Para investigadores

Método y limitaciones

Esta página cuenta cómo se construye el corpus, con qué criterios entra un documento, cómo se recupera y qué defectos conocidos arrastra. Lo último importa tanto como lo primero: una herramienta documental que no declara sus límites obliga a fiarse de ella, y de lo que se trata es de lo contrario.

32.205documentos
317.864fragmentos indexados
124.676conceptos
170.764relaciones

Cifras leídas del propio grafo al cargar la página. El resto de datos corresponde al 3 de agosto de 2026.

De dónde sale y qué entra

El corpus se alimenta por tres vías automáticas y una manual, todas ellas a diario. Ninguna busca «lo que hay sobre drogas»: cada una recorre cuarenta y cuatro ejes definidos por disciplina, para que el conjunto no acabe siendo farmacología con adornos.

Vía Documentos Qué aporta y por qué
Crossref14.472Toda la producción con DOI: humanidades, derecho, botánica
PubMed / Europe PMC11.128Literatura biomédica revisada por pares
OpenAlex2.542Ciencias sociales y disciplinas sin cobertura biomédica
Biblioteca y archivo propios3.276Material gris: informes, actas, tesis, documentos sin DOI
Cannabis Magazine700Hemeroteca propia desde 1997

Criterios de inclusión. De las fuentes automáticas solo entra lo que tiene resumen depositado —sin texto no hay nada que indexar— y lo que supera un filtro de pertinencia por términos del ámbito, aplicado sobre el título y el resumen. Se descarta lo ya presente comparando DOI, dirección y título normalizado. No hay criterio de impacto ni de prestigio de la revista: un informe de una entidad de reducción de riesgos pesa lo mismo que un artículo de Nature, y quien consulta ve de cuál viene cada afirmación.

Cómo se indexa

  1. Segmentación

    Cada documento se parte en fragmentos solapados de un tamaño manejable. El solapamiento evita que una afirmación quede cortada justo por la mitad y se pierda para la búsqueda.

  2. Doble índice

    Cada fragmento se indexa por significado, con un modelo de embeddings multilingüe que corre en el propio servidor, y por texto literal. Lo primero encuentra lo que se dice de otra manera; lo segundo, las siglas y los nombres propios que un embedding diluye.

  3. Extracción del grafo

    De los fragmentos se extraen conceptos —sustancias, receptores, regiones cerebrales, efectos, condiciones clínicas— y las relaciones entre ellos, con la evidencia textual que las sostiene. Eso es lo que permite que una pregunta sobre un receptor traiga también lo escrito sobre la planta que lo activa.

Cómo se recupera, y por qué eso acota la invención

Al preguntar no se hace una búsqueda, sino varias. La consulta se reformula y se traduce a los idiomas del corpus; se recupera en paralelo por significado y por coincidencia literal; los dos rankings se fusionan; y un modelo de reordenación local vuelve a juzgar los candidatos por contenido, no por idioma, porque un embedding puntúa más alto lo escrito en la lengua de la pregunta y eso sesgaba las respuestas hacia el corpus español.

Solo entonces se redacta la respuesta, y únicamente con los fragmentos recuperados. El modelo no aporta conocimiento propio: si el corpus no contiene la respuesta, la instrucción es decirlo. Eso no elimina el riesgo de que una afirmación se deslice, pero lo acota a lo que hay en los documentos citados, que están enlazados debajo de cada respuesta para poder comprobarlos. Es más lento que un buscador, y esa es la razón.

Qué cobertura hay

Por décadaDe los años cincuenta a hoy, con un peso muy desigual: 32 documentos de los cincuenta, 1.418 de los noventa, 8.503 de los dos mil diez y 14.930 de esta década. El más antiguo con valor documental es de 1949, el trabajo de Moruzzi y Magoun sobre la formación reticular.
Por disciplinaCuarenta y cuatro ejes con 17.536 documentos etiquetados por disciplina de entrada, entre 550 y 750 por eje: micología, reducción de riesgos, etnobotánica, química analítica, conservación, fitoquímica, agronomía, estudios religiosos, sociología, farmacognosia, psicología clínica y toxicología a la cabeza.
Por revistaMás de 6.000 revistas distintas tras unificar las variantes con que cada fuente escribe un mismo título. Ninguna aporta más del 1% del conjunto.
Profundidad5.291 documentos con texto completo o extenso; el resto, 26.914, con resumen y metadatos. La proporción es una limitación, no una elección: ver más abajo.

Limitaciones conocidas

Lo que sigue no son advertencias de cortesía: son defectos medidos, con su magnitud. Quien use esta herramienta para investigar debería conocerlos antes de citar nada.

Sesgo lingüístico severo30.635 documentos en inglés frente a 1.236 en español y cifras testimoniales en portugués, alemán y francés. El 95% del corpus procede de la tradición anglosajona, con lo que eso implica sobre qué preguntas se consideran investigables. La recuperación es multilingüe, pero no puede recuperar lo que no está.
Dependencia del resumenEl 84% de los documentos entra solo con título, resumen y metadatos, porque no se redistribuye texto completo ajeno. Un resumen omite el método, los tamaños de efecto y casi siempre las limitaciones del propio estudio. Para valorar un trabajo hay que abrir el original, y por eso cada respuesta lo enlaza.
Metadatos que llegan mal de origenUn artículo sobre psilocibina de 1960 figura publicado en Corrosion Science. Lo comprobamos contra la API de Crossref y el error está en el depósito de la editorial, no en nuestro emparejamiento. Hay un puñado de casos así y no son corregibles desde aquí.
Emparejamientos propios erróneosAl asignar DOI a los documentos del archivo sin identificador, doce quedaron mal emparejados: dos artículos sobre Banisteriopsis caapi apuntan a un curso de propagación vegetativa. Están localizados y marcados para revisión manual.
La inclusión es por palabras claveUn filtro de términos no entiende de qué va un texto. Midiendo contra el cuerpo de los documentos, en torno al 15% no menciona ninguna sustancia ni disciplina del campo; buena parte son artículos de método en neurociencia que sirven de fondo, pero otros sencillamente no pintan nada. El sesgo va en las dos direcciones: también se descarta material pertinente escrito con otro vocabulario.
Sesgo de publicación y de recenciaEl corpus hereda lo que la literatura publica: resultados positivos por encima de los negativos, y casi la mitad de los documentos fechados en esta década. Un campo que se reactivó hace quince años produce un corpus que se parece más al presente que a su propia historia.
La respuesta no es reproducibleSe genera en el momento y dos consultas iguales pueden redactarse distinto. Lo reproducible son las fuentes, y es lo que debe citarse en un trabajo. Citar la respuesta sería citar una paráfrasis.
Ni revisión por pares ni curaduría expertaNadie revisa documento a documento lo que entra. El control es automático —pertinencia, duplicados, integridad— y se audita periódicamente, pero no equivale a la curaduría de un repositorio institucional. Este proyecto no lo opera una universidad.

Cómo citarlo

Cita el corpus, no la respuesta, y cita además las fuentes concretas que la respuesta te haya mostrado, que son las que sostienen cada afirmación.

Psiconáutica (2026). Corpus documental multidisciplinar sobre sustancias psicoactivas (Noosphere). https://brain.psiconautica.org/corpus.html

Si detectas un error, dilo

Un metadato mal, una atribución imposible, un documento que no debería estar: escríbenos a noosphere@psiconautica.org. Interesa igual la aportación de literatura que no esté indexada en ningún sitio y se pierda: material gris, actas, trabajos que no se publicaron en inglés.

Ficha del corpus Probar Noosphere