Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Análisis comparativo de las características lingüísticas y estilísticas de textos mediáticos humanos y generados artificialmente
0
Zitationen
5
Autoren
2026
Jahr
Abstract
El rápido auge de la inteligencia artificial generativa (IA) ha planteado un nuevo desafío lingüístico: distinguir los textos mediáticos producidos por humanos de los generados por máquinas. Comprender las características cognitivas, estilísticas y pragmáticas del contenido generado por IA es crucial para evaluar su impacto en la calidad y fiabilidad de la comunicación. Este estudio tiene como objetivo identificar y caracterizar las propiedades lingüísticas y estilísticas de los textos mediáticos generados por IA, en comparación con publicaciones periodísticas auténticas. Se emplearon análisis de corpus, estilométricos, cognitivo-pragmáticos y discursivos para evaluar las dimensiones léxicas, sintácticas, semánticas y retóricas. Los resultados indican que los textos producidos por modelos como ChatGPT, Gemini y BingAI presentan una mayor corrección gramatical, una sintaxis estandarizada, un menor uso de metáforas y una menor expresividad emocional que los textos humanos. Cinco parámetros—variabilidad gramatical, riqueza semántica, relevancia pragmática, organización retórica y expresión estilística—definen la “humanidad” de un texto. Se desarrolló una clasificación de modelos estilísticos y marcadores lingüísticos para identificar el origen del texto y evaluar su profundidad cognitiva y comunicativa. Los hallazgos tienen aplicaciones prácticas para la detección automatizada de autoría de IA, la mejora de la alfabetización mediática digital y el establecimiento de estándares éticos para el uso de IA en el periodismo y la comunicación.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.652 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.567 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 8.083 Zit.
BioBERT: a pre-trained biomedical language representation model for biomedical text mining
2019 · 6.856 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.