Aprendizaje Automático en Sistemas Electrónicos de Gestión de (1).pptx
1. Aprendizaje Automático en
Sistemas Electrónicos de Gestión
de Documentos
Máster Universitario en Bibliotecas, Archivos y Continuidad Digital
Trabajo Fin de Máster
Tutor Ricardo Eito-Brun Madrid, 2023
Arturo Delgado Ruiz
2. OBJETIVOS
¿cuándo un modelo de aprendizaje automático genera la confianza para ser
implementado en un sistema de gestión de documentos electrónicos?
Aplicabilidad y viabilidad del ML en la gestión de documentos.
¿es posible lograrlo actualmente?
IA en el ámbito de la gestión documental, revisión de contribuciones no solo académicas.
Elaboración de un repertorio bibliográfico: identificación, análisis y resumen de
contribuciones recientes.
Experimentación con una herramienta de aprendizaje automático.
3. FUENTES
FUENTES
Normas ISO
Google Académico
ResearchGate
Repositorio institucional de la Universidad de Cornell
InterPares Trust
Guía de Microsoft Machine Learning Studio (MMLS)
Internet
4. METODOLOGÍA
BIBLIOGRAFIA
Investigación
Recopilación / Búsqueda / Selección de artículos
Consulta de normas ISO / Unificación de terminología
Diseño de fichas descriptivas
HERRAMIENTA: Microsoft Machine Learning Studio
Lectura de la GUIA
Experimentación con la herramienta
5. RESULTADOS
Del análisis de la bibliografía
Falta de visión crítica
Ausencia de fuentes
Huella de carbono y Tecnologías verdes.
un correo electrónico puede generar aproximadamente cincuenta gramos de carbono y cada búsqueda realizada un 0,2
sexto más contaminante (alrededor del 7% de la energía que se consume en el planeta deriva de la demanda energética asociada al consumo
de internet).
Publicación de las Normas
ISO/IEC TR 24368: 2022 / Tecnología de la Información – Inteligencia Artificial – Visión general de consideraciones éticas y sociales.
ISO/IEC 22989:2022 / Conceptos y terminología.
UNE-EN ISO/IEC 23053:2022 / Marco para sistemas de inteligencia artificial (IA) que utilizan Machine Learning.
ISO/IEC 23894:2023 / Tecnología de la información — Inteligencia Artificial — Gestión del riesgo.
ISO/IEC TR 24028:2020 / Tecnología de la Información – Inteligencia Artificial — Visión general de la confiabilidad en Inteligencia Artificial
Aplicaciones más frecuentes
8. CONCLUSIÓN y
FUTURAS LÍNEAS DE TRABAJO
Las ventajas de la IA solo pueden adquirirse si se aplican a problemas concretos.
Sostenibilidad
Es necesario combinar el progreso en la aplicación de algoritmos IA con la valoración de su coste
energético y contaminante.
Especialización
Hablar el mismo lenguaje
Legislación
Ley de Inteligencia Artificial (Junio).