Escribe tu primer paper de economía

We got everything you want Honey, we know the names We are the people that can find Whatever you may need

— Welcome to the Jungle (Guns n’ Roses, 1987)

El más grande problema de la IA con las referencias es que es muy fácil que alucine, se invente referencias que suenen muy convincentes y tú las uses sin darte cuenta.

Es uno de los peores errores que puedes cometer: no sólo te estás delatando de que estás usando (mal) la IA para hacer tu tesis, también estás dejando en claro que no te metiste ni siquiera a revisar las fuentes que estás citando. Y ese es uno de los pecados más grandes que puedes cometer en la elaboración de una tesis, con o sin IA.

¿Cómo se supone que deberían ser las cosas?

Recuerda que el sistema de las citas tiene mucho más tiempo que la IA… y que las computadoras

Imagina que eres un investigador científico en 1987.

Ya hay computadoras y ya hay internet, pero muy pocas personas realmente tienen acceso, y las interfaces no son amigables como las de ahora. Tienes que navegar en una pantalla en negro con letras pixeladas dando comandos exactos. No te puedes equivocar en el comando, la computadora no tiene la capacidad de entender lo que querías decir. Suena de fondo el album de Welcome to the Jungle de Guns n’ Roses mientras lees un artículo científico y ves citado un estudio que tiene exactamente la información que necesitas para hacer tu trabajo.

¿Cómo la consigues? Le escribes al investigador, le marcas por teléfono o le mandas una carta pidiendo el artículo. Si venía una dirección de email, le podías mandar un correo.

Y después de algunos días, te llegaba una copia del artículo a tu máquina de fax.

El sistema de citas es una forma de dar coherencia al vínculo entre el trabajo de los investigadores. Es la forma en la que puedes identificar las ideas que más vale la pena revisar y replicar. Cuando citas un artículo, se supone que lo leíste y que conoces lo que dice. La IA no hace ni una cosa ni la otra: simplemente genera referencias que le suenan a artículos que podrían estar relacionados, pero si le pides que te diga lo que hay dentro del artículo, no irá a leerlo para contestarte ni lo tiene “grabado en su memoria”. Simplemente soltará lo que tiene más probabilidad que sea la respuesta correcta.

Y de ahí es cuestión de suerte si te dará una respuesta verdadera o no.

En la práctica, lo que esto significa es que si le pides que te de cualquier tipo de referencia, vas a tener que ir manualmente a revisarla. ¿Entonces que sentido tiene que le hayas pedido que te de la referencia?

Si hay una mejor forma de trabajar las referencias usando IA, pero para que funcione, necesitas entender cómo funciona la publicación de referencias científicas, la jerarquía de las fuentes y sobre las diferentes formas de escribir una referencia.

Sigue leyendo.

La jerarquía de las fuentes

En teoría, puedes usar como referencia lo que se te de la gana.

• ¿Quieres citar un video de TikTok? Si hay forma de hacerlo.
• ¿Quieres incluir la conversación que tuviste con tu tío que fue estafado con criptomonedas? Adelante, también se puede.
• ¿Quieres incluir una revelación que tuviste en un sueño? No serías el primero en hacerlo (hay una muy famosa nota al pie en un libro de Nikolai Berdyaev de 1949 que dice justo eso).

Pero, a pesar de que puedas citar lo que quieras en un artículo científico, no por eso la referencia tiene el mismo valor si es un paper a si es el video de YouTube donde Edgar se cae (kalosmail, 2006). Eso es evidente, pero no es tan evidente que un paper puede tener más valor de otro por la metodología que se ha usado. Cuando un artículo científico está usando un experimento, los resultados son más valiosos que cuando se hace con una encuesta de datos auto-reportados.

¿Por qué es importante que sepas esto? Porque no quieres pedirle a tu asistente que te busque referencias sobre un tema y te de cosas de baja calidad.

Cómo pedir malas referencias a la IA

Pídele a la IA que te de una lista con bibliografía sobre “tu tema”.

En el mejor de los casos, te dará una lista completamente genérica.

En el peor de los casos, más de la mitad está inventado.

Para hacer una buena lista de referencias, necesitas conocer tres cosas: el objetivo de la investigación, el argumento que estás tratando de plantear y posibles contra-argumentos. Por eso era tan importante que hiciéramos nuestro protocolo de investigación y que aprendiéramos lo más posible sobre nuestro tema antes de preguntarle a la IA que nos genere nuestra lista de referencias.

Paso #1: Si no lo has hecho, crea tu protocolo de investigación

Regresa a la sección donde hicimos el protocolo y cópialo. Lo vamos a necesitar.

