https://doi.org/10.37815/rte.v36n1.1088
ArtÃculos originales
A Machine Learning System for Detection and Analysis of Sexist Conte=
nt
in Urban Music
Dany
Pianchiche-Añapa
Pablo
Pico-Valencia<=
span
lang=3DPT-BR style=3D'mso-ansi-language:PT-BR'>1Â =
https://orcid.org/0000-0003-3518-33=
13, Juan A.
Holgado-Terriza
1Pon=
tificia
Universidad Católica del Ecuador, Esme=
raldas,
Ecuador
dany.pianchiche@pucese.edu.ec, pablo.pico@pucese.edu.ec
2Uni=
versidad
de Granada, Granada, España<=
/span>
Enviado:Â Â Â Â Â Â Â Â 2023/10/28<=
span
style=3D'font-size:10.0pt;font-family:"Segoe UI",sans-serif;mso-ansi-langua=
ge:
ES-MX'>
Aceptado:Â Â Â Â Â Â 2024/06/27
Publicado:
    2024/06/30
Resumen
En este artÃculo se presentan los aspectos
relacionados con la creación de un clasificador automático destinado a ev=
aluar
y categorizar el nivel de sexismo presente en las letras de canciones del
género musical urbano. El sistema de clasificación asigna las letras a tr=
es
categorÃas distintas: "A", indicando contenido apto para audienc=
ias
de todas las edades; "B", señalando contenido que requiere
supervisión de adultos; y "C", representando material orientado a
adultos. El clasificador se implementó en Python aplicando los algoritmos =
Naïve
Bayes, vecinos más cercanos, árbol de decisión, máquina de vectores de =
soporte
y regresión logÃstica. Para el proceso de entrenamiento de los modelos se=
creó
un set de datos compuesto por 479 observaciones, dividido en un 75% para
entrenamiento y un 25% para pruebas. El set de datos de entrenamiento abarc=
ó
tanto expresiones con connotaciones sexistas como aquellas que carecen de
ellas. El clasificador que alcanzó el más alto grado de precisión fue el=
modelo
basado en el algoritmo de regresión logÃstica con un 77% de precisión. C=
on el
fin de facilitar la explotación del clasificador en entornos de producció=
n, se
integró el modelo con una interfaz gráfica de usuario que facilita la
usabilidad del sistema a los potenciales beneficiarios.
Sumario: Introducción,
Materiales y Métodos, Resultados y Discusión, Conclusiones. Como citar=
: Pianchiche-Añapa,
D., Pico-Valencia, P. & Holgado-Terriza, J. (2024). Sistema de
Aprendizaje Automático para la Detección y Análisis de Contenido Se=
xista
en la Música Urbana. Revista Tecnológica - Espol, 36(1), 68-80. https://rte.espol.edu.ec/index.php/tecnologica/article/view/1088=
<=
i>Palabras clav=
e: Aprendizaje supervisado, clasificador, sexis=
mo,
música urbana, inteligencia artificial.
Abstract
This paper presents aspects
related to the creation of an automatic classifier designed to evaluate and
categorize the level of sexism present in the lyrics of songs of the urban
music genre. The classification system assigns lyrics to three different
categories: "A", indicating content suitable for audiences of all
ages; "B", indicating content requiring adult supervision; and
"C", representing adult-oriented material. The classifier was
implemented in Python by applying the following algorithms: Naïve Bayes,
nearest neighbours, decision tree, support vector machine and logistic
regression. For the model training process, a dataset composed of 479
observations was created, divided into 75% for training and 25% for testing.
The training dataset included both expressions with sexist connotations and
those without. The classifier that achieved the highest degree of accuracy =
was
the model based on the logistic regression algorithm with 77% accuracy. In
order to facilitate the exploitation of the classifier in production
environments, the model was integrated with a graphical user interface that
facilitates the usability of the system for potential beneficiaries.
