- Ángel Joel Alvarado Crisanto
- Grimaldo René Abarca Urbano
- Javier Alexander Fernández Purizaca
- Jorge Raúl Valega Marquina
Este estudio compara tres técnicas extractivas (TextRank, LSA y MMR) con el modelo abstractivo Qwen2.5-1.5B-Instruct para resumir columnas de opinión del diario La República. Se construyó un corpus de 1 273 artículos depurados a partir de 1 336 iniciales, evaluando los métodos mediante ROUGE y BERTScore sobre 15 artículos con resúmenes de referencia. Qwen obtuvo el mejor desempeño cuantitativo en las cinco métricas, aunque presentó alteraciones factuales que evidencian la necesidad de verificación adicional. Entre los métodos extractivos, TextRank resultó el más equilibrado y MMR logró la mayor cobertura léxica. Los cuatro métodos se integraron en un aplicativo funcional desarrollado con Gradio.
Impacto:
Este trabajo aporta evidencia empírica sobre el resumen automático en español aplicado a un género poco estudiado —las columnas de opinión— cerrando un vacío de investigación relevante para la región. Su principal contribución práctica es un aplicativo funcional que integra los cuatro métodos en una herramienta accesible. Sin embargo, su hallazgo más importante es de carácter social: demuestra con evidencia concreta que los modelos generativos como Qwen pueden alterar hechos y cifras al resumir noticias, una advertencia directa sobre los riesgos de usar IA sin supervisión en contenido periodístico de interés público.
Palabras clave:
Generación automática de resúmenes, procesamiento del lenguaje natural, TextRank, LSA, MMR, Qwen2.5, ROUGE, BERTScore.