IA para asistir la calificación jurídica de medidas cautelares : Una arquitectura replicable desde la ciencia de datos aplicada al derecho

Autores
Labbate, Virginia
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El presente trabajo aborda la tarea de extracción estructurada de información en documentos jurídicos semiestructurados. El problema se modela como una combinación de extracción de entidades y normalización de atributos jurídicos en textos con alta variabilidad léxica y estructural. El caso de estudio corresponde a oficios judiciales que ordenan medidas cautelares procesados en el Registro de la Propiedad de la Provincia de Buenos Aires (RPBA), cuya identificación precisa de entidades (nombre, documento de identidad, tipo de medida, órgano judicial, vigencia, entre otras) resulta crítica en el proceso de anotación registral. Se propone el diseño conceptual de una arquitectura basada en Procesamiento de Lenguaje Natural (PLN), orientada a asistir la calificación registral preliminar de estos documentos. El sistema adopta un esquema Human-in-the-Loop (HITL), en el cual el modelo realiza la extracción automática y estructuración de información relevante, mientras que la validación final permanece bajo control humano. La arquitectura contempla la evaluación de estrategias de adaptación supervisada sobre corpus jurídico anotado, integración de reglas de validación estructural y generación de salidas explicables. El diseño se adecua a los principios de uso responsable de inteligencia artificial establecidos por la Resolución 9/2025 de la Provincia de Buenos Aires. La propuesta establece una base replicable para la aplicación de modelos de PLN en funciones documentales jurídicas dentro de entornos regulados.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Procesamiento de Lenguaje Natural (PLN)
Medidas cautelares
Calificación registral
Human-in-the-Loop
Derecho Registral
Inteligencia artificial responsable
Reconocimiento de Entidades Nombradas (NER)
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/195738
Acceder
id SEDICI_c6d03511a558ec1fe3f6733df117efc0
oai_identifier_str oai:sedici.unlp.edu.ar:10915/195738
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling IA para asistir la calificación jurídica de medidas cautelares : Una arquitectura replicable desde la ciencia de datos aplicada al derechoLabbate, VirginiaCiencias InformáticasProcesamiento de Lenguaje Natural (PLN)Medidas cautelaresCalificación registralHuman-in-the-LoopDerecho RegistralInteligencia artificial responsableReconocimiento de Entidades Nombradas (NER)El presente trabajo aborda la tarea de extracción estructurada de información en documentos jurídicos semiestructurados. El problema se modela como una combinación de extracción de entidades y normalización de atributos jurídicos en textos con alta variabilidad léxica y estructural. El caso de estudio corresponde a oficios judiciales que ordenan medidas cautelares procesados en el Registro de la Propiedad de la Provincia de Buenos Aires (RPBA), cuya identificación precisa de entidades (nombre, documento de identidad, tipo de medida, órgano judicial, vigencia, entre otras) resulta crítica en el proceso de anotación registral. Se propone el diseño conceptual de una arquitectura basada en Procesamiento de Lenguaje Natural (PLN), orientada a asistir la calificación registral preliminar de estos documentos. El sistema adopta un esquema Human-in-the-Loop (HITL), en el cual el modelo realiza la extracción automática y estructuración de información relevante, mientras que la validación final permanece bajo control humano. La arquitectura contempla la evaluación de estrategias de adaptación supervisada sobre corpus jurídico anotado, integración de reglas de validación estructural y generación de salidas explicables. El diseño se adecua a los principios de uso responsable de inteligencia artificial establecidos por la Resolución 9/2025 de la Provincia de Buenos Aires. La propuesta establece una base replicable para la aplicación de modelos de PLN en funciones documentales jurídicas dentro de entornos regulados.Red de Universidades con Carreras en Informática2026-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf125-129http://sedici.unlp.edu.ar/handle/10915/195738spainfo:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7info:eu-repo/semantics/reference/hdl/10915/195432info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-06-23T11:17:07Zoai:sedici.unlp.edu.ar:10915/195738Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-06-23 11:17:07.774SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv IA para asistir la calificación jurídica de medidas cautelares : Una arquitectura replicable desde la ciencia de datos aplicada al derecho
title IA para asistir la calificación jurídica de medidas cautelares : Una arquitectura replicable desde la ciencia de datos aplicada al derecho
spellingShingle IA para asistir la calificación jurídica de medidas cautelares : Una arquitectura replicable desde la ciencia de datos aplicada al derecho
Labbate, Virginia
Ciencias Informáticas
Procesamiento de Lenguaje Natural (PLN)