Introducción
El sexismo, definido como la discriminación o =
los
estereotipos basados en el género, continúa siendo un problema arraigado =
en la
sociedad contemporánea. Según el Diccionario de Oxford, el sexismo es la
"discriminación o estereotipos contra las mujeres, sobre la base del
sexo"
En el contexto del ciberespacio, las redes soci=
ales
constituyen un medio para generar comportamientos no aceptados socialmente y
compartir contenidos sexistas y de muchas otras Ãndoles tales como de acoso
escolar y de incitación al odio
Las nuevas formas de crear este género musical=
han
llamado mucho la atención en sus contenidos porque en sus letras incorporan
terminologÃas o corpus sexistas que ofenden a las mujeres
La Inteligencia Artificial (IA), a través del
Procesamiento del Lenguaje Natural (PLN), minerÃa de datos y el aprendizaje
profundo, permiten detectar contenidos especÃficos —cibercrimen, acoso e=
scolar,
homofobia, agresividad— en diferentes formatos digitales como audio, imag=
en,
video y texto
El análisis de sentimientos y discursos de odi=
o en
X es un tema de gran interés y relevancia en la actualidad, debido al crec=
iente
uso de esta plataforma para expresar opiniones, emociones y actitudes sobre
diversos temas. Para realizarlo, se han empleado diversas técnicas de mine=
rÃa
de texto, aprendizaje automático y aprendizaje profundo, las cuales se han
aplicado a diferentes fuentes de datos y redes sociales ampliamente usadas a
nivel mundial como es el caso de X, Facebook, Instagram, TikTok, entre otra=
s.
Uno de los aspectos más importantes para el
análisis de sentimientos y discursos de odio es la selección y extracció=
n de
caracterÃsticas relevantes de los textos, las cuales pueden ser desde pala=
bras
individuales hasta n-gramas, frecuencias, vectores semánticos, entre otras=
. En
este sentido,
Otro aspecto relevante para el análisis de
sentimientos y discursos de odio es el uso de modelos de aprendizaje profun=
do,
los que pueden capturar relaciones complejas y no lineales entre las
caracterÃsticas y las etiquetas. En este sentido,
Además del uso de modelos de aprendizaje profu=
ndo,
también se han explorado otras técnicas de aprendizaje automático para e=
l análisis
de sentimientos y discursos de odio. Por ejemplo,
Finalmente, también se han aplicado técnicas =
de PLN
para el análisis de sentimientos y discursos de odio en redes sociales. Por
ejemplo,
Estos trabajos muestran la diversidad y complej=
idad
del análisis de sentimientos y discursos de odio en redes sociales, asà c=
omo
las diferentes técnicas y métodos que se han empleado para abordar este
problema. Sin embargo, también existen otros campos y áreas donde estas
técnicas pueden ser útiles y aplicables. Por ejemplo,
Sobre este trasfondo, en este estudio se propon=
e el
diseño y desarrollo de un sistema capaz de analizar y detectar contenido
sexista en letras de canciones publicadas en medios digitales. AsÃ, el est=
udio
responde a la pregunta de investigación: ¿Es posible aplicar la minerÃa =
de
textos para la detección automática de sexismo en pistas musicales distri=
buidas
en formato digital multimedia? Y de manera más especÃfica se busca determ=
inar
lo siguiente: ¿cuáles son los algoritmos de aprendizaje automático que m=
ejor
precisión (accuracy) alcanzan para el análisis de sexismo en letra=
s de
canciones? En este contexto, el estudio que se propone ha experimentado con
modelos basados en algoritmos como: Naïve Bayes, máquina de vectores de
soporte, árbol de decisión, K-vecinos más cercanos y regresión logÃsti=
ca
La detección de expresiones indecorosas de man=
era
automática es importante, puesto que permite analizar el sentir del públi=
co con
respecto a lo que observa y escucha. En el ámbito de reproductores de audio
digital, la detección automática de frases sexistas podrÃa ser útil para
realizar un filtro de las canciones y asà determinar si es adecuado o no p=
ara
el público. El hecho de que los niños y jóvenes aprenden de lo que ven y
escuchan, implica que no debe ser permisible que ellos tengan acceso a
contenidos no acordes a su edad. AsÃ, el sistema es pertinente debido a que
puede ser empleado por padres de familia como mecanismo para evitar que sus
hijos consuman audio digital con contenido vulgar y sexista.
La
investigación se plantea como objetivo desarrollar un sistema que analice =
el
nivel de sexismo en las letras de canciones del género urbano mediante el =
uso
de técnicas de aprendizaje automático a fin de determinar si una canción=
es
apta o no para determinado público (niños o adolescentes). Para
el logro de este objetivo, se inició con la definición del corpus que describe acciones
sexistas adaptado al vocablo ecuatoriano. Con base en este corpus, y
considerando que se emplearon canciones publicadas en formato digital, se c=
reó
un mecanismo para transformar de manera automática contenido de audio digi=
tal a
formato texto. Esto se efectuó para generar la entrada que requiere un
clasificador automático. Estos datos fueron inyectados a un sistema inteli=
gente
que integra un modelo de detección automática de contenido sexista aplica=
ndo
técnicas de minerÃa de textos y aprendizaje automático. Finalmente, una =
vez
entrenado el clasificador del sistema desarrollado, se aplicaron pruebas pa=
ra
validarlo. La evaluación del sistema propuesto se realizó en términos de=
la
métrica exactitud. Para llevar a cabo la baterÃa de pruebas se emplearon =
diez
canciones del género urbano en español, disponibles en plataformas digita=
les de
Internet. Dichas letras no se compartieron en ningún m=
edio
público, solo sirvieron de insumos para llevar a cabo la experimentación.=
Se
citó la fuente respectiva en cada caso para no violar los derechos de auto=
r.
