Artificial intelligence for oral history and disaster experience: a systematic mapping study
Este estudio de mapeo sistemático revisa 35 estudios primarios para analizar cómo la inteligencia artificial está transformando la historia oral de archivos estáticos a campos dinámicos e interactivos, destacando avances significativos en la transcripción y el análisis al tiempo que enfatiza los desafíos éticos críticos y la necesidad de enfoques centrados en el ser humano y con sensibilidad al trauma.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Durante décadas, las historias de la experiencia humana —supervivientes de la guerra, testigos de desastres, ancianos que preservan tradiciones olvidadas— han sido capturadas en cinta y disco, almacenadas en archivos como grabaciones estáticas. Estas historias orales son vitales porque contienen la verdad emocional y la perspectiva personal que los documentos oficiales suelen omitir. Sin embargo, una barrera masiva ha permanecido durante mucho tiempo entre estas voces y las personas que necesitan escucharlas: la enorme dificultad de convertir horas de palabra hablada en texto buscable. Para un investigador o un curador de un museo, escuchar cada minuto de cada grabación para encontrar un recuerdo específico es una tarea que puede llevar toda una vida. Este cuello de botella ha dejado vastas colecciones de testimonios humanos encerradas, accesibles solo para aquellos con el tiempo para escuchar. Ahora, un nuevo campo está emergiendo donde la inteligencia artificial se está utilizando para desbloquear estos archivos, no solo para transcribir palabras, sino para comprender los sentimientos, los patrones y los silencios dentro de ellas.
Un equipo de investigadores de universidades de Canadá realizó recientemente una revisión exhaustiva para ver exactamente cómo se está aplicando esta tecnología. Examinaron treinta y cinco estudios publicados entre 2004 y 2025, analizando cada etapa de cómo una historia hablada se convierte en un registro digital. Su trabajo revela que, si bien las computadoras se han vuelto notablemente buenas en la tarea mecánica de convertir el habla en texto, el desafío más profundo reside en preservar el significado humano detrás de esas palabras. Los investigadores descubrieron que el campo se está desplazando rápidamente desde la transcripción simple hacia el análisis complejo, aunque persisten obstáculos éticos significos sobre cómo manejamos las memorias sensibles y qué voces son realmente escuchadas.
La revisión comenzó mapeando el viaje de una historia oral, la cual los autores dividieron en cuatro etapas distintas: creación, archivo, análisis y exhibición. En la etapa de creación, donde la historia se cuenta por primera vez, el uso de la inteligencia artificial es todavía poco común. La mayoría de los estudios en esta área exploran ideas experimentales, como el uso de programas informáticos para entrevistar a personas o la generación de diálogos simulados para llenar vacíos en el registro histórico. Sin embargo, la gran mayoría de la investigación se centra en la segunda etapa: el archivo. Aquí, la tecnología ha tenido su impacto más dramático. Al utilizar sistemas avanzados de reconocimiento de voz, los investigadores pueden ahora convertir automáticamente miles de horas de audio en texto. Esto ha resuelto un problema crítico que alguna vez hizo que las grandes colecciones fueran inutilizables. La revisión señala que solo en 2024 y 2025, casi la mitad de toda la investigación en este campo fue publicada, lo que señala un cambio de prototipos experimentales a herramientas del mundo real que están procesando activamente enormes rezagos de grabaciones.
La geografía de esta investigación cuenta la historia de dos enfoques diferentes. En los Estados Unidos, donde archivos masivos como la Fundación USC Shoah albergan millones de testimonios del Holocausto y otros conflictos, el enfoque está en lo que el texto puede decirnos sobre la psicología humana. Los investigadores allí están utilizando programas informáticos para analizar estas historias en busca de signos de trauma, como la predicción de síntomas de estrés postraumático en sobrevivientes de los ataques del 11 de septiembre. En contraste, un grupo de investigación en Europa Central, particularmente en Alemania y la República Checa, está dedicado a la ingeniería misma. Estos equipos trabajan para perfeccionar la tecnología subyacente, asegurando que las computadoras puedan escuchar y transcribir con precisión el habla en diferentes idiomas, dialectos y condiciones de grabación ruidosas. Mientras que el trabajo estadounidense pregunta "¿qué significa esta historia?", el trabajo europeo pregunta "¿cómo nos aseguramos de que la computadora la escuche correctamente?".
