Comparativa de aplicaciones de inteligencia artificial para la selección documental en los archivos televisivos
PDF

Palabras clave

Selección documental
Archivos de televisión
Automatización
Inteligencia artificial

Cómo citar

Caldera-Serrano, J. (2025). Comparativa de aplicaciones de inteligencia artificial para la selección documental en los archivos televisivos. Investigación Bibliotecológica: Archivonomía, bibliotecología E información, 39(103), 67–84. https://doi.org/10.22201/iibi.24488321xe.2025.103.58963
Métricas de PLUMX

Resumen

El artículo desarrolla cómo la inteligencia artificial puede ayudar a la selección de documentos audiovisuales en las cadenas de televisión con la finalidad de agilizar la labor documental. Por lo tanto, el objetivo es mostrar en qué, cómo y con cuáles aplicaciones la inteligencia artificial puede intervenir para la optimización del proceso de selección audiovisual en programas informativos. Para ello, se lleva a cabo una revisión bibliográfica y un estado de la cuestión en las empresas audiovisuales españolas, infiriendo de qué manera podría ayudar la inteligencia artificial a la automatización del proceso de selección y cuáles son las herramientas actuales que podrían optimizar dicho proceso. Como resultados, puede apreciarse que, aunque todavía deben desarrollarse mejores algoritmos, existen potencialidades en el marco de la tecnología de la inteligencia artificial para automatizar el proceso.

https://doi.org/10.22201/iibi.24488321xe.2025.103.58963
PDF

Citas

Atrey, Pradeep, Anwar Hossain, Abdulmotaleb El Saddik y Mohan Kankanhalli. 2010. “Multimodal Fusion for Multimedia Analysis: A Survey”. Multimedia Systems 16 (6): 345-79. https://doi.org/10.1007/s00530-010-0182-0

Bazán-Gil, Virginia. 2023. “Artificial Intelligence Applications in Media Archives”. Profesional de la Información 31 (5), e320517 https://doi.org/10.3145/epi.2023.sep.17

Caldera-Serrano, Jorge, y Pilar Arranz Escacha. 2012. Documentación audiovisual en televisión. Barcelona: Editorial Universidad Oberta de Cataluña.

Caldera-Serrano, Jorge, y Pilar Arranz Escacha. 2013. “Cambios en los métodos de selección documental en los sistemas de información digital en las televisiones”. Investigación Bibliotecológica: archivonomía, bibliotecología e información 27 (60): 15-26. https://doi.org/10.1016/S0187-358X(13)72541-3

Cambria, Erik, Yang Li, Frank Xing, Soujanya Poria y Kenneth Kwok. 2020. “SenticNet 6: Ensemble Application of Symbolic and Subsymbolic AI for Sentiment Analysis”. CIKM ’20: Proceedings of the 29th ACM International Conference on Information and Knowledge Management, 105-14. Nueva York: Association for Computing Machinery. https://doi.org/10.1145/3340531.3412003

Giménez Rayo, Mabel. 2007. Documentación audiovisual de televisión / La selección del material. Gijón: Ediciones Trea.

Giménez Rayo, Mabel. 2018. “La selección del material audiovisual de televisión en el entorno digital: perspectivas y realidad”. Documentación de las Ciencias de la Información 41: 47-59. https://doi.org/10.5209/DCIN.61456

Goodfellow, Ian, Yoshua Bengio y Aaron Courville. 2016. Deep Learning. Massachusetts: Massachusetts Institute of Technology Press.

Graves, Alex, Abdel-rahman Mohamed y Geoffrey Hinton. 2013. “Speech Recognition with Deep Recurrent Neural Networks”. Prepublicación Arxiv. https://doi.org/10.48550/arXiv.1303.5778

Hanford, Anne. 1986. “Normas recomendadas y procedimientos para seleccionar material de televisión”. En Panorama de los archivos audiovisuales / Contribución a la puesta al día de las técnicas de archivo internacionales, 125-30. Madrid: Servicio de Publicaciones de RTVE.

