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

Simple item page
dc.contributor.advisorVisca Zanoni, Ramiro Eugenio
dc.contributor.advisorPisani Leal, Mikaela
dc.contributor.tribunalEspinosa, Marcelo
dc.contributor.tribunalYoung Mendiola, Federico Manuel
dc.creatorPereira Garbayo, Gerardo Julio
dc.creatorCerrutti Olmedo, Mauricio Damián
dc.date.accessioned2024-08-22T19:16:38Z
dc.date.available2024-08-22T19:16:38Z
dc.date.issued2024
dc.descriptionIncluye bibliografía y anexos.
dc.description.abstractEl 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.format.extent133 p. diagrs.,maps., grafs.
dc.format.mimetypePDF
dc.identifier.citationPereira 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.urihttps://hdl.handle.net/20.500.11968/7031
dc.languagespa
dc.publisherUniversidad ORT Uruguay
dc.relation.otherhttps://sisbibliotecas.ort.edu.uy/bib/95821
dc.rights.levelAcceso abierto
dc.subjectPROYECTOS-MD
dc.subjectAPRENDIZAJE AUTOMÁTICO
dc.subjectINTELIGENCIA ARTIFICIAL
dc.subjectFEMINICIDIO
dc.subjectNOTICIAS PERIODÍSTICAS
dc.subjectMODELOS DE LENGUAJE GRANDE
dc.subjectSESGO
dc.titlePress Unbiased
dc.title.subtitleIdentificación, análisis y reducción de sesgo en noticias de feminicidio a partir del estado del arte de los LLMs (Large Language Models)
dc.typeTrabajo final de carrera
dc.type.versionVersión publicada
ort.thesis.careerFI - Master en Big Data - MD
ort.thesis.degreegrantorFacultad de Ingeniería
ort.thesis.degreelevelMaster
ort.thesis.degreenameMaster en Big Data
ort.thesis.degreetypeTrabajo final
ort.thesis.noteTrabajo final (Master). Universidad ORT Uruguay, Facultad de Ingeniería
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Material completo.pdf
Size:
3.08 MB
Format:
Adobe Portable Document Format
Description:
description
Download
Collections
Trabajos finales de carrera de postgrado