MAIA
MAIA — Segmentación Retórica de Documentos Científicos en Español · Detección de Contribuciones
⚠ Vista no optimizada
conectando…
👥 Acerca del Proyecto
Segmentación Automática de Artículos Científicos en Español
Maestría en Inteligencia Artificial
Universidad de los Andes · Colombia · 2026
Grupo 2
Asesor
RM
Ph.D. Rubén Francisco Manrique Piramanrique
Departamento de Ingeniería de Sistemas y Computación
rf.manrique@uniandes.edu.co
Integrantes del equipo
SB
Santiago Ballesteros Pastrán
s.ballesteros@uniandes.edu.co
EC
Edwin Alexander Cifuentes Bastidas
ea.cifuentes@uniandes.edu.co
NM
Natalia Moncada Suárez
n.moncadas@uniandes.edu.co
CM
Cristian Alexis Murillo Martínez
ca.murillom12@uniandes.edu.co
JP
Juan Pablo Pérez Atehortua
jp.pereza12@uniandes.edu.co
Repositorio del proyecto
📖 Guía de uso — MAIA Proyecto Grado G2
Leyenda — Categorías Retóricas (Tarea 1)
El color de fondo de cada párrafo corresponde a su categoría retórica (T1). El sistema asigna una de las 8 categorías usando patrones léxicos y la posición relativa del párrafo dentro del documento (0 = inicio, 1 = fin).
Detección de Contribuciones (Tarea 2)
ES_CONTRIBUCION — las oraciones que contienen marcadores de aporte científico se resaltan en rojo dentro del párrafo.

T1 y T2 son etiquetas independientes: una contribución puede estar dentro de cualquier sección retórica (introducción, metodología, resultados, conclusiones, etc.).
Flujo de análisis — dos tareas independientes
T1
Segmentación Retórica — divide el texto en párrafos y clasifica cada uno en una de las 8 etiquetas: INTRO, BACK, METH, RES, DISC, CONTR, LIM, CONC.
Endpoint: POST /api/segment
↓ Los segmentos de T1 se pasan como input a T2
T2
Detección de Contribuciones — clasifica cada fragmento como ES_CONTRIBUCION o NO_ES_CONTRIBUCION, usando el contexto retórico heredado de T1.
Endpoint: POST /api/contributions
T1 y T2 usan modelos independientes seleccionables por separado. Una contribución puede aparecer en cualquier sección retórica — las etiquetas son ortogonales.
Archivos soportados
PDF — detecta tamaño de hoja (Carta, A4, Oficio, Folio) y número de columnas (1, 2 o 3) automáticamente.
DOCX / DOC — extrae texto en orden de flujo correcto; detecta tamaño de hoja desde metadatos XML.
TXT — texto plano. Se asume siempre formato Carta.
Pegado directo — escribe o pega en el área de texto; se trata como Carta de una sola columna.
Modelos disponibles
● Disponible — se ejecuta inmediatamente.
○ Pendiente — usa heurístico como fallback hasta que el artefacto esté listo.
El sistema funciona sin backend usando la heurística JavaScript local. Con el backend FastAPI activo, los modelos entrenados (SciBETO, mDeBERTa, Llama, GPT‑4o) son accesibles desde el selector.
Exportación de resultados
La barra de exportación aparece siempre anclada en la parte inferior del panel. Los archivos reflejan el filtro activo de KPIs (si hay uno aplicado):
📄 JSON
Todos los campos: etiqueta T1, confianza T1, etiqueta T2, confianza T2, texto, posición, zona retórica. Sin filtro.
📊 CSV retórico
Tabla plana compatible con Excel/pandas. Incluye posición relativa, zona, categorías T1 y T2 para cada párrafo.
🎯 CSV contribuciones
Solo párrafos con ES_CONTRIBUCION, con texto completo, contexto retórico y confianza T2.
🌐 HTML
Informe visual standalone con los colores retóricos y highlights de contribuciones. Respeta el filtro activo.
Nombre: rethorical_ALL.html o rethorical_INTRO_RES.html
🖨 PDF
Imprime el informe HTML desde el diálogo del navegador (Guardar como PDF). Respeta el filtro activo.
Nombre: rethorical_ALL.pdf
Filtros de categoría — KPIs interactivos
Haz clic en cualquier KPI de la distribución retórica para activar un filtro visual:
  • Los párrafos de otras categorías se atenúan a opacity 8%
  • Selección múltiple: clic en varios KPIs acumula el filtro
  • Clic de nuevo en un KPI activo lo elimina del filtro
  • El KPI Sin cat. (gris) resetea el filtro completo
  • Los botones HTML y PDF exportan solo los párrafos del filtro activo
Barra de resultados — ¿qué significa cada campo?
Modelo: Heurístico (sin modelo)  ·  Modo: heuristic  ·  Párrafos: 8  ·  Palabras: 276              ⏱ 3 ms
  • Modelo — nombre del modelo que realizó el análisis. Heurístico (sin modelo) indica que se usó la lógica de reglas léxicas local, sin un modelo de lenguaje entrenado.
  • Modo — familia del motor de inferencia: heuristic (reglas JS locales), encoder (BERT/DeBERTa fine-tuned), llm_open (Llama / Mistral) o llm_api (GPT-4o / Gemini).
  • Párrafos — número de párrafos en los que el sistema segmentó el texto. La segmentación se basa en dobles saltos de línea o en grupos de ~50 palabras si el texto no tiene párrafos marcados.
  • Palabras — total de tokens (palabras separadas por espacio) en el texto analizado. Útil para estimar la densidad del documento.
  • ⏱ tiempo — latencia de inferencia en milisegundos, medida desde que se envía el texto hasta que se recibe la respuesta completa. El modo heurístico es siempre < 20 ms; los encoders ~200–500 ms; los LLM API dependen de la red.
Distribución retórica (Tarea 1) — ¿qué es el porcentaje?
Cada tarjeta de la distribución retórica muestra dos valores para una categoría:
  • Número (grande) — cantidad de párrafos del texto clasificados en esa categoría retórica.
  • Porcentaje — proporción de párrafos en esa categoría respecto al total del texto analizado, calculado como:
    % = (párrafos en categoría / total párrafos) × 100
Los porcentajes de las 8 categorías suman 100 %. Una categoría con 0 párrafos muestra 0 % y aparece en gris — indica que ese tipo de contenido retórico no fue identificado en el texto. La distribución esperada en un artículo científico completo suele tener INTRO y BACK al inicio, METH y RES en el cuerpo, y DISC, CONTR, LIM y CONC hacia el final.
📚 Ejemplos Few-Shot publicados
Estos son los ejemplos curados manualmente por el equipo que se inyectan en el prompt de los LLMs (Llama 3.1 8B y GPT-4o-mini) cuando se selecciona una variante few-shot en el catalogo. Las variantes zero-shot (sufijo -zs) NO usan estos ejemplos. Los SHA256 publicados permiten auditoria bit-a-bit contra el manifest del release.
Cargando metadatos...
Cargando ejemplos desde el backend...
🔬

Sin análisis

Pega un texto o sube un archivo TXT, DOC, DOCX o PDF y pulsa Analizar.

⚠️
Vista no optimizada para este dispositivo
Esta solución está diseñada para visualizarse en navegadores de escritorio (ancho ≥ 900 px). En móvil y tableta algunos elementos pueden verse cortados o desalineados.

Estamos trabajando en optimizar la interfaz para estos dispositivos en próximas versiones.