Queer NLP: A Critical Survey on Literature Gaps, Biases and Trends

Esta encuesta crítica examina la literatura sobre NLP y la comunidad LGBTQIA+ para identificar tendencias, sesgos y vacíos, destacando la necesidad de un enfoque más proactivo, interdisciplinario e inclusivo que priorice la justicia y la mitigación de daños.

Lo esencial

¡Hola! Imagina que la Inteligencia Artificial (IA) y el procesamiento del lenguaje natural (NLP) son como un gigantesco chef que ha estado cocinando durante años. Este chef ha aprendido a cocinar leyendo millones de libros, tweets y artículos de internet. El problema es que, hasta ahora, la "biblioteca" de este chef estaba llena de recetas escritas principalmente por personas blancas, heterosexuales y cisgénero (personas cuyo género coincide con el sexo que les asignaron al nacer).

Este artículo, escrito por un equipo diverso de investigadores de "Queer in AI", es como una inspección de cocina crítica. Han revisado todos los platos (artículos científicos) que se han presentado en la conferencia más importante de cocina del mundo (la ACL Anthology) para ver cómo el chef trata a las personas LGBTQIA+.

Aquí tienes los puntos clave, explicados con analogías sencillas:

1. El Chef está "reaccionando", no "previniendo"

La mayoría de los investigadores actúan como bomberos en lugar de arquitectos.

• Lo que hacen: Esperan a que el chef sirva un plato envenenado (un error o un prejuicio) y luego corren a apagar el fuego. Por ejemplo, descubren que la IA llama "tóxica" a la palabra "gay" cuando se usa de forma positiva, y tratan de arreglarlo después.
• Lo que deberían hacer: Diseñar la cocina desde el principio para que no produzca veneno. El artículo dice que necesitamos dejar de solo señalar los errores y empezar a crear soluciones nuevas y proactivas.

2. El Chef solo habla inglés y de una sola forma

Imagina que el chef solo sabe cocinar con ingredientes de un solo país (Estados Unidos/Europa) y en un solo idioma (inglés).

• El problema: El 76% de los estudios se centran en el inglés. Si el chef intenta cocinar para alguien que habla español, hindi o swahili, o que tiene una cultura diferente, el resultado será un desastre o simplemente no sabrá qué hacer.
• La metáfora: Es como tener un traductor que solo entiende el inglés británico y se confunde si le hablas con jerga local o de otra cultura.

3. El Chef ignora las "mezclas" (Interseccionalidad)

La vida es una mezcla compleja. Una persona puede ser negra, lesbiana y tener una discapacidad.

• El problema: La IA suele tratar estas identidades como si fueran compartimentos separados. Es como si el chef cocinara un plato para "mujeres" y otro para "personas negras", pero nunca para "mujeres negras".
• La realidad: La IA a menudo no entiende cómo se cruzan estos problemas. Si una persona es trans y también inmigrante, la IA podría fallar de formas que no predice si solo mira una cosa a la vez.

4. Falta de invitados en la cocina (Partes interesadas)

Esta es quizás la crítica más fuerte.

• El problema: Los investigadores (los chefs) están cocinando sin preguntar a las personas LGBTQIA+ (los comensales) qué les gusta o qué les hace daño.
• La analogía: Es como si un grupo de personas que nunca han ido a un restaurante decidiera qué menú es "inclusivo" sin invitar a nadie del grupo al que quieren ayudar. A veces, lo que los investigadores creen que es "seguro" (como usar ciertas palabras) en realidad es ofensivo para la comunidad.

5. El Chef es rígido y no entiende el "código"

Las personas LGBTQIA+ a veces usan el lenguaje de formas creativas, irónicas o con "códigos" (slang) para protegerse o expresarse.

• El problema: La IA es como un robot muy literal. Si una persona usa una palabra que antes era un insulto pero ahora la comunidad la ha "reclamado" y la usa con orgullo, la IA la marca automáticamente como "odio" y la bloquea.
• La consecuencia: La IA silencia la voz de la comunidad porque no entiende la historia ni el contexto emocional detrás de las palabras.

¿Qué proponen los autores?

