Aprenentatge automàtic no-supersitat per als fons...

Notes: Resumen: El actual revuelo en torno al aprendizaje
automático ha provocado una nueva ola
de esperanza y entusiasmo entre los
archiveros, que usan algoritmos para
reducir el número de intervenciones
manuales en la gestión y la valoración
de grandes volúmenes de contenido
no estructurado. Los agentes
comerciales promueven instrumentos
ya preparados para la clasificación
automática, pero: ¿es tan fácil integrar
el aprendizaje automático en un
contexto de gobernanza de archivos
e información como actualmente se
señala tanto en la prensa generalista
como en la literatura informática?
Por otra parte, ¿qué relación tiene el aprendizaje automático con el debate
en torno al uso de datos conectados
para las descripciones archivísticas?
En este artículo tenemos por
objetivo aportar pragmatismo al
debate sobre la automatización
de las descripciones archivísticas
ofreciendo una descripción general
de las posibilidades y los límites del
aprendizaje automático desde una
perspectiva archivística. En el ámbito
de las humanidades digitales, dos
métodos han ganado considerable
popularidad: los modelos temáticos
(MT) y las word embeddings (WE;
‘representación de palabras como
vectores’). En este artículo no
solo se introducen estos métodos
de aprendizaje automático no
supervisado para el colectivo de los
profesionales de la archivística, sino
que también se demuestra cómo
se pueden aprovechar las WE para
interpretar los resultados de los MT
de una manera más efectiva, lo cual
es una aportación innovadora. Para
ilustrar ambos métodos nos basamos
en un estudio de caso experimental
de los fondos digitalizados de la
Comisión Europea (CE)
Disponible también en sitio web
Texto en catalán con resúmenes en catalán, español, inglés y francés