“Un Enfoque Multilingüe y Multidominio para la Clasificación de Crisis en Redes Sociales” es el título de la tesis con la que Cinthia Sánchez obtuvo recientemente el grado de Doctora en Computación de la Universidad de Chile. Su trabajo se enfocó en mejorar el análisis automatizado de información proveniente de redes sociales durante situaciones de emergencia y fue guiado por el profesor del Departamento de Ciencias de la Computación (DCC), Andrés Abeliuk, y coguiado por Bárbara Poblete, profesora jornada parcial del DCC e investigadora en Amazon, Seattle, Estados Unidos.

Magíster en Ciencias, mención Computación, e Ingeniera en Informática, los intereses de investigación de Cinthia se centran en Procesamiento de Lenguaje Natural, Análisis de Redes e Interpretabilidad Mecanicista.

Durante sus estudios doctorales se desempeñó como estudiante investigadora del Instituto Milenio Fundamentos de los Datos (IMFD) y del Centro Nacional de Inteligencia Artificial (CENIA). En este período, combinó el desarrollo de investigación científica con actividades de docencia y extensión, participando en la Rama Estudiantil IEEE y en el Grupo IEEE Women in Engineering de la Universidad de Chile.

Inteligencia artificial para analizar información durante una emergencia

Durante una situación de emergencia, las redes sociales pueden convertirse en una fuente de información relevante para conocer qué está ocurriendo en tiempo real. Sin embargo, la gran cantidad de mensajes que se generan y la diversidad de información que contienen hacen difícil identificar rápidamente aquellos contenidos que pueden ser útiles para la respuesta ante una crisis.

La tesis de Cinthia abordó precisamente este desafío, explorando el uso de inteligencia artificial para detectar y clasificar información relacionada con situaciones de crisis, especialmente en contextos donde existe una cantidad limitada de datos disponibles.

“La clasificación automatizada de mensajes relacionados con crisis es importante para profesionales de emergencias y organizaciones humanitarias, que deben identificar poblaciones afectadas, evaluar daños en infraestructura y coordinar la ayuda. Sin embargo, los enfoques existentes dependen principalmente del aprendizaje supervisado sobre datos en inglés, lo que limita su aplicabilidad en idiomas y tipos de crisis donde los datos etiquetados son escasos. Mi tesis doctoral aborda este desafío a través de tres direcciones de investigación progresivas, donde cada paradigma se motiva por las limitaciones del anterior”, explica la investigadora.

A través de distintas estrategias, el trabajo exploró cómo aprovechar información proveniente de diferentes idiomas y contextos para mejorar el desempeño de los modelos de lenguaje. También estudió métodos que permiten realizar estas tareas sin necesidad de contar con grandes cantidades de datos previamente etiquetados.
Además, la investigación exploró el potencial de los grandes modelos de lenguaje para clasificar información humanitaria utilizando pequeñas cantidades de datos. Los resultados muestran que estas herramientas pueden alcanzar un desempeño competitivo y constituyen una alternativa prometedora para procesar información en escenarios de crisis, incluso cuando los recursos disponibles son limitados.

“Este trabajo aporta un conjunto de datos, métodos y benchmarks para la clasificación de crisis multilingüe y multidominio. Al aprovechar datos de crisis de distintos dominios, idiomas y tareas, junto con el conocimiento de modelos de lenguaje preentrenados, avanza en el desarrollo de herramientas inclusivas, eficientes en recursos y adaptables para el apoyo en la toma de decisiones durante emergencias”, afirma Cinthia.

Actualmente, Cinthia Sánchez se desempeña como investigadora postdoctoral en CENIA, donde trabaja en interpretabilidad mecanicista con modelos Transformer. Además, continuará vinculada a la docencia, dictando cursos de Minería de Datos y Visualización de Datos.

--
Comunicaciones DCC