Inteligencia artificial
Soberanía digital y de la IA: Cuatro casos basados en evidencia
Este documento fue encargado por la UNESCO y forma parte de su trabajo sobre la gobernanza de la IA en la educación. Las opiniones e ideas expresadas en este documento son las de los autores y no deben atribuirse a la UNESCO.
Benotti, L., Busaniche, B., Gómez, M. J. y Trovato, M. 2026. Soberanía digital y de la IA: Cuatro casos informados por evidencia. París, UNESCO. Documento encargado para apoyar el desarrollo de informes de políticas sobre la gobernanza de la IA en la educación.
Mas información en https://www.vialibre.org.ar/presentamos-el-paper-soberania-digital-y-de-inteligencia-artificial-cuatro-casos-basados-en-evidencia-en-la-unesco/
Künstliche Intelligenz. Wie sie unsere Welt verändert
Participamos de la publicación “Inteligencia artificial. Cómo está cambiando nuestro mundo” de la revista “südlink”.
HESEIA: Un conjunto de datos basado en la comunidad para evaluar sesgos sociales en modelos de lenguaje grande, co-diseñado en entornos escolares reales en América Latina
La mayoría de los recursos para evaluar los sesgos sociales en los modelos de lenguaje grandes se desarrollan sin la participación de las comunidades afectadas por dichos sesgos y rara vez incluyen enfoques participativos.
Presentamos HESEIA, un conjunto de datos de 46 499 frases creado en un curso de desarrollo profesional. En el curso participaron 370 profesores de secundaria y 5370 alumnos de 189 escuelas latinoamericanas. A diferencia de los puntos de referencia existentes, HESEIA recoge sesgos interseccionales en múltiples ejes demográficos y materias escolares. Refleja los contextos locales a través de la experiencia vivida y los conocimientos pedagógicos de los educadores. Los profesores utilizaron pares mínimos para crear oraciones que expresaran estereotipos relevantes para sus materias escolares y comunidades. Mostramos la diversidad del conjunto de datos en términos de ejes demográficos representados y también en términos de las áreas de conocimiento incluidas. Demostramos que el conjunto de datos contiene más estereotipos no reconocidos por los LLM actuales que los conjuntos de datos anteriores.
HESEIA está disponible para apoyar las evaluaciones de sesgos basadas en las comunidades educativas.
Publicado en ACL Anthology. Noviembre 2025.
El desafío: destripar la IA en las aulas
Hemos encontrado preguntas recurrentes en diversos talleres con la herramienta E.D.I.A. en los que participaron docentes. Desde Vía Libre decidimos abordar algunas posibles respuestas, como forma de profundizar una conversación cada vez más necesaria.
Se trata de recomendaciones o sugerencias con el objetivo de acercar el tema de inteligencia artificial a: docentes, estudiantes, personas en tecnología, y a quienes las usamos.
No son definitorias. Son el puntapié para abrir discusión.
A methodology to characterize bias and harmful stereotypes in natural language processing in Latin America
En este artículo presentamos una metodología que explica cómo los científicos sociales, los expertos en dominios y los expertos en machine learning pueden explorar en colaboración sesgos y estereotipos perjudiciales en word embeddings y grandes modelos lingüísticos. Nuestra metodología utiliza el software que hemos implementado, disponible en https://huggingface.co/spaces/vialibre/edia.
Guía de desafíos y recomendaciones para la implementación de una IA mas justa
Proponemos recomendaciones técnicas para acompañar en los procesos de creación de sistemas de Inteligencia Artificial, más concretamente, en sistemas basados en Aprendizaje Automático. Estas recomendaciones surgen y se elaboran a partir de entrevistas estructuradas con personas que trabajan en aplicaciones prácticas de sistemas basados en datos, en diferentes roles y diferentes organizaciones del ecosistema tecnológico argentino.