He, Yibo, Kah Phooi Seng y Li Minn Ang. 2023. “Generative Adversarial Networks (GANs) for Audio-Visual Speech Recognition in Artificial Intelligence IoT”. Information 14 (10), 575. https://doi.org/10.3390/info14100575

Hidalgo Goyanes, Paloma. 2013. “Patrimonio audiovisual en televisión”. En Gestión del patrimonio audiovisual en medios de comunicación, coordinado por Juan Carlos Marcos Recio, 53-82. Madrid: Editorial Síntesis.

Iman, Mohammadreza, Hamid Reza Arabnia y Khaled Rasheed. 2023. “A Review of Deep Transfer Learning and Recent Advancements”. Technologies 11 (2), 40. https://doi.org/10.3390/technologies11020040

Incio Flores, Fernando Alain, Dulce Lucero Capuñay Sánchez, Ronald Omar Estela Urbina, Miguel Ángel Valles Coral, Segundo Edilberto Vergara Medrano y Duberli Geomar Elera Gonzáles. 2022. “Inteligencia artificial en educación: una revisión de la literatura en revistas científicas internacionales”. Apuntes Universitarios 12 (1): 353-72. https://doi.org/10.17162/au.v12i1.974

Jurafsky, Dan, y James Martin. 2022. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models (manuscrito en línea), 3.ª ed. https://web.stanford.edu/~jurafsky/slp3/

Khoei, Tala Talaei, Hadjar Ould Slimane y Naima Kaabouch. 2023. “Deep Learning: Systematic Review, Models, Challenges, and Research Directions”. Neural Computing and Applications 35: 23103-124 https://doi.org/10.1007/s00521-023-08957-4

Larsson, Stefan. 2020. “On the Governance of Artificial Intelligence Through Ethics Guidelines”. Asian Journal of Law and Society 7 (3): 437-51. https://doi.org/10.1017/als.2020.19

LeCun, Yann, Yoshua Bengio y Geoffrey Hinton. 2015. “Deep Learning”. Nature 521: 436-44. https://doi.org/10.1038/nature14539

León-Moreno, José Antonio, y Jorge Caldera-Serrano. 2010. “Análisis de la comercialización de los archivos audiovisuales televisivos por la red: posibilidades e implicaciones”. Investigación Bibliotecológica: archivonomía, bibliotecología e información 24 (52): 217-35. https://doi.org/10.22201/iibi.0187358xp.2010.52.27461

Ordóñez Palma, María José, y Jimmy Leonardo Gutiérrez García. 2023. “Prototipos de procesamiento de lenguaje natural bajo el modelo de técnicas de aprendizaje automático”. Journal TechInnovation 2 (2): 34-43. https://doi.org/10.47230/Journal.TechInnovation.v2.n2.2023.34-43

Ponce Gallegos, Julio César, Aurora Torres Soto, Fátima Sayuri Quezada Aguilera, Antonio Silva Sprock, Ember Ubeimar Martínez Flor, Ana Casali, Eliana Scheihing, et al. 2014. Inteligencia artificial. Iniciativa Latinoamericana de Libros de Texto Abiertos. http://hdl.handle.net/2133/17686

Póveda-López, Inés del Carmen, Jorge Caldera-Serrano y José-Antonio Polo-Carrión. 2010. “Definición del objeto de trabajo y conceptualización de los sistemas de información audiovisual en televisión”. Investigación Bibliotecológica: archivonomía, bibliotecología e información 24 (50): 15-34. https://doi.org/10.22201/iibi.0187358xp.2010.50.21409

Purwins, Hendrik, Bo Li, Tuomas Virtanen, Jan Schlüter, Shou-Yiin Chang y Tara Sainath. 2019. “Deep Learning for Audio Signal Processing”. IEEE Journal of Selected Topics in Signal Processing 13 (2): 206-19. https://ieeexplore.ieee.org/document/8678825

Rouhiainen, Lasse. 2018. Inteligencia artificial / 101 cosas que debes saber hoy sobre nuestro futuro. Barcelona: Alienta Editorial.

