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