Press Unbiased

Identificación, análisis y reducción de sesgo en noticias de feminicidio a partir del estado del arte de los LLMs (Large Language Models)

Pereira Garbayo, Gerardo Julio - Cerrutti Olmedo, Mauricio Damián

Supervisor(es): Visca Zanoni, Ramiro Eugenio - Pisani Leal, Mikaela

Resumen:

El presente trabajo final aborda la problemática de sesgo de género en la cobertura mediática y cómo los medios de comunicación inciden en la construcción de la percepción pública siendo un vehículo para perpetuar estereotipos y sesgos de género. A continuación se presenta el concepto de los Modelos de Lenguaje de Gran Tamaño y su potencial aplicación en el análisis de noticias de sesgo de género. Se exponen los desafíos y estrategias de mitigación. La utilización de un enfoque iterativo incremental a lo largo de las investigaciones que involucran: el proceso de consolidación de reglas de sesgo a partir de las publicaciones actuales, la evolución de prompts para la reescritura de noticias utilizando como base la lista de reglas de sesgo, la creación de una lista inédita para la identificación de sesgo así como el correspondiente refinamiento del prompt, la evaluación y comparación de la capacidad de identificación de sesgo (sin la facilitación de una lista de soporte) entre los modelos seleccionados así como la definición de una lista con frases con sesgo a partir del conocimiento presente en los modelos LLMs.