Sánchez Rosado, Juan Carlos, y Mikel Díez Parra. 2022. “Impacto de la inteligencia artificial en la transformación de la sanidad: beneficios y retos”. Economía Industrial(423): 129-44. https://dialnet.unirioja.es/servlet/articulo?codigo=8750554

Simonyan, Karen, y Andrew Zisserman. 2014. “Very Deep Convolutional Networks for Large-Scale Image Recognition”. Prepublicación Arxiv. https://doi.org/10.48550/arXiv.1409.1556

Soto Ortigoza, Maricamen, Robert Morillo Montoya y Galí Monpué. 2024. “Desentrañando el lenguaje: impacto de la PNL en la era de la inteligencia artificial”. Revista Saperes Universitas 7 (1): 30-47. https://doi.org/10.53485/rsu.v7i1.415

Wang, Haotian, Yuxuan Xi, Hang Chen, Jun Du, Yan Song, Qing Wang, Hengshun Zhou, Chenxi Wang, Jiefeng Ma, Pengfei Hu, Ya Jing, Shi Cheng, Jie Zhang y Yuzhe Weng. 2023. “Hierarchical Audio-Visual Information Fusion with Multi-Label Joint Decoding for MER 2023”. Prepublicación Arxiv. https://doi.org/10.48550/arXiv.2309.07925

Zikopoulos, Paul, Chris Eaton, Dirk deRoos, Thomas Deutsch y George Lapis. 2012. Understanding Big Data: Analytics for Enterprise Class Hadoop and Streaming Data. Nueva York: McGraw-Hill. https://personal.utdallas.edu/~axn112530/cs6350/Understanding_BigData.pdf

Los autores:

  • Deben remitir a Investigación Bibliotecológica: archivonomía, bibliotecología e información la Carta de autorización para la publicación de artículos. 
  • pueden usar su obra para compartir con la comunidad científica en los ámbitos siguientes:
    • Apoyo a la docencia.
    • Realizar conferencias.
    • Autoarchivo en repositorios académicos.
    • Difundir en redes académicas.
    • Difundir en blogs y sitios personales del autor.

Ello será posible siempre y cuando se respeten las condiciones de uso de los contenidos de la revista, según la licencia Creative Commons:Atribución – No comercial – Sin Derivar 4.0.

Política de autoarchivo

En el caso de la publicación de la obra como autoarchivo, los autores deben cumplir con los aspectos siguientes:

a) Reconocer el derecho de autor a la RIB.

b) Establecer un enlace con la versión original de la contribución a la página de la revista donde se encuentre el artículo.

c) Difundir la versión definitiva publicada en la revista.

Licencia de los contenidos

La revista Investigación Bibliotecológica: archivonomía, bibliotecología e información permite el acceso y uso de sus contenidos según la licencia Creative Commons: Atribución – No comercial – Sin Derivar 4.0.

Licencia de Creative Commons

Ello implica que los contenidos sólo pueden ser leídos y compartidos siempre que se reconozca y se cite la autoría de la obra. No se puede usar la obra para fines comerciales ni modificarla.

Deslinde de responsabilidades

La RIB no se hace responsable en caso de que el autor haya incurrido en fraude o plagio científico, tampoco de los criterios reflejados por los autores. De igual forma, no es responsable por los servicios ofrecidos por terceros a partir de los enlaces electrónicos disponibles en los artículos de los autores.

En apoyo a ello, la RIB pone a disposición las responsabilidades que el autor debe cumplir en el proceso de publicación en la revista Investigación Bibliotecológica: archivonomía, bibliotecología e información en el enlace siguiente: Responsabilidades del autor.

En caso de migrar los contenidos del sitio oficial de la RIB, con implicaciones de cambio de IP o dominio, el director o editor de la revista informará a los autores sobre ello.

Descargas

Los datos de descargas todavía no están disponibles.