30
R. S. Cedeño Menéndez, J. A. León Alarcón, and J. H. Franco Cantos,
“Evaluación del rendimiento de modelos de Machine Learning para el análisis de sentimientos en tweets en español”,
Latin-American Journal of Computing (LAJC), vol. 13, no. 2, 2026.
Evaluation of Machine
Learning Model
Performance for
Sentiment Analysis
in Spanish Tweets
under Different Class
Imbalance Scenarios
ARTICLE HISTORY
Received 26 March 2026
Accepted 11 June 2026
Published 7 July 2026
Roly Steeven Cedeño Menéndez
Universidad Técnica de Manabí
Instituto de Lenguas Modernas
Portoviejo, Ecuador
roly.cedeno@utm.edu.ec
ORCID: 0009-0004-1571-9410
José Alberto León Alarcón
Universidad Técnica de Manabí
Instituto de Lenguas Modernas
Portoviejo, Ecuador
jose.leon@utm.edu.ec
ORCID: 0009-0004-6190-0990
Jandry Hernando Franco Cantos
Universidad Técnica de Manabí
Facultad de Ciencias Informáticas
Portoviejo, Ecuador
jandry.franco@utm.edu.ec
ORCID: 0009-0009-7848-9292
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
This work is licensed under a Creative Commons
Attribution-NonCommercial-ShareAlike 4.0 International License.
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
31
DOI:
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
https://doi.org/10.33333/lajc.vol13n2.02
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July - December 2026
Evaluación del Rendimiento de Modelos de
Machine Learning para el Análisis de Sentimientos
en Tweets en Español bajo Diferentes Escenarios de
Desbalance de Clases
Evaluation of Machine Learning Model
Performance for Sentiment Analysis in Spanish
Tweets under Different Class Imbalance Scenarios
Roly Steeven Cedeño Menéndez
Universidad Técnica de Manabí
Instituto de Lenguas Modernas
Portoviejo, Ecuador
roly.cedeno@utm.edu.ec
José Alberto León Alarcón
Universidad Técnica de Manabí
Instituto de Lenguas Modernas
Portoviejo, Ecuador
jose.leon@utm.edu.ec
Jandry Hernando Franco Cantos
Universidad Técnica de Manabí
Facultad de Ciencias Informáticas
Portoviejo, Ecuador
jandry.franco@utm.edu.ec
Resumen— El análisis de sentimientos ha adquirido gran
relevancia en la clasificación de polaridades en textos no
estructurados. Sin embargo, uno de sus principales desafíos lo
constituye el desequilibrio de clases, el cual afecta de manera
significativa el rendimiento de los modelos de aprendizaje
automático. Por ello, el presente estudio compara el desempeño de
seis algoritmos de clasificación (Naive Bayes, SVM, Logistic
Regression, Decision Tree, Random Forest y XGBoost) en tweets en
español, considerando tres escenarios: distribución equilibrada,
moderadamente desequilibrada y totalmente desequilibrada. La
evaluación se realizó mediante las métricas de exactitud, precisión,
recall y f1-score. Los resultados demuestran que los modelos lineales
logran un mejor rendimiento en escenarios balanceados, aunque su
desempeño disminuye conforme aumenta el desequilibrio. Por otra
parte, Naive Bayes mantiene un comportamiento más estable entre
escenarios, y además, una alternativa competitiva es representada por
XGBoost. Asimismo, se observa que el impacto del desbalance no se
refleja adecuadamente en la exactitud, siendo el f1-score una métrica
más representativa. En conjunto, los resultados resaltan la
importancia de considerar el desequilibrio en la selección de
modelos.
Palabras Clave— análisis de sentimientos en español,
aprendizaje automático, desbalance de clases, clasificación de texto,
f1-score
Abstract— Sentiment analysis has gained significant relevance
in the classification of polarities in unstructured texts; however, one
of its main challenges is class imbalance, which significantly affects
the performance of machine learning models. Therefore, this study
compares the performance of six classification algorithms (Naive
Bayes, SVM, Logistic Regression, Decision Tree, Random Forest,
and XGBoost) on Spanish-language tweets, considering three
scenarios: balanced distribution, moderately imbalanced, and highly
imbalanced. The evaluation was conducted using the metrics of
accuracy, precision, recall, and f1-score. The results show that
linear models achieve better performance in balanced scenarios,
although their effectiveness decreases as the imbalance increases.
Meanwhile, Naive Bayes maintains a more stable behavior across
scenarios, and XGBoost represents a competitive alternative.
Additionally, it is observed that the impact of imbalance is not
adequately reflected by accuracy, making the f1-score a more
representative metric. Altogether, these findings highlight the
importance of considering class imbalance in model selection.
Keywords— Spanish sentiment analysis, machine learning,
class imbalance, text classification, f1-score
I. INTRODUCTION
En la última década, las redes sociales han emergido como
uno de los ecosistemas digitales más prolíficos en cuanto a
producción de contenido e intercambio de opiniones en la red,
donde plataformas de microblogging como X posibilitan que
una vasta comunidad de usuarios comparta sus pensamientos,
valoraciones y estados emocionales sobre múltiples temáticas
de manera inmediata [1]. Ante el volumen masivo de
publicaciones generadas de forma continua, el procesamiento
automatizado de dicha información ha adquirido una
relevancia creciente dentro de las disciplinas del aprendizaje
automático y la minería de texto. En este contexto, el análisis
de sentimientos se ha posicionado como una metodología
ampliamente adoptada para detectar y categorizar las
opiniones contenidas en textos, facilitando así su clasificación
en polaridad: positiva, negativa o neutral [2]. La utilización del
análisis de sentimientos en las redes sociales ha alcanzado
diversos temas, tales como la evaluación de la percepción
ciudadana, el monitoreo de la reputación corporativa, el
análisis del discurso político y el rastreo de fenómenos sociales
emergentes [3]. En ese sentido, un rendimiento adecuado en la
clasificación de información no estructurada como lo es el
texto ha sido demostrado por los modelos de aprendizaje
automático, entre los cuales destacan Naive Bayes, Support
Vector Machine, Logistic Regression, Decision Tree, Random
Forest y XGBoost, los cuales han sido utilizados de manera
exitosa en problemas de clasificación de texto, gracias a su
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
32
DOI:
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
https://doi.org/10.33333/lajc.vol13n2.02
R. S. Cedeño Menéndez, J. A. León Alarcón, and J. H. Franco Cantos,
“Evaluación del rendimiento de modelos de Machine Learning para el análisis de sentimientos en tweets en español”,
Latin-American Journal of Computing (LAJC), vol. 13, no. 2, 2026.
capacidad para extraer y generalizar patrones a partir de
conjuntos de datos previamente etiquetados [4].
