¿Cuándo usar el pasado simple o el presente perfecto en artículos científicos?

¿Cuáles son las mejores reglas para que los artículos científicos decidan si poner una oración en pasado simple o presente perfecto ?

Ejemplo

Shapiro et al. (2012) utilizan el presente perfecto en la siguiente oración:

En este estudio, hemos descubierto un mecanismo importante e inesperado [...]

Versus:

En este estudio, descubrimos un mecanismo importante e inesperado [...]

Respuestas (2)

Esto se convierte en una cuestión de gusto personal: no hay un estándar editorial que dicte una forma u otra, pero como regla general, creo que es mejor mantener las cosas en un tiempo presente simple y declarativo siempre que sea posible. P.ej:

En este estudio, descubrimos un mecanismo importante e inesperado [...]

Las declaraciones en tiempo presente tienen la doble ventaja de sonar sólidas y autorizadas, y de atraer al lector contigo a medida que se desarrolla el argumento (como si les estuvieras mostrando en tiempo real lo que estás haciendo, sin decirles lo que hiciste después). . Puede sonar un poco imperioso hasta que te acostumbres, pero ten en cuenta que cuando escribes un artículo académico te estás presentando explícitamente como una autoridad en el tema. No seas aprensivo a la hora de interpretar el papel.

Estimado Ted Wrigley, esto es muy interesante y me da que pensar, ¡muchas gracias!
  • Use el tiempo pasado simple para las afirmaciones que eran ciertas en el pasado pero que ya no son relevantes/verdaderas, etc.
  • Use el tiempo presente perfecto para las afirmaciones que eran verdaderas y afirmaciones aún verdaderas.

Esta es una técnica que puede usar mientras escribe artículos científicos. Como le gustaría respaldar su posición, puede usar esta técnica para mejorar sutilmente la posición de su trabajo.

Ejemplos:

After the first paper about support vector machines, hundreds of studies published.

Este uso implica sutilmente que las máquinas Vector de soporte ya no son muy importantes.

After the first paper about neural networks, thousands of studies have been published.

Este uso implica que las redes neuronales siguen siendo muy importantes.