El artÃculo está organizado en 3 secciones. La sección “Materiales y métodos†describe aspectos relacionados con el = diseño del clasificador, asà como los algoritmos de aprendizaje automático empleados= en el experimento. La sección “Resultados y Discusión†presenta los hallazg= os obtenidos en la fase de entrenamiento y evaluación del clasificador, que f= ue testeado con letras de canciones distintas a las usadas en la etapa de entrenamiento. Finalmente, la sección “Conclusiones†expone las princi= pales conclusiones del estudio, asà como los trabajos futuros que se originan de= la investigación.
Materiales y Métodos
Aspectos metodológicos de la investig= ación
Esta investigación se caracterizó por ser de natura= leza mixta, abarcando tanto enfoques cualitativos como cuantitativos. La primera parte del estudio se concentró en realizar un análisis cualitativo de las técnicas basadas en datos y resultados previamente implementados por otros autores en el ámbito del aprendizaje automático, aplicado al análisis de sentimientos en redes sociales. La segunda etapa, de carácter cuantitativo, involucró la experimentación con diversos algoritmos que ayudaron a imple= mentar la técnica de aprendizaje automático, con el propósito de evaluar la pre= cisión y eficacia del clasificador entrenado. Esta evaluación cuantitativa se bas= ó en las métricas obtenidas para entrenar y evaluar el clasificador entrenado.<= o:p>
En cuanto a las técnicas de procesamiento y análisi=
s de
datos, se utilizaron herramientas estadÃsticas para realizar un análisis =
más
completo de los datos, incluyendo medidas de tendencia central y modelos
probabilÃsticos implementados por los algoritmos de aprendizaje automático
empleados en el desarrollo del sistema propuesto y en la experimentación;
además, se utilizó la matriz de confusión como una técnica para evaluar=
el
rendimiento del modelo de clasificación, permitiendo visualizar el número=
de predicciones
correctas e incorrectas desglosadas por clase, lo que incluye verdaderos
positivos, verdaderos negativos, falsos negativos y falsos positivos. Todas
estas métricas fueron implementadas por la librerÃa sklearn de Python.
Es importante señalar que esta investigación se enf=
ocó en
las técnicas de aprendizaje automático que son comúnmente empleadas para
desarrollar sistemas de minerÃa de texto destinados al análisis de
sentimientos. A pesar de la amplia gama de algoritmos disponibles en el cam=
po
del aprendizaje automático, se optó por utilizar cinco algoritmos ampliam=
ente
reconocidos, basándose en la experiencia acumulada en investigaciones prev=
ias.
Estos algoritmos incluyen: Naïve Bayes, regresión logÃstica, máquina de=
vectores
de soporte, k-vecinos más cercanos, árbol de decisión y regresión logÃ=
stica
Algoritmos usados
Para
llevar a cabo las tareas de aprendizaje por parte de las máquinas se emple=
an
generalmente algoritmos que permiten predecir datos a través de regresione=
s,
clasificadores y algoritmos de agrupamiento que se resumen en algoritmos de
aprendizaje supervisado, no supervisado y por refuerzo
Los
algoritmos de clasificación se usan cuando el resultado que se busca es una
etiqueta discreta. Es decir, se tiene una clasificación binaria, solo se e=
lige
entre dos etiquetas, asà mismo para la clasificación de múltiples etique=
tas. A
continuación, se describen los algoritmos más populares y usados en la
actualidad para clasificar patrones. La descripción de cada algoritmo es m=
uy
especÃfica y enfocada en describir el funcionamiento de cada algoritmo; no
obstante, la forma en cómo se implementa cada uno de estos algoritmos en P=
ython
usando la librerÃa sklearn se puede encontrar en el sitio oficial de la
librerÃa disponible en: https://n9.cl/50s6j.
Naï=
ve Bayes
Es un clasificador lineal.
