Resumen de A chatbot to support information needs in times of COVID-19

Jefferson A. Peña Torres, Santiago Giraldo Alegría, Carlos Alberto Arango Pastrana, Víctor Andrés Bucheli Guerrero

• español

  Este artículo describe el diseño, desarrollo y pruebas de un chatbot pregunta-respuesta acerca del escenario de riesgo covid-19 en la ciudad de Cali. El chatbot se implementa bajo un modelo de procesamiento de lenguaje natural (PLN) y es capaz de sostener un diálogo que brinda información en un escenario de pandemia. En el documento se presenta la identificación de fuentes de datos para solventar las necesidades de información para la ciudad de Cali en el escenario de pandemia, para el periodo marzo diciembre de 2020; con base en las fuentes de información se construye un corpus de información con 636 oraciones. A partir del corpus construido se construyen tres modelos usando prototipado incremental: modelo de línea base para casos generales (BC) el cual responde a preguntas generales y  relacionadas con número de casos en puntos geográficos de una zona en la ciudad de Cali;  modelo de línea base, zonas geográficas y normativa (BCN) que adicionalmente ofrece información de noticias, decretos o normativas generadas por el Gobierno durante el escenario de riesgo y un modelo  de línea base, zonas geográficas, normativa y preguntas frecuentes (BFAQS) que responde adicionalmente a preguntas frecuentes. Para la evaluación se desarrolló una encuesta de satisfacción de la versión prototipo del chatbot, en el caso de la evaluación de los modelos se utilizaron las métricas usualmente utilizadas en procesamiento de lenguaje natural: precisión, cobertura y medida-F. El análisis y los resultados muestran que el modelo final (BFAQS) muestra valores superiores al 88% en las tres medidas, de igual forma el BFAQS sostuvo 1480 conversaciones, con un promedio de enganche o atracción de 4.12 minutos, igualmente, los resultados de la encuesta de la versión prototipo de la herramienta indicó que la 87% volvería a usa el chatbot para obtener información sobre la COVID-19.

• English

  This paper aims to describe the design, development, and testing of a question-answering chatbot to inform COVID-19 at Cali town. The chatbot is based on the model of natural language processing, and it is capable of holding a question-and-answer conversation about the pandemic. This document presents the sources of information to solve information needs in the Cali town's risk scenery from March to December 2020; Based on the sources of information, a corpus with 636 sentences was built. Three models were trained bases on the corpus. The models were trained incremental prototyping: A baseline model that responds to general questions, cases, active cases, and deaths at a geographic point of an area or region of interest (BC), the baseline model, zones and news, decrees or regulations generated by the Government during the risk situation (BCN) and the final model that responds the previous items and to frequently asked questions (BFAQ). A satisfaction survey of the prototype was developed to evaluate the chatbot, and the models were evaluated by metrics of PLN precision, coverage, and F-measure. The analysis and results showed that the final model (BFAQS) showed values upper 88% in the three measurements., besides, the BFACS held 1480 conversations, with an average conversation engagement of 4.12 minutes. Furthermore, the survey results show that 87% would use the chatbot again to obtain information about COVID-19.