No obstante, uno de los desafíos más comunes que
enfrentan los modelos de clasificación es la presencia del
desbalance en la distribución de clases dentro de los conjuntos
de entrenamiento [5]. Esto sucede cuando en el conjunto de
datos existe una predominancia de una clase en comparación a
otra. En el análisis de sentimientos, este dilema es frecuente lo
cual puede provocar que el modelo clasificador presente
ciertos sesgos al realizar las predicciones, y de esta manera
deteriore su capacidad para poder clasificar la clase
minoritaria. Como resultado, métricas comúnmente usadas
para medir el nivel de eficacia del modelo como la exactitud
(accuracy) pueden reflejar de manera imprecisa el rendimiento
real del modelo, lo que hace necesario optar por otras métricas
tales como precisión, recall y f1-score para una evaluación más
rigurosa [6].
Frente a este problema, resulta imprescindible examinar de
qué manera los distintos niveles de distribución afectan el
desempeño de los modelos. Es por esto que, el presente trabajo
tiene como objetivo realizar una evaluación comparativa del
rendimiento de seis modelos de aprendizaje automático en la
clasificación de sentimientos sobre tweets en español, en
distintos niveles de distribución de clases. Para ello, se
establecen 3 escenarios: una distribución equilibrada,
moderadamente desequilibrada y totalmente desequilibrada. El
rendimiento de los modelos es medido mediante las métricas
de accuracy y f1-score, las cuales permiten observar el
rendimiento real de cada modelo en los distintos escenarios. A
partir de este análisis, se pretende identificar cuales modelos
tiene una mejor tolerancia frente al desbalance de las clases y
determinar cómo este desequilibrio influye en los resultados de
la clasificación de sentimientos.
II. M
ARCO TEÓRICO
A. Análisis de sentimientos
El análisis de sentimientos, denominado en la literatura
anglosajona sentiment analysis u opinion mining, constituye
una técnica propia del campo de la minería de texto y el
procesamiento del lenguaje natural (NLP), cuyo propósito
fundamental radica en identificar, extraer y categorizar las
opiniones, emociones o actitudes manifiestas en un corpus
textual [7]. De manera convencional, dicha categorización se
estructura en torno a polaridades como positiva, negativa o
neutral, si bien en determinados contextos puede ampliarse
hacia una caracterización emocional de mayor granularidad
[8].
Esta disciplina ha evolucionado considerablemente en los
últimos años, debido al crecimiento exponencial del volumen
de datos generados en entornos digitales [9]. Las redes sociales
se han posicionado como una fuente de gran valor para
examinar la percepción colectiva de los usuarios en torno a una
amplia variedad de temas, que van desde productos y servicios
hasta eventos de relevancia o figuras de notoriedad social [10].
Mediante la aplicación de esta técnica, es posible convertir
grandes masas de datos no estructurados en conocimiento
accionable, susceptible de orientar procesos de toma de
decisiones en distintos ámbitos [11].
B. Aprendizaje automático para la clasificación de texto
El aprendizaje automático ha adquirido un protagonismo
indiscutible en el desarrollo de sistemas orientados al
procesamiento y análisis de grandes volúmenes de información
textual [12]. En el ámbito de la clasificación de texto, estos
enfoques permiten asignar de manera automática una categoría
a un documento a partir de su contenido semántico, lo que
resulta de gran utilidad en aplicaciones como el análisis de
sentimientos, la identificación de correo no deseado y la
organización temática de contenidos informativos [13].
Dentro de este dominio, un lugar predominante es ocupado
por los modelos de aprendizaje automático, gracias a su
capacidad para inferir patrones relevantes a partir de datos
previamente etiquetados [14]. Bajo este paradigma, el
clasificador es entrenado sobre un conjunto de instancias,
como publicaciones en redes sociales, en las que cada elemento
se encuentra previamente asociado a una clase determinada, a
través de lo cual el modelo construye una función de mapeo
que le permite generalizar y predecir la categoría de nuevas
observaciones no contempladas durante el entrenamiento [15].
En el campo de la clasificación textual supervisada, existe
un conjunto consolidado de algoritmos de amplia aplicación
[16], entre los cuales está Naive Bayes que fundamenta su
funcionamiento en el cálculo de probabilidades condicionales
bajo el supuesto de independencia entre características. Por su
parte, Support Vector Machine (SVM) opera buscando el
hiperplano de separación óptimo que maximice el margen
entre las clases en el espacio de características. En tanto que,
la Logistic Regression estima la probabilidad de asignación a
una clase a través de una función logística. Los métodos
basados en estructuras arbóreas, como el Decision Tree y el
Random Forest, tienen la capacidad de capturar relaciones no
lineales entre variables, mientras que algoritmos de mayor
sofisticación como XGBoost emplean estrategias de
ensamblado secuencial para optimizar la capacidad predictiva
del modelo final [17].
La elección del modelo adecuado para una tarea en
específico depende de múltiples factores, tales como el
problema a resolver, la calidad y cantidad de los datos
disponibles y su distribución. En los problemas de
clasificación de texto, el rendimiento de los modelos puede
verse comprometido por el desequilibrio en la representación
de las clases dentro del conjunto de datos, por lo que se hace
imprescindible realizar una evaluación de su comportamiento
bajo distintos escenarios de distribución [18].
C. Desbalance de clases
El desbalance de clases se manifiesta cuando la
distribución de las categorías en un conjunto de datos presenta
una asimetría pronunciada, es decir, cuando una o más clases
concentran una proporción de instancias notablemente
superior a la de las restantes [19]. Este fenómeno aparece con
frecuencia en múltiples dominios de aplicación, incluyendo el
análisis de sentimientos, donde determinadas categorías, como
las opiniones de polaridad negativa o neutral, tienden a estar
sobrerrepresentadas respecto a otras [20].
