Un proyecto que utiliza el Archivo Online Their Finest Hour de la Universidad de Oxford evaluó tres enfoques de Procesamiento del Lenguaje Natural (PLN) — Reconocimiento de Entidades Nombradas, Extracción de Palabras Clave y Modelado Temático — para automatizar la extracción de palabras clave a escala. El estudio probó estos métodos en un rango de técnicas, desde modelos estadísticos tradicionales hasta redes neuronales modernas de IA generativa.
- Los hallazgos cuantitativos y cualitativos indican que el PLN ofrece un potencial real para escalar la extracción de palabras clave en colecciones crowdsourced.
- Ningún método único proporciona una solución completa, y la elección del modelo moldea significativamente los resultados.
- Se identifican a los modelos extractivos de peso abierto como los más adecuados para un despliegue responsable.
- La IA generativa introduce riesgos de responsabilidad debido a su naturaleza abstractiva.
Los autores argumentan que la extracción automatizada de palabras clave en colecciones crowdsourced plantea responsabilidades de custodia distintas respecto a los metadatos producidos por contribuyentes vivos.