{"id":183201,"date":"2026-03-13T18:53:00","date_gmt":"2026-03-14T00:53:00","guid":{"rendered":"https:\/\/tecscience.tec.mx\/es\/?post_type=divulgacion-ciencia&p=183201"},"modified":"2026-03-18T14:39:00","modified_gmt":"2026-03-18T20:39:00","slug":"analisis-sentimiento-politico-con-ia","status":"publish","type":"divulgacion-ciencia","link":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/","title":{"rendered":"Leer entre l\u00edneas: la nueva IA detecta emociones y posturas pol\u00edticas en redes"},"content":{"rendered":"\n

Por Jorge Valverde-Rebaza<\/a>, Alejandro Mart\u00edn del Campo Huerta<\/a> y Leonardo Ca\u00f1ete Sifuentes<\/a><\/p>\n\n\n\n

Durante los meses m\u00e1s intensos de la elecci\u00f3n presidencial mexicana de 2024, las redes sociales se convirtieron en un espacio donde las emociones pol\u00edticas se expresaban con fuerza, rapidez y, muchas veces, con confrontaci\u00f3n. <\/p>\n\n\n\n

Comprender ese comportamiento es un ejercicio acad\u00e9mico<\/strong> y es tambi\u00e9n una necesidad estrat\u00e9gica para analizar la democracia, entender fen\u00f3menos del ecosistema digital, anticipar patrones de polarizaci\u00f3n, detectar narrativas emergentes y evaluar c\u00f3mo los ciudadanos reaccionan ante eventos electorales. <\/p>\n\n\n\n

En este contexto, un equipo de profesores investigadores y estudiantes del Tecnol\u00f3gico de Monterrey desarroll\u00f3 un estudio para analizar \u2014en espa\u00f1ol\u2014 el sentimiento pol\u00edtico.<\/strong> Esto lo hizo utilizando inteligencia artificial en mensajes de Facebook, Instagram, X y YouTube. <\/p>\n\n\n\n

Emociones pol\u00edticas seg\u00fan cada red social<\/h2>\n\n\n\n

Uno de los principales hallazgos del estudio es que<\/span> las p<\/strong><\/span>lataformas digitales no son homog\u00e9neas. Cada una tiene una \u201cpersonalidad emocional\u201d distinta<\/strong> que forma parte del debate p\u00fablico. <\/p>\n\n\n\n

Buena parte de las opiniones pol\u00edticas de los ciudadanos mexicanos se concentra en cuatro plataformas en las que se observa un comportamiento muy marcado: Instagram y Facebook son espacios con mayor proporci\u00f3n de mensajes positivos<\/strong>, mientras que X concentra el mayor volumen de reacciones negativas<\/strong>. <\/p>\n\n\n\n

YouTube<\/strong>, por su parte, se caracteriza por un predominio de mensajes neutros<\/strong>, reflejando un consumo m\u00e1s contemplativo que argumentativo.<\/p>\n\n\n\n

Esta heterogeneidad importa porque condiciona c\u00f3mo se articulan los discursos<\/strong> y se propagan las emociones pol\u00edticas. Un mismo mensaje puede generar apoyo entusiasta en Instagram o Facebook, rechazo abierto en X o relativa indiferencia en YouTube. <\/p>\n\n\n\n

Desde la perspectiva electoral, esto sugiere que las campa\u00f1as, los debates y los eventos coyunturales viajan por \u201ccarriles emocionales\u201d<\/strong> diferentes, dependiendo de la plataforma, por lo que no basta con contar miles de impresiones o acumular \u201clikes\u201d: es necesario entender qu\u00e9 se siente y d\u00f3nde<\/strong>.<\/p>\n\n\n\n

