En la actualidad, la conformación de la opinión pública sobre noticias ocurre de forma inmediata y global, principalmente a través de titulares difundidos en plataformas digitales. Sin embargo, los sistemas de análisis de sentimiento suelen centrarse en redes sociales y textos en inglés, presentando limitaciones en multilingüismo, tiempo real y granularidad geográfica.
En este trabajo, se desarrolla una solución integral basada en Big Data y Procesamiento de Lenguaje Natural (NLP). El sistema es capaz de recopilar, limpiar, analizar y visualizar en tiempo real el sentimiento de titulares de noticias multilingües (inglés y español), con enriquecimiento geográfico.
Su arquitectura modular de microservicios (Docker) automatiza la ingesta desde cuatro APIs, aplica limpieza avanzada y evalúa los titulares con un enfoque hibrido de modelos, combinando enfoques léxicos y basados en Transformer como XLM-RoBERTa y RoBERTuito.
Validado sobre 120.000 titulares etiquetados manualmente, el estudio no solo confirma el alto rendimiento de XLM-RoBERTa, sino que revela dos hallazgos científicos clave: la “Paradoja del Preprocesamiento”, que demuestra el impacto marginal de la limpieza de textos en modelos Transformer, y el “Problema de la Neutralidad”, una incapacidad sistemática de los modelos actuales para clasificar titulares neutros.
El proyecto aporta una solución técnica reproducible y, fundamentalmente, evidencia empírica que cuestiona los paradigmas de clasificación de sentimiento en el periodismo. Los resultados validan la viabilidad del sistema y abren nuevas vías de investigación sobre los límites del análisis de sentimiento en lenguaje mediático.
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional