Existe una gran cantidad de técnicas y modelos computacionales para realizar análisis de textos escritos el lenguaje natural. Muchos de ellos intentan descubrir vínculos, asociaciones y variadas formas de patrones ocultos para la posterior toma de decisiones automática. Sin embargo, lograr entender la naturaleza de dichos patrones ocultos, o los vínculos que se detectan automáticamente es algo que usualmente no se contempla, por lo que la responsabilidad de explicar dichos descubrimientos se traspasa a especialistas humanos en ciertos dominios.

En esta charla se presentará uno de los primeros enfoques computacionales en el mundo para proveer explicabilidad en los descubrimientos realizados en tareas de procesamiento de lenguaje y en particular, analítica de datos textuales. El modelo sigue un análogo al método científico en la forma en que descubre hipótesis, conecta conocimiento lingüístico y evalúa los resultados utilizando
criterios multi-objetivo. Para este objetivo, el enfoque combina nuevos modelos de computación evolutiva mullti-objetivo para procesamiento de lenguaje natural con métodos de análisis semántico basado en corpus. Como un todo, el enfoque apunta a descubrir patrones interesantes desde colecciones de documentos técnicos en forma explicativa. Se presentarán algunos resultados preliminares que han sido evaluados y contrastados con especialistas humanos, y que muestra la promesa de este tipo de enfoques para proporcionar explicabilidad en tareas de análisis textual.