Medidas cautelares
Calificación registral
Human-in-the-Loop
Derecho Registral
Inteligencia artificial responsable
Reconocimiento de Entidades Nombradas (NER)
title_short IA para asistir la calificación jurídica de medidas cautelares : Una arquitectura replicable desde la ciencia de datos aplicada al derecho
title_full IA para asistir la calificación jurídica de medidas cautelares : Una arquitectura replicable desde la ciencia de datos aplicada al derecho
title_fullStr IA para asistir la calificación jurídica de medidas cautelares : Una arquitectura replicable desde la ciencia de datos aplicada al derecho
title_full_unstemmed IA para asistir la calificación jurídica de medidas cautelares : Una arquitectura replicable desde la ciencia de datos aplicada al derecho
title_sort IA para asistir la calificación jurídica de medidas cautelares : Una arquitectura replicable desde la ciencia de datos aplicada al derecho
dc.creator.none.fl_str_mv Labbate, Virginia
author Labbate, Virginia
author_facet Labbate, Virginia
author_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Procesamiento de Lenguaje Natural (PLN)
Medidas cautelares
Calificación registral
Human-in-the-Loop
Derecho Registral
Inteligencia artificial responsable
Reconocimiento de Entidades Nombradas (NER)
topic Ciencias Informáticas
Procesamiento de Lenguaje Natural (PLN)
Medidas cautelares
Calificación registral
Human-in-the-Loop
Derecho Registral
Inteligencia artificial responsable
Reconocimiento de Entidades Nombradas (NER)
dc.description.none.fl_txt_mv El presente trabajo aborda la tarea de extracción estructurada de información en documentos jurídicos semiestructurados. El problema se modela como una combinación de extracción de entidades y normalización de atributos jurídicos en textos con alta variabilidad léxica y estructural. El caso de estudio corresponde a oficios judiciales que ordenan medidas cautelares procesados en el Registro de la Propiedad de la Provincia de Buenos Aires (RPBA), cuya identificación precisa de entidades (nombre, documento de identidad, tipo de medida, órgano judicial, vigencia, entre otras) resulta crítica en el proceso de anotación registral. Se propone el diseño conceptual de una arquitectura basada en Procesamiento de Lenguaje Natural (PLN), orientada a asistir la calificación registral preliminar de estos documentos. El sistema adopta un esquema Human-in-the-Loop (HITL), en el cual el modelo realiza la extracción automática y estructuración de información relevante, mientras que la validación final permanece bajo control humano. La arquitectura contempla la evaluación de estrategias de adaptación supervisada sobre corpus jurídico anotado, integración de reglas de validación estructural y generación de salidas explicables. El diseño se adecua a los principios de uso responsable de inteligencia artificial establecidos por la Resolución 9/2025 de la Provincia de Buenos Aires. La propuesta establece una base replicable para la aplicación de modelos de PLN en funciones documentales jurídicas dentro de entornos regulados.
Red de Universidades con Carreras en Informática
description El presente trabajo aborda la tarea de extracción estructurada de información en documentos jurídicos semiestructurados. El problema se modela como una combinación de extracción de entidades y normalización de atributos jurídicos en textos con alta variabilidad léxica y estructural. El caso de estudio corresponde a oficios judiciales que ordenan medidas cautelares procesados en el Registro de la Propiedad de la Provincia de Buenos Aires (RPBA), cuya identificación precisa de entidades (nombre, documento de identidad, tipo de medida, órgano judicial, vigencia, entre otras) resulta crítica en el proceso de anotación registral. Se propone el diseño conceptual de una arquitectura basada en Procesamiento de Lenguaje Natural (PLN), orientada a asistir la calificación registral preliminar de estos documentos. El sistema adopta un esquema Human-in-the-Loop (HITL), en el cual el modelo realiza la extracción automática y estructuración de información relevante, mientras que la validación final permanece bajo control humano. La arquitectura contempla la evaluación de estrategias de adaptación supervisada sobre corpus jurídico anotado, integración de reglas de validación estructural y generación de salidas explicables. El diseño se adecua a los principios de uso responsable de inteligencia artificial establecidos por la Resolución 9/2025 de la Provincia de Buenos Aires. La propuesta establece una base replicable para la aplicación de modelos de PLN en funciones documentales jurídicas dentro de entornos regulados.
publishDate 2026
dc.date.none.fl_str_mv 2026-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/195738
url http://sedici.unlp.edu.ar/handle/10915/195738
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-631-6904-02-7
info:eu-repo/semantics/reference/hdl/10915/195432
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
125-129
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1868982611633766400
score 13.265058

Publicaciones similares