Download

Download Full Text (992 KB)

Description

Este Trabajo Fin de Máster diseña, implementa y documenta una metodología experimental reproducible para evaluar cómo distintas estrategias de generación narrativa afectan a la coherencia canónica al introducir personajes nuevos en una obra clásica. El problema de investigación no se limita a producir textos fluidos: se centra en generar narraciones capaces de integrarse en un universo literario preexistente sin alterar acontecimientos, relaciones entre personajes, cronología, espacios narrativos ni desenlace. Para ello se utiliza La Odisea como caso de estudio y banco de pruebas de una arquitectura general de generación narrativa controlada mediante modelos de lenguaje y recuperación aumentada por generación (RAG). El trabajo construye una matriz experimental de 12 escenarios, 3 familias de inserción —local, multicanto y longitudinal—, 3 configuraciones —base, RAG y RAG con revisión— y 3 semillas, con un total de 108 historias generadas, registradas y evaluadas mediante una rúbrica automática homogénea. La arquitectura combina corpus segmentado, fichas de escenario, eventos obligatorios, conocimientos prohibidos, recuperación jerárquica de cantos y fragmentos, prompts trazables y una fase de revisión automática. La validación del recuperador jerárquico sobre 24 consultas de control obtiene hit@1, hit@3, hit@5 y MRR iguales a 1,0. En condiciones reales de generación, la cobertura media de cantos objetivo alcanza un recall de 0,679, lo que matiza la lectura del benchmark y muestra que la recuperación perfecta en consultas de control no equivale a cobertura total en escenarios multicanto o longitudinales. La evaluación principal se amplía finalmente a las 108 historias mediante una rúbrica homogénea sobre respeto del canon, integración del personaje, coherencia temporal y calidad narrativa. El test de Friedman sobre 36 bloques emparejados completos obtiene χ² = 8,0727, p = 0,0177 y W de Kendall = 0,1121. Las comparaciones Wilcoxon con corrección Holm muestran diferencia significativa entre base y RAG (p_Holm = 0,0267), mientras que base frente a RAG con revisión y RAG frente a RAG con revisión no alcanzan significación tras corrección. LudicMetrics se mantiene como evaluación complementaria exploratoria sobre 12 historias RAG con revisión, con LPI medio de 0,4374 y PCV medio de 136,75. Los resultados permiten defender la viabilidad de un pipeline auditable para generación narrativa controlada, así como identificar sus límites: la recuperación mejora la trazabilidad contextual, pero la fidelidad narrativa exige restricciones explícitas, revisión y evaluación separada de coherencia, integración y potencial narrativo.

Publication Date

2026

City

Madrid

Keywords

Inteligencia artificial generativa; Modelos de lenguaje; Generación narrativa controlada; Retrieval-Augmented Generation; Coherencia canónica; Evaluación automática; La Odisea.

Generación narrativa controlada mediante RAG para la inserción coherente de nuevos personajes en La Odisea

Share

COinS