La ‘nueva IA’ confronta a la IA tradicional<\/h2>\n\n\n\n

La contribuci\u00f3n m\u00e1s sobresaliente del trabajo radica en su comparaci\u00f3n sistem\u00e1tica entre modelos tradicionales de an\u00e1lisis de sentimiento y los grandes modelos de lenguaje<\/strong> (Large Language Models, LLMs) m\u00e1s avanzados disponibles en la actualidad.<\/p>\n\n\n\n

Modelos como BERT, RoBERTa o su versi\u00f3n entrenada espec\u00edficamente para espa\u00f1ol, BETO, representaron durante a\u00f1os un parteaguas en el procesamiento de lenguaje natural. Gracias a ellos se logr\u00f3, por primera vez, capturar mejor el contexto de una oraci\u00f3n y mejorar significativamente tareas como clasificaci\u00f3n de textos, traducci\u00f3n o respuesta a preguntas<\/strong>. En su momento, estos modelos basados en la popular arquitectura de Transformers<\/em> fueron el estado del arte y sentaron las bases de todo lo que vino despu\u00e9s.<\/p>\n\n\n\n

Sin embargo, al compararlos con los LLMs actuales, la brecha es clara. En nuestro estudio, se observ\u00f3 que los modelos tradicionales<\/strong> como BETO, RoBERTa o BERT-multiling\u00fce son superados de manera contundente por LLMs como GPT-3.5, GPT-4o-mini,  o1-mini o Llama-3<\/strong>. En pr\u00e1cticamente todas las m\u00e9tricas de evaluaci\u00f3n consideradas, los LLMs muestran mejoras significativas.<\/p>\n\n\n\n

Un aspecto clave del trabajo es c\u00f3mo se usaron estos modelos. En configuraci\u00f3n zero-shot<\/strong><\/em>, es decir, cuando el sistema intenta resolver una tarea solo a partir de una instrucci\u00f3n en lenguaje natural y sin ejemplos previos<\/strong>, el modelo recibe indicaciones como \u201cclasifica este mensaje como positivo, negativo o neutro\u201d.<\/p>\n\n\n\n

En configuraci\u00f3n few-shot<\/em><\/strong>, en cambio, adem\u00e1s de la instrucci\u00f3n se incluyen algunos ejemplos ya clasificados dentro del mismo prompt<\/strong>, que sirven como gu\u00eda para interpretar nuevos casos. El modelo no se reentrena: simplemente se orienta con contexto adicional. Incluso con tan pocos ejemplos, el salto en desempe\u00f1o es notable.<\/p>\n\n\n\n

El modelo GPT-4o-mini, especialmente bajo el esquema few-shot<\/em>, alcanz\u00f3 niveles de precisi\u00f3n superiores al 80 % en Facebook e Instagram y mantuvo resultados altamente competitivos, incluso en plataformas dif\u00edciles como X, donde predominan la iron\u00eda, la confrontaci\u00f3n y mensajes breves cargados de emoci\u00f3n. <\/p>\n\n\n\n

En contraste, los modelos tradicionales<\/strong> tienden a confundirse ante matices sutiles o ante la ambig\u00fcedad<\/strong> presente en debates pol\u00edticos.<\/p>\n\n\n\n

Estos hallazgos <\/strong>confirman que su era de dominio ya qued\u00f3 atr\u00e1s en este tipo de tareas de alta complejidad social.<\/strong><\/p>\n\n\n\n

C\u00f3mo interpretamos estos resultados<\/h2>\n\n\n\n

El incremento del rendimiento es un logro t\u00e9cnico y abre la puerta a nuevas posibilidades para estudiar la opini\u00f3n p\u00fablica<\/strong>.<\/p>\n\n\n\n

Los LLMs lograron distinguir con mayor claridad<\/strong> cu\u00e1ndo un mensaje expresa rechazo genuino, cu\u00e1ndo se trata de apoyo expl\u00edcito y cu\u00e1ndo un comentario aparentemente neutral encubre una postura impl\u00edcita<\/strong>.<\/p>\n\n\n\n