Constituye un método de aprendizaje automático simple basado en probabili=
dades;
las decisiones se toman en función de ausencia o presencia de determinadas
caracterÃsticas. Para ello, el algoritmo aplica el Teorema de Bayes con pr=
esunción
de independencia entre dichas caracterÃsticas. El clasificador Naïve Bayes
combina el modelo de probabilidad derivado con una regla de decisión; es d=
ecir,
se selecciona el valor, que tiene la mayor probabilidad. Este enfoque se co=
noce
como el “Máximo a Posterioriâ€
Máq=
uina de
soporte vectorial
La Máquina de Vectores de Sopor=
te
(SVM por sus siglas en inglés) es un método de aprendizaje automático
supervisado. SVM usa datos de entrenamiento para separar y construir un
hiperplano de margen máximo que pueda usarse para la clasificación
Veci=
no más
cercano
El modelo k-vecinos más cercanos
(k-NN por sus siglas en inglés) es un algoritmo sencillo que se usa tanto =
para
problemas de regresión y clasificación. El algoritmo k-NN clasifica nuevas
clases basados en medidas de similitud, asimismo, se lo utiliza para la
estimación de estadÃstica y reconocimiento de patrones. El algoritmo se
cataloga por mayorÃa de votos de sus vecinos, y el dato se asigna a la cla=
se
más común entre su vecino más cercano (k), el que es medido por una func=
ión de
distancia. Para calcular la distancia para las variables continuas se aplic=
a la
distancia: euclidiana, manhattan o minkowski
Ãrb=
ol de
decisión
Es un modelo de clasificación
alternativo que se asemeja a una estructura jerárquica de árbol, en la qu=
e cada
nodo representa un atributo de prueba, las ramas reflejan los resultados de
dichas pruebas y los nodos hoja denotan las clases
Regresión
logÃstica
La
regresión logÃstica es un modelo estadÃstico empleado en el aprendizaje
automático para describir las relaciones entre un conjunto de variables
predictoras y una variable clase, con el propósito de estimar la probabili=
dad
de que una instancia pertenezca a una clase especÃfica. Si bien en su
formulación original se usa como clasificador binario (predicción dicotó=
mica),
puede extenderse para abordar problemas de clasificación multiclase. Su
denominación proviene de la función subyacente en la que se basa, conocid=
a como
función logÃstica o sigmoide, y su tarea principal consiste en mapear las
salidas de un modelo de regresión lineal en una probabilidad de pertenenci=
a a
una clase determinada
Todos
los algoritmos antes descritos permitieron entrenar clasificadores automát=
icos
de frases sexistas a través de la librerÃa sklearn de Python. Además, de=
manera
complementaria, se empleó la librerÃa NLTK (Natural Language Toolkit), que es una bibliot=
eca
ampliamente utilizada para PLN, proporcionando herramientas para trabajar c=
on
texto, siendo especialmente útil para tareas como tokenización, análisis
sintáctico, clasificación de texto, entre otras.
Variables e indicadores sujetos a estu= dio
En el estudio se consideró una única variable: prec=
isión
del modelo. Dicha variable abarcó diversos indicadores, incluyendo la exac=
titud
y la puntuación F1. Estas métricas se describen como sigue:
·&n=
bsp;
Accuracy (Exactitud):
Esta métrica mide el porcentaje de casos que el modelo ha clasificado
correctamente.
·&n=
bsp;
Precisión (PrecisiÃ=
³n):
Se encarga de medir la calidad y exactitud del modelo de aprendizaje automÃ=
¡tico
en sus predicciones.
·&n=
bsp;
Recall (Recuperació=
n):
Evalúa la capacidad del modelo de reconocer y recuperar casos positivos.
·&n=
bsp;
F1-Score (Puntuación
F1): Es una métrica que combina las evaluaciones de precisión y recall en=
un
único valor, ofreciendo una visión más completa del rendimiento del mode=
lo.
Diseño de los clasificadores para det= ección de frases sexistas
La arquitectura del sistema propuesto se fundament=
a en
la lógica de los sistemas de análisis de sentimientos. En la Figura 1 se puede
observar que se tienen dos procesos. El primero corresponde al entrenamient=
o de
los clasificadores; mientras que el segundo constituye el proceso de evalua=
ción
del modelo; este último es el que se lleva a cabo en entornos de producciÃ=
³n.
Para realizar el primer proceso se inició con la
creación del set de datos que sirvió de insumo para entrenar el modelo. P=
ara
crear el set de datos, se tomó como punto de referencia plataformas de mú=
sica
ampliamente reconocidas, como Deezer y Spotify, que gozan de reconocimiento=
a
nivel mundial. El propósito principal fue identificar qué tipos de conten=
ido
musical son adecuados para audiencias especÃficas. Estas plataformas ofrec=
en
listas de reproducción, conocidas como playlists, que ayudan a los
usuarios a seleccionar sus contenidos favoritos.
