa, entender su actividad y evitar compartir información confidencial sin acuerdos previos. Si hay interés real, los siguientes pasos (como NDAs) deben moverse rápido.También es importante gestionar bien la parte económica: si estás explorando servicios, intenta obtener al menos un rango de precios durante la reunión. Y si te ofrecen algo, pide siempre validación: casos reales, resultados o evidencia.Además de las reuniones, estos eventos ofrecen otras oportunidades: stands de empresas donde interactuar sin cita previa y presentaciones donde startups explican su tecnología y buscan inversión, mostrando claramente cómo conectan ciencia y negocio.En definitiva, los eventos de partnering son una herramienta muy potente para cualquier investigador que quiera llevar su trabajo más lejos, permitiendo acceder de forma mucho más eficiente a partners que de otra manera serían difíciles de alcanzar.Si quieres discutir el contenido de este episodio con otros investigadores, puedes unirte a nuestra comunidad de investigadores en https://horacio-ps.com/comunidad o seguir i newsletter para estar al tanto de contenidos extra relacionados en https://horacio-ps.com/newsletterSi el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Es un gesto que te cuesta muy poco y que ayuda muchísimo a que este podcast siga creciendo y llegue a más personas.
• 
  390. ¿Qué nos enseñan la creación musical y la improvisación sobre cómo surgen las ideas? 26.03.2026 27min

  En este episodio retomo una idea que llevaba tiempo rondándome: hasta qué punto los procesos de investigación, creación y composición musical comparten una misma lógica de fondo. No tanto a nivel superficial, sino en cómo se generan, organizan y conectan las ideas. A partir de mi experiencia reciente volviendo a Ableton Live, un software de producción musical que permite crear, editar y combinar sonidos mediante loops y pistas, utilizo la creación musical como un laboratorio para observar estos procesos en acción.El punto de partida es el modo sesión de Ableton, que permite trabajar de forma no lineal, combinando elementos en tiempo real. Esto introduce una improvisación que no es completamente libre, pero tampoco está encorsetada. El problema aparece cuando queremos que esa exploración tenga sentido: demasiadas opciones pueden bloquear el avance. Para evitarlo, propongo un método iterativo basado en reducir la complejidad, empezar con pocos elementos, explorar combinaciones, seleccionar las que funcionan y dejar reposar el material antes de tomar decisiones.A partir de esas combinaciones surgen bloques principales que luego se ordenan en el tiempo. La estructura no se define al inicio, sino que emerge después. El siguiente paso es trabajar las transiciones entre esos bloques, que son las que realmente dan coherencia al conjunto. Una vez construido ese esqueleto, se añaden nuevas capas y se refina el resultado en ciclos sucesivos, con cuidado de no caer en el perfeccionismo infinito.Este proceso conecta directamente con la escritura y, en general, con la generación de ideas. También con metodologías como Zettelkasten, donde pequeñas unidades se combinan para formar estructuras más complejas. La idea de fondo es clara: crear no es tanto partir de cero como diseñar un sistema que facilite conexiones interesantes dentro de un marco con ciertas restricciones.Si quieres discutir el contenido de este episodio con otros investigadores, puedes unirte a nuestra comunidad de investigadores en https://horacio-ps.com/comunidad o seguir i newsletter para estar al tanto de contenidos extra relacionados en https://horacio-ps.com/newsletterSi el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Es un gesto que te cuesta muy poco y que ayuda muchísimo a que este podcast siga creciendo y llegue a más personas.