Más allá de simplemente escribir palabras, la tercera etapa de la cadena implica el uso de la inteligencia artificial para encontrar patrones y emociones dentro de las historias. La revisión encontró que los investigadores están utilizando cada vez más estas herramientas para agrupar narrativas similares o para detectar el peso emocional de la voz de un hablante. Algunos estudios van más allá, analizando sonidos no verbales como la respiración, las pausas y el silencio. Estos sonidos a menudo conllevan tanto significado como las palabras mismas, indicando angustia o vacilación que una transcripción simple pasaría por alto. La cuarta etapa, la visualización, es donde estas historias digitales se devuelven al público. Aquí, la inteligencia artificial ayuda a crear experiencias inmersivas, como exhibiciones de realidad virtual donde los visitantes pueden caminar a través de un espacio digital e interactuar con los testimonios, haciendo que la historia se sienta inmediata y personal.
A pesar de estos avances tecnológicos, los investigadores identificaron preocupaciones serias que no pueden ser ignoradas. El problema más apremiante es el riesgo de perder el elemento "humano" de la historia. Cuando una computadora transcribe una grabación, a menudo elimina las pausas, los suspiros y los temblores emocionales en una voz, reduciendo una experiencia humana compleja a un texto plano. Esto es particularmente peligroso cuando se trata de historias traumáticas, donde la forma en que se dice algo es tan importante como lo que se dice. También existe el problema del sesgo. Los modelos de inteligencia artificial utilizados para estas tareas suelen estar entrenados en lenguas y datos estándar de altos recursos. Cuando estos modelos encuentran historias de comunidades indígenas, hablantes de dialectos poco comunes o sobrevivientes de conflictos culturales específicos, a menudo fallan en comprender el matiz, malinterpretando a veces el sentimiento o simplificando el contexto cultural.
La revisión también destaca una división creciente entre los historiadores que cuidan estas historias y los ingenieros que construyen las herramientas. A medida que los archivos dependen más de sistemas complejos de "caja negra" proporcionados por empresas comerciales, se vuelve más difícil para los historiadores entender cómo la tecnología está clasificando y recuperando la información. Esta falta de transparencia plantea preguntas sobre quién controla la narrativa. Además, los investigadores señalan que el costo ambiental de entrenar estos modelos computacionales masivos es significativo, añadiendo una nueva capa de consideración ética al campo. Los autores enfatizan que, para que la inteligencia artificial sea verdaderamente útil, debe ser guiada por un enfoque de "humano en el bucle", donde los expertos humanos permanezcan a cargo del proceso, asegurando que la tecnología sirva a la historia en lugar de distorsionarla.
En última instancia, esta revisión sistemática sugiere que estamos en un punto de inflexión. La tecnología para hacer la historia oral accesible para todos finalmente está aquí, pero el camino hacia adelante requiere más que un mejor software. Exige un equilibrio cuidadoso entre la eficiencia de las máquinas y la responsabilidad ética de preservar la memoria humana. Los investigadores concluyen que el futuro de este campo depende del desarrollo de nuevas formas de medir el éxito que vayan más allá de la simple exactitud. En lugar de solo contar cuántas palabras obtuvo correctamente una computadora, debemos aprender a evaluar si la tecnología ha preservado la verdad emocional y la integridad cultural de las historias que ayuda a contar. Solo abordando estos desafíos podemos asegurar que las voces del pasado no solo sean escuchadas, sino verdaderamente comprendidas.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.