Figura =
1=
Arquitectura del sistema propuest= o
Se generó un conjunto de datos compuesto por 717
registros, los que se categorizaron en tres grupos: 1, 2 y 3. La categorÃa=
1
corresponde con la designación "A" y representa contenido apto p=
ara
todo público. La categorÃa 2, equivalente a "B," indica que el
contenido requiere supervisión de un adulto, mientras que la categorÃa 3,
equiparable a "C," se destina a contenido dirigido a mayores de e=
dad
o audiencias adultas. Esta clasificación se basó en el artÃculo 65 de la=
Ley Orgánica
de Comunicación de Ecuador que establece que las personas naturales o
jurÃdicas, propietarias o representantes legales de los medios de comunica=
ción,
responderán por los contenidos difundidos en los casos especÃficos mencio=
nados.
Algunos ejemplos de este tipo de contenidos consideran los siguientes:
contenidos discriminatorios, que transgredan los derechos de las personas c=
on
VIH o personas LGBTI, que vulneren
derechos de los niños, adultos mayores, personas discapacitadas, comunidad=
es
ancestrales, migrantes, entre otras
Posterior a la creación del set de datos se reali=
zó su
preprocesamiento a fin de que los datos estuvieran preparados para llevar a
cabo el entrenamiento de los modelos de clasificación. El esquema del s=
et
de datos se organizó separando en dos columnas a la categorÃa de la letra=
y
otra para las expresiones sexistas. Una vez que fueron preprocesados, a tra=
vés
de la técnica de ponderación TF-IDF para dar=
más
importancia a palabras más relevantes y menos a las comunes, estos se pasa=
ron
como argumentos para el entrenamiento de los clasificadores. Se creó un
clasificador por cada uno de los siguientes algoritmos de aprendizaje
supervisado: Naïve Bayes, máquina de vectores de soporte, k-vecinos más
cercanos, árbol de decisión y regresión logÃstica. Para el entrenamient=
o de los
modelos de aprendizaje automático, se destinó el 75% de los datos para la=
fase
de entrenamiento, reservando el 25% restante para las pruebas.
Por otro lado, en lo concerniente al proceso
evaluación del modelo, luego de que los clasificadores fueron entrenados, =
se
procedió a evaluar letras de canciones. La evaluación de las letras de
canciones fue posible efectuarla especificando directamente la letra de la
canción o en su defecto cargando el video digital de la canción. En este =
último
caso, el proceso de conversión se realizó de forma automática ( REF _Ref170422070 \h Figura
2 - izqui=
erda)
y, para ello, se empleó un script de Python. Dicho script utilizó las lib=
rerÃas
SpeechRecognition y MoviePy par=
a leer
archivos de audio digital en formatos como MP4, convertir audio a texto y
generar un archivo de texto con la transcripción. La librerÃa probó su
efectividad y precisión para trabajar con éxito en archivos cortos de cal=
idad
media. Complementariamente, en la Figura 2 derecha se muestra la interfaz gráfic=
a desde
la que el usuario puede llevar a cabo pruebas detallando la letra de la
canción; proceso manual, válido en caso de que se disponga la letra de la
canción en formato texto.
Figura =
2=
Interfaz de usuario para predecir categorÃa de letras de canciones
Resultados y Dis= cusión
Métricas de los clasificadores en el proceso de entrenamiento
La Tabla 1 presenta los result=
ados
obtenidos durante la evaluación de los modelos bajo una configuración
especÃfica, en la cual se utilizó el 75% de los datos para el proceso de
entrenamiento y el 25% restante para las pruebas. Estos hallazgos revelan
notables diferencias en el rendimiento de los modelos analizados. Para eval=
uar
su desempeño, se emplearon diversas métricas de aprendizaje automático, =
entre
las cuales se incluyen:
Tabla 1=
Métricas del proceso de entrenamiento de los clasificadores
|
Algoritmos |
Accuracy |
Precision |
Recall<=
/span> |
F1 |
|
Naive Bayes (NB) |
0.59 |
0.62 |
0.71 |
0.68 |
|
Regresión logÃst=
ica |
0.75 |
0.77 |
0.80 |
0.74 |
|
Máquina de soporte
vectorial |
0.71 |
0.74 |
0.79 |
0.74 |
|
Ãrbol de decisió=
n |
0.70 |
0.68 |
0.76 |
0.73 |
|
k-Vecinos más cer=
canos |
0.55 |
0.66 |
0.70 |
0.65 |
En este con=
texto,
es relevante destacar que, según estos indicadores, dos modelos, el árbol=
de
decisión y el modelo de k-vecinos más cercanos (k-NN), exhibieron un rend=
imiento
menos satisfactorio en comparación con los demás; por el contrario, la
regresión logÃstica sobresalió al alcanzar la puntuación más alta en t=
érminos
de precisión, lo que indica que es la opción más idónea para trabajar c=
on el
conjunto de datos especÃfico en cuestión. Los resultados detallados de es=
tas
métricas se encuentran en la tabla 1, y estos hallazgos refuerzan la elecc=
ión
de la regresión logÃstica como el modelo preferente para el procesamiento=
del
conjunto de datos propuesto.
