Resumen: El volumen de datos textuales disponibles en informes de seguridad de la aviación presenta un desafío para un análisis oportuno y preciso. Este documento examina cómo la inteligencia artificial (IA) y, específicamente, el procesamiento del lenguaje natural (PNL) puede automatizar el proceso de extraer información valiosa de estos datos, mejorando en última instancia la seguridad de la aviación. El documento revisa los esfuerzos continuos centrados en la aplicación de PNL y el aprendizaje profundo a los informes de seguridad de la aviación, con el objetivo de clasificar el nivel de daño a una aeronave e identificar la fase de vuelo durante la cual ocurren ocurrencias de seguridad. Además, el documento explora el uso del modelado de temas (TM) para descubrir estructuras temáticas latentes dentro de los informes de incidentes de aviación, con el objetivo de identificar patrones recurrentes y áreas potenciales para la mejora de la seguridad. El documento compara y contrasta el rendimiento de varios modelos de aprendizaje profundo y las técnicas de TM aplicadas a los conjuntos de datos de la Junta Nacional de Seguridad del Transporte (NTSB) y la Oficina de Seguridad del Transporte de Australia (ATSB), así como la Red de Seguridad de Aviación (ASN), discutiendo el impacto del tamaño del datos y la fuente en la precisión del análisis. Los hallazgos demuestran que tanto NLP como Deep Learning, así como TM, pueden mejorar significativamente la eficiencia y la precisión del análisis de seguridad de la aviación, allanando el camino para una gestión de seguridad más proactiva y estrategias de mitigación de riesgos.
Publicado Originalme en rss.arxiv.org El 2 de junio de 2025.
Ver Fuente Original