El artículo no solo señala los problemas, sino que ofrece un mapa para el futuro:

1. Invitar a la comunidad a la cocina: Las personas LGBTQIA+ deben ser parte del equipo que diseña y prueba estas tecnologías, no solo sujetos de estudio.
2. Cocinar para todo el mundo: Necesitamos más investigación en idiomas que no sean el inglés y que reflejen diversas culturas.
3. Entender la complejidad: Dejar de ver el género y la sexualidad como cajas rígidas (hombre/mujer, gay/hetero) y entender que son fluidos y complejos.
4. Permitir el "No": A veces, la mejor forma de proteger a alguien es permitir que se niegue a ser clasificado por la IA. La tecnología debería respetar el derecho de las personas a no ser etiquetadas.

En resumen:
Este artículo es un grito de atención para la comunidad tecnológica. Dice: "Hemos avanzado mucho en detectar los errores, pero ahora necesitamos dejar de solo arreglarlos y empezar a construir una cocina donde todos los comensales se sientan bienvenidos, entendidos y respetados desde el primer paso". Es un llamado a pasar de la "justicia reactiva" (arreglar lo roto) a la "justicia proactiva" (diseñar algo justo desde el inicio).

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "Queer NLP: A Critical Survey on Literature Gaps, Biases and Trends" en español, estructurado según los puntos solicitados.

1. El Problema

Las tecnologías de Procesamiento del Lenguaje Natural (PLN o NLP) están reconfigurando cómo se crea, procesa y analiza el lenguaje, con aplicaciones críticas en contratación, derecho y salud. Sin embargo, estos sistemas a menudo perpetúan daños hacia grupos marginados, específicamente la comunidad LGBTQIA+.

El problema central identificado es que, aunque el interés en el "PLN Queer" ha crecido, la investigación actual presenta deficiencias estructurales:

• Enfoque reactivo: La mayoría de los trabajos se centran en identificar sesgos (reactivo) en lugar de mitigarlos proactivamente o crear nuevas soluciones.
• Ceguera cultural y lingüística: Existe una hegemonía del inglés y una falta de diversidad lingüística.
• Falta de interseccionalidad: Se ignoran las intersecciones entre identidad de género, orientación sexual, raza, clase y otras categorías sociales.
• Exclusión de partes interesadas: Los miembros de la comunidad queer rara vez participan en el diseño, desarrollo o evaluación de estos sistemas.
• Binarismo normativo: Muchos sistemas operan bajo supuestos cisnormativos y heteronormativos, fallando al tratar con identidades no binarias o fluidas.

2. Metodología

Los autores realizaron una encuesta sistemática siguiendo la metodología PRISMA para analizar el estado del arte del PLN Queer.

• Selección de documentos:
  • Se buscó en la Antología de la ACL (Association for Computational Linguistics) utilizando términos clave relacionados con la identidad queer (e.g., queer, lgbt, trans, non-binary).
  • Tras un filtrado manual para eliminar irrelevantes (e.g., autores con apellidos "Gay" o uso lingüístico no comunitario), se obtuvo un conjunto inicial de 55 artículos.
  • Se expandió la lista mediante conocimiento experto y motores de búsqueda académica, añadiendo 19 artículos de la conferencia ACL 2025 y otros preprints relevantes.
  • Total final: 86 artículos revisados.
• Proceso de anotación:
  • Cada artículo fue anotado en múltiples ejes: tarea de PLN, tipo de datos, grupos queer específicos abordados, tipos de daño, motivación, método, involucramiento de partes interesadas (stakeholders), interseccionalidad y diversidad lingüística.
  • Se utilizó codificación inductiva para agrupar los artículos en 7 categorías principales.
  • Se calculó la fiabilidad inter-jueces (90.09% de acuerdo) en tres temas clave: involucramiento de partes interesadas, interseccionalidad y diversidad de idiomas.