La presencia de este desequilibrio puede comprometer de
forma considerable la capacidad predictiva de los modelos de
aprendizaje automático, debido a que gran parte de estos
algoritmos supervisados presenta una notable tendencia a
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
33
DOI:
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
https://doi.org/10.33333/lajc.vol13n2.02
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July - December 2026
favorecer la clase dominante durante el entrenamiento, dado
que su función objetiva busca minimizar el error de
clasificación global [21], lo que puede derivar en modelos que
alcanzan valores elevados de exactitud (accuracy)
simplemente mediante la predicción sistemática de la clase
mayoritaria, sin haber aprendido representaciones
significativas de las clases minoritarias, dando como resultado
un desempeño marcadamente deficiente en la detección de
estas últimas. En consecuencia, genera una circunstancia
especialmente problemática en aplicaciones donde
precisamente las clases subrepresentadas poseen una mayor
relevancia práctica [22]. En el marco de este trabajo, con el
propósito de cuantificar el impacto del desbalance de clases
sobre el rendimiento de los modelos analizados, se definen tres
escenarios experimentales diferenciados, a saber, un conjunto
de datos con distribución equilibrada, un segundo conjunto con
desbalance de intensidad moderada y un tercer conjunto
caracterizado por un desbalance de alta severidad. De este
modo, permite llevar a cabo un análisis comparativo
sistemático de la capacidad de adaptación de cada algoritmo
ante distintas distribuciones de datos, con el fin de identificar
cuáles exhiben una mayor robustez y estabilidad frente a este
tipo de condiciones adversas.
D. Métricas de evaluación
La cuantificación del desempeño de los modelos de
aprendizaje automático constituye un componente esencial en
cualquier tarea de clasificación, dado que posibilita valorar de
manera objetiva su capacidad para generalizar y predecir
correctamente las categorías de datos no observados durante el
entrenamiento [23]. En el contexto específico del análisis de
sentimientos orientado a discriminar textos entre categorías
como positivo y negativo, resulta imprescindible recurrir a
indicadores que capturen con fidelidad el comportamiento real
del clasificador, particularmente en situaciones donde la
distribución de las clases presenta desequilibrios
significativos.
Entre los indicadores de rendimiento más difundidos se
encuentra la exactitud (accuracy), que cuantifica la fracción de
predicciones acertadas respecto al total de instancias
evaluadas, calculándose como el cociente entre el número de
clasificaciones correctas y el volumen total de observaciones
[24]. No obstante, pese a su interpretabilidad inmediata y su
amplia adopción, esta métrica puede inducir a conclusiones
erróneas en conjuntos de datos con distribuciones asimétricas,
puesto que un clasificador podría alcanzar valores
aparentemente satisfactorios al limitarse a predecir de forma
sistemática la categoría predominante, sin haber aprendido a
distinguir adecuadamente entre las clases [25].
Por su parte, la precisión (precision) expresa la proporción
de instancias clasificadas como positivas que corresponden
efectivamente a dicha categoría, de modo que su utilidad radica
en la evaluación de la calidad de las predicciones afirmativas
emitidas por el modelo, siendo especialmente relevante, en
particular, en escenarios donde los falsos positivos conllevan
consecuencias adversas considerables [26].
El recall o sensibilidad, en cambio, mide la aptitud del
modelo para recuperar correctamente la totalidad de las
instancias pertenecientes a la clase positiva. Es decir que,
refleja en qué medida el clasificador es capaz de detectar los
casos verdaderamente positivos presentes en el conjunto de
evaluación, siendo un indicador crítico cuando la omisión de
casos positivos reales resulta particularmente costosa [27].
El f1-score, por otro lado, integra en un único valor tanto
la precisión como el recall, combinándolos mediante su media
armónica. Por lo tanto, esta propiedad lo convierte en una
métrica especialmente adecuada para escenarios con
desbalance de clases, ya que establece un balance entre la
capacidad del modelo para minimizar tanto los falsos positivos
como los falsos negativos, ofreciendo así una valoración más
equilibrada e integral del desempeño clasificatorio [28].
En el presente estudio, se adoptan la exactitud y el f1-score
como métricas primarias de evaluación, dado que en conjunto,
permiten examinar tanto el rendimiento global del clasificador
como su capacidad discriminativa frente a distribuciones de
clases desiguales. Es por esto que la utilización conjunta de
ambos indicadores facilita una comparación sistemática y
rigurosa del comportamiento de los distintos algoritmos de
aprendizaje automático en los diferentes escenarios
experimentales contemplados.
III. M
ETODOLOGÍA
A. Recolección de datos
El corpus empleado en el presente estudio proviene de
publicaciones extraídas de la red social X. Dicho conjunto de
datos fue compilado en el marco de una investigación
precedente [29], cuyo objetivo central consistió en examinar
las valoraciones y percepciones expresadas por los usuarios de
la plataforma en relación con la gestión del mandatario
ecuatoriano.
La obtención de los datos se limitó a publicaciones
redactadas en el idioma español, con el propósito de
caracterizar el sentimiento manifestado por la comunidad
hispanohablante, con un intervalo temporal de recopilación
que comprende desde noviembre de 2023 hasta abril de 2024,
periodo que permitió conformar un corpus representativo de la
opinión pública durante los primeros meses del gobierno
presidencial. En su versión original, el dataset comprende un
total de 3.177 tweets, los cuales fueron sometidos a un proceso
de etiquetado manual en torno a tres categorías de sentimiento:
positivo, negativo y neutral. Este procedimiento de
clasificación se diseñó con el fin de poder garantizar la
integridad y la consistencia de las etiquetas asignadas, de esta
manera contribuyendo a elevar la fiabilidad de los modelos de
aprendizaje automático.
Para los fines del presente trabajo, se seleccionó un
subconjunto del corpus original conformado exclusivamente
por las categorías positiva y negativa. La exclusión de la clase
neutral responde a tres razones fundamentales. En primer
lugar, los tweets de polaridad neutral suelen presentar una
menor carga semántica diferenciadora, lo que dificulta su
separación respecto a las otras clases y puede introducir
ambigüedad en el proceso de clasificación. En segundo lugar,
la formulación binaria del problema permite aislar con mayor
precisión el efecto del desbalance de clases sobre el
rendimiento de los modelos, que constituye el objeto central de
este estudio. Al incorporar una tercera clase, dicho efecto se
vería condicionado adicionalmente por la complejidad
multiclase, dificultando la interpretación de los resultados. En
tercer lugar, el análisis de la polaridad positiva-negativa
representa el enfoque más frecuente en la literatura sobre
análisis de sentimientos en redes sociales, lo que facilita la
comparabilidad de los hallazgos con estudios previos. El
subconjunto resultante comprende un total de 644 tweets, de
los cuales 117 corresponden a la clase positiva y 527 a la clase
negativa. Esta distribución evidencia una marcada asimetría
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
34
DOI:
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
https://doi.org/10.33333/lajc.vol13n2.02
R. S. Cedeño Menéndez, J. A. León Alarcón, and J. H. Franco Cantos,
“Evaluación del rendimiento de modelos de Machine Learning para el análisis de sentimientos en tweets en español”,
Latin-American Journal of Computing (LAJC), vol. 13, no. 2, 2026.
entre las categorías, condición que resulta apropiada para
analizar de manera controlada el efecto del desbalance de
clases sobre el desempeño de los modelos de clasificación.
