Detección de ciberacoso en español mediante procesamiento de lenguaje natural y aprendizaje automático

Aug 3, 2026

Objetivo: detectar el ciberacoso en línea mediante un enfoque interseccional que integra procesamiento de lenguaje natural (PLN) y aprendizaje automático, específicamente en español en la red social X. El estudio incorpora variables como género, raza, etnia y orientación sexual para identificar instancias de ciberacoso. Metodología: se seleccionan palabras clave, se recopilan tweets y un panel de expertos anota el conjunto en categorías “Ciberacoso/No Ciberacoso”. Resultados: Naive Bayes 89.7% AUC, SVM 90.9% AUC y redes neuronales 91% AUC. Conclusiones: los modelos automáticos, especialmente redes neuronales, detectan eficazmente ciberacoso y el enfoque interseccional mejora la comprensión de sus manifestaciones digitales.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas16

Tiempo de lectura25 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Objetivo

Metodología

Resultados

Conclusiones

Introducción

Recibido: 24/01/2025 Aceptado: 17/07/2025 Publicado: 02/10/2025 Correspondencia: [oscar.bedoya@correounivalle.edu.co](oscar.bedoya@correounivalle.edu.co) DOI: [https://doi.org/10.17081/invinno.13.2](https://doi.org/10.17081/invinno.13.2). 7922 Copyright 2025 by Investigacióne Innovación en Ingenierías Cyberbullying detection in Spanish using natural language processing and machine learning Detección de ciberacoso en español mediante procesamiento de lenguaje natural y aprendizaje automático Angélica María Agudelo Ortiz Escuela de Ingeniería de Sistemas y Computación, Universidad del Valle, Cali Laura Sofía Rodríguez Pulecio Escuela de Ingeniería de Sistemas y Computación, Universidad del Valle, Cali Oscar Fernando Bedoya Leiva Escuela de Ingeniería de Sistemas y Computación, Universidad del Valle, Cali Resumen Objetivo: Detectar el ciberacoso en línea aplicando un enfoque interseccional mediante el uso de procesamiento de lenguaje natural (PLN) y técnicas de aprendizaje automático, específicamente dirigidas al idioma español en la red social X (anteriormente Twitter) . El estudio se centra en incorporar factores interseccionales como género, raza, etnia y orientación sexual para identificar instancias de ciberacoso. Metodología: El proceso comenzó con la identificación de palabras clave relevantes para detectar el ciberacoso, guiado por investigaciones previas sobre los patrones lingüísticos asociados con el acoso en línea. Estas palabras clave se utilizaron para recopilar tweets, resultando en un conjunto de datos diverso que refleja diversas expresiones vinculadas al ciberacoso. Un panel de expertos anotó el conjunto de datos, categorizando los tweets como "Ciberacoso" o "No Ciberacoso," con un enfoque en la regióncolombiana. Posteriormente, se entrenaron tres modelos de aprendizaje automático—Naive Bayes, Máquinas de Soporte Vectorial (SVM) y Redes Neuronales—para predecir el ciberacoso. Resultados: Naive Bayes alcanzó un área bajo la curva ROC del 89.7%, SVM llegó al 90.9%, y las Redes Neuronales registraron el mejor rendimiento con un AUC del 91% . Conclusiones: Los resultados evidencian laefectividad de los modelos de aprendizaje automático, en particular de las Redes Neuronales, para detectar ciberacoso en español. La incorporación de un enfoque interseccional permitió comprender con mayor profundidad cómo se manifiestan estas expresiones dañinas en los entornos digitales. Palabras claves: Aprendizaje automático, Ciberacoso, Procesamiento de lenguaje natural, Redes neuronales, Red social X. Abstract Objective: To detect online cyberbullying by applying an intersectional approach using natural language processing (NLP) and machine learning techniques, specifically targeting the Spanish language on the social network X (formerly Twitter) . The study focuses on incorporating intersectional factors such as gender, race, ethnicity, and sexual orientation in identifying cyberbullying instances. Methodology: The process began with the identification of relevant keywords to detect cyberbullying, guided by previous research on language patterns associated with online harassment. These keywords were used to collect tweets, resulting in a diverse dataset reflecting various expressions linked to cyberbullying. A panel of experts annotated the dataset, categorizing tweets as either "Cyberbullying" or "No Cyberbullying," with a focus on the Colombian region. Subsequently, three machine learning models—Naive Bayes, Support Vector Machines (SVM), and Neural Networks—were trained to predict cyberbullying. Results: Naive Bayes achieved an area under the ROC curve of 89.7%, SVM reached 90.9%, and Neural Networks recorded the highest performance with an AUC of 91% . Conclusions: The findings demonstrate the effectiveness of machine learning models—particularly Neural Networks—for detecting cyberbullying in Spanish-language social media data. Incorporating an intersectional perspective provided d

Preguntas frecuentes

Cuál es el objetivo principal del estudio sobre ciberacoso?

Detectar el ciberacoso en línea aplicando un enfoque interseccional mediante PLN y aprendizaje automático, dirigido al idioma español en la red social X.

Cómo se construyó y anotó el conjunto de datos?

Se identificaron palabras clave para recopilar tweets y un panel de expertos anotó el conjunto, categorizando los mensajes como “Ciberacoso” o “No Ciberacoso”, con foco en la región colombiana.

Qué modelos se entrenaron y cuál obtuvo el mejor rendimiento?

Se entrenaron Naive Bayes, SVM y redes neuronales; las redes neuronales lograron el mejor desempeño con un AUC del 91%.

Aug 3, 2026

Subido por Genevieve