Métricas de los clasificadores en el proceso de evaluación
Con el prop=
ósito
de desarrollar una evaluación más exhaustiva del sistema, se llevaron a c=
abo
pruebas utilizando un conjunto de 10 canciones, cada una con contenido sexi=
sta
y no sexista. Entre estos modelos se evidencia que, en el caso de la canciÃ=
³n 3,
los modelos Naïve Bayes, regresión logÃstica y máquina de soporte vecto=
rial,
encasillan la canción como categorÃa 2, equivalente a la clasificación B=
. En
contraste, el árbol de decisión la clasifica como 1, y k-vecinos más cer=
canos
la cataloga como 3. Estas pruebas confirman que los dos últimos modelos
presentan un margen de error más notable durante este proceso; además, los
resultados destacan que solo cuando la letra de la canción pertenece a la =
clase
1, todos los modelos logran clasificarla de manera precisa.
La <=
/span>Tabla 2<=
!--[if gte mso 9]> Tabla 2=
Métricas
del proceso de evaluación de los clasificadores Canción evaluada Predicción Tipo Naïve Bayes Regresión LogÃstica Máquina de soporte vectorial Ãrbol de decisión k-Vecinos más cercanos Four Babys (Maluma) 3 3 3 3 3 3 Yo te robaré (Ozuna) 2 2 2 2 2 2 Eres mÃa (Romeo Santos) 2 2 2 2 1 3 Primera cita (CNCO) 1 1 1 1 1 1 Desesperados (Raw) 3 3 3 3 1 3 Culpables (Anuel) 3 3 3 3 1 2 Hawái (Maluma) 2 2 3 3 1 2 Para enamorarte (CNCO) 1 1 1 1 1 1 Una vaina loca (Ozuna) 2 2 1 3 1 2 Bailando (Enrique Iglesias) 2 2 1 2 1 2 La tecnologÃa=
de
análisis de sentimientos mediante el aprendizaje automático resulta altam=
ente
efectiva en la detección de sexismo, logrando una destacada precisión del=
77% a
partir del modelo de aprendizaje propuesto implementado a través del algor=
itmo de
regresión logÃstica. El modelo desarrollado puede mejorarse ampliando el =
corpus
usado para su entrenamiento. Por el hecho de que estos modelos son dependie=
ntes
de los datos se evidenció que con la incorporación de más datos se puede
mejorar la precisión de los algoritmos. En este sentido, se recomienda ext=
ender
el set de datos de entrenamiento con jergas iberoamericanas. Es importante =
señalar
que la mayorÃa de los algoritmos de aprendizaje automático, usados en la =
etapa
de experimentación, demostraron una alta precisión, con la excepción de =
los
algoritmos de árbol de decisión y vecinos más cercanos. Los dos algoritm=
os que
lograron mejor precisión en la detección de sexismo fueron la regresión
logÃstica con el 77 % y la máquina de vectores de soporte con el 74 %. La
capacidad actual del modelo entrenado mediante el uso de la regresión logÃ=
stica
es aceptable y, por tanto, este puede ser usado para que los padres puedan
evaluar si el contenido lÃrico de una canción es apropiado o no para sus =
hijos;
además, sienta las bases para desarrollar modelos más precisos a partir de
redes neuronales de manera que sean integrados como mecanismos de supervisi=
ón
en plataformas como YouTube o Spotify. Un aporte impo=
rtante
del estudio es que contribuye con el cumplimiento de la Ley Orgánica de
Comunicación de Ecuador que en el artÃculo 76 menciona que los sistemas de
audio y video deben estar previamente calificados por el Consejo de Regulac=
ión
y Desarrollo de la Información y Comunicación, considerando la calidad de=
sus
contenidos y programación, siempre que satisfagan las condiciones técnica=
s que
establezca la autoridad de telecomunicaciones (Ministerio Telecomunicacione=
s de
Ecuador, 2019). En este sentido, el modelo entrenado aprendió a categorizar
letras de canciones en las tres categorÃas contempladas en este estudio:
"A", contenido apto para audiencias de todas las edades;
"B", contenido que requiere supervisión de adultos; y "C&qu=
ot;,
apto para adultos. Como perspecti=
va para