Mediante la utilización de este corpus es posible evaluar el
comportamiento de distintos algoritmos de aprendizaje
automático en un entorno de aplicación real, caracterizado por
datos provenientes de redes sociales y por las particularidades
propias del registro lingüístico informal predominante en este
tipo de plataformas.
B. Escenarios de balance de datos
Con el propósito de examinar la influencia del
desequilibrio entre clases sobre el desempeño de los modelos
de aprendizaje automático, se establecieron tres
configuraciones experimentales que contemplan distintos
niveles de distribución de los datos:
• Distribución equilibrada: En esta configuración se
empleó un número idéntico de instancias para ambas
categorías, conformando un subconjunto de 117 tweets
positivos y 117 tweets negativos.
• Distribución moderadamente desequilibrada: Se
consideraron 117 tweets positivos frente a 200 tweets
negativos, generando así un nivel intermedio de asimetría
entre clases.
• Distribución severamente desequilibrada: Se utilizó la
totalidad del corpus disponible, integrado por 117 tweets
positivos y 527 tweets negativos, reproduciendo fielmente
la distribución original del conjunto de datos.
Para la construcción de los escenarios equilibrado y
moderadamente desequilibrado, se llevó a cabo una selección
aleatoria de instancias negativas a partir del conjunto original
de 527 tweets, con la finalidad de asegurar la representatividad
de las muestras resultantes y, al mismo tiempo, minimizar la
introducción de sesgos sistemáticos en la conformación de los
subconjuntos experimentales. Una vez definidos los tres
escenarios, los datos correspondientes a cada configuración
fueron particionados en dos subconjuntos mutuamente
excluyentes, uno destinado al entrenamiento del modelo y otro
reservado para su evaluación. Dicha partición se realizó
siguiendo a una proporción del 80% para la fase de
entrenamiento y del 20% para la fase de prueba, esquema que
permite valorar el rendimiento de los clasificadores sobre datos
no expuestos durante el proceso de aprendizaje.
La delimitación de estas tres configuraciones
experimentales posibilita un análisis comparativo riguroso de
la manera en que los distintos grados de desequilibrio entre
clases condicionan el comportamiento de los algoritmos de
aprendizaje automático, lo que facilita la identificación de
aquellos que exhiben una mayor capacidad de adaptación y
estabilidad ante este tipo de distribuciones asimétricas.
C. Modelos de aprendizaje automático evaluados
Los modelos considerados fueron Naive Bayes, Support
Vector Machine (SVM), Logistic Regression, Decision Tree,
Random Forest y XGBoost, cuya selección responde tanto a su
consolidada presencia en la literatura sobre análisis de
sentimientos como a la diversidad de enfoques que representan
para modelar distintos tipos de relaciones subyacentes en los
datos [30]. La implementación de estos modelos se llevó a
cabo mediante herramientas de programación especializadas
en análisis de datos, utilizando las representaciones vectoriales
obtenidas tras el procesamiento previo del texto, y con el fin de
garantizar la comparabilidad de los resultados, todos los
algoritmos fueron entrenados y evaluados bajo condiciones
experimentales homogéneas, asegurando así que las
diferencias observadas en el rendimiento sean atribuibles a las
características propias de cada modelo y no a variaciones en el
entorno de evaluación.
En cuanto a la configuración de los clasificadores, se optó
por mantener los valores de hiperparámetros predeterminados
proporcionados por las bibliotecas utilizadas, con el propósito
de examinar el rendimiento base de cada algoritmo sin la
intervención de procesos de ajuste fino, lo que permite, en
consecuencia, obtener una caracterización del comportamiento
intrínseco de los modelos frente a los distintos niveles de
desequilibrio entre clases, sin que los resultados se vean
condicionados por optimizaciones específicas.
Sobre los conjuntos de datos correspondientes a las tres
configuraciones experimentales definidas, cada uno de los
clasificadores fue entrenado y, posteriormente, evaluado de
forma sistemática mediante las métricas de rendimiento
establecidas, lo que permitió, en consecuencia, realizar una
comparación coherente y estructurada del desempeño de los
algoritmos, así como examinar su capacidad de respuesta ante
variaciones en la distribución de las categorías en el conjunto
de datos.
D. Métricas de evaluación
Para cuantificar el rendimiento de los modelos de
aprendizaje automático, se emplearon diversas métricas
derivadas de la matriz de confusión, instrumento que posibilita
un análisis detallado del comportamiento de los clasificadores
en función de las predicciones emitidas [31]. En el marco de
este estudio, se contemplaron cuatro resultados posibles de
clasificación:
• Verdaderos Positivos (True Positives o TP): Ejemplos
que han sido correctamente clasificados como positivos.
• Falsos Positivos (False Positives o FP): Ejemplos
clasificados incorrectamente como positivos, y que en
realidad son negativos.
• Verdaderos Negativos (True Negatives o TN):
Ejemplos que han sido correctamente clasificados como
negativos.
• Falsos Negativos (False Negatives o FN): Ejemplos
clasificados incorrectamente como negativos, y que en
realidad son positivos.
Basándonos en estos casos y mediante la matriz de
confusión en la Tabla I, podemos calcular diversas métricas
para evaluar el rendimiento del modelo, entre las métricas más
utilizadas son:
TABLA I. MATRÍZ DE CONFUSIÓN
Matriz de
confusión
Estimado por el modelo
Negativo (N)
Positivo (P)
Real
Negativo
TN
FP
Positivo
FN
TP
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
35
DOI:
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
https://doi.org/10.33333/lajc.vol13n2.02
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July - December 2026
• Exactitud (accuracy): Es el porcentaje de ejemplos
correctamente clasificados sobre el total.
()
• Precisión (precision): Es el porcentaje de ejemplos
correctamente clasificados como positivos sobre el total
de ejemplos clasificados como positivos.
()
• Exhaustividad (recall) o Sensibilidad (Sensitivity): Es
el porcentaje de ejemplos correctamente clasificados
como positivos sobre el total de ejemplos que son
realmente positivos.
()
• Valor-F (f1-score): Es la media armónica de la precisión
y la exhaustividad. Proporciona una medida equilibrada
que toma en cuenta tanto la precisión como la
exhaustividad, especialmente útil cuando se necesita un
balance entre ambas métricas.
()
Estas métricas fueron aplicadas de forma uniforme sobre la
totalidad de los modelos evaluados y en cada una de las
configuraciones experimentales definidas, lo que permitió
establecer comparaciones objetivas y consistentes entre
algoritmos, así como examinar con rigor el efecto del
desequilibrio entre clases sobre los resultados de clasificación
obtenidos.