• 
  389. Hazte amigo del revisor 2 para mejorar tu investigación 18.03.2026 12min

  En este episodio parto de una idea bastante simple: la investigación no está aislada de nada, ni de la imaginación ni de los personajes ficticios. De hecho, muchas veces pensamos mejor cuando somos capaces de ponerle “caras” a procesos mentales que en realidad son abstractos. Por eso empiezo con algo muy reconocible, ese ángel y ese demonio que aparecían en los dibujos cuando había que tomar una decisión. No es tanto por lo psicológico, sino por lo práctico: ya desde pequeños hemos aprendido a representar conflictos internos con figuras.A partir de ahí doy un paso más y entro en el síndrome del impostor, que en el fondo es otra versión de esas voces, pero más sofisticada y bastante más incómoda. Aquí ya no hay equilibrio entre dos opciones, sino una voz dominante que nos hace dudar continuamente de nosotros mismos. Y lo interesante es que esta voz no hay que invocarla, aparece sola. Todos la conocemos y, aunque en algunos contextos sabemos gestionarla mejor que en otros, suele ser más un freno que una ayuda.Y entonces introduzco el tercer “personaje”, que es el núcleo del episodio: el famoso Revisor 2. Algo que empieza como meme pero que en realidad refleja muy bien una experiencia común en investigación. Ese revisor que te cuestiona todo, que encuentra problemas donde no los habías visto y que, en el peor de los casos, te complica bastante la vida. Pero precisamente por eso, porque es incómodo, puede ser útil si sabemos cómo integrarlo.La idea que propongo es bastante directa: ¿por qué no traer ese Revisor 2 a nuestro propio proceso de trabajo? Es decir, cuando estamos escribiendo, diseñando un experimento o desarrollando una idea, parar un momento e invitar a esa voz crítica. No como algo destructivo, sino como una herramienta para detectar huecos, errores o supuestos que estamos dando por buenos sin cuestionarlos. Es una forma de introducir crítica antes de que venga de fuera.Ahora bien, esto no es gratis. Igual que un revisor externo puede pasarse de la raya, nuestro Revisor 2 interno también puede hacerlo. Puede hacernos perder tiempo, sobredimensionar problemas o incluso desviarnos de lo que realmente queríamos hacer. Por eso la clave no es solo invocarlo, sino aprender a responderle. Filtrar, aceptar lo que aporta valor y descartar lo que no tiene sentido.Y aquí hay un punto que me parece importante: visualizarlo ayuda. Ponerle forma, nombre o incluso asociarlo a alguien concreto hace que ese proceso sea más manejable. Deja de ser una autocrítica difusa y pasa a ser casi un diálogo. Y eso, en la práctica, facilita mucho integrarlo en el día a día de la investigación.En el fondo, el mensaje es bastante sencillo: todos tenemos ya voces internas, algunas más útiles que otras. El síndrome del impostor no lo elegimos, pero el Revisor 2 sí podemos decidir cuándo y cómo utilizarlo. Y si se usa bien, puede convertirse en una herramienta bastante potente para mejorar cómo pensamos y cómo investigamos.Si quieres discutir el contenido de este episodio con otros investigadores, puedes unirte a nuestra comunidad de investigadores en https://horacio-ps.com/comunidad o seguir i newsletter para estar al tanto de contenidos extra relacionados en https://horacio-ps.com/newsletterEpisodios relacionados: 379, 374, 372, 370Si el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Es un gesto que te cuesta muy poco y que ayuda muchísimo a que este podcast siga creciendo y llegue a más personas.
• 
  388. Lo que la bioquímica sabe del aceite de oliva virgen que los titulares de nutrición no cuentan, con Jesús de la Osada 11.03.2026 1h 4min

  ¿Qué sabemos realmente, a nivel molecular, sobre el efecto del aceite de oliva en la salud cardiovascular?Jesús de la Osada lleva más de treinta años investigando las bases moleculares de la aterosclerosis y el papel de los componentes de la dieta mediterránea en la salud cardiovascular. En este episodio repasa cómo se construye conocimiento riguroso en un área donde la divulgación de baja calidad abunda, y qué significa eso en términos de lo que podemos afirmar con fundamento sobre el aceite de oliva virgen extra.La investigación del grupo arrancó cuando los estudios disponibles medían únicamente colesterol total, un marcador tan poco específico que el aceite de oliva resultó neutro y quedó décadas fuera del foco. Con la llegada de modelos animales que reproducen aterosclerosis en semanas y el avance de la química analítica, el panorama cambió. El aceite de oliva virgen extra contiene cerca de 400 compuestos identificados. El candidato inicial, el ácido oleico por ser el componente mayoritario, fue descartado experimentalmente. El compuesto que concentra hoy el trabajo del grupo es el escualeno: el más abundante, el más estable durante el almacenamiento y el que se absorbe y acumula en órganos. Es además un intermediario universal en la biosíntesis de esteroles, lo que explica su presencia en organismos tan distintos como el olivo o el tiburón, y su coincidencia en las dos poblaciones con menor mortalidad cardiovascular históricamente documentada: la mediterránea y la japonesa.Estudiarlo de forma aislada presenta un problema importante: fuera de su matriz natural, el escualeno se oxida con facilidad. La solución que el grupo ha desarrollado en colaboración con el Instituto de Nanomateriales de Aragón es la encapsulación en