Reviewer Guidelines & Quality Standards
At BioNatura Journal, we value methodological rigor and reproducibility over subjective novelty. We ask our reviewers to adopt an "Auditor Mindset" rather than just providing an opinion. Your role is to safeguard the scientific integrity of the field.
1. The "Audit" Approach: What to Look For
Instead of focusing solely on spelling or style, please prioritize the following critical checks:
- Methodological Soundness: Is the experimental design adequate to answer the research question? Are there sufficient controls?
- Statistical Rigor: Are sample sizes justified? Are p-values and confidence intervals reported correctly? Be alert for "p-hacking" or conclusions that are not supported by the data presented.
- Reproducibility: Is the methodology described in enough detail that another researcher could replicate the study?
BioNatura Journal does not accept bibliometric reviews (papers that only analyze publication trends, citation metrics, or software-generated maps without critical narrative analysis).
Action: If you are assigned a bibliometric paper, please recommend Rejection or a major conversion to a critical narrative review.
2. Policy on the Use of Artificial Intelligence (AI)
We recognize that Generative AI tools (e.g., ChatGPT, Claude, Grammarly) can assist in refining your report's language. However, their use is strictly regulated to protect author confidentiality and scientific accuracy.
🔴 STRICT PROHIBITION (Confidentiality Rule):
DO NOT upload the full manuscript, unpublished data, or figures into any public AI chatbot or platform. Doing so violates the authors' confidentiality and copyright.
🟢 PERMITTED USE (The "Copilot" Rule):
You may use AI to improve the tone or grammar of your own review comments, or to summarize specific, desensitized paragraphs to check comprehension.
🛡️ YOUR RESPONSIBILITY:
AI tools can hallucinate (invent facts or citations). You are solely responsible for the content of your review. Never copy-paste AI output without verifying every claim.
3. Special Checklist for AI/Machine Learning Papers
If the manuscript applies AI, Machine Learning, or Deep Learning to biological/medical data, you must audit the following specific points:
- Check for Data Leakage: Ensure variables recorded after the outcome (e.g., "length of stay" or "total weight gain") were not used to predict the outcome. This is a fatal flaw.
- Verify Validation Strategy: Was the model evaluated on a strictly independent test set? Reject papers that evaluate performance on synthetic data (e.g., SMOTE-generated data) without a real-world validation set.
4. Structuring Your Report
To help the Editor make an informed decision, please structure your comments as follows:
- Audit Summary: One paragraph stating the validity of the study and your main verdict.
- Major Flaws (Blocking Issues): Fatal errors in design, ethics, or statistics that make the paper unpublishable in its current form.
- Minor Points: Suggestions for clarity, references, or formatting.
Guía para Revisores y Estándares de Calidad
En BioNatura Journal valoramos el rigor metodológico y la reproducibilidad por encima de la novedad subjetiva. Pedimos a nuestros revisores que adopten una "Mentalidad de Auditor" en lugar de limitarse a dar una opinión. Su papel es proteger la integridad científica del campo.
1. El Enfoque de Auditoría: Qué buscar
En lugar de centrarse únicamente en la ortografía o el estilo, priorice las siguientes comprobaciones críticas:
- Solidez Metodológica: ¿Es el diseño experimental adecuado para responder a la pregunta de investigación? ¿Hay suficientes controles?
- Rigor Estadístico: ¿Están justificados los tamaños de muestra? ¿Se reportan correctamente los valores p y los intervalos de confianza? Esté alerta ante el "p-hacking" o conclusiones no respaldadas por los datos.
- Reproducibilidad: ¿Se describe la metodología con suficiente detalle para que otro investigador pueda replicar el estudio?
BioNatura Journal no acepta revisiones bibliométricas (artículos que solo analizan tendencias de publicación, métricas de citas o mapas generados por software sin un análisis narrativo crítico).
Acción: Si se le asigna un artículo bibliométrico, recomiende el Rechazo o una conversión mayor a una revisión narrativa crítica.
2. Política sobre el Uso de Inteligencia Artificial (IA)
Reconocemos que las herramientas de IA generativa (como ChatGPT, Claude, Grammarly) pueden ayudar a refinar la redacción de su informe. Sin embargo, su uso está estrictamente regulado para proteger la confidencialidad del autor y la precisión científica.
🔴 PROHIBICIÓN ESTRICTA (Regla de Confidencialidad):
NO cargue el manuscrito completo, datos no publicados o figuras en ningún chatbot o plataforma pública de IA. Hacerlo viola la confidencialidad y los derechos de autor.
🟢 USO PERMITIDO (Regla del "Copiloto"):
Puede utilizar la IA para mejorar el tono o la gramática de sus propios comentarios, o para resumir párrafos específicos y descontextualizados para verificar su comprensión.
🛡️ SU RESPONSABILIDAD:
Las herramientas de IA pueden "alucinar" (inventar hechos o citas). Usted es el único responsable del contenido de su revisión. Nunca copie y pegue el resultado de una IA sin verificar cada afirmación.
3. Lista de Verificación Especial para Artículos de IA/Machine Learning
Si el manuscrito aplica IA o Aprendizaje Automático a datos biológicos/médicos, debe auditar los siguientes puntos específicos:
- Detectar Fuga de Datos (Data Leakage): Asegúrese de que no se utilizaron variables registradas después del resultado (ej. "días de estancia" o "ganancia total de peso") para predecir dicho resultado. Esto es un error fatal.
- Verificar Estrategia de Validación: ¿Se evaluó el modelo en un conjunto de prueba estrictamente independiente? Rechace los trabajos que evalúan el rendimiento en datos sintéticos (ej. generados por SMOTE) sin un conjunto de validación real.
4. Estructura del Informe
Para ayudar al Editor a tomar una decisión informada, estructure sus comentarios de la siguiente manera:
- Resumen de Auditoría: Un párrafo sobre la validez del estudio y su veredicto principal.
- Fallos Mayores (Bloqueantes): Errores fatales en el diseño, ética o estadística que hacen que el artículo no sea publicable en su forma actual.
- Puntos Menores: Sugerencias de claridad, referencias o formato.