\r\n \r\n \"\"\r\n <\/picture>
En esta gr\u00e1fica se compara el desempe\u00f1o promedio de los tres mejores LLMs frente a los modelos tradicionales de \u201c<\/em>deep learning\u201d<\/em> preentrenados, en distintas m\u00e9tricas y plataformas. Visualmente, las barras de los modelos cl\u00e1sicos se quedan \u201cpegadas\u201d a valores m\u00e1s bajos, mientras que las de los LLMs se extienden mucho m\u00e1s hacia la derecha. La lectura es directa: existe una brecha sistem\u00e1tica y consistente a favor de los LLMs en todos los escenarios, con diferencias que superan 0.25 puntos en m\u00e9tricas clave en X y YouTube, precisamente las plataformas m\u00e1s dif\u00edciles por su contenido polarizado o dominado por neutralidad.<\/em><\/figcaption><\/figure>\n\n\n\n

Cuando se identifica el \u201cmodelo campe\u00f3n\u201d para cada combinaci\u00f3n de sentimiento (positivo, negativo, neutro) y plataforma, resulta que para el sentimiento positivo, GPT-4o-mini en modo few-shot <\/em>domina con claridad en Facebook e Instagram, capturando expresiones expl\u00edcitas de apoyo y entusiasmo<\/strong>. En X, en cambio, o1-mini se posiciona ligeramente mejor, lo que sugiere que modelos m\u00e1s ligeros tambi\u00e9n pueden adaptarse bien a discursos altamente polarizados.<\/p>\n\n\n\n

En tanto que para el sentimiento negativo, GPT-4o-mini y GPT-3.5 en configuraci\u00f3n few-shot<\/em> muestran mejor capacidad para detectar mensajes adversariales, ir\u00f3nicos u hostiles<\/strong>, algo crucial en el an\u00e1lisis pol\u00edtico.<\/p>\n\n\n\n

La clase neutra sigue siendo la m\u00e1s desafiante: los resultados son m\u00e1s modestos y variables entre plataformas, lo que refleja la complejidad de interpretar mensajes aparentemente \u201cfr\u00edos\u201d que, muchas veces, esconden posturas veladas. En este mismo sentido tambi\u00e9n se abren nuevas preguntas para futuras investigaciones sobre potenciales sesgos de clasificaci\u00f3n seg\u00fan el LLM que se use.<\/p>\n\n\n\n

Estos hallazgos apuntan a una consideraci\u00f3n importante: aunque los LLMs ya ofrecen un salto claro frente a la generaci\u00f3n anterior de modelos, todav\u00eda hay terreno por explorar<\/strong>, especialmente en la manera en que el espa\u00f1ol expresa matices, dobles sentidos y referencias culturales<\/strong> que difieren fuertemente del ingl\u00e9s y, a\u00fan m\u00e1s, en asuntos tan coyunturales como pueden ser las elecciones de representantes pol\u00edticos.
<\/p>\n\n\n\n

\r\n \r\n \"\"\r\n <\/picture>
An\u00e1lisis del \u201cmodelo campe\u00f3n\u201d por clase y plataforma. Cada panel muestra los puntajes F1 para las clases Positivo, Negativo y Neutro, destacando el modelo con mejor desempe\u00f1o.
<\/em><\/figcaption><\/figure>\n\n\n\n

El futuro de las elecciones en M\u00e9xico<\/h2>\n\n\n\n

El impacto de este avance es claro: con modelos predictivos m\u00e1s precisos, es posible monitorear, casi en tiempo real, c\u00f3mo reacciona la ciudadan\u00eda<\/strong> ante acontecimientos pol\u00edticos. Esto permite entender mejor la din\u00e1mica emocional que alimenta fen\u00f3menos como la polarizaci\u00f3n, la viralizaci\u00f3n de narrativas y la consolidaci\u00f3n de comunidades digitales que pueden influir en percepciones electorales.<\/p>\n\n\n\n

