Un estudio utilizando el "Archivo en Línea de Su Hora Más Famosa" de la Universidad de Oxford evaluó tres enfoques de Procesamiento del Lenguaje Natural (NLP) — Reconocimiento de Entidades Nombradas, Extracción de Palabras Clave y Modelado de Temas — para automatizar la asignación de palabras clave a gran escala. El proyecto probó estos métodos en técnicas que van desde modelos estadísticos tradicionales hasta redes neuronales modernas de GenAI.
- Los hallazgos cuantitativos y cualitativos indican que, aunque el NLP ofrece un potencial real para la extracción a gran escala, ningún método único proporciona una solución completa.
- La selección del modelo moldea significativamente los resultados, con los modelos extractivos de peso abierto emergiendo como los más adecuados para un despliegue responsable.
- La IA generativa introduce riesgos de responsabilidad debido a su naturaleza abstractiva, requiriendo una consideración cuidadosa por parte de los gestores de colecciones.
Los autores argumentan que la extracción automatizada de palabras clave en colecciones crowdsourced plantea responsabilidades de custodia distintas respecto a los metadatos derivados de contribuyentes vivos, necesitando un equilibrio entre el rendimiento técnico y la supervisión ética.