Metodología

AcademicPipeline es un sistema multi-agente de investigación automatizada: agentes especializados con roles separados —uno propone el tema desde noticias trending, otro cruza indicadores socioeconómicos del Banco Mundial, Python y R ejecutan el análisis estadístico determinístico, un LLM redacta el paper en español, y dos agentes más lo verifican antes de publicar—. La separación de funciones es deliberada: quien redacta no es quien valida, y quien valida ve los datos completos, no solo el texto. Cada paper incluye una Nota de transparencia que declara qué se calculó y con qué datos; esta página explica el método una sola vez.

El pipeline

FETCH → SUGGEST → COMPUTE → WRITE → REVIEW → EDIT → APPROVE

Nodo	Qué hace	Tipo
FETCH	Descarga series 2015-2024 de la API pública del Banco Mundial (23 indicadores × 7 países/regiones de América Latina = 158 series) y las persiste en SQLite; una consulta SQL selecciona los 5 países con cobertura completa para los indicadores del tema — la muestra no está hardcodeada	Determinístico
SUGGEST	Cruza noticias trending (score LLM ≥70, del pipeline job-hunter) con el catálogo de indicadores. Solo propone líneas editoriales que los datos pueden respaldar, y formula una pregunta verificable e hipótesis falsable	LLM
COMPUTE	Estadística real con Python (scipy/numpy): descriptivas, correlaciones, OLS, tendencias, anomalías; R calcula el panel econométrico (efectos fijos país+año, errores clusterizados) cuando está disponible. Genera también las tablas y las figuras (matplotlib)	Determinístico
WRITE	Redacta el paper. Solo puede citar números que aparecen literalmente en los datos y resultados provistos	LLM
REVIEW	Compara el paper contra los datos completos: detecta cifras inventadas, tests no calculados, fuentes externas, afirmaciones de significancia falsas. Lo respaldan dos chequeos determinísticos sobre el 100% del texto: verificación de cifras contra los resultados computados y linter de lenguaje causal	LLM + determinístico
EDIT	Pule estilo y formato APA, preservando números, tablas y figuras verificadas	LLM
APPROVE	QA final: estructura, coherencia, bibliografía	LLM

Si REVIEW detecta datos inventados, el paper se reescribe (máx. 2 iteraciones). Si APPROVE rechaza, se reedita (máx. 2).

Por qué estos métodos

Las series tienen n≤10 observaciones anuales — muestras pequeñas donde los métodos paramétricos son frágiles. Por eso se combinan:

Método	Para qué	Por qué es apropiado aquí
Correlación de Pearson	Resume en un número (r, de −1 a +1) qué tanto dos series se mueven juntas en línea recta: +1 = suben juntas, −1 = una sube cuando la otra baja, 0 = sin relación	Es la medida de referencia; con n=10 un r suelto no dice qué tan confiable es, así que se reporta con su intervalo de confianza al 95% (transformación de Fisher). Si el IC95% incluye 0, la correlación no es concluyente
Correlación de Spearman	Mide asociación monotónica por rangos	Robusta a outliers y relaciones no lineales — el shock de 2020 (COVID) es exactamente el caso que Pearson exagera
Correlación en primeras diferencias	Correlaciona los cambios año a año (Δ), no los niveles	Distingue co-movimiento real de co-tendencia espuria: dos series que ambas suben siempre correlacionan en niveles; si la relación desaparece en diferencias, era tendencia común, no asociación
Corrección FDR (Benjamini-Hochberg)	Ajusta cada p-valor de la familia de correlaciones del run a un q-valor	Con ~50 tests por run, p<0.05 produce falsos positivos por azar; la significancia se evalúa por q<0.05, no por p crudo. Pearson en niveles, Pearson en diferencias y Spearman se corrigen como familias separadas
Regresión OLS	Cuantifica la asociación de varias variables sobre una dependiente	Se reporta con errores estándar robustos (HC3), VIF para multicolinealidad y test de White para heterocedasticidad — los diagnósticos correctos para muestras pequeñas. El número de regresores está limitado a ~4 observaciones por parámetro: si la especificación pedida excede lo que n soporta, los regresores sobrantes se excluyen y se declaran en la tabla del modelo
IC95% bootstrap	Remuestrea las observaciones con reemplazo (2000 réplicas) y reconstruye el intervalo de confianza desde la distribución empírica del coeficiente	Con n=10 el p-value paramétrico asume normalidad — supuesto inverificable. El bootstrap no asume nada; si el IC95% incluye 0, el coeficiente es frágil y el paper debe decirlo
Panel con efectos fijos por país	OLS sobre todas las observaciones país×año de la muestra seleccionada (en el último paper: 5 países × 10 años = 50 obs) con una dummy por país	Responde "dentro de cada país, cuando X subió, ¿se movió Y?" — controla las características estructurales fijas de cada país que el agregado regional esconde, y multiplica el n efectivo
Mann-Kendall	Detecta tendencia monotónica en el tiempo	No paramétrico: no asume normalidad ni linealidad, ideal para n=10 anual
Anomalías z-score / IQR	Detecta observaciones atípicas por serie	Dos criterios independientes; el desfase 2020 aparece sistemáticamente
Compatibilidad de unidades	Solo correlaciona pares semánticamente comparables	Guardia explícita: impide correlaciones sin sentido (ej. población absoluta vs tasa %)