Adem\u00e1s, abre la posibilidad de complementar las investigaciones alrededor de la propagaci\u00f3n de desinformaci\u00f3n y qu\u00e9 tipo de mensajes generan m\u00e1s resonancia emocional. Los LLMs, al capturar matices complejos, permiten identificar patrones emergentes que podr\u00edan pasar desapercibidos con herramientas tradicionales. Esta capacidad podr\u00eda ser relevante para dise\u00f1ar estrategias que reduzcan sesgos, detecten anomal\u00edas emocionales y contribuyan a campa\u00f1as m\u00e1s responsables y transparentes.<\/p>\n\n\n\n

Sin embargo, es necesario considerar que la mayor\u00eda de los estudios de referencia en an\u00e1lisis de sentimiento <\/strong>y en la evaluaci\u00f3n de grandes modelos de lenguaje est\u00e1n desarrollados preponderantemente en ingl\u00e9s<\/strong>. <\/p>\n\n\n\n

Por lo anterior, la presente investigaci\u00f3n pone de relieve la urgencia y la necesidad de invertir y desarrollar modelos que atiendan a las particularidades del espa\u00f1ol<\/strong>, especialmente en contextos latinoamericanos, donde el lenguaje pol\u00edtico incorpora humor, iron\u00eda, regionalismos y referencias locales que los modelos entrenados en ingl\u00e9s no capturan del todo.<\/p>\n\n\n\n

Incrementar los sesgos ling\u00fc\u00edsticos y sem\u00e1nticos del idioma es un reto cient\u00edfico<\/strong>, pero tambi\u00e9n una oportunidad para impulsar el desarrollo tecnol\u00f3gico con justicia epist\u00e9mica.<\/p>\n\n\n\n

\r\n \r\n \"De\r\n <\/picture>
De izquierda a derecha, Jorge Valverde-Rebaza, Juliette Ceballos y Federico Castro-Zenteno. <\/em>(Foto: Cortes\u00eda)<\/figcaption><\/figure>\n\n\n\n

En contexto <\/em><\/h4>\n\n\n\n

Federico Castro-Zenteno, Efr\u00e9n Jim\u00e9nez-Garibaldy y Juliette Ceballos participaron en este proyecto desde que cursaban su estancia acad\u00e9mica \u201cConstruyendo soluciones robustas basadas en LLMs\u201d, aplicando m\u00e9todos avanzados de IA a un problema real de impacto nacional que se concret\u00f3 en un art\u00edculo cient\u00edfico de alto impacto.<\/em><\/p>\n\n\n\n

El proyecto se desarroll\u00f3 en colaboraci\u00f3n con el Observatorio de Medios Digitales<\/a> (OMD) del Tec de Monterrey, con la colaboraci\u00f3n de Alejandro Mart\u00edn del Campo, cuya infraestructura permiti\u00f3 acceder a datos reales y actualizados de la conversaci\u00f3n p\u00fablica. Esta alianza interdisciplinaria refuerza la idea de que entender el comportamiento electoral requiere tanto conocimientos t\u00e9cnicos como sensibilidad humana y social.<\/em><\/p>\n\n\n\n

A cargo de Jorge Valverde-Rebaza y Leonardo Ca\u00f1ete-Sifuentes, el proyecto titulado \u201cPre-trained and Large Language Models for Sentiment Analysis of Spanish Social Media in the 2024 Mexican Elections\u201d logr\u00f3 resultados reconocidos con el<\/em>  <\/em><\/strong>3rd Best Paper Award en el XVII Hybrid Intelligent Systems (HIS)<\/em><\/strong><\/a>, en el contexto del 24th Mexican International Conference on Artificial Intelligence (MICAI 2025), el evento de inteligencia artificial m\u00e1s importante de M\u00e9xico.<\/em> <\/p>\n\n\n\n