nanopartículas que aíslan el compuesto y replican la protección que ejerce el propio aceite. En paralelo, trabajan con un aceite de oliva virgen enriquecido en escualeno y un compuesto fenólico, desarrollado junto a una empresa chipriota, cuyos resultados preliminares son prometedores.Dedicamos parte de la conversación a la diferencia entre evidencia in vitro y evidencia clínica, y por qué esa distinción es relevante para evaluar las afirmaciones que rodean a suplementos y nutracéuticos. El marco regulatorio para uso alimentario no exige demostrar eficacia, solo ausencia de toxicidad. Eso permite construir argumentos sobre mecanismos reales sin evidencia de que funcionen en humanos a las dosis habituales. No es necesariamente fraudulento, pero el salto entre ambas cosas rara vez se explicita.Hablamos también del estado actual del diagnóstico cardiovascular. Más allá del colesterol total y la distinción LDL/HDL, hay marcadores con mayor valor predictivo que no se usan de rutina: la Lp(a), el tamaño de las partículas de LDL, o la cuantificación de ApoB-100, que refleja el número de partículas en circulación independientemente del colesterol que transportan. La razón por la que estos marcadores no se incorporan de forma sistemática no es científica sino económica. Lo mismo ocurre con la farmacogenómica aplicada a estatinas: sabemos que los citocromos P450 implicados en su metabolismo tienen variantes con distinta actividad, pero la caracterización de cada paciente antes de prescribir sigue siendo la excepción, no la norma.Página Web del grupo: https://osada.unizar.esNuevos aceites: https://onlinelibrary.wiley.com/doi/10.1002/mnfr.70223Escualeno: https://onlinelibrary.wiley.com/doi/abs/10.1002/mnfr.201800136Aceite de oliva virgen: https://onlinelibrary.wiley.com/doi/10.1002/mnfr.201100668Nuevos modelos para estudio de aterosclerosis: https://www.imrpress.com/journal/FBL/11/1/10.2741/1852Si el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Es un gesto que te cuesta muy poco y que ayuda muchísimo a que este podcast siga creciendo y llegue a más personas.
• 
  387. Cuando una proteína "huérfana" encuentra a su familia. Con Sebastián Brauchi 05.03.2026 53min

  En este episodio hablo con Sebastián Brauchi, investigador de la Facultad de Medicina de la Universidad Austral de Chile en Valdivia, sobre un trabajo que me llamó la atención desde el primer momento: la reclasificación de GPR89, una proteína que lleva décadas mirándosenos a la cara sin que supiéramos realmente quién era. Una proteína presente en plantas, animales y hongos, conservada durante más de mil millones de años, y cuya verdadera función quizás nunca habíamos interpretado correctamente. A veces no se trata de descubrir algo completamente nuevo, sino de mirar con otras herramientas algo que siempre ha estado ahí.GPR89 llevaba el nombre de receptor de proteína G casi por defecto, asignado en los tiempos del Proyecto Genoma Humano a proteínas de función desconocida. Lo que Sebastián y su equipo proponen, a través de análisis evolutivo comparado y herramientas de inteligencia artificial, es que en realidad estaríamos ante un transportador facilitativo con hermanas de familia que nadie ha descrito de forma rigurosa. La hipótesis se construye rastreando la proteína en distintos organismos, analizando qué partes de la secuencia se han mantenido intactas a lo largo del tiempo y cuáles han cambiado, y comparando estructuras predichas con millones de proteínas conocidas. Fue Luca Robertson, el doctorando que lleva el peso experimental del trabajo, quien descubrió durante ese rastreo bioinformático que GPR89 no es una rareza aislada sino que pertenece a una subfamilia entera de transportadores sin estudiar. Una proteína huérfana que, de repente, tiene apellidos y familia numerosa.Hablamos también de cómo funciona un laboratorio en el sur de Chile con recursos limitados —fabricando piezas de microscopio, escribiendo código propio, montando infraestructura de supercomputación desde cero— y de la filosofía que hay detrás: construir una operación lo más autocontenida posible para poder hacerse las preguntas que a uno le dan la gana sin depender de otros para lo básico. Una forma de trabajar que tiene tanto de pragmatismo como de vocación. Y terminamos con una de las ideas más honestas que se pueden decir en este oficio: que la pregunta del momento ya no es tanto cómo resolver los problemas sino qué vale la pena preguntarse. Ese juicio, esa capacidad de orientar la curiosidad, es lo que la automatización no va a reemplazar fácilmente, y lo que hay que cultivar en los estudiantes antes que cualquier otra cosa.Sobre Sebastián BrauchiBioquímico de formación, con doctorado bajo la supervisión de Ramón Latorre y postdoctorado en Harvard con David Clapham. Dirige su laboratorio en la Universidad Austral de Chile desde 2008. También es director de departamento, escalador de roca y, según él mismo, alguien que prefiere los cerros a los campus.EnlacesArtículo comentado en el episodio: https://www.csbj.org/article/S2001-0370(25)00471-4/fulltextPublicaciones de Sebastián: https://www.researchgate.net/profile/Sebastian-BrauchiContacto: [email protected] el episodio te ha resultado interesante, puedes apoyarlo dándole a like, suscribiéndote o compartiéndolo en tu plataforma habitual (Spotify, Apple Podcasts, iVoox, YouTube, etc.). Eso ayuda a que este podcast siga creciendo y llegue a más personas.