
47
REVISTA PERSPECTIVAS
VOL. 8, N˚1 / ENERO - JUNIO 2026 / e-ISSN: 266-6688
sentimientos (positivo y negativo) con más de
14 000 palabras en su versión en inglés (ver Fig.
1). Este léxico se traduce a más de cien idiomas
diferentes, entre ellos el español. La asociación se
presenta de manera binaria, 1 si la palabra evoca
la emoción, 0 en caso contrario (ver Fig. 2).
Transformación del Léxico (De Binario a
Relacional): Un paso metodológico crucial fue
la transformación del formato del NRC-EmoLex
para hacerlo compatible con el algoritmo de
búsqueda de PsicoloBot. El léxico original era
una matriz binaria ancha, ineficiente para las
búsquedas directas y de similitud del algoritmo.
Se desarrolló un proceso ETL (ver Fig. 3) para
"des-pivotar" esta matriz. El script fue programado
para Extraer (E) y leer el archivo de entrada .txt.
Luego, su lógica Transformación (T) consistió en
'des-pivotar' la matriz binaria (iteró sobre cada
palabra en español del léxico original); por cada
palabra, revisó las columnas de las emociones
objetivo (ira, miedo, tristeza, alegría, asco) y,
si el valor era '1', generaba una nueva fila en el
archivo CSV de destino con el formato “Entidad”,
“Termino” (ej. miedo, abandonar). Una palabra
asociada a múltiples emociones en el original (ej.
'miedo' y 'tristeza') generó múltiples filas en el
nuevo archivo. Finalmente, se cargó (L) todos estos
nuevos registros en un archivo .csv de destino,
creando así la base de conocimientos compatible
con el formato requerido por el algoritmo.
Adaptación cultural (minería de modismos):
Después de la automatización del léxico formal,
se llevó a cabo el paso más crucial para la
competencia cultural: mejorar el conjunto de
datos. Primeramente, se llevó a cabo un scraping
automatizado (ver Fig. 4) de información
pública en las plataformas que tienen una mayor
difusión entre los jóvenes: Facebook, TikTok y
X (anteriormente Twitter). El propósito de este
algoritmo no es crear el conjunto final de datos,
sino reunir un conjunto extenso de texto crudo que
muestre el lenguaje coloquial, informal y natural
empleado por la población meta (los jóvenes
en México) para expresar sus sentimientos.
Este material será la "materia prima" para el
subsiguiente procedimiento de limpieza manual y
curación.
Las plataformas que fueron elegidas para la
extracción fueron aquellas con la mayor presencia
en la demografía objetivo:
• X (antes Twitter): Es ideal por su naturaleza
pública y textual, así como por su API (en
la etapa de diseño), que hace más sencillo
recoger flujos de texto en tiempo real.
• Facebook: En particular, los segmentos
de comentarios en publicaciones virales,
páginas públicas y grupos, que representan un
abundante recurso de conversación coloquial.
• TikTok: El sistema más predominante para
la audiencia más joven. La recolección se
enfoca en la parte de comentarios de vídeos
populares.
Definición de "Palabras Clave”: El scraping no se
lleva a cabo de manera aleatoria. Se fundamenta
en un listado de "palabras clave" previamente
establecido. No se trata de modismos, sino de
palabras o frases "gancho" que suelen ir antes o
están relacionadas con una expresión emocional.
Ejemplos de semillas: "me siento", "estoy triste",
"ando feliz", "qué coraje", "me da asco", "tengo
miedo", "qué oso", "me agüita", "me encabrona",
"qué chido", "me hierve la sangre".
Herramientas utilizadas:
• Lenguaje de Programación: Python
• Librerías de Extracción:
• Librerías de Limpieza Básica
• Para X: Tweepy
• Para Facebook y TikTok: Selenium
• Librerías de Limpieza Básica
• re (Expresiones Regulares) para la
limpieza preliminar.
C. Recolección Automatizada en Redes Sociales
Inicialización: carga la lista de palabras semilla
en memoria y define el archivo de salida para
el corpus crudo (ej. raw_corpus.txt), después
inicializa los controladores de automatización
(Selenium/Playwright).