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