.<\/p>\n\n\n\n

Referencias<\/strong><\/h5>\n\n\n\n
    \n
  1. M. Avalle, N. Di Marco, G. Etta, E. Sangiorgio, S. Alipour, A. Bonetti, L. Alvisi, A. Scala, A. Baronchelli, M. Cinelli, and W. Quattrociocchi. Persistent interaction pattern across social media platforms and over time<\/em><\/a>. Nature, 628(8008):582\u2013589, 2024.<\/li>\n\n\n\n
  2. J. Cui, Z. Wang, S.-B. Ho, and E. Cambria. Survey on sentiment analysis: evolution of research methods and topics<\/em><\/a>. Artificial Intelligence Review, 56(8):8469\u20138510, 2023.<\/li>\n\n\n\n
  3. W. Zhang, Y. Deng, B. Liu, S. Pan, and L. Bing. Sentiment analysis in the era of large language models: A reality check<\/em>.<\/a> In Findings of the Association for Computational Linguistics: NAACL 2024, pages 3881\u20133906. ACL, 2024.<\/li>\n<\/ol>\n\n\n\n

    .<\/p>\n\n\n\n

    Art\u00edculo base<\/strong><\/h5>\n\n\n\n

    J. Valverde-Rebaza, L. Ca\u00f1ete-Sifuentes, F. Castro-Zenteno, E. Jim\u00e9nez-Garibaldy, J. Ceballos, and A. Martin del Campo. Pre-trained and Large Language Models for Sentiment Analysis of Spanish Social Media in the 2024 Mexican Elections<\/em>. In Proc. of the 24th Mexican International Conference on Artificial Intelligence. Advances in Computational Intelligence. (MICAI 2025 International Workshops). Lecture Notes in Computer Science, vol. 16264, Springer, 2026.<\/a><\/p>\n\n\n\n

    .<\/p>\n\n\n\n

    Autores<\/strong><\/h5>\n\n\n\n

    Jorge Valverde-Rebaza<\/strong><\/a>. Es profesor de la Escuela de Ingenier\u00eda y Ciencias del Tec de Monterrey<\/a>. Doctor y Maestro en Computaci\u00f3n y Matem\u00e1tica Computacional por la Universidad de S\u00e3o Paulo (USP), Brasil. Realiz\u00f3 estancias de investigaci\u00f3n en Francia y Portugal. Sus \u00e1reas de inter\u00e9s son ciencia de datos, an\u00e1lisis de datos sociales y procesamiento de lenguaje natural (PLN) y aprendizaje de m\u00e1quinas. Su trabajo se centra en sistemas basados en grandes modelos de lenguaje (LLMs) aplicados a problemas reales y en la construcci\u00f3n de productos de anal\u00edtica con foco en confiabilidad, costos, latencia y privacidad.<\/p>\n\n\n\n

    Alejandro Mart\u00edn del Campo Huerta<\/a>.<\/strong> Es l\u00edder del Observatorio de Medios Digitales, de la Escuela de Humanidades y Educaci\u00f3n, del Tec de Monterrey<\/a>. Es Director de la iniciativa de Humanidades Digitales en el Tecnol\u00f3gico de Monterrey. Con experiencia profesional en medios de comunicaci\u00f3n y opini\u00f3n p\u00fablica, su trayectoria comprende la investigaci\u00f3n de audiencias, programaci\u00f3n de canales de televisi\u00f3n, as\u00ed como la producci\u00f3n de noticiarios. Sus l\u00edneas de investigaci\u00f3n se encuentran en la comunicaci\u00f3n y participaci\u00f3n ciudadana con la intersecci\u00f3n de tecnolog\u00edas emergentes. Actualmente es consejero en casas editoriales.<\/p>\n\n\n\n