Detalles Bibliográficos
2024
PROYECTOS-MD
APRENDIZAJE AUTOMÁTICO
INTELIGENCIA ARTIFICIAL
FEMINICIDIO
NOTICIAS PERIODÍSTICAS
MODELOS DE LENGUAJE GRANDE
SESGO
Español
Universidad ORT Uruguay
RAD
https://hdl.handle.net/20.500.11968/7031
http://hdl.handle.net/20.500.11968/7031
Acceso abierto
Acceso abierto
_version_ 1816774023126712320
author Pereira Garbayo, Gerardo Julio
author2 Cerrutti Olmedo, Mauricio Damián
author2_role author
author_facet Pereira Garbayo, Gerardo Julio
Cerrutti Olmedo, Mauricio Damián
author_role author
bitstream.checksum.fl_str_mv fe0a533f60229bfe91f45a70968a5db4
20780f7a09b72e7efbd4e1afdc5e34c4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
bitstream.url.fl_str_mv https://rad.ort.edu.uy/bitstreams/b4b0d170-a9b0-46f1-8fc0-31df07c16e60/download
https://rad.ort.edu.uy/bitstreams/d9b4f274-718f-485e-988a-c0784968e845/download
collection RAD
dc.contributor.tribunal.none.fl_str_mv Espinosa, Marcelo
Young Mendiola, Federico Manuel
dc.creator.advisor.none.fl_str_mv Visca Zanoni, Ramiro Eugenio
Pisani Leal, Mikaela
dc.creator.none.fl_str_mv Pereira Garbayo, Gerardo Julio
Cerrutti Olmedo, Mauricio Damián
dc.date.accessioned.none.fl_str_mv 2024-08-22T19:16:38Z
dc.date.available.none.fl_str_mv 2024-08-22T19:16:38Z
dc.date.issued.none.fl_str_mv 2024
dc.description.abstract.none.fl_txt_mv El presente trabajo final aborda la problemática de sesgo de género en la cobertura mediática y cómo los medios de comunicación inciden en la construcción de la percepción pública siendo un vehículo para perpetuar estereotipos y sesgos de género. A continuación se presenta el concepto de los Modelos de Lenguaje de Gran Tamaño y su potencial aplicación en el análisis de noticias de sesgo de género. Se exponen los desafíos y estrategias de mitigación. La utilización de un enfoque iterativo incremental a lo largo de las investigaciones que involucran: el proceso de consolidación de reglas de sesgo a partir de las publicaciones actuales, la evolución de prompts para la reescritura de noticias utilizando como base la lista de reglas de sesgo, la creación de una lista inédita para la identificación de sesgo así como el correspondiente refinamiento del prompt, la evaluación y comparación de la capacidad de identificación de sesgo (sin la facilitación de una lista de soporte) entre los modelos seleccionados así como la definición de una lista con frases con sesgo a partir del conocimiento presente en los modelos LLMs.
dc.description.none.fl_txt_mv Incluye bibliografía y anexos.
dc.format.extent.none.fl_str_mv 133 p. diagrs.,maps., grafs.
dc.format.mimetype.none.fl_str_mv PDF
dc.identifier.citation.none.fl_str_mv Pereira Garbayo, G. J. & Cerrutti Olmedo, M. D. (2024). Press Unbiased: Identificación, análisis y reducción de sesgo en noticias de feminicidio a partir del estado del arte de los LLMs (Large Language Models) (Trabajo final) Universidad ORT Uruguay, Facultad de Ingeniería. Recuperado de https://rad.ort.edu.uy/handle/20.500.11968/7031
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.11968/7031
http://hdl.handle.net/20.500.11968/7031
dc.language.iso.none.fl_str_mv spa
dc.publisher.none.fl_str_mv Universidad ORT Uruguay
dc.relation.other.none.fl_str_mv https://sisbibliotecas.ort.edu.uy/bib/95821
dc.rights.license.none.fl_str_mv Acceso abierto
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv reponame:RAD
instname:Universidad ORT Uruguay
instacron:Universidad ORT
dc.subject.none.fl_str_mv PROYECTOS-MD
APRENDIZAJE AUTOMÁTICO
INTELIGENCIA ARTIFICIAL
FEMINICIDIO
NOTICIAS PERIODÍSTICAS
MODELOS DE LENGUAJE GRANDE
SESGO
dc.title.none.fl_str_mv Press Unbiased
Identificación, análisis y reducción de sesgo en noticias de feminicidio a partir del estado del arte de los LLMs (Large Language Models)
dc.type.none.fl_str_mv Trabajo final de carrera
info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
description Incluye bibliografía y anexos.
eu_rights_str_mv openAccess
format bachelorThesis
id RAD_20c5381650972b72e64a9a7780479847
identifier_str_mv Pereira Garbayo, G. J. & Cerrutti Olmedo, M. D. (2024). Press Unbiased: Identificación, análisis y reducción de sesgo en noticias de feminicidio a partir del estado del arte de los LLMs (Large Language Models) (Trabajo final) Universidad ORT Uruguay, Facultad de Ingeniería. Recuperado de https://rad.ort.edu.uy/handle/20.500.11968/7031
