Título: Sistema inteligente de consulta conversacional de los resultados electorales presidenciales del Perú 2026, mediante OCR, NLP y chatbot.

Resumen: Se presenta un sistema conversacional para consultar y contrastar resultados electorales preservando la procedencia de datos estructurados y evidencia documental proveniente de actas digitalizadas. La solución integra un pipeline documental basado en normalización geométrica, regiones de interés, GLMOCR y validaciones determinísticas con una arquitectura Text-to-SQL híbrida implementada mediante LangGraph, PostgreSQL y Streamlit. Para la generación SQL se compararon DeepSeek-R1-Distill-Qwen-1.5B, Llama-3.2-1B, Qwen2.5-Coder-1.5B-Instruct y Gemma-2-2B. Gemma obtuvo los mayores valores de similitud léxica, con BLEU de 0.9113 y ROUGE-L F1 de 0.9518, y fue integrado mediante cuantización de 4 bits y LoRA como mecanismo generativo para consultas no cubiertas por rutas determinísticas. SQLGlot valida las sentencias antes de su ejecución sobre PostgreSQL. En el componente documental, el OCR alcanzó una exactitud numérica global de 98.976 %, un MAE de 0.1308 votos y una correlación de Pearson de 0.9178 sobre el subconjunto evaluado. La consistencia aritmética interna fue de 64.85 %, mostrando que una alta concordancia a nivel de celda no implica necesariamente coherencia completa del documento.
El estudio separa explícitamente la calidad del reconocimiento documental, la similitud del SQL generado y su corrección funcional. Aunque los resultados sustentan la viabilidad de la arquitectura propuesta, la evaluación definitiva del componente Text-to-SQL requiere un benchmark independiente para medir Exact Match, validez sintáctica y Execution Accuracy.

Título: Sistema inteligente de consulta conversacional de los resultados electorales presidenciales del Perú 2026, mediante OCR, NLP y chatbot.

Resumen: Se presenta un sistema conversacional para consultar y contrastar resultados electorales preservando la procedencia de datos estructurados y evidencia documental proveniente de actas digitalizadas. La solución integra un pipeline documental basado en normalización geométrica, regiones de interés, GLMOCR y validaciones determinísticas con una arquitectura Text-to-SQL híbrida implementada mediante LangGraph, PostgreSQL y Streamlit. Para la generación SQL se compararon DeepSeek-R1-Distill-Qwen-1.5B, Llama-3.2-1B, Qwen2.5-Coder-1.5B-Instruct y Gemma-2-2B. Gemma obtuvo los mayores valores de similitud léxica, con BLEU de 0.9113 y ROUGE-L F1 de 0.9518, y fue integrado mediante cuantización de 4 bits y LoRA como mecanismo generativo para consultas no cubiertas por rutas determinísticas. SQLGlot valida las sentencias antes de su ejecución sobre PostgreSQL. En el componente documental, el OCR alcanzó una exactitud numérica global de 98.976 %, un MAE de 0.1308 votos y una correlación de Pearson de 0.9178 sobre el subconjunto evaluado. La consistencia aritmética interna fue de 64.85 %, mostrando que una alta concordancia a nivel de celda no implica necesariamente coherencia completa del documento.
El estudio separa explícitamente la calidad del reconocimiento documental, la similitud del SQL generado y su corrección funcional. Aunque los resultados sustentan la viabilidad de la arquitectura propuesta, la evaluación definitiva del componente Text-to-SQL requiere un benchmark independiente para medir Exact Match, validez sintáctica y Execution Accuracy.

Grupo 3 - Sección B