    Leonardo Ca\u00f1ete Sifuentes<\/a>.<\/strong> Es profesor de la Escuela de Ingenier\u00eda y Ciencias del Tec de Monterrey. Obtuvo su Doctorado en Ciencias Computacionales en 2022 por parte del Tecnol\u00f3gico de Monterrey, en donde actualmente es profesor de tiempo completo enfocado en ciencias computacionales, ciencia de datos y aprendizaje autom\u00e1tico. Sus principales intereses de investigaci\u00f3n son los clasificadores interpretables, problemas de desbalance de clases y los grandes modelos de lenguaje (LLMs).<\/p>\n","protected":false},"excerpt":{"rendered":"

    Los nuevos modelos avanzados de lenguaje (LLM) permiten analizar mejor el sentimiento pol\u00edtico y muestran c\u00f3mo cambian las emociones en cada red social.<\/p>\n","protected":false},"author":18,"featured_media":183435,"menu_order":0,"template":"","format":"standard","meta":{"_acf_changed":false,"_eb_attr":"","footnotes":""},"categories":[98],"tags":[432,114,244],"class_list":["post-183201","divulgacion-ciencia","type-divulgacion-ciencia","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia","tag-escuela-de-humanidades-y-educacion","tag-escuela-de-ingenieria-y-ciencias","tag-inteligencia-artificial"],"acf":[],"yoast_head":"\nAn\u00e1lisis del sentimiento pol\u00edtico con IA | TecScience<\/title>\n<meta name=\"description\" content=\"Los nuevos modelos avanzados de lenguaje (LLM) permiten analizar mejor el sentimiento pol\u00edtico y muestran c\u00f3mo cambian las emociones en cada red social.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Leer entre l\u00edneas: la nueva IA detecta emociones y posturas pol\u00edticas en redes\" \/>\n<meta property=\"og:description\" content=\"Los nuevos modelos avanzados de lenguaje (LLM) permiten analizar mejor el sentimiento pol\u00edtico y muestran c\u00f3mo cambian las emociones en cada red social.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/\" \/>\n<meta property=\"og:site_name\" content=\"TecScience\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/TecScienceWeb\" \/>\n<meta property=\"article:modified_time\" content=\"2026-03-18T20:39:00+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/tecscience.tec.mx\/es\/wp-content\/uploads\/sites\/8\/2026\/03\/analisis-politico-digital-con-ia.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"750\" \/>\n\t<meta property=\"og:image:height\" content=\"500\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@TecScience_\" \/>\n<meta name=\"twitter:label1\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data1\" content=\"10 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/divulgacion-ciencia\\\/analisis-sentimiento-politico-con-ia\\\/\",\"url\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/divulgacion-ciencia\\\/analisis-sentimiento-politico-con-ia\\\/\",\"name\":\"An\u00e1lisis del sentimiento pol\u00edtico con IA | TecScience\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/divulgacion-ciencia\\\/analisis-sentimiento-politico-con-ia\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/divulgacion-ciencia\\\/analisis-sentimiento-politico-con-ia\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/wp-content\\\/uploads\\\/sites\\\/8\\\/2026\\\/03\\\/analisis-politico-digital-con-ia.jpg\",\"datePublished\":\"2026-03-14T00:53:00+00:00\",\"dateModified\":\"2026-03-18T20:39:00+00:00\",\"description\":\"Los nuevos modelos avanzados de lenguaje (LLM) permiten analizar mejor el sentimiento pol\u00edtico y muestran c\u00f3mo cambian las emociones en cada red social.