El método desarrollado para la detección de conectores complejos se basa en: a) técnicas de representación de conocimiento, concretamente en sistemas de producción que tienen una estructura ‘si-entonces’ y en encaje de patrones; y b) en el procesamiento del lenguaje natural subsimbólico, basado en modelos del lenguaje y aprendizaje automático. Para detectar conectores complejos presentes en el texto proporcionado, se utilizan, por tanto, etiquetas proporcionadas por algoritmos de procesamiento del lenguaje natural, así como reglas declarativas junto con unificación sintáctica.

Para adaptar los conectores complejos identificados, se ha desarrollado un método basado en el establecimiento de una tabla de equivalencias (conector complejo versus conectores simples equivalentes) y el uso de encaje de patrones.

Sin embargo, aunque o por tanto son algunos de los conectores complejos que pueden dificultar la comprensión de un texto para ciertos lectores. El servicio web implementado, según el método anteriormente explicado, identifica dichos conectores y los sustituye por sus equivalentes más sencillos, como pero o y. De esta manera, se facilita la lectura y se logra una mayor coherencia en el texto, mejorando su comprensión.

El servicio web realiza un análisis gramatical exhaustivo del texto para asegurarse de que las mayúsculas y los superlativos se utilicen de manera correcta y coherente. La utilización inadecuada de mayúsculas o superlativos puede cambiar el significado de una frase o generar ambigüedades, lo que afecta negativamente a la comprensión del texto. Por lo cual, el servicio verifica y corrige cuidadosamente el uso de mayúsculas en nombres propios, títulos y otros casos relevantes, así como el uso adecuado de los superlativos para expresar la máxima intensidad de una cualidad sin confundir al lector. Esta corrección contribuye a una mayor claridad y comprensión del contenido.

Las enumeraciones resultan un problema, ya que varias pautas de la Norma UNE (AENOR, 2018) de lectura fácil hacen mención de ellas. Por ese motivo, se ha decidido señalar como problemáticas las enumeraciones lineales de 4 o más elementos y adaptarlas como listados con viñetas. Para identificar las enumeraciones, se ha diseñado y desarrollado un método basado en expresiones regulares, que buscan patrones típicos de enumeraciones, y relaciones de dependencia sintáctica, que confirman o desmienten si un patrón detectado es una estructura enumerativa. Estas dependencias sintácticas son etiquetas proporcionadas por algoritmos de procesamiento del lenguaje natural. Durante la adaptación se hace uso de la información recopilada en la actividad de identificación para colocar los dos puntos en el lugar adecuado, y después se segmenta la enumeración, colocando cada elemento en una viñeta del listado.

La implementación de esta pauta se evaluó con un conjunto de 141 frases extraídas del BOE y de artículos del periódico Público.

En este punto merece la pena mencionar que uno de los objetivos transversales de esta investigación es conseguir un proyecto de investigación en IA inclusivo. Para ello, se ha incorporado en el proyecto la participación de personas con dificultades de comprensión lectora y expertos en lectura fácil, mediante el uso de cuestionarios online. Estos cuestionarios se enviaron de forma masiva el 2 de noviembre de 2023 y se cerraron el 10 de noviembre de 2023.

Por un lado, en el caso de las personas con dificultades de comprensión lectora, el cuestionario se centra en seleccionar qué opción de adaptación de enumeraciones es más fácil. El cuestionario empieza recabando información pertinente de los participantes, continúa con el test de comprensión de las adaptaciones realizadas por ATECA y finaliza con la opción de dejar un comentario voluntario. 164 personas con discapacidad cognitiva respondieron al cuestionario (el 95% eran españoles y el 5% restante provenían de Bélgica, Colombia, Francia, Rusia y Uruguay). La gran mayoría de participantes eran personas con discapacidad intelectual (79%), de las cuales un 5% también tenían alguna discapacidad física y/o enfermedad mental. En un número más reducido también respondieron al cuestionario personas con Trastornos del Espectro Autista (TEA) (3%) y Trastorno por Déficit de Atención (TDA) (2%), entre otras. Con respecto al nivel de comprensión lectora de los participantes, la mayoría respondió que comprenden 'Todo o casi todo' (43%), seguido de las personas que entendían ‘Algunas cosas’ (37%) y 'Poco o muy poco' (9%); el resto de participantes indicaron que su nivel de comprensión dependía del texto. Es importante resaltar que un 41% de los participantes necesitó ayuda para completar el cuestionario. Además, se puede añadir que hubo paridad de género en los participantes, hubo un 49% tanto de mujeres como de hombres. Finalmente, con respecto a la edad de los participantes, la mayoría (40%) tenían entre 31 y 45 años, seguidos de un 39% de participantes entre 17 y 30 años; el resto tenían más de 45 años.

