Carlos J. Nusch

UBA - Humanidades digitales II Encuentro Iberoamericano de Innovación en Tecnologías Digitales: Universidad y sostenibilidadUBA Digital - III Ciclo "Enseñanza universitaria y transformación digital"

El 23 de septiembre estaremos con @kharolusiii.bsky.social y más humanistas digitales organizando el ateneo "Las humanidades digitales ante el giro artificial" que es parte de los eventos de Citep en #UBADIGITAL
sites.google.com/view/uba-dig...

Ahora que ya todo yace en el pasado,
hasta casi parece que te entregaste
a aquellos deseos - recuerda cómo
brillaban en los ojos que te estaban mirando;
Y cómo temblaban en la voz, por ti, recuerda, cuerpo.

Konstantinos Kavafis

Recuerda, cuerpo, no solamente cuánto fuiste amado,
ni tan solo los lechos en los que te acostaste,
sino también aquellos deseos que por ti
claros brillaban en los ojos,
y temblaban en la voz - y los frustró
algún fortuito obstáculo.

Se compararon resultados con la clasificación realizada por humanos 🧑‍💻

📈 Resultados destacados
Bibliotecas → 🔁 ≈95% coincidencia con humanos
mBERT → 🤖 78,7% (vs. Polyglot) y apenas 19,6% (vs. humanos en casos conflictivos)

Se detectaron errores en ambas partes: humanos y herramientas automáticas 🧩

🔍 ¿Qué hicimos?
Se exportaron 🧾 126.081 registros desde SEDICI
Se aplicaron métodos de detección de idiomas 🧠 zero-shot: langdetect, CLD3, fastText, Polyglot, langid, TextCat
Se entrenó un modelo mBERT multilingüe para mejorar la detección en casos dudosos

🧐 ¿Por qué importa esto?
El volumen de recursos digitales en los repositorios institucionales dificulta la supervisión manual de los metadatos. Este trabajo se centra en mejorar la calidad del campo "idioma" en los resúmenes del repositorio SEDICI UNLP de la Universidad Nacional de La Plata.

📌 Detección de idiomas como tarea de curaduría de datos en repositorios institucionales
📚📊 Evaluación de bibliotecas disponibles y modelos de lenguaje

Leticia Cagnina Marcelo Errecalde Leandro Antonelli Marisa De Giusti

👉 Leer el documento sedici.unlp.edu.ar/bitstream/ha...