Palavras-chave
Archivos de televisión
Automatización
Inteligencia artificial
Como Citar
Resumo
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.
Referências
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
Os autores
- Devem enviar, para a revista Investigación Bibliotecológica: archivonomía, bibliotecología e información, a Carta de autorização para a publicação de artigos.
- cedem o total direito de propriedade intelectual do material submetido à revista; sendo permitido, entretanto, compartir o conhecimento contido na obra nos seguintes âmbitos:
- Apoio à docência;
- Conferências;
- Auto arquivamento em repositórios académicos.
- Difusão em redes acadêmicas.
- Difusão em blogs, site e página pessoal do autor.
Essa difusão será possível sempre e quando se respeitem as condições de uso dos conteúdos da revista, de acordo à licença Creative Commons:Atribución – No comercial – Sin Derivar 4.0 empregada; e que nos três últimos casos a descarga do texto completo se realize através de links do sistema DOI.
Política de auto arquivamento
Em caso de publicação da obra como modo de auto arquivamento, os autores devem cumprir com as seguintes condições:
a) Reconhecer o direito de autor da revista Investigação Biblioteconômica: arquivologia, biblioteconomia e informação.
b) Estabelecer um link com a versão original submetida no site da revista (DOI do artigo, por exemplo).
c) Difundir a versão definitiva publicada pela revista.
Licença dos conteúdos
A revista Investigación Bibliotecológica: archivonomía, bibliotecología e información permite o acesso e uso de seu conteúdo segundo a licença Creative Commons: Atribuição – Não comercial – Sem Derivar 4.0.
O que implica que os conteúdos apenas podem ser lidos e compartilhados se se reconhece e menciona a autoria da obra. Não se permite o uso da obra alterada ou com fins lucrativos.
Demarcação de responsabilidades
A revista não se faz responsável em caso de que o autor tenha incorrido em fraude ou plágio científico, tampouco dos elegidos pelos autores. Igualmente, não se faz responsável pelos serviços oferecidos por terceiros, a partir dos links disponíveis nos artigos dos autores.
Corroborando, a revista disponibiliza as responsabilidades que o autor deve cumprir no processo de publicação na revista Investigación Bibliotecológica: archivonomía, bibliotecología e información, no seguinte link: Responsabilidades do autor.
No caso de migração de conteúdo do site oficial da revista, implicando alteração de IP ou domínio, o diretor ou editor da revista deverá informá-lo aos autores.