Este trabajo presenta una metodología innovadora para la generación de contenido literario de alto valor artístico y creativo. La metodología abarca diversos géneros en el ámbito de la Escritura Creativa (EC), como poesía, teatro, cuento, novela y ensayo, desde una perspectiva integral y escalable. Se fundamenta en técnicas avanzadas de Procesamiento del Lenguaje Natural (PLN), como la ingeniería de prompting y la generación aumentada de recuperación (RAG). Estas técnicas se aplican mediante el uso de datasets especializados y la implementación de agentes inteligentes (AI) que incorporan aspectos académicos de la teoría literaria. Esta aproximación se adapta a las necesidades específicas de las Humanidades Digitales (HD).
Para ilustrar y descubrir la utilidad de la metodología, y poder así abordar e identificar los desafíos de cada fase del proceso, se aplicó este método al caso específico de la generación de poesía sintética en castellano. La evaluación de la calidad literaria se realizó mediante encuestas a expertos en literatura, comparando poemas generados sintéticamente con obras humanas. Los resultados de este estudio demuestran que la metodología propuesta es eficaz, destacando el potencial de los modelos de lenguaje generativos para crear contenido literario significativo y de calidad.
Este artículo no solo contribuye al ámbito técnico del PLN y de las HD, sino que también incorpora una reflexión profunda sobre la importancia de integrar la teoría literaria en la generación de texto y contenido literario sintético. Sin embargo, también revela una brecha cualitativa entre la poesía generada automáticamente y la obra de poetas consagrados a lo largo de la historia para los lectores experimentados. Conscientes de los desafíos que implica alcanzar los niveles cualitativos de los grandes autores, este trabajo señala de manera constructiva las oportunidades y limitaciones actuales de los modelos generativos en el arte literario. Este enfoque puede ser una herramienta valiosa para escritoras y escritores, además de representar un campo de investigación prometedor para la exploración futura en la intersección sinérgica entre la IA y la creación artística.
ABSTRACT
This paper presents an innovative methodology for generating literary content of high artistic and creative value. The methodology encompasses various genres within the field of creative writing (CW), such as poetry, theatre, short stories, novels, and essays, from a comprehensive and scalable perspective. It is based on advanced natural language processing (NLP) techniques, such as prompting engineering and retrieval-augmented generation (RAG). These techniques are applied using specialized datasets and the implementation of intelligent agents (AI) that incorporate academic aspects of literary theory. This approach is tailored to the specific needs of Digital Humanities (DH).
To illustrate and discover the utility of the methodology, and thereby address and identify the challenges of each phase of the process, this method was applied to the specific case of generating synthetic poetry in Spanish. The evaluation of literary quality was conducted through surveys of literature experts, comparing synthetically generated poems with human works. The results of this study demonstrate that the proposed methodology is effective, highlighting the potential of generative language models to create meaningful and high-quality literary content.
This article not only contributes to the technical field of NLP and DH but also incorporates a profound reflection on the importance of integrating literary theory into the generation of synthetic text and literary content. However, it also reveals a qualitative gap between automatically generated poetry and the works of renowned poets throughout history for experienced readers. Aware of the challenges involved in achieving the qualitative levels of great authors, this work constructively highlights the current opportunities and limitations of generative models in literary art. This approach can be a valuable tool for writers and represents a promising field of research for future exploration at the synergistic intersection of AI and artistic creation.
Este trabajo presenta una metodología innovadora para la generación de contenido literario de alto valor artístico y creativo. La metodología abarca diversos géneros en el ámbito de la Escritura Creativa (EC), como poesía, teatro, cuento, novela y ensayo, desde una perspectiva integral y escalable. Se fundamenta en técnicas avanzadas de Procesamiento del Lenguaje Natural (PLN), como la ingeniería de prompting y la generación aumentada de recuperación (RAG). Estas técnicas se aplican mediante el uso de datasets especializados y la implementación de agentes inteligentes (AI) que incorporan aspectos académicos de la teoría literaria. Esta aproximación se adapta a las necesidades específicas de las Humanidades Digitales (HD).
Para ilustrar y descubrir la utilidad de la metodología, y poder así abordar e identificar los desafíos de cada fase del proceso, se aplicó este método al caso específico de la generación de poesía sintética en castellano. La evaluación de la calidad literaria se realizó mediante encuestas a expertos en literatura, comparando poemas generados sintéticamente con obras humanas. Los resultados de este estudio demuestran que la metodología propuesta es eficaz, destacando el potencial de los modelos de lenguaje generativos para crear contenido literario significativo y de calidad.
Este artículo no solo contribuye al ámbito técnico del PLN y de las HD, sino que también incorpora una reflexión profunda sobre la importancia de integrar la teoría literaria en la generación de texto y contenido literario sintético. Sin embargo, también revela una brecha cualitativa entre la poesía generada automáticamente y la obra de poetas consagrados a lo largo de la historia para los lectores experimentados. Conscientes de los desafíos que implica alcanzar los niveles cualitativos de los grandes autores, este trabajo señala de manera constructiva las oportunidades y limitaciones actuales de los modelos generativos en el arte literario. Este enfoque puede ser una herramienta valiosa para escritoras y escritores, además de representar un campo de investigación prometedor para la exploración futura en la intersección sinérgica entre la IA y la creación artística.
ABSTRACT
This paper presents an innovative methodology for generating literary content of high artistic and creative value. The methodology encompasses various genres within the field of creative writing (CW), such as poetry, theatre, short stories, novels, and essays, from a comprehensive and scalable perspective. It is based on advanced natural language processing (NLP) techniques, such as prompting engineering and retrieval-augmented generation (RAG). These techniques are applied using specialized datasets and the implementation of intelligent agents (AI) that incorporate academic aspects of literary theory. This approach is tailored to the specific needs of Digital Humanities (DH).
To illustrate and discover the utility of the methodology, and thereby address and identify the challenges of each phase of the process, this method was applied to the specific case of generating synthetic poetry in Spanish. The evaluation of literary quality was conducted through surveys of literature experts, comparing synthetically generated poems with human works. The results of this study demonstrate that the proposed methodology is effective, highlighting the potential of generative language models to create meaningful and high-quality literary content.
This article not only contributes to the technical field of NLP and DH but also incorporates a profound reflection on the importance of integrating literary theory into the generation of synthetic text and literary content. However, it also reveals a qualitative gap between automatically generated poetry and the works of renowned poets throughout history for experienced readers. Aware of the challenges involved in achieving the qualitative levels of great authors, this work constructively highlights the current opportunities and limitations of generative models in literary art. This approach can be a valuable tool for writers and represents a promising field of research for future exploration at the synergistic intersection of AI and artistic creation. Read More
Related posts:
Metodologías innovadoras a través del judo: propuesta para fomentar la motivación del alumnado de secundaria en Educación Física
“El deporte que salva vidas”: propuesta de una situación de aprendizaje de salvamento y socorrismo en 4º de la ESO
Propuesta innovadora de situación de aprendizaje para el desarrollo de la cualidad de la fuerza en 4º ESO
Estimación del potencial eléctrico de residuos orgánicos mediante el uso de biodigestores experimentales
Diseño de una metodología de cálculo del Valor del Cliente (CLTV) basada en
redes neuronales para la predicción del comportamiento de los consumidores
en un entorno empresarial
Desarrollo de un sistema de gestión para hostelería