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/divulgacion-ciencia\\\/analisis-sentimiento-politico-con-ia\\\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/divulgacion-ciencia\\\/analisis-sentimiento-politico-con-ia\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/divulgacion-ciencia\\\/analisis-sentimiento-politico-con-ia\\\/#primaryimage\",\"url\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/wp-content\\\/uploads\\\/sites\\\/8\\\/2026\\\/03\\\/analisis-politico-digital-con-ia.jpg\",\"contentUrl\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/wp-content\\\/uploads\\\/sites\\\/8\\\/2026\\\/03\\\/analisis-politico-digital-con-ia.jpg\",\"width\":750,\"height\":500,\"caption\":\"De acuerdo a este estudio, las redes sociales no son homog\u00e9neas. Facebook, Instagram, X y YouTube tienen una \u201cpersonalidad emocional\u201d distinta que forma parte del debate p\u00fablico. (Foto: Getty Images)\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/divulgacion-ciencia\\\/analisis-sentimiento-politico-con-ia\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Divulgacion Cientifica\",\"item\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/divulgacion-cientifica\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Leer entre l\u00edneas: la nueva IA detecta emociones y posturas pol\u00edticas en redes\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/#website\",\"url\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/\",\"name\":\"TecScience\",\"description\":\"Bilingual platform in charge of communicating advances in research, science and innovation at Tec\",\"publisher\":{\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/#organization\",\"name\":\"TecScience\",\"url\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/wp-content\\\/uploads\\\/sites\\\/8\\\/2022\\\/11\\\/logo-negro-tecscience.svg\",\"contentUrl\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/wp-content\\\/uploads\\\/sites\\\/8\\\/2022\\\/11\\\/logo-negro-tecscience.svg\",\"width\":250,\"height\":38,\"caption\":\"TecScience\"},\"image\":{\"@id\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/TecScienceWeb\",\"https:\\\/\\\/x.com\\\/TecScience_\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/tec-science\\\/\",\"https:\\\/\\\/www.instagram.com\\\/tecscienceweb\\\/\"],\"publishingPrinciples\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/guia-de-publicacion-para-articulos-de-divulgacion\\\/\",\"correctionsPolicy\":\"https:\\\/\\\/tecscience.tec.mx\\\/es\\\/equipo-editorial-tecscience\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"An\u00e1lisis del sentimiento pol\u00edtico con IA | TecScience","description":"Los nuevos modelos avanzados de lenguaje (LLM) permiten analizar mejor el sentimiento pol\u00edtico y muestran c\u00f3mo cambian las emociones en cada red social.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/","og_locale":"es_ES","og_type":"article","og_title":"Leer entre l\u00edneas: la nueva IA detecta emociones y posturas pol\u00edticas en redes","og_description":"Los nuevos modelos avanzados de lenguaje (LLM) permiten analizar mejor el sentimiento pol\u00edtico y muestran c\u00f3mo cambian las emociones en cada red social.","og_url":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/","og_site_name":"TecScience","article_publisher":"https:\/\/www.facebook.com\/TecScienceWeb","article_modified_time":"2026-03-18T20:39:00+00:00","og_image":[{"width":750,"height":500,"url":"https:\/\/tecscience.tec.mx\/es\/wp-content\/uploads\/sites\/8\/2026\/03\/analisis-politico-digital-con-ia.jpg","type":"image\/jpeg"}],"twitter_card":"summary_large_image","twitter_site":"@TecScience_","twitter_misc":{"Tiempo de lectura":"10 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/","url":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/","name":"An\u00e1lisis del sentimiento pol\u00edtico con IA | TecScience","isPartOf":{"@id":"https:\/\/tecscience.tec.mx\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/#primaryimage"},"image":{"@id":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/#primaryimage"},"thumbnailUrl":"https:\/\/tecscience.tec.mx\/es\/wp-content\/uploads\/sites\/8\/2026\/03\/analisis-politico-digital-con-ia.jpg","datePublished":"2026-03-14T00:53:00+00:00","dateModified":"2026-03-18T20:39:00+00:00","description":"Los