instacron_str Universidad ORT
institution Universidad ORT
instname_str Universidad ORT Uruguay
language spa
network_acronym_str RAD
network_name_str RAD
oai_identifier_str oai:rad.ort.edu.uy:20.500.11968/7031
publishDate 2024
publisher.none.fl_str_mv Universidad ORT Uruguay
reponame_str RAD
repository.mail.fl_str_mv rodriguez_v@ort.edu.uy
repository.name.fl_str_mv RAD - Universidad ORT Uruguay
repository_id_str 3927
rights_invalid_str_mv Acceso abierto
spelling Espinosa, MarceloYoung Mendiola, Federico ManuelPereira Garbayo, Gerardo JulioCerrutti Olmedo, Mauricio DamiánVisca Zanoni, Ramiro EugenioPisani Leal, Mikaela2024-08-22T19:16:38Z2024-08-22T19:16:38Z2024Incluye bibliografía y anexos.El presente trabajo final aborda la problemática de sesgo de género en la cobertura mediática y cómo los medios de comunicación inciden en la construcción de la percepción pública siendo un vehículo para perpetuar estereotipos y sesgos de género. A continuación se presenta el concepto de los Modelos de Lenguaje de Gran Tamaño y su potencial aplicación en el análisis de noticias de sesgo de género. Se exponen los desafíos y estrategias de mitigación. La utilización de un enfoque iterativo incremental a lo largo de las investigaciones que involucran: el proceso de consolidación de reglas de sesgo a partir de las publicaciones actuales, la evolución de prompts para la reescritura de noticias utilizando como base la lista de reglas de sesgo, la creación de una lista inédita para la identificación de sesgo así como el correspondiente refinamiento del prompt, la evaluación y comparación de la capacidad de identificación de sesgo (sin la facilitación de una lista de soporte) entre los modelos seleccionados así como la definición de una lista con frases con sesgo a partir del conocimiento presente en los modelos LLMs.133 p. diagrs.,maps., grafs.PDFPereira Garbayo, G. J. & Cerrutti Olmedo, M. D. (2024). Press Unbiased: Identificación, análisis y reducción de sesgo en noticias de feminicidio a partir del estado del arte de los LLMs (Large Language Models) (Trabajo final) Universidad ORT Uruguay, Facultad de Ingeniería. Recuperado de https://rad.ort.edu.uy/handle/20.500.11968/7031https://hdl.handle.net/20.500.11968/7031http://hdl.handle.net/20.500.11968/7031spaUniversidad ORT Uruguayhttps://sisbibliotecas.ort.edu.uy/bib/95821info:eu-repo/semantics/openAccessAcceso abiertoPROYECTOS-MDAPRENDIZAJE AUTOMÁTICOINTELIGENCIA ARTIFICIALFEMINICIDIONOTICIAS PERIODÍSTICASMODELOS DE LENGUAJE GRANDESESGOPress UnbiasedIdentificación, análisis y reducción de sesgo en noticias de feminicidio a partir del estado del arte de los LLMs (Large Language Models)Trabajo final de carrerainfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionreponame:RADinstname:Universidad ORT Uruguayinstacron:Universidad ORTFI - Master en Big Data - MDFacultad de IngenieríaMasterMaster en Big DataTrabajo finalTrabajo final (Master). Universidad ORT Uruguay, Facultad de IngenieríaORIGINALMaterial completo.pdfdescriptionapplication/pdf3234020https://rad.ort.edu.uy/bitstreams/b4b0d170-a9b0-46f1-8fc0-31df07c16e60/downloadfe0a533f60229bfe91f45a70968a5db4MD51THUMBNAILMaterial completo.pdf.jpgMaterial completo.pdf.jpgGenerated Thumbnailimage/jpeg3393https://rad.ort.edu.uy/bitstreams/d9b4f274-718f-485e-988a-c0784968e845/download20780f7a09b72e7efbd4e1afdc5e34c4MD5220.500.11968/70312024-11-22 15:16:49.075oai:rad.ort.edu.uy:20.500.11968/7031https://rad.ort.edu.uyUniversidadhttps://www.ort.edu.uy/https://rad.ort.edu.uy/server/oai/requestrodriguez_v@ort.edu.uyUruguayopendoar:39272024-11-22T15:16:49RAD - Universidad ORT Uruguayfalse
spellingShingle Press Unbiased
Pereira Garbayo, Gerardo Julio
PROYECTOS-MD
APRENDIZAJE AUTOMÁTICO
INTELIGENCIA ARTIFICIAL
FEMINICIDIO
NOTICIAS PERIODÍSTICAS
MODELOS DE LENGUAJE GRANDE
SESGO
status_str publishedVersion
title Press Unbiased
title_full Press Unbiased
title_fullStr Press Unbiased
title_full_unstemmed Press Unbiased
title_short Press Unbiased
title_sort Press Unbiased
topic PROYECTOS-MD
APRENDIZAJE AUTOMÁTICO
INTELIGENCIA ARTIFICIAL
FEMINICIDIO
NOTICIAS PERIODÍSTICAS
MODELOS DE LENGUAJE GRANDE
SESGO
url https://hdl.handle.net/20.500.11968/7031
http://hdl.handle.net/20.500.11968/7031