Deep Learning en la Predicción de la Complejidad Léxica en Textos Estatales Ecuatorianos: Evaluación del Desempeño del modelo BERT

RESUMEN 

En el contexto de las instituciones públicas, la claridad y comprensión de los documentos gubernamentales se ven frecuentemente obstaculizadas por el uso de un lenguaje técnico y una complejidad léxica elevada. Esta situación afecta tanto a los ciudadanos como a los funcionarios, generando confusiones que pueden mermar la transparencia y limitar la participación ciudadana. En esta investigación, se examina el rendimiento del modelo BERT, basado en la arquitectura Transformer, para predecir la complejidad léxica en textos provenientes de instituciones estatales de Ecuador. Para ello, se realizó un ajuste fino del modelo con el objetivo de optimizar su desempeño en esta tarea específica. Además, se llevó a cabo una evaluación comparativa con otros modelos de lenguaje preentrenados utilizando el corpus GovAIEc, compuesto por textos de diversas entidades públicas ecuatorianas. Los hallazgos de este estudio pretenden sentar las bases para crear herramientas que simplifiquen los documentos públicos, incrementando su accesibilidad y fomentando una interacción más efectiva entre la ciudadanía y las instituciones gubernamentales..

Palabras clave: Deep learning; documentos estatales, Complejidad Léxica