Los métodos existentes de explicación posterior, independientes del modelo, generan explicaciones externas para modelos opacos, principalmente mediante la atribución local de las salidas del modelo a las características de entrada. Sin embargo, carecen de un marco que cuantifique explícita y sistemáticamente las contribuciones de las características individuales. Este artículo integra los métodos de atribución local existentes basados en el marco de expansión de Taylor propuesto por Deng et al. (2024) y presenta supuestos estrictos para la atribución específica de Taylor: precisión, asociación y discrepancia cero. Partiendo de estos supuestos, proponemos TaylorPODA (Atribución Adaptada de Importancia-Orden derivada de la expansión de Taylor), que incorpora una propiedad "adaptativa" adicional. Esta propiedad permite la alineación con los objetivos específicos de la tarea, especialmente en entornos posteriores donde se carece de explicaciones basadas en la verdad fundamental. Las evaluaciones experimentales demuestran que TaylorPODA logra resultados competitivos en comparación con los métodos de referencia y proporciona explicaciones basadas en principios y de fácil visualización. Este estudio mejora la distribución fiable de modelos opacos al proporcionar explicaciones con una base teórica más sólida.
