El crecimiento exponencial de la literatura científica ha hecho que sea cada vez más difícil para los investigadores identificar publicaciones relevantes y oportunas dentro de vastas bibliotecas digitales académicas. Aunque los motores de búsqueda académicos, las herramientas de gestión de referencias y los sistemas de recomendación han evolucionado, muchos aún dependen en gran medida de los metadatos y carecen de mecanismos para incorporar contenido de texto completo o conciencia temporal. Esta revisión examina sistemáticamente el panorama de los sistemas de recomendación de publicaciones académicas, empleando la metodología PRISMA (Elementos de Informe Preferidos para Revisiones Sistemáticas y Metaanálisis) para una selección completa y transparente de estudios relevantes. Destacamos las limitaciones de los sistemas actuales y exploramos el potencial de integrar conocimientos de citas detallados, como la proximidad de citas, el contexto, la sección, el gráfico y la intención, extraídos de documentos de texto completo. Estos elementos han mostrado promesas para mejorar tanto la relevancia contextual como la actualidad de las recomendaciones. Nuestros hallazgos destacan la importancia de ir más allá de las métricas centradas en la precisión hacia evaluaciones centradas en el usuario que enfatizan la novedad, la diversidad y la serendipia. Este artículo aboga por el desarrollo de sistemas de recomendación más holísticos y adaptativos que se alineen mejor con las necesidades en evolución de los investigadores.