3. Contribuciones Clave

El artículo ofrece la primera revisión sistemática exhaustiva de todos los artículos sobre PLN Queer en la Antología de la ACL, cubriendo diversas tareas. Sus contribuciones principales son:

1. Mapa de tendencias y brechas: Identifica que la investigación se centra desproporcionadamente en pronombres, estereotipos y métodos basados en plantillas (template-based), con un enfoque reactivo.
2. Análisis por dominio: Desglosa el estado del arte en áreas específicas: Modelos de Lenguaje (evaluación y mitigación), Clasificación de Texto, Extracción de Información, Traducción Automática y Procesamiento de Voz.
3. Perspectiva de la Teoría Queer: Introduce conceptos de la teoría queer (como la fluidez de la identidad y la crítica a la categorización rígida) para criticar las metodologías actuales de PLN que intentan "fijar" identidades en datos estáticos.
4. Llamado a la acción: Propone un cambio de paradigma desde la mitigación post-hoc hacia un diseño proactivo centrado en la comunidad, la interdisciplinariedad y la justicia social.

4. Resultados Principales

• Tendencias de Investigación:

  • Temas: El 30% de los artículos se centran en pronombres (neopronombres, neutralidad de género) y el 14% en insultos y términos de identidad.
  • Métodos: Predominan los métodos post-hoc (detección de sesgo después del entrenamiento) y la augmentación de datos sintéticos mediante plantillas. Rara vez se abordan los procesos de origen de los datos.
  • Idiomas: El 76.7% de los artículos se centran en inglés. Los idiomas europeos occidentales (alemán, italiano, español) tienen una representación menor, y las lenguas de recursos bajos están casi ausentes.

• Hallazgos por Área:

  • Modelos de Lenguaje (LLMs): Sufren de borrado, estereotipos y misgendering. Las evaluaciones suelen ser intrínsecas (comparación estadística) y no capturan matices interseccionales.
  • Clasificación de Texto: Los modelos a menudo clasifican erróneamente lenguaje queer neutral como tóxico (falsos positivos) y fallan en detectar discursos de odio sutiles (como la retórica TERF).
  • Extracción de Información: La resolución de coreferencia falla al vincular nombres con pronombres no binarios. Los chatbots para salud a menudo carecen de precisión en guías médicas específicas para la comunidad trans.
  • Traducción Automática: Existe un "anglocentrismo" claro; la mayoría de los pares de idiomas incluyen inglés como fuente. La traducción de lenguaje inclusivo de género es un desafío técnico y cultural.
  • Procesamiento de Voz: Hay una escasez crítica de datos de voz queer. La tecnología de reconocimiento de voz (ASR) y síntesis (TTS) está diseñada para voces cisgénero binarias, ignorando las voces trans y no binarias.

• Brechas Críticas (Gaps):

  • Falta de Involucramiento de Stakeholders: Muy pocos estudios incluyen a miembros de la comunidad queer en el desarrollo o evaluación.
  • Ausencia de Interseccionalidad: Rara vez se analizan las identidades superpuestas (e.g., raza + género + sexualidad).
  • Refusal (Rechazo): Los sistemas actuales no permiten el "rechazo" de la categorización, una postura metodológica queer vital donde los usuarios optan por no ser medidos o etiquetados.

5. Significado e Impacto

Este trabajo es fundamental para el futuro del PLN por varias razones:

• Crítica Epistemológica: Cuestiona la validez de las taxonomías fijas en IA, argumentando que la identidad queer es fluida y que los sistemas de clasificación rígidos son inherentemente opresivos.
• Hoja de Ruta para la Equidad: Señala que la simple "inclusión" de datos no es suficiente si no se cambia la estructura de poder en el desarrollo de la IA. Aboga por la investigación participativa donde la comunidad afectada es colaboradora, no solo sujeto de estudio.
• Diversidad Global: Destaca la necesidad de expandir la investigación más allá del inglés y la esfera anglosajona, citando ejemplos de conferencias en español y portugués que abordan temas (como el "lenguaje de la esperanza" o la re-apropiación de insultos) que el PLN en inglés ignora.
• Justicia Social: Concluye que el objetivo final no debe ser solo mitigar daños, sino desarrollar sistemas que apoyen activamente y empoderen a las comunidades queer, reconociendo el derecho a la opacidad y a la no categorización.

En resumen, el artículo actúa como un manifiesto técnico y ético que insta a la comunidad de PLN a abandonar el enfoque reactivo y anglocéntrico para construir tecnologías lingüísticas verdaderamente justas, inclusivas y centradas en la humanidad.