Mostrar el registro sencillo del ítem

Artículo

dc.creatorSuárez Alonso, Danieles
dc.date.accessioned2024-07-15T07:28:29Z
dc.date.available2024-07-15T07:28:29Z
dc.date.issued2024
dc.identifier.citationSuárez Alonso, D. (2024). Revelando lo no reportado: extracción de eventos basada en IA para analizar la representación estadounidense de los delitos de odio. Ius et Scientia, 10 (1), 169-181. https://doi.org/10.12795/IESTSCIENTIA.2024.i01.08.
dc.identifier.issn2444-8478es
dc.identifier.urihttps://hdl.handle.net/11441/161361
dc.description.abstractLos informes oficiales de delitos de odio en los Estados Unidos están subestimados en comparación con la cantidad real de incidentes de este tipo. Además, a pesar de las aproximaciones estadísticas, no hay informes oficiales de muchas ciudades estadounidenses sobre incidentes de odio. Aquí, mostramos inicialmente que la extracción de eventos y el aprendizaje multi-instancia, basados en inteligencia artificial (IA), aplicados a un conjunto de artículos de noticias locales, pueden predecir casos de delitos de odio. Luego utilizamos el modelo entrenado de IA para detectar incidentes de odio en ciudades para las cuales el FBI carece de estadísticas. Finalmente, entrenamos modelos de IA para predecir homicidios y secuestros, comparamos las predicciones con los informes del FBI y establecemos que, de hecho, los incidentes de odio están subestimados en comparación con otros tipos de delitos en la prensa local. Es importante destacar que esta información no ha sido extraída de este lugar.es
dc.description.abstractOfficial reports of hate crimes in the United States are underestimated compared to the actual number of such incidents. Additionally, despite statistical approximations, many American cities lack official reports on hate incidents. Here, we initially demonstrate that event extraction and multi-instance learning, based on artificial intelligence (AI), applied to a set of local news articles, can predict hate crime cases. We then use the AI-trained model to detect hate incidents in cities for which the FBI lacks Official reports of hate crimes in the United States are underestimated compared to the actual number of such incidents. Additionally, despite statistical approximations, many American cities lack official reports on hate incidents. Here, we initially demonstrate that event extraction and multi-instance learning, based on artificial intelligence (AI), applied to a set of local news articles, can predict hate crime cases. We then use the AI-trained model to detect hate incidents in cities for which the FBI lackses
dc.formatapplication/pdfes
dc.format.extent13es
dc.language.isospaes
dc.publisherUniversidad de Sevillaes
dc.relation.ispartofIus et Scientia, 10 (1), 169-181.
dc.rightsAtribución-NoComercial-CompartirIgual 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectDelitos de odioes
dc.subjectInformes oficialeses
dc.subjectAproximaciones estadísticases
dc.subjectExtracción de eventoses
dc.subjectAprendizaje multi-instanciaes
dc.subjectInteligencia artificial (IA)es
dc.subjectHate crimeses
dc.subjectOfficial reportses
dc.subjectStatistical approximationses
dc.subjectEvent extractiones
dc.subjectMulti-instance learninges
dc.subjectArtificial intelligence (AI)es
dc.titleRevelando lo no reportado: extracción de eventos basada en IA para analizar la representación estadounidense de los delitos de odioes
dc.title.alternativeUnveiling the Unreported: AI-Based Event Extraction for Analyzing the American Representation of Hate Crimeses
dc.typeinfo:eu-repo/semantics/articlees
dc.type.versioninfo:eu-repo/semantics/publishedVersiones
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.relation.publisherversionhttps://institucional.us.es/revistas/Ius_Et_Scientia/10_1/IUS_et_Scientia_10_1_2024_08_suarez-alonso.pdfes
dc.identifier.doi10.12795/IESTSCIENTIA.2024.i01.08es
dc.journaltitleIus et Scientiaes
dc.publication.volumen10es
dc.publication.issue1es
dc.publication.initialPage169es
dc.publication.endPage181es

FicherosTamañoFormatoVerDescripción
IUS_et_Scientia_10_1_2024_08_s ...694.5KbIcon   [PDF] Ver/Abrir  

Este registro aparece en las siguientes colecciones

Mostrar el registro sencillo del ítem

Atribución-NoComercial-CompartirIgual 4.0 Internacional
Excepto si se señala otra cosa, la licencia del ítem se describe como: Atribución-NoComercial-CompartirIgual 4.0 Internacional