nuevos modelos avanzados de lenguaje (LLM) permiten analizar mejor el sentimiento pol\u00edtico y muestran c\u00f3mo cambian las emociones en cada red social.","breadcrumb":{"@id":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/#primaryimage","url":"https:\/\/tecscience.tec.mx\/es\/wp-content\/uploads\/sites\/8\/2026\/03\/analisis-politico-digital-con-ia.jpg","contentUrl":"https:\/\/tecscience.tec.mx\/es\/wp-content\/uploads\/sites\/8\/2026\/03\/analisis-politico-digital-con-ia.jpg","width":750,"height":500,"caption":"De acuerdo a este estudio, las redes sociales no son homog\u00e9neas. Facebook, Instagram, X y YouTube tienen una \u201cpersonalidad emocional\u201d distinta que forma parte del debate p\u00fablico. (Foto: Getty Images)"},{"@type":"BreadcrumbList","@id":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/analisis-sentimiento-politico-con-ia\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/tecscience.tec.mx\/es\/"},{"@type":"ListItem","position":2,"name":"Divulgacion Cientifica","item":"https:\/\/tecscience.tec.mx\/es\/divulgacion-cientifica\/"},{"@type":"ListItem","position":3,"name":"Leer entre l\u00edneas: la nueva IA detecta emociones y posturas pol\u00edticas en redes"}]},{"@type":"WebSite","@id":"https:\/\/tecscience.tec.mx\/es\/#website","url":"https:\/\/tecscience.tec.mx\/es\/","name":"TecScience","description":"Bilingual platform in charge of communicating advances in research, science and innovation at Tec","publisher":{"@id":"https:\/\/tecscience.tec.mx\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/tecscience.tec.mx\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/tecscience.tec.mx\/es\/#organization","name":"TecScience","url":"https:\/\/tecscience.tec.mx\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/tecscience.tec.mx\/es\/#\/schema\/logo\/image\/","url":"https:\/\/tecscience.tec.mx\/es\/wp-content\/uploads\/sites\/8\/2022\/11\/logo-negro-tecscience.svg","contentUrl":"https:\/\/tecscience.tec.mx\/es\/wp-content\/uploads\/sites\/8\/2022\/11\/logo-negro-tecscience.svg","width":250,"height":38,"caption":"TecScience"},"image":{"@id":"https:\/\/tecscience.tec.mx\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/TecScienceWeb","https:\/\/x.com\/TecScience_","https:\/\/www.linkedin.com\/company\/tec-science\/","https:\/\/www.instagram.com\/tecscienceweb\/"],"publishingPrinciples":"https:\/\/tecscience.tec.mx\/es\/guia-de-publicacion-para-articulos-de-divulgacion\/","correctionsPolicy":"https:\/\/tecscience.tec.mx\/es\/equipo-editorial-tecscience\/"}]}},"_links":{"self":[{"href":"https:\/\/tecscience.tec.mx\/es\/wp-json\/wp\/v2\/divulgacion-ciencia\/183201","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tecscience.tec.mx\/es\/wp-json\/wp\/v2\/divulgacion-ciencia"}],"about":[{"href":"https:\/\/tecscience.tec.mx\/es\/wp-json\/wp\/v2\/types\/divulgacion-ciencia"}],"author":[{"embeddable":true,"href":"https:\/\/tecscience.tec.mx\/es\/wp-json\/wp\/v2\/users\/18"}],"version-history":[{"count":2,"href":"https:\/\/tecscience.tec.mx\/es\/wp-json\/wp\/v2\/divulgacion-ciencia\/183201\/revisions"}],"predecessor-version":[{"id":183493,"href":"https:\/\/tecscience.tec.mx\/es\/wp-json\/wp\/v2\/divulgacion-ciencia\/183201\/revisions\/183493"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/tecscience.tec.mx\/es\/wp-json\/wp\/v2\/media\/183435"}],"wp:attachment":[{"href":"https:\/\/tecscience.tec.mx\/es\/wp-json\/wp\/v2\/media?parent=183201"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tecscience.tec.mx\/es\/wp-json\/wp\/v2\/categories?post=183201"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tecscience.tec.mx\/es\/wp-json\/wp\/v2\/tags?post=183201"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}