investigaciones futuras, se considera la extensión de la propuesta hacia la
capacidad de realizar predicciones en tiempo real. Esto permitirá que las
predicciones se ajusten de manera dinámica a medida que avanza la reproduc=
ción
de pistas de audio o vÃdeos digitales. Esta ampliación tendrÃa important=
es
aplicaciones prácticas en la verificación de contenidos publicados en red=
es
sociales, medios que son considerablemente usados por los niños y adolesce=
ntes
en la actualidad. También la propuesta puede extenderse para que sea
multilingüe de manera que contemple el análisis de frases sexistas en esp=
añol e
inglés; asà como en otros posibles géneros musicales. Reconocimientos Esta investigación es fruto de uno=
de los
trabajos de titulación de la Escuela de Sistemas de la Pontificia Universi=
dad Católica
del Ecuador, sede Esmeraldas, enmarcada en la lÃnea de investigación
Automatismos y sistemas inteligentes. Referencias Alqarni, A., & Rahman, A. (2023). Arabic Tweets-Based Sentiment Analysis to Investigate the Impact of
COVID-19 in KSA: A Deep Learning Approach. Big Data and Cognitive Comput=
ing,
7(1), 1–29. https://doi.org/10.3390/bdcc7010016 Apriliani, D., Abidin, T.,
Sutanta, E., Hamzah, A., & Somantri, O. (2020). Sentiment analysis for
assessment of hotel services review using feature selection approach based-=
on
decision tree. International Journal of Advanced Computer Science and
Applications, 11(4), 240–245.
https://doi.org/10.14569/IJACSA.2020.0110432 Arce-GarcÃa, S., & Menéndez-Mendéndez, M.-I. (=
2023).
Inflamando el debate público: metodologÃa para determinar origen y
caracterÃsticas de discursos de odio sobre diversidad sexual y de género =
en
Twitter and gender diversity on Twitter. Profesional de La Información<=
/i>, 3(1),
1–19. https://doi.org/10.3145/epi.2023.ene.06 Back, B. H., & Ha, I. K. (2019). Comparison of sentiment analysis from large twitter datasets by naive
bayes and natural language processing methods. J. Inf. Commun. Converg. =
Eng.,
17(4), 239–245. https://doi.org/10.21541/apjes.939338 Bijalwan, V., Kumar, V., Kuma=
ri,
P., & Pascual, J. (2014). KNN based machine learning approach for text =
and
document mining. International Journal of Database Theory and Applicatio=
n,
7(1), 61–70. https://doi.org/10.14257/ijdta.2014.7.1.06 Castañeda Muñoz, J. (2019). Análisis, clasifica=
ción y
predicción del vocabulario de cibercrimen en Internet usando modelos
predictivos de Machine Learning [Tesis de MaestrÃa, Universidad CuahtÃ=
©moc].
https://uconline.mx/comunidadead/application/views/repositoriodetesis/Tesis=
finalJoseAlexanderCastanedaMunoz.pdf Cedeño-Moreno, D., & Vargas, M. (2020). Aprendiz=
aje
automático aplicado al análisis de sentimientos. I+D Tecnológico,=
16(2),
59–66. https://doi.org/10.33412/idt.v16.2.2833 Dake, D. K., & Gyimah, E. (2023). Using sentiment analysis to evaluate qualitative students’ respons=
es. Education
and Information Technologies, 28(4), 4629–4647.
https://doi.org/10.1007/s10639-022-11349-1 Dhrodia, A. (2017). Social
media and the silencing effect: why misogyny online is a human rights issue=
.
https://www.newstatesman.com/culture/social-media/2017/11/social-media-and-=
silencing-effect-why-misogyny-online-human-rights-issue Fahmi, M., Yuningsih, Y., &am=
p;
Puspita, A. (2023). Sentiment Analysis Of Online Gojek Transportation Servi=
ces
On Twitter Using The Naïve Bayes Method. JITK (Jurnal Ilmu Pengetahuan =
Dan
Teknologi Komputer), 8(2), 84–90.
https://doi.org/10.33480/jitk.v8i2.4004 Ghosh, S., Roy, S., &
Bandyopadhyay, S. K. (2012). A tutorial review on Text Mining Algorithms. <=
i>International
Journal of Advanced Research in Computer and Communication Engineering,=
1(4),
223–233. Jiang, L., & Suzuki, Y.