Glosario rápido: p-valor = probabilidad de observar un resultado así por puro azar si no existiera relación (p<0.05 se considera "significativo"); IC95% = intervalo de confianza al 95%, el rango donde probablemente cae el valor verdadero; β = coeficiente: cuánto cambia la variable dependiente por cada unidad que sube la independiente; Δ = cambio año a año; semáforo de evidencia: 🟢 robusta, 🟡 marginal o probable co-tendencia, 🔴 sin evidencia suficiente.

En palabras simples: ¿qué pregunta responde cada método?

Método	En una frase
Pearson	¿Los dos indicadores se mueven juntos formando una línea recta?
Spearman	¿Se mueven juntos aunque no sea en línea recta? (le importa poco que 2020 haya sido un año loco)
Primeras diferencias (Δ)	Cuando uno cambia, ¿el otro cambia ese mismo año? — desenmascara "falsas amistades" entre dos series que simplemente crecen cada una por su lado
Regresión OLS	Pone un número a la relación: si X sube 1 unidad, ¿cuánto sube Y?
Bootstrap	¿Ese número es confiable o fue suerte? Repite el cálculo 2,000 veces barajando los datos
Panel de efectos fijos	Compara cada país contra sí mismo a través de los años, en vez de mezclar países distintos
Mann-Kendall	¿La serie va hacia algún lado o solo se mece? Compara cada año contra todos los demás y cuenta cuántas veces "subió" vs "bajó"
z-score / IQR	¿Qué año fue tan raro que se sale de lo normal? (la respuesta casi siempre es 2020)

Cómo leer los resultados: ejemplos con datos reales

Con los números del último paper publicado (Financiamiento del sector eléctrico y crecimiento del PIB en América Latina):

Método	Resultado real	Cómo se lee
Selección de muestra (SQLite)	ARG, BRA, CHL, COL, MEX	La consulta SQL eligió los 5 países con datos completos para los 3 indicadores del tema. Guatemala quedó fuera porque le falta el dato 2024 de consumo eléctrico — la muestra la decide la cobertura, no una lista fija
Pearson (niveles)	Brasil: r = 0.635, p = 0.048	PIB y manufactura se mueven juntos de forma significativa en niveles — la única correlación significativa de los 5 países
Pearson en diferencias (Δ)	Brasil: r = 0.215, p = 0.579	La misma pareja, correlacionando solo los cambios año a año: la asociación desaparece → el r=0.635 era co-tendencia (ambas series subían por su cuenta), no relación real
Spearman	Brasil: ρ = 0.697	Compara rankings en vez de valores, así que el desplome de 2020 pesa menos; confirma el orden de la asociación en niveles
OLS agregado	R² = 0.141, p(F) = 0.588	El modelo regional no explica el consumo eléctrico: ~86% de la variación queda fuera del modelo y el conjunto no es significativo
Bootstrap IC95%	β manufactura (OLS): [−61.7, 521.1]	Intervalo enorme que incluye 0 → el coeficiente es frágil y el paper está obligado a decirlo
Panel efectos fijos	β PIB = 7.79, p = 0.056, IC95% [−0.19, 15.78]	Dentro de cada país, +1% de crecimiento del PIB se asocia a ~+7.8 kWh per cápita, pero el intervalo roza el 0 → evidencia marginal, no concluyente
Mann-Kendall	0 tendencias significativas en las series del estudio	Las series analizadas fluctúan sin dirección monotónica clara (en el catálogo completo, 70 de 154 series sí tienen tendencia)
Anomalías z-score	LCN: PIB 2020 = −6.86% marcado atípico	El shock de COVID aparece sistemáticamente en 2020-2021 — 90 observaciones atípicas en todo el catálogo