IV. A
NÁLISIS Y DISCUSIÓN DE RESULTADOS
A. Rendimiento de los modelos en el escenario de
distribución equilibrada
En el presente apartado se exponen los resultados
obtenidos tras la evaluación de los distintos modelos de
aprendizaje automático sobre el conjunto de datos con
distribución equilibrada, conformado por una cantidad idéntica
de instancias pertenecientes a las categorías positiva y
negativa.
La Tabla II sintetiza los valores de exactitud (accuracy),
precisión (precision), exhaustividad (recall) y f1-score
registrados por cada modelo bajo esta configuración
experimental.
TABLA II. RENDIMIENTO DE LOS MODELOS EN EL ESCENARIO DE
DISTRIBUCIÓN EQUILIBRADA
Modelo
Exactitud
Precision
Recall
F1-Score
Naive Bayes
80,9%
78,3%
81,8%
80,0%
Support Vector
Machine (SVM)
83,0% 80,0% 87,0% 83,3%
Logistic
Regression
85,1% 83,3% 87,0% 85,1%
Decision Tree
61,7%
69,2%
39,1%
50,0%
Random Forest
74,5%
65,7%
100,0%
79,3%
XGBoost
74,5%
69,0%
87,0%
76,9%
Los resultados presentados en la Tabla II revelan un
comportamiento diferenciado entre los modelos evaluados,
donde la Logistic Regression emerge como el modelo de
mayor rendimiento en este escenario al alcanzar un f1-score de
85,1% y una exactitud equivalente, lo que refleja una
capacidad equilibrada para clasificar correctamente ambas
polaridades. Le sigue en desempeño el SVM con un f1-score de
83,3%, caracterizado por un recall elevado del 87,0% que
evidencia una notable sensibilidad para detectar instancias
positivas. Por su parte, Naive Bayes obtiene resultados
competitivos con un f1-score del 80,0%, consolidándose como
una alternativa eficiente considerando su simplicidad
computacional.
En el extremo opuesto, el Decision Tree registra el
rendimiento más deficiente del conjunto evaluado, con un f1-
score de tan solo 50,0%, como consecuencia directa de un
recall reducido del 39,1%, lo que indica una capacidad
limitada para identificar correctamente los casos positivos. En
constraste, Random Forest, pese a alcanzar un recall perfecto
del 100,0%, presenta una precisión notablemente inferior del
65,7%, lo que se traduce en una tendencia a clasificar como
positivas instancias que no lo son y, por ende, refleja un sesgo
hacia dicha categoría. En tanto que XGBoost, con un f1-score
del 76,9%, se sitúa en una posición intermedia mostrando un
comportamiento aceptable, aunque inferior al de los modelos
lineales. En términos generales, los resultados obtenidos en
este escenario sugieren que los clasificadores de naturaleza
lineal, particularmente la Logistic Regression y el SVM,
exhiben una mayor capacidad de adaptación ante
distribuciones equilibradas de datos, logrando así un balance
adecuado entre precisión y exhaustividad en la discriminación
de ambas clases de sentimiento.
B. Rendimiento de los modelos en el escenario
moderadamente desequilibrado
En esta configuración experimental, se analizó el
comportamiento de los clasificadores ante un conjunto de datos
que presenta un nivel intermedio de asimetría en la distribución
de clases, conformado por 117 instancias positivas y 200
instancias negativas. Este escenario permite examinar la
sensibilidad de los modelos ante una perturbación moderada
respecto a las condiciones de equilibrio evaluadas
previamente.
TABLA III. RENDIMIENTO DE LOS MODELOS EN EL ESCENARIO
MODERADAMENTE DESEQUILIBRADO
Modelo
Exactitud
Precision
Recall
F1-Score
Naive Bayes
76,6%
64,5%
83,3%
72,7%
Support Vector
Machine (SVM)
76,6% 62,5% 52,6% 57,1%
Logistic
Regression
75,0% 100,0% 15,8% 27,3%
Decision Tree
71,9%
52,9%
47,4%
50,0%
Random Forest
76,6%
75,0%
31,6%
44,4%
XGBoost
71,9%
53,8%
36,8%
43,8%
Los resultados expuestos en la Tabla III ponen de
manifiesto una degradación generalizada del rendimiento
respecto al escenario equilibrado, evidenciando así la
sensibilidad de varios algoritmos ante la introducción de
desequilibrio en la distribución de los datos. El caso más
notable es el de la Logistic Regression, que pese a alcanzar una
precisión perfecta del 100,0%, registra un recall drásticamente
reducido del 15,8%, lo que se traduce en un f1-score de apenas
27,3%, comportamiento que indica que el modelo adopta una
estrategia de clasificación extremadamente conservadora, ya
que emite predicciones positivas con alta certeza pero, al
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
36
DOI:
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
https://doi.org/10.33333/lajc.vol13n2.02
R. S. Cedeño Menéndez, J. A. León Alarcón, and J. H. Franco Cantos,
“Evaluación del rendimiento de modelos de Machine Learning para el análisis de sentimientos en tweets en español”,
Latin-American Journal of Computing (LAJC), vol. 13, no. 2, 2026.
mismo tiempo, omite la gran mayoría de los casos positivos
reales, lo que finalmente lo convierte en un clasificador
inadecuado bajo estas condiciones.
De manera similar, el SVM experimenta una caída
pronunciada en su f1-score, descendiendo desde 83,3% en el
escenario equilibrado hasta 57,1% en el presente escenario, lo
que refleja una pérdida considerable de su capacidad
discriminativa ante el incremento del desequilibrio entre
clases. Random Forest y XGBoost también muestran
deterioros significativos, con f1-scores de 44,4% y 43,8%
respectivamente, como consecuencia de valores de recall
reducidos que evidencian dificultades crecientes para
recuperar correctamente las instancias de la clase minoritaria,
en contraste, Naive Bayes se posiciona como el modelo de
mayor estabilidad en este escenario al obtener el f1-score más
elevado del conjunto con un 72,7%, sustentado en un recall del
83,3% que denota una capacidad relativamente sólida para
identificar los casos positivos aun en presencia de desequilibrio
moderado. Por su parte, el Decision Tree mantiene un f1-score
del 50,0%, resultado idéntico al registrado en el escenario
anterior, lo que sugiere una insensibilidad relativa a las
variaciones en la distribución, aunque a costa de un
rendimiento global limitado.