Paso #2: Copia y pega el siguiente prompt

Este es el prompt que necesitas para generar una lista de referencias confiable.

Demasiados economistas jóvenes cometen el mismo error.

Pasan 6 meses limpiando datos. Construyen un modelo econométrico ELEGANTÍSIMO. Corren la regresión...

Y obtienen un p-value de 0.2.

¿La conclusión? "No encontramos un efecto significativo".

FALSO.

La conclusión REAL es que probablemente NUNCA TUVISTE EL PODER para encontrar un efecto, incluso si existía.

Acabas de quemar 6 meses de trabajo. Felicitaciones.

Esto se llama "Análisis de Poder" o "Estimación del Tamaño de Muestra". Y es la habilidad MÁS infravalorada en la econometría.

No es sexy. No es "big data". Pero es lo que separa a los amateurs de los profesionales.

Es crucial porque ODIO desperdiciar tiempo y DINERO

Y tú también deberías.

Calcular tu tamaño de muestra no es un ejercicio académico. Es un ejercicio de GESTIÓN DE RIESGO.

• Muestra muy pequeña: Es como comprar un boleto de lotería. Estás apostando a la suerte. Si no encuentras nada, no sabes si es porque no hay nada o porque tu "red" era demasiado pequeña. INÚTIL.
• Muestra muy grande: Es como quemar dinero para calentar tu casa. Ineficiente. Gastaste recursos (tiempo, dinero de la encuesta, poder computacional) que no necesitabas.

Tu objetivo es la EFICIENCIA. El tamaño de muestra MÍNIMO VIABLE para obtener una respuesta CONFIABLE.

Los 5 errores que estás cometiendo

Veo estos errores todos los días. Están matando tus resultados.

1. El error de "ya veremos" (Hacerlo al final). Este es el más tonto. Corres tu análisis, obtienes p=0.15 y luegocorres un "análisis de poder post-hoc" para justificar tu fracaso. NO. El poder se calcula ANTES. Es un plan, no una autopsia.
2. Paralizarse con las fórmulas. Te pones a ver esto: $n_i = \frac{2\sigma^2 \cdot (Z_{\alpha/2} + Z_{1-\beta})^2}{(\mu_1 - \mu_2)^2}$. Y tu cerebro se apaga. BASURA. No necesitas la fórmula. Necesitas el CONCEPTO. La computadora hace la matemática. Tú tomas las decisiones.
3. Adivinar mal el "Tamaño del Efecto". Este es el error más común. El "tamaño del efecto" (effect size) es simplemente la diferencia mínima que te importa detectar. Si copias "d=0.5" de un paper sin pensar, estás jugando. ¿Una política que aumenta el ingreso en $1 te importa? No. ¿Y en $100? Sí. ESA es tu decisión.
4. Seguir ciegamente el "80% de poder". Todos usan 80% de poder ($\beta = 0.2$) porque "es la convención". Piénsalo. ¿Estás cómodo con una probabilidad de 1 en 5 de FRACASAR en encontrar un efecto que SÍ existe? Yo no. A veces necesitas 90% o 95%. Deja de seguir a la manada.
5. Creer que "más datos" siempre es la solución. "Solo necesito más datos". Falso. 'Más datos' puede ser más caro e igual de inútil si no sabes lo que buscas. Un plan mediocre con 1 millón de observaciones sigue siendo un plan mediocre.

Cómo hacerlo en R (El método anti-matemáticas)

Basta de teoría. Vamos a la acción.

Nunca lo he ocultado: todas las ilustraciones que hago para este newsletter están hechas con IA.

Pero tal vez ya lo hayas notado, que no son imágenes iguales a las que ves circulando en redes sociales de personajes al “estilo de studio Ghibli” o figuras redondeadas que es completamente evidente que están hechas con IA.

En este tutorial te voy a enseñar cómo las hago y te voy a dar un prompt para generar este tipo de imágenes de manera consistente.

Son dos los problemas que hoy vamos a resolver:

1. Un estilo que genera consistentemente imágenes que parecen más “naturales”.
2. La elección de temas para visualizar elementos que de otra forma serían muy abstractos.

Sigue leyendo.

El problema: las imágenes hechas con IA parecen imágenes hechas con IA

Si no le das ninguna instrucción sobre el estilo de la imagen, la IA va a caer por default en esas imágenes feas tridimensionales que gritan “no me interesa que esto se vea bien”.

Pero eso es el default porque casi nadie hace algo muy básico que la IA ha permitido hacer desde un inicio: delimitar el estilo. Le puedes pedir que haga tu imagen con el estilo de una pintura renacentista o una tira de cómic. El único límite son estilos de artistas específicos que todavía tengan derechos de autor.

