Diseño participativo apoyado en inteligencia artificial para la mejora de los datos que se producen en la deliberación pública

Abstract

El procesamiento de comentarios en espacios de participación deliberativa dentro del sector público plantea desafíos en términos de eficiencia y calidad de la información generada. Este trabajo analiza las oportunidades que ofrece el Diseño Participativo para mejorar la calidad de los datos generados en espacios de deliberación, y cómo los modelos de Procesamiento de Lenguaje Natural pueden optimizar la eficiencia de su análisis. Para ilustrar las posibilidades de aplicación, se propone una solución basada en el aprendizaje por transferencia utilizado en el modelo BERT. Este enfoque permite aprovechar los Large Lenguage Models (LLMs) de uso general y, al mismo tiempo, entrenar una capa de análisis específica con conjuntos de datos de entrenamiento pequeños, que son una característica propia de los espacios de deliberación. La calidad de los datos generados en la deliberación depende, en parte, de la calidad de las preguntas formuladas. Por tanto, información de alta calidad conduce a resultados más sólidos. En ese sentido, la solución propuesta utiliza aspectos de la facilitación del Diseño Participativo para formular las preguntas adecuadas que se alineen con el propósito del espacio de participación. El potencial de la solución se probó en dos espacios de participación deliberativa, validando tanto la experiencia de uso como su viabilidad tecnológica. Además, mediante una encuesta, se identificó el potencial de la solución en el ámbito del sector público. La adopción de un enfoque híbrido que combina Diseño Participativo e inteligencia artificial, otorga a los algoritmos un propósito más allá de lo utilitario, ya que, se enfoca en convertir los comentarios en datos útiles para la construcción de soluciones públicas, la toma de decisiones más informadas y eficientes en el ámbito de las políticas públicas.