En términos generales, los resultados de este escenario
revelan que la introducción de un desequilibrio moderado
impacta de forma heterogénea sobre los distintos algoritmos
evaluados, siendo los modelos lineales los más afectados,
mientras que Naive Bayes demuestra una mayor capacidad de
adaptación ante cambios en la distribución de los datos.
C. Rendimiento de los modelos en el escenario
severamente desequilibrado
En el presente apartado, se exponen los resultados
obtenidos al evaluar los clasificadores sobre el corpus original
en su totalidad, cuya distribución natural refleja el mayor nivel
de asimetría entre clases contemplado en este estudio, con 117
instancias positivas frente a 527 instancias negativas. Este
escenario representa las condiciones reales del conjunto de
datos y constituye el caso más exigente para los modelos
evaluados, al reproducir fielmente el desequilibrio inherente a
los datos provenientes de entornos de redes sociales.
TABLA IV. RENDIMIENTO DE LOS MODELOS EN EL ESCENARIO
SEVERAMENTE DESEQUILIBRADO
Modelo
Exactitud
Precision
Recall
F1-Score
Naive Bayes
82,2%
55,3%
77,8%
64,6%
Support Vector
Machine (SVM)
82,2%
66,7%
16,0%
25,8%
Logistic Regression
80,6%
0,0%
0,0%
0,0%
Decision Tree
80,6%
50,0%
36,0%
41,9%
Random Forest
81,4%
100,0%
4,0%
7,7%
XGBoost
85,3%
75,0%
36,0%
48,6%
Los resultados consignados en la Tabla IV revelan una
degradación generalizada y pronunciada del rendimiento en la
mayoría de los modelos evaluados, siendo este el escenario
donde el impacto del desequilibrio entre clases se manifiesta
con mayor intensidad. Logistic Regression se destaca como el
caso más extremo, que registra valores nulos tanto en precisión
como en recall y f1-score, lo que indica que el modelo ha
colapsado hacia una estrategia de predicción sistemática de la
clase mayoritaria. En consecuencia, resulta completamente
incapaz de identificar instancia alguna de la categoría positiva,
comportamiento que, conocido en la literatura como majority
class bias, ilustra de manera contundente el efecto devastador
que el desequilibrio severo puede ejercer sobre clasificadores
lineales sin mecanismos de compensación [32].
Random Forest presenta una situación análoga desde una
perspectiva diferente, ya que si bien alcanza una precisión
perfecta del 100,0%, su recall desciende a un valor residual del
4,0%, derivando así en un f1-score de apenas 7,7%, resultado
que indica que el modelo emite predicciones positivas con
absoluta certeza en los escasísimos casos en que se aventura a
hacerlo, pero que, al mismo tiempo, prácticamente renuncia a
detectar la clase minoritaria, lo que lo convierte en un
clasificador de utilidad marginal en este contexto, mientras
que, de forma similar, el SVM experimenta una caída severa en
su f1-score, reduciéndose al 25,8% como consecuencia de un
recall de tan solo 16,0%.
En el extremo opuesto, Naive Bayes se posiciona como el
modelo que posee una mayor solidez en este escenario, por el
cual al tener el f1-score más elevado del conjunto con un
64,6%, seguido de un recall del 77,8%. Estos resultados
evidencian que su enfoque probabilístico le confiere una mayor
tolerancia ante distribuciones asimétricas lo que le permite
mantener un nivel de rendimiento relativamente superior al
resto de los modelos evaluados, mientras que XGBoost. Por
otro lado, muestra una estabilidad destacable con un f1-score
del 48,6% y una precisión del 75,0%, consolidándose como el
segundo modelo con mejor rendimiento en este escenario, lo
que reafirma que su arquitectura de ensamblado secuencial le
otorga una capacidad de adaptación superior frente a
condiciones de desequilibrio severo.
En términos generales, los resultados de este escenario
ponen en evidencia que el desequilibrio severo entre clases
constituye en un factor crítico que compromete
sustancialmente la capacidad discriminativa de la mayoría de
los modelos evaluados, siendo Naive Bayes y XGBoost los
únicos que logran mantener un nivel de desempeño funcional
bajo estas condiciones adversas.
D. Análisis comparativo del rendimiento entre escenarios
Fig. 1. Comparación del f1-score según el escenario de clases
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
37
DOI:
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
https://doi.org/10.33333/lajc.vol13n2.02
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July - December 2026
La Figura 1 ilustra la evolución del f1-score de cada
modelo evaluado a lo largo de los tres escenarios
experimentales considerados, permitiendo visualizar de
manera integral cómo el rendimiento de los clasificadores se
ve condicionado por el nivel de desequilibrio presente en la
distribución de los datos.
De manera general, se aprecia una tendencia descendente
en el desempeño de la mayoría de los modelos a medida que el
grado de asimetría entre clases se incrementa, siendo el
escenario equilibrado el que concentra los valores de f1-score
más elevados en prácticamente todos los casos, lo que a su vez
refuerza la premisa de que el desequilibrio entre clases
constituye un factor determinante en la capacidad predictiva de
los algoritmos de aprendizaje automático aplicados a tareas de
clasificación textual.
No obstante, la magnitud y la forma en que dicha
degradación se produce varía considerablemente entre
modelos, observándose que la Logistic Regression y el SVM
exhiben las caídas más pronunciadas y abruptas, ya que la
primera desciende desde un f1-score de 85,1% en el escenario
equilibrado hasta un valor nulo en el escenario severamente
desequilibrado, mientras que el SVM reduce su rendimiento
desde 83,3% hasta 25,8%. Este comportamiento sugiere que
ambos clasificadores lineales son altamente sensibles a las
variaciones en la distribución de clases y que, en consecuencia,
pierden progresivamente su capacidad discriminativa a medida
que la clase minoritaria se vuelve menos representada en el
conjunto de entrenamiento.
En contraste, la trayectoria de degradación más gradual y
controlada del conjunto evaluado es presentada por Naive
Bayes, con valores de f1-score de 80,0%, 72,7% y 64,6% para
los escenarios equilibrado, moderadamente desequilibrado y
severamente desequilibrado, respectivamente. Esto refleja, en
consecuencia, una evolución sostenida que lo posiciona como
el algoritmo de mayor estabilidad a lo largo de los tres
escenarios y, por ende, evidencia una notable capacidad de
adaptación ante condiciones de distribución adversas.
