Educación e investigación · La Rioja
UNIR
Detección de ciberacoso en textos escolares con NLP
El cliente
UNIR – Universidad Internacional de La Rioja es una universidad online con actividad investigadora propia. Trabajamos con su equipo investigador aportando la parte de ingeniería: convertir una hipótesis de investigación en modelos de lenguaje entrenados, evaluados y reproducibles. Ellos aportaban el marco teórico sobre ciberacoso y el corpus de textos; nosotros, que los modelos funcionaran y que los resultados se sostuvieran.
El reto
El equipo investigador quería saber si, a partir de textos redactados en español por alumnos, se puede predecir su implicación en situaciones de ciberacoso y el papel que ocupa cada uno. El problema es delicado por partida doble: son textos de menores, así que el tratamiento de los datos tiene que ser impecable, y las clases están muy desequilibradas —hay muchos más textos sin señal que con ella—, lo que hace fácil construir un modelo que parezca acertar cuando en realidad no distingue nada. Se suma que la señal es sutil: el ciberacoso rara vez aparece en el texto de forma explícita, y un alumno puede escribir sobre lo que le ocurre sin llegar a nombrarlo.
Qué hicimos
Hicimos fine-tuning de modelos de lenguaje sobre el corpus de textos en español y, sobre sus salidas, añadimos una capa clásica de clasificación por votación (ensemble) para predecir la implicación y el rol: ciberacosador, cibervíctima o ciberobservador. La combinación no es casual: el modelo de lenguaje aporta la comprensión del texto, y la capa de votación estabiliza la decisión final, que es donde más daño hace el desequilibrio de clases. Cuidamos especialmente la metodología —separación de conjuntos, validación y métricas adecuadas a ese desequilibrio— para que los resultados fueran defendibles en un contexto académico y no solo buenos sobre el papel.
Tecnologías
Python · PyTorch · Transformers · Fine-tuning · NLP en español · Ensemble · Validación cruzada
Resultado
UNIR dispone de un clasificador que asigna el rol en situaciones de ciberacoso a partir del texto, con resultados evaluados y reproducibles. Sirve como apoyo a la investigación y abre la puerta a la detección temprana en entornos educativos, siempre como ayuda a la decisión de un profesional y nunca como veredicto automático: lo que aporta es una señal de atención sobre un texto, no una etiqueta sobre una persona.