El objetivo de la extracción de eventos es reconocer desencadenantes de eventos y categorías de eventos dentro de un texto no estructurado y producir argumentos de eventos estructurados. Sin embargo, existe un fenómeno común de desencadenantes y argumentos de diferentes tipos de eventos en una oración que pueden ser los mismos elementos de palabras, lo que plantea nuevos desafíos para esta tarea. En este artículo, se propone un marco de aprendizaje conjunto para la extracción de eventos superpuestos (ROPEE). En este marco, se diseña un módulo de prejuicio de roles antes de la extracción de argumentos. Realiza un prejuicio de roles aprovechando la correlación entre tipos de eventos y roles, así como incrustaciones de desencadenantes. Los experimentos en el FewFC muestran que el modelo propuesto supera a otros modelos de referencia en cuanto a Clasificación de Desencadenantes, Identificación de Argumentos y Clasificación de Argumentos en un 0.4%, 0.9% y 0.6%. En escenarios de superposición de desencadenantes y superposición de argumentos, el modelo propuesto supera a los modelos de referencia en cuanto a Identificación de Argumentos y Clasificación de Argumentos en un 0.9%, 1.2%, 0.7% y 0.6%, respectivamente, lo que indica la efectividad de ROPEE en la resolución de eventos superpuestos.