XGBoost, por su parte, presenta un comportamiento
singular que lo distingue del resto de los modelos, ya que, si
bien experimenta una reducción en su f1-score al transitar del
escenario equilibrado al moderadamente desequilibrado,
descendiendo de 76,9% a 43,8%, logra recuperar parcialmente
su rendimiento en el escenario severamente desequilibrado al
alcanzar un f1-score de 48,6%, patrón que sugiere que la
arquitectura de ensamblado secuencial propia de XGBoost le
confiere una mayor capacidad de resistencia ante
desequilibrios extremos. Por ende, lo posiciona como una
alternativa robusta en contextos donde los datos presentan una
asimetría pronunciada, condición habitual en aplicaciones
reales sobre datos provenientes de redes sociales. En síntesis,
el análisis comparativo entre escenarios evidencia que la
elección del algoritmo de clasificación no debe considerar
únicamente su rendimiento bajo condiciones ideales de
distribución, sino también su comportamiento ante escenarios
de desequilibrio, siendo Naive Bayes y XGBoost los modelos
que demuestran mayor solidez y consistencia a lo largo del
espectro de condiciones evaluadas.
E. Análisis comparativo entre exactitud y f1-score
Fig. 2. Comparación de accuracy y f1-score por escenario
La Figura 2 presenta la comparación entre los valores de
exactitud y f1-score obtenidos por cada modelo en los tres
escenarios experimentales, organizados en grupos de barras
que permiten visualizar simultáneamente ambas métricas para
cada configuración de distribución de datos, lo que resulta
especialmente relevante para examinar la divergencia entre
ambos indicadores a medida que el nivel de desequilibrio entre
clases se incrementa. En el escenario equilibrado, se observa
una correspondencia relativamente estrecha entre la exactitud
y el f1-score en la mayoría de los modelos, reflejando que bajo
condiciones de distribución balanceada ambas métricas
ofrecen una caracterización consistente del rendimiento
clasificatorio, siendo la Logistic Regression un ejemplo
paradigmático de este comportamiento al registrar valores
prácticamente idénticos en ambas métricas, con 85,1% tanto
en exactitud como en f1-score.
Sin embargo, a medida que el desequilibrio entre clases se
acentúa, emerge una divergencia progresiva y sistemática entre
ambos indicadores que se vuelve especialmente pronunciada
en el escenario severamente desequilibrado, siendo los casos
más ilustrativos de este fenómeno la Logistic Regression y
Random Forest, ya que el primero mantiene una exactitud del
80,6% en dicho escenario mientras su f1-score colapsa a 0,0%,
en tanto que el segundo alcanza una exactitud del 81,4% con
un f1-score residual de tan solo 7,7%. Esto pone de manifiesto
que, en presencia de desequilibrio severo, la exactitud puede
reflejar valores aparentemente satisfactorios como
consecuencia de la predicción sistemática de la clase
mayoritaria, sin que ello implique una capacidad real de
discriminación entre categorías.
Este comportamiento constituye una evidencia empírica
contundente de las limitaciones de la exactitud como indicador
único de rendimiento en contextos con distribuciones
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
38
DOI:
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
https://doi.org/10.33333/lajc.vol13n2.02
R. S. Cedeño Menéndez, J. A. León Alarcón, and J. H. Franco Cantos,
“Evaluación del rendimiento de modelos de Machine Learning para el análisis de sentimientos en tweets en español”,
Latin-American Journal of Computing (LAJC), vol. 13, no. 2, 2026.
asimétricas. En efecto, un modelo que clasifica la totalidad de
las instancias como pertenecientes a la clase negativa, la
predominante en el dataset, puede alcanzar una exactitud
global cercana al 81,8%, correspondiente a la proporción
natural de dicha clase, sin haber aprendido patrón
discriminativo alguno, por lo que el f1-score. Por ello, el recall
mediante su media armónica, resulta sensible a este tipo de
comportamiento degenerativo y lo penaliza de forma
proporcional, ofreciendo así una valoración más fidedigna de
la capacidad real del clasificador.
La importancia de adoptar un enfoque multimétrico en la
evaluación de modelos de clasificación es resaltada por los
resultados de este análisis, especialmente en tareas donde
existe un desequilibrio entre clases. La utilización exclusiva de
la exactitud como criterio único de evaluación en estos
escenarios puede conducir, en consecuencia, a conclusiones
erróneas sobre la calidad real de los modelos, siendo la métrica
f1-score, en particular, un indicador indispensable para lograr
una valoración con mayor rigurosidad a la hora de medir el
desempeño clasificatorio de los modelos.
V. C
ONCLUSIONES
Los hallazgos derivados del presente estudio demuestran
de manera inequívoca que el grado de desequilibrio entre
clases representa un factor de influencia crítica sobre el
rendimiento de los modelos de aprendizaje automático
aplicados al análisis de sentimientos en tweets en español. De
modo que, a lo largo de las tres configuraciones experimentales
evaluadas, se constata que el comportamiento de los
algoritmos no únicamente fluctúa en términos de desempeño
absoluto, sino también en su capacidad intrínseca de
adaptación ante distribuciones de datos progresivamente más
asimétricas, poniendo así de manifiesto la complejidad
inherente a este tipo de problemas en contextos reales.
En el escenario de distribución equilibrada, los
clasificadores de naturaleza lineal, en particular la Logistic
Regression y el SVM, evidenciaron una superioridad
manifiesta frente al resto de los algoritmos evaluados, logrando
un balance adecuado entre precisión y recall que se tradujo en
valores elevados de f1-score. Esto sugiere que la arquitectura
de estos modelos resulta especialmente apropiada cuando las
categorías se encuentran representadas de forma proporcional
en el conjunto de datos, hallazgo que, además, guarda
consistencia con lo reportado en la literatura especializada,
donde los clasificadores lineales tienden a destacar en tareas de
clasificación textual bajo condiciones ideales de distribución
[33].
No obstante, una degradación considerable en el
rendimiento de estos modelos es desencadenada por la
introducción de un desequilibrio moderado, siendo el caso más
ilustrativo de esta vulnerabilidad la Logistic Regression, pues,
a pesar de preservar valores elevados de precisión, es su recall
el que experimenta una reducción drástica. En consecuencia,
esto revela una tendencia progresiva a favorecer la clase
dominante en detrimento de la capacidad para recuperar
instancias de la categoría minoritaria, situación que se agudiza
de forma extrema en el escenario severamente desequilibrado,
donde en un colapso clasificatorio total incurre el modelo, y
evidencia una incapacidad absoluta para identificar ejemplos
positivos. A su vez, de manera análoga, contracciones
pronunciadas en su desempeño son registradas por el SVM y
Random Forest, lo que corrobora, por ende, su elevada
sensibilidad ante las perturbaciones introducidas por el
desequilibrio entre clases.