(2019). Detecting hate speech from tweets for sentiment analysis. 2019 6=
th
International Conference on Systems and Informatics, ICSAI 2019, Ics=
ai,
671–676. https://doi.org/10.1109/ICSAI48974.2019.9010578 Lepe, M. (2021). Modelos hÃbridos basados en Lexi=
cones
y Machine Learning para la detección de agresividad sobre textos en idioma
Español. https://www.mcc.ubiobio.cl/web/docs/tesis/manuel_lepe-tesis(m=
anuellepe).pdf Mesiti, A. M., & Yeo, H. L. (2023). Social Media: The Good, the Bad, and the Ugly. Clinics in Colon a=
nd
Rectal Surgery, 36(5), 347–352.
https://doi.org/10.1055/s-0043-1763281 Ministerio Telecomunicaciones de Ecuador. (2019). =
Ley
Orgánica de Comunicaciones.
https://www.telecomunicaciones.gob.ec/wp-content/uploads/2020/01/Ley-Organi=
ca-de-Comunicación.pdf Nugrahaeni, R. A., & Mutijarsa, K. (2017). Comparative analysis of machine learning KNN, SVM, and random forests
algorithm for facial expression classification. Proceedings - 2016
International Seminar on Application of Technology for Information and
Communication, ISEMANTIC 2016, 163–168.
https://doi.org/10.1109/ISEMANTIC.2016.7873831 Nurfaizah, Hariguna, T., &
Romadon, Y. I. (2019). The accuracy comparison of vector support machine and
decision tree methods in sentiment analysis. Journal of Physics: Confere=
nce
Series, 1367(1). https://doi.org/10.1088/1742-6596/1367/1/012025=
OED. (1866). Sexism.
https://www.oed.com/search/dictionary/?scope=3DEntries&q=3Dsexism Penagos Rojas, Y. (2012). Lenguajes del poder. La mú=
sica
reggaetón y su influencia en el estilo de vida de los estudiantes. Plum=
illa
Educativa, 10(2), 290–305.
https://dialnet.unirioja.es/servlet/articulo?codigo=3D4323457 Pico-Valencia, P., Vinueza-Celi, O., &
Holgado-Terriza, J. A. (2021). Bringing Machine
Learning Predictive Models Based on Machine Learning Closer to Non-technical
Users. Advances in Intelligent Systems and Computing, 1273 AISC,
3–15. https://doi.org/10.1007/978-3-030-59194-6_1 Piñón Lora, M., & Pulido Moreno, A. (2020). La =
imagen
de la mujer en el reggaetón: un análisis crÃtico del discurso. Revista
Iberoamericana de Comunicación, 38, 45–77.
https://ric.ibero.mx/index.php/ric/article/view/67/53 RAE. (2023). Sexismo.
http://dle.rae.es/srv/search?m=3D30&w=3Dsexismo Ramasamy, L. K., Kadry, S., &=
amp;
Lim, S. (2021). Selection of optimal hyper-parameter values of support vect=
or
machine for sentiment analysis tasks using nature-inspired optimization
methods. Bulletin of Electrical Engineering and Informatics, 10(1),
290–298. https://doi.org/10.11591/eei.v10i1.2098 Rasel, R. I., Sultana, N.,
Akhter, S., & Meesad, P. (2018). Detection of cyber-aggressive comments=
on
social media networks: A machine learning and text mining approach. ACM
International Conference Proceeding Series, 37–41.
https://doi.org/10.1145/3278293.3278303 Sri Mulyani, E. D., Rohpandi,=
D.,
& Rahman, F. A. (2019). Analysis of Twitter Sentiment Using the
Classification of Naive Bayes Method about Television in Indonesia. 2019=
1st
International Conference on Cybernetics and Intelligent System, ICORIS 2019=
,
1(August), 89–93. https://doi.org/10.1109/ICORIS.2019.8874896 Wang, P., Yan, Y., Si, Y., Zh=
u,
G., Zhan, X., Wang, J., & Pan, R. (2020). Classification of Proactive
Personality: Text Mining Based on Weibo Text and Short-Answer Questions Tex=
t. IEEE
Access, 8, 97370–97382. https://doi.org/10.1109/ACCESS.2020.29=
95905 Xia, H., Yang, Y., Pan, X.,
Zhang, Z., & An, W. (2020). Sentiment analysis for online reviews using
conditional random fields and support vector machines. Electronic Commer=
ce
Research, 20(2), 343–360. https://doi.org/10.1007/s10660-019-0=
9354-7 Zhang, Z., Robinson, D., & Tepper, J. (2018). Detecting Hate Spe=
ech
on Twitter Using a Convolution-GRU Based Deep Neural Network. In Lecture
Notes in Computer Science (including subseries Lecture Notes in Artificial
Intelligence and Lecture Notes in Bioinformatics): Vol. 10843 LNCS. Sp=
ringer
International Publishing. https://doi.org/10.1007/978-3-319-93417-4_48
5
Sistema de Aprendizaje Automático para la
Detección y Análisis de Contenido Sexista en la Música Urbana=