Las respuestas a este cuestionario, junto a 31 comentarios de los participantes, han servido para tomar decisiones sobre la manera más adecuada de adaptar enumeraciones. Por otro lado, en el caso de los expertos en lectura fácil, el cuestionario enviado tenía como objetivo validar las adaptaciones realizadas por ATECA. 73 expertos en lectura fácil respondieron al cuestionario, ayudando a matizar y mejorar la implementación de esta pauta. De los 73 expertos, un 62% tenía algún tipo de discapacidad, el 51% del total tenían discapacidad intelectual y el 11% restante se divide entre discapacidad física, TEA y trastorno bipolar. Solo un 29% de los adaptadores necesitaron ayuda para completar el cuestionario. En cuestión de género, un 63% de los participantes fueron mujeres y un 34% hombres, el resto prefirió no contestar. Respecto a la edad, la gran mayoría tienen entre 31 y 45 años, un 51%, seguidos por el 31% de participantes entre 18 y 30 años. El resto tienen más de 45 años. Finalmente, mencionar que el 96% de los participantes provienen de España, y el resto de Colombia, Francia y Brasil.

Con el objetivo de que ATECA contemplara de forma más adecuada la identificación de palabras complejas, se realizó un cuestionario online involucrando adaptadores de lectura fácil. Este cuestionario recoge datos relevantes sobre cómo los adaptadores realizan su trabajo de adaptación a lectura fácil, en concreto, la adaptación de palabras complejas. El cuestionario consiste en 3 secciones: 1) preguntas sobre la longitud de las palabras; 2) preguntas sobre la complejidad de las sílabas; y 3) preguntas generales sobre la pauta. El cuestionario estuvo en funcionamiento desde el 22 de noviembre de 2023 hasta el 1 de diciembre de 2023. En dicho periodo se obtuvieron 21 respuestas de adaptadores. Los resultados permitieron tomar decisiones sobre lo que se considera una palabra compleja:

Siguiendo estos criterios, el método diseñado y desarrollado para que ATECA pueda identificar eficazmente palabras potencialmente problemáticas para la accesibilidad cognitiva se basa en técnicas de representación de conocimiento; concretamente en sistemas de producción y en encaje de patrones.

Una vez detectadas las palabras complejas, el método utilizado se basa en la búsqueda de palabras simples con el mismo significado y la posterior selección de la palabra más adecuada mediante modelos de similitud semántica. Las palabras simples se han obtenido de una lista de sinónimos, recaudados del Diccionario de la lengua española (DLE) (Real Academia Española, 2023), el Tesauro de la Unesco (Tesauro de la Unesco, s/f), BabelNet (BabelNet, 2023) y SinonimosOnline.com (s. f.).

La implementación de esta pauta se ha evaluado con un conjunto de 50 frases, generadas automáticamente con inteligencia artificial vía ChatGPT (OpenAI, 2023).

Palabras como cosa, algo o asunto pueden resultar confusas o producir ambigüedad. El método diseñado y desarrollado para la identificación de palabras indeterminadas se basa en encaje de patrones y similitud sintáctica. Esta pauta se centra en la identificación del siguiente patrón: “Verbo ‘ser’ (en cualquier forma verbal) + Palabra 'cosa', 'algo', 'asunto', 'cosas' o 'asuntos'”. Si dicho patrón se detecta en el texto, entonces la pauta no se está cumpliendo. En ese caso, la palabra de contenido indeterminado identificada se sustituye por un sinónimo adecuado al contexto. En la implementación de este método, se ha utilizado el recurso externo BabelNet (BabelNet, 2023) para obtener sinónimos adecuados al contexto.

La implementación de este método se ha evaluado con un conjunto de 20 frases creadas por el equipo de pruebas de ATECA.

Esta pauta se implementa de la misma manera que la pauta descrita en la sección 2.4.4, es decir, utilizando el mismo sistema de extracción de sinónimos para buscar si aparecen en secciones posteriores del texto. En caso de que se encuentren varias palabras sinónimas entre sí, se marcan como problemáticas. La adaptación selecciona el primer sinónimo detectado en el texto y reemplaza los sinónimos posteriores con esa palabra. Por motivos de velocidad y desempeño, solo se tratan nombres comunes y propios. La implementación de esta pauta se ha evaluado con un conjunto de 20 frases, generadas automáticamente mediante la herramienta ChatGPT (OpenAI, 2023).

Para la corrección del uso del imperativo, se utilizan etiquetas lingüísticas (Part-of-Speech [POS] tags en inglés) proporcionadas por el recurso spaCy (Explosion AI, 2023) para identificar aquellos verbos que están en modo imperativo y que por el contexto se puedan confundir por la tercera persona del singular del presente de indicativo. La adaptación se realiza utilizando el patrón: “Tener” + “que” + “verbo infinitivo”. La implementación de esta pauta se ha evaluado con un conjunto de 30 frases creadas por el equipo de pruebas.

Para evitar la voz pasiva, primero se identifican las oraciones en voz pasiva empleando patrones de etiquetas de partes del discurso (POS tagging) y relaciones de dependencia entre palabras mediante spaCy (Explosion AI, 2023). Para refinar la precisión de esta solución, se recurre al uso de un modelo basado en la arquitectura transformers (modelo trf). Asimismo, se categorizaron las identificaciones en dos clases: pasivas con agente y pasivas sin agente. En lo que respecta a la adaptación, se han implementado dos enfoques distintos. En el caso de las construcciones pasivas con agente, se modifica la estructura de la oración y el verbo para convertirlas a voz activa. Para las construcciones pasivas sin agente, dada su complejidad, se propone:

Para la evaluación de la pauta, se hizo uso de 70 frases redactadas por el equipo de pruebas de ATECA o generadas automáticamente mediante ChatGPT (OpenAI, 2023).