Hacia revisiones de la literatura más eficientes potenciadas por inteligencia artificial
Fuente:
Redalyc
Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | es |
| Published: |
Universidad Nacional Autónoma de México
2023
|
| Subjects: | |
| Online Access: | |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1876468305548541952 |
|---|---|
| author | Erik Carbajal-Degante |
| author_facet | Erik Carbajal-Degante |
| contents | Hacia revisiones de la literatura más eficientes potenciadas por inteligencia artificial Erik Carbajal-Degante Myrna Hernández Gutiérrez Melchor Sánchez-Mendiola Medicina aprendizaje profundo aprendizaje automático inteligencia artificial Revisión de la literatura Las revisiones de la literatura para tareas de investiga ción y docencia se enfrentan cada vez más a nuevos retos, debido principalmente al crecimiento considera ble del material bibliográfico en todas las disciplinas. Esencialmente, la búsqueda y selección de información se tornan exhaustivas y agotadoras debido a la falta de organización en la recopilación sistemática de documen tos, así como el manejo incorrecto de los metadatos y la gran variabilidad en los resultados que ofrecen los mecanismos automáticos de consulta. En este sentido, la inteligencia artificial (IA) está revolucionando la revisión de la literatura al emplear sistemas capaces de analizar e interpretar el contenido de muchos documentos en una forma rápida, así como ofrecer resultados con un nivel de precisión mayor que los motores de búsqueda tradicionales. Este trabajo tiene como objetivo describir los avances recientes en la etapa de acoplamiento in teligente de los métodos para la revisión de la literatura académica, refiriendo al uso de herramientas de apren dizaje automático y aprendizaje profundo asociadas a la optimización en el procesamiento del lenguaje natural. Finalmente se abordan las implicaciones que conlleva emplear sistemas capaces de omitir juicios y tomar de cisiones con respecto a la utilidad y relevancia de los datos analizados. 2023 artículo científico 2007-865X https://www.redalyc.org/articulo.oa?id=349778732011 https://www.redalyc.org/journal/3497/349778732011/ https://www.redalyc.org/journal/3497/349778732011/html/ https://www.redalyc.org/journal/3497/349778732011/349778732011.epub https://www.redalyc.org/journal/3497/349778732011/movil 10.22201/fm.20075057e.2023.47.23526 es http://www.redalyc.org/revista.oa?id=3497 Investigación en Educación Médica application/pdf Universidad Nacional Autónoma de México Investigación en Educación Médica (México) Num.47 Vol.12 |
| format | Artículo científico |
| id | redalyc_349778732011 |
| institution | Redalyc |
| language | es |
| publishDate | 2023 |
| publisher | Universidad Nacional Autónoma de México |
| spellingShingle | Hacia revisiones de la literatura más eficientes potenciadas por inteligencia artificial Erik Carbajal-Degante Medicina aprendizaje profundo aprendizaje automático inteligencia artificial Revisión de la literatura Hacia revisiones de la literatura más eficientes potenciadas por inteligencia artificial Erik Carbajal-Degante Myrna Hernández Gutiérrez Melchor Sánchez-Mendiola Medicina aprendizaje profundo aprendizaje automático inteligencia artificial Revisión de la literatura Las revisiones de la literatura para tareas de investiga ción y docencia se enfrentan cada vez más a nuevos retos, debido principalmente al crecimiento considera ble del material bibliográfico en todas las disciplinas. Esencialmente, la búsqueda y selección de información se tornan exhaustivas y agotadoras debido a la falta de organización en la recopilación sistemática de documen tos, así como el manejo incorrecto de los metadatos y la gran variabilidad en los resultados que ofrecen los mecanismos automáticos de consulta. En este sentido, la inteligencia artificial (IA) está revolucionando la revisión de la literatura al emplear sistemas capaces de analizar e interpretar el contenido de muchos documentos en una forma rápida, así como ofrecer resultados con un nivel de precisión mayor que los motores de búsqueda tradicionales. Este trabajo tiene como objetivo describir los avances recientes en la etapa de acoplamiento in teligente de los métodos para la revisión de la literatura académica, refiriendo al uso de herramientas de apren dizaje automático y aprendizaje profundo asociadas a la optimización en el procesamiento del lenguaje natural. Finalmente se abordan las implicaciones que conlleva emplear sistemas capaces de omitir juicios y tomar de cisiones con respecto a la utilidad y relevancia de los datos analizados. 2023 artículo científico 2007-865X https://www.redalyc.org/articulo.oa?id=349778732011 https://www.redalyc.org/journal/3497/349778732011/ https://www.redalyc.org/journal/3497/349778732011/html/ https://www.redalyc.org/journal/3497/349778732011/349778732011.epub https://www.redalyc.org/journal/3497/349778732011/movil 10.22201/fm.20075057e.2023.47.23526 es http://www.redalyc.org/revista.oa?id=3497 Investigación en Educación Médica application/pdf Universidad Nacional Autónoma de México Investigación en Educación Médica (México) Num.47 Vol.12 |
| title | Hacia revisiones de la literatura más eficientes potenciadas por inteligencia artificial |
| topic | Medicina aprendizaje profundo aprendizaje automático inteligencia artificial Revisión de la literatura |
| url | https://www.redalyc.org/articulo.oa?id=349778732011 https://www.redalyc.org/journal/3497/349778732011/ https://www.redalyc.org/journal/3497/349778732011/html/ https://www.redalyc.org/journal/3497/349778732011/349778732011.epub https://www.redalyc.org/journal/3497/349778732011/movil |