Qué puede y qué no puede afirmar un paper

Puede: describir tendencias, reportar correlaciones con su r y p exactos, comparar países con datos listados, dar un veredicto sobre la hipótesis (apoyan / no apoyan / insuficientes).
No puede: afirmar causalidad (correlación temporal no es causa; el panel con efectos fijos controla diferencias fijas entre países pero no establece causalidad), proyectar a años futuros, citar países o fuentes no provistos (CEPAL, OECD, IMF), reportar tests no ejecutados (Durbin-Watson) ni simulaciones. La prohibición de causalidad no es solo una instrucción al redactor: un linter determinístico escanea el 100% del texto final contra verbos de atribución causal (causar, provocar, determinar, impactar, "efecto de"); una afirmación causal sin matiz fuerza reescritura en REVIEW o rechazo en QA, y cada caso queda registrado en el expediente del paper.

Limitaciones

n≤10: pocos grados de libertad → baja potencia estadística. Una correlación no significativa no prueba ausencia de relación.
Agregados: LCN es un promedio ponderado dominado por las economías grandes; enmascara heterogeneidad entre países.
Comparaciones múltiples: mitigada, no eliminada: las parejas se eligen por teoría (la sugiere SUGGEST según el tema) y cada familia de correlaciones se ajusta con Benjamini-Hochberg (FDR) — la significancia se reporta por q-valor, no por p crudo.
Correlación espuria por tendencia: correlacionar niveles de dos series con tendencia produce asociaciones mecánicas. Por eso cada correlación reporta también la versión en primeras diferencias (Δ año a año): si la relación en niveles no sobrevive en diferencias, el paper debe reconocerlo.
Redacción por LLM: el texto lo genera un modelo de lenguaje verificado automáticamente contra los datos. La revisión automática reduce alucinaciones pero no sustituye revisión humana.

Verificación

Cada afirmación del paper es auditable contra los artefactos del repositorio:

docs/knowledge.jsonl — registro estructurado por paper (tema, pregunta, hipótesis, indicadores, resultados clave, veredictos) — base consultable para futuras herramientas
output/raw/fetched-data.json — las series crudas tal como llegaron del API
output/raw/compute-results.json — resultados completos: coeficientes, p-values, intervalos
output/briefs/YYYY-MM-DD_brief.json — la decisión editorial: tema, ángulo, pregunta, hipótesis
output/papers/*.json — metadata del run: historial de nodos, veredictos de revisión y QA
output/charts/ — las figuras, generadas con matplotlib sobre los datos (no ilustrativas)
docs/data/*.parquet — el catálogo completo (series, papers, correlaciones) exportado desde SQLite, consultable directamente en el explorador de datos sin servidor: constructor visual de consultas por estantes o SQL libre, y el SQL generado queda a la vista y editable
docs/codebook.html — el libro de códigos: qué mide cada indicador, con qué código del Banco Mundial, en qué países y años hay datos, y en qué papers se ha usado. Incluye los indicadores del catálogo que todavía no tienen datos, y una matriz de cobertura con alcance por catálogo o por paper (con la muestra real de cada estudio)

En síntesis: las noticias proponen el tema; los datos deciden si puede investigarse; Python calcula los números; el LLM solo redacta; y un revisor automático compara cada cifra contra la fuente. Lo que no puede verificarse, no se publica.