Fuera de eso, si sabes describir el estilo, todo se vale.

Para saber describir un estilo, necesitas desarrollar algo de conocimiento sobre arte, técnicas y lo que otros artistas hacen. Entre más completos sean tus conocimientos, podrás hacer más (y definitivamente mejores imágenes que las que yo hago).

El estilo de mis imágenes sigue una instrucción muy sencilla:

Create a modern minimalist unfinished ink sketch with white background.

Con esa instrucción he hecho todas mis ultimas imágenes. Está en inglés porque los resultados de la IA suelen ser mejores cuando le damos la instrucción en inglés.

De ahí solo me queda describir lo que quiero.

Cómo hacer imágenes sobre temas abstractos

Ya tenemos la mitad del problema solucionado, pero queda lo más importante: elegir la descripción de la imagen.

Siendo este un newsletter de economía, muchos de los temas que aquí se tratan son abstractos. Inflación, selección adversa, riesgo moral, si buscas esos términos en Google imágenes lo más ilustrativo que encontrarás son los gráficos de sus respectivos modelos matemáticos. No es precisamente la imagen más atractiva para un texto de divulgación.

Mi truco ha sido convertir lo abstracto a un análogo tangible.

Al inicio no lo hacía conscientemente. Me tomó años entender que era esto lo que hacía. Por ejemplo, las ideas son focos, los planes se convierten en mapas y los monopolios son un personaje con monóculo y sombrero de copa.

Con esta idea clara en mi mente, por fin hice un prompt que me permite pasar un texto a la IA y obtener de vuelta la imagen ideal para describir la imagen en mi estilo.

Estos son los pasos:

• Paso #1: Tienes que tener un texto. Este prompt sirve para complementar algo que ya escribiste y extraer de ahí la descripción para una imagen complementaria.
• Paso #2: Escribe el siguiente prompt en un modelo de IA capaz de generar imágenes. Yo estoy recientemente usando Gemini Pro, pero funciona en chatGPT.

Only a few find the way, some don’t recognize it when they do — some... don’t ever want to

— El gato de Cheshire (Alicia en el país de las maravillas, por Lewis Carrol)

El error #1 que todos cometen cuando intentan escribir una tesis es abrir una hoja de Word en blanco, sentarse frente a la computadora y esperar a que lleguen las ideas.

La razón por la que esa es una receta perfecta para el desastre es que, si no tienes una dirección clara de lo que quieres lograr terminarás:

• Pasando horas frente al monitor viendo como el cursor parpadea sin poder escribir la primera palabra.
• Estresado y frustrado de que no puedes hacer que lleguen las ideas correctas para comenzar a escribir.
• Y acabas nuevamente abriendo TikTok en el celular para “desestresarte” y acabas 2 horas después tu sesión de escritura sin haber avanzado nada a tu proyecto.

Afortunadamente, la solución es muy sencilla: tienes que tener un plan que te indique paso a paso lo que tienes que hacer. Así cuando comienzas a escribir, simplemente abres tu plan y continúas escribiendo donde te quedaste.

De eso se trata esta sección.

Los elementos clásicos de un protocolo de investigación

Le llamamos protocolo de investigación a ese plan que usaremos para guiar nuestros pasos en la creación de la tesis.

Es un documento que contiene elementos clásicos que probablemente te pedirán en tu universidad. Te voy a decir un secreto: cuando tengo que revisar un trabajo de tesis, muchas veces me salto la introducción y me voy directo a las secciones que me interesan. Son las mismas secciones que vas a ver en el protocolo de investigación y son las que indican lo que se hace en el trabajo.

Estos son los elementos clásicos de un protocolo de investigación.

• Objetivo general y específicos.
• Justificación.
• Hipótesis.
• Preguntas de investigación

Todos esos elementos completan una visión completa de lo que tienes que hacer en cada paso de tu investigación.

El error que muchos cometen cuando hacen este protocolo es que lo convierten en un documento de 40 páginas que nunca nadie va a leer

El protocolo es una herramienta extremadamente poderosa… lamentablemente, he visto que se ha estado usando como instrumento de tortura.

Cuando le pedimos a los alumnos un documento largo con una explicación detallada de todos los elementos que tendrá su tesis, no les estamos haciendo un favor. Es el mismo problema que tienen los llamados “planes de negocios”: asumen que el proceso de planeación es lineal. Cuando se asume una planeación lineal, se piensa que primero se planea y luego se ejecuta.

El proceso es en realidad circular: planeas, ejecutas y regresas al pizarrón una y otra y otra vez.

Cuando hacemos un documento extenso para planear nuestro proyecto de investigación, hacemos más difícil hacer cambios cuando inevitablemente la realidad nos obligue a cambiar el camino.

Un plan de cinco preguntas para definir tu protocolo de investigación

Este es el plan maestro que me enseñó mi profesor de metodología del doctorado cuando regresó de su estancia en Columbia.

Ya en este punto le perdí la pista al origen de esta metodología, y por mucho que he buscado otras fuentes, no las he encontrado, pero cuando estaba haciendo mi protocolo de la tesis del doctorado me pidió únicamente cinco preguntas:

• ¿Cuál es el problema?
• ¿Por qué el problema es un problema?
• ¿Quién lo ha solucionado?
• ¿Cuáles han sido sus resultados?
• Mi aportación.

Y listo. Eso es todo.

La primera vez que vi ese modelo, sentí que debía ser una broma. No puede ser algo tan simple. Pensé que es algo que podía resolver en una tarde.

Y era cierto. Lo resolví en un cuarto de hora… y mi profesor me lo regresó una y otra y otra vez. Era un plan tan al grano y tan claro, que él inmediatamente detectaba los problemas y las falencias. En esa época todavía no había chatGPT, pero yo de manera natural tendía a hacer planes complejos con las primeras 5 páginas que, cuando los analizas, no dicen absolutamente nada.

Pero era un plan que sólo debía tomar, a lo mucho, una cuartilla.

La IA es pésima para hacer ese tipo de textos tan al grano, suele siempre divagar y poner demasiada paja a todo lo que escribe. Además, lo importante de este ejercicio es que logres aclarar tu mente y le des dirección a lo que quieres hacer. Eso es algo que no puedes ni debes delegar a ningún tipo de IA.

Afortunadamente, este es un ejercicio en el que la IA te puede ayudar haciendo el papel que tuvo mi profesor de metodología conmigo.

Sólo tenemos que darle la orientación para que actúe como nuestro revisor.

Tutorial para escribir el plan completo con IA

Quiero que identifiques el problema que estás solucionando con tu tesis.

Parece fácil, pero los humanos tendemos a hacernos trampas de manera inconsciente cuando se trata de identificar el problema. Es muy común que tú o tu asesor de tesis te haga un planteamiento en el que la metodología o la solución ya está incluida dentro del planteamiento del problema.

Lo he visto miles de veces en la definición del problema:

• “El problema es que no existe un modelo de intervención que identifique el grado de compromiso de las Pymes en Durango, Durango”.
• “El problema es que nadie ha investigado sobre el efecto económico de las fiestas patronales de Chalchihuites”.

¿Notas un patrón? La solución ya está incluida en la definición del problema. Es como si yo te quisiera vender un jabón y tú me preguntes por qué me lo debes comprar. La respuesta obvia es que el jabón te soluciona el problema de limpiarte cuando estás sucio, pero en lugar de decirte esto te digo “cómpramelo porque no tienes un jabón rosa, grande y cuadrado con letras grandes grabadas”.

Eso no convence.

Escribí un prompt que te puede ayudar a identificar el problema. Copia y pega esto en tu chat de IA:

Actúa como mi asesor de investigación. Quiero que me ayudes a identificar cuál es el problema que está detrás del planteamiento que te voy a dar.

* El problema debe de plantearse en positivo, i.e. evitar decir e.g. "falta infraestructura". En su lugar, se debe ir a la causa raíz: e.g. "la corrupción estructural bloquea que se canalicen los fondos necesarios para la infraestructura".
* Evita a toda costa introducir la solución en el problema. e.g. "hace falta el diseño de un modelo de intervención para la administración de las finanzas municipales", eso no es un problema, eso es una forma ingeniosa de introducir la solución. En su lugar, se debe de ir al problema raíz.

Ahora te pasaré algo de contexto del trabajo de tesis que estoy trabajando y tu me ayudarás a identificar el problema que está en la raíz. Como respuesta, quiero que me des una idea central muy concreta en una oración perfectamente estructurada como problema de investigación.

¿Estás listo?

Estoy asumiendo que ya tienes algo de material que darle inmediatamente después de que te conteste. Le puedes dar el resultado de tus resúmenes de NotebookLM o la idea que hayas obtenido de la lluvia de ideas que hiciste en capítulos anteriores. O si tu ya tienes algo escrito, se lo puedes subir así en crudo.

El resultado que te da, debe de ser una sola sentencia, bastante directa sobre el problema.

Si estás satisfecho con ese planteamiento del problema, podemos seguir con la justificación. Si no estás satisfecho, necesitas darle más contexto e información sobre tu trabajo de investigación a la IA.

Para seguir con la justificación, copia el siguiente prompt y pégalo en el mismo chat donde te dio respuesta.