En contraposición, como el algoritmo de mayor estabilidad
a lo largo del espectro de escenarios evaluados emerge Naive
Bayes, muestra que la degradación de su f1-score sigue una
trayectoria progresiva y notablemente más contenida en
comparación con los restantes modelos, lo que sugiere, en
consecuencia, que su fundamento probabilístico le proporciona
una resiliencia inherente para sostener una capacidad
clasificatoria consistente incluso ante distribuciones adversas,
Además, pone de relieve su valor práctico en entornos reales
donde el desequilibrio entre categorías constituye una
condición estructural de los datos más que una anomalía
excepcional.
A lo largo del análisis, se identifica un aspecto de
relevancia metodológica en la relación dinámica entre las
métricas de evaluación empleadas. Se observa que, en
condiciones de distribución equilibrada, la exactitud y el f1-
score convergen hacia valores similares y, por tanto, ofrecen
representaciones concordantes del rendimiento de los modelos.
Sin embargo, a medida que el desequilibrio entre clases se
intensifica, emerge, en consecuencia, una divergencia
sistemática y creciente entre ambos indicadores. De forma
particularmente llamativa, varios modelos preservan valores
de exactitud aparentemente satisfactorios al mismo tiempo que
su f1-score se desploma hacia valores mínimos. Este
fenómeno expone la naturaleza engañosa de la exactitud como
criterio único de evaluación en contextos desequilibrados,
puesto que este indicador puede inflarse artificialmente por la
predicción sistemática de la clase mayoritaria sin que ello
implique capacidad discriminativa real alguna.
En este sentido, la métrica f1-score se posiciona como el
indicador de referencia para la evaluación del desempeño en
presencia de desequilibrio entre clases, al integrar
simultáneamente la precisión y el recall . Además, penaliza de
forma proporcional los errores asociados a la clase minoritaria,
lo cual refuerza la necesidad de adoptar estrategias de
evaluación multimétrica en las tareas de clasificación aplicadas
a problemas reales, donde la uniformidad en la distribución de
los datos suele ser más la excepción que la norma.
El análisis comparativo transversal entre escenarios
permite establecer que no existe un algoritmo universalmente
óptimo para todas las condiciones de distribución, sino que la
superioridad relativa de cada modelo se encuentra fuertemente
condicionada por las características propias de la distribución
de los datos. En este sentido, como contribución principal del
presente estudio se destaca la evaluación empírica y
estructurada del comportamiento de múltiples modelos de
aprendizaje automático ante distintos niveles de desequilibrio
de clases en un contexto aplicado de análisis de sentimientos
sobre datos provenientes de redes sociales. Todo esto
evidencia que Naive Bayes y XGBoost representan opciones
preferentes en escenarios con distribuciones asimétricas,
mientras que un rendimiento superior bajo condiciones de
equilibrio entre categorías es ofrecido por los modelos lineales.
Estos resultados constituyen un aporte de valor práctico para
investigadores y profesionales que enfrentan problemas de
clasificación en dominios donde el desequilibrio de clases es
una realidad estructural ineludible.
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
39
DOI:
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
https://doi.org/10.33333/lajc.vol13n2.02
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July - December 2026
A pesar de los aportes descritos, el presente estudio no está
exento de limitaciones, puesto que el corpus utilizado se
circunscribe a un dominio temático específico y a un período
temporal determinado, lo que podría restringir la
generalización de los hallazgos a otros contextos discursivos o
a datos provenientes de distintas épocas o plataformas.
Asimismo, el análisis se realizó sin la aplicación de técnicas de
balanceo de clases como SMOTE o undersampl ing, ni de
estrategias de preprocesamiento avanzado, aspectos que
potencialmente habrían permitido mitigar el impacto del
desequilibrio sobre el rendimiento de los modelos, en este
sentido, investigaciones futuras podrían explorar el efecto
combinado de dichas técnicas de balanceo junto con modelos
de lenguaje preentrenados como BERT o RoBERTa en español,
así como ampliar el análisis a corpus multidominio y
multiclase, con el objetivo de obtener una comprensión más
robusta y generalizable del comportamiento de los
clasificadores ante distribuciones asimétricas en tareas de
análisis de sentimientos.
R
EFERENCES
[1] S. Giménez, “Redes Sociales, estado actual y tendencias 2023
OBSbusiness.school,” 2023.
[2] A. Albladi, M. Islam, and C. Seals, “Sentiment Analysis of Twitter Data
Using NLP Models: A Comprehensive Review,” IEEE Access, vol. 13,
pp. 30444–30468, 2025, doi: 10.1109/ACCESS.2025.3541494.
[3] J. J. Moreno and R. M. Nicolás, “Evaluación de la percepción ciudadana
en la red social X mediante técnicas de minería y analítica de datos para
el fortalecimiento institucional de la Secretaría Distrital de Hacienda,”
Oct. 2025, Accessed: Mar. 16, 2026. [Online]. Available:
http://repository.unad.edu.co/handle/10596/78213
[4] I. J. Girón, “Análisis comparativo de modelos de aprendizaje
supervisado para el reconocimiento de emociones en texto,” 2025,
Accessed: Mar. 16, 2026. [Online]. Available:
https://uvadoc.uva.es/handle/10324/79497
[5] M. E. Jonatan, “Clasificación de datos desbalanceados,” May 2022,
Accessed: Mar. 16, 2026. [Online]. Available:
http://sedici.unlp.edu.ar/handle/10915/147410
[6] J. J. Campo Yepes, “Evaluación de métricas en modelos predictivos de
clasificación en machine learning.” Accessed: Mar. 16, 2026. [Online].
Available:
https://repository.universidadean.edu.co/entities/publication/81ddd265
-219d-480f-8422-1e5486ad0c75
[7] E. M. Porras, A. R. Fernández, L. P. S. Bastos, and J. A. D. González,
“Uso de Procesamiento de Lenguaje Natural para procesar respuestas
abiertas de una encuesta de Opinión Pública,” Revista Latinoamericana
de Metodología de la Investigación Social: ReLMIS, no. 29, pp. 51–67,
2025.
[8] J. E. Lozano González, “Revisión sistemática sobre el análisis de
sentimientos en interacciones por chat en videojuegos,” Feb. 2025,
Accessed: Mar. 16, 2026. [Online]. Available:
http://repository.unad.edu.co/handle/10596/67163
[9] N. M. Sanchez Posada, “Optimización del marketing digital: revisión
sistemática de técnicas de Big Data y monitoreo de redes sociales,” Aug.
2025, Accessed: Mar. 16, 2026. [Online]. Available:
http://repository.unad.edu.co/handle/10596/73389
[10] L. Rivadeneira, “Análisis del comportamiento de decisión usando -
ProQuest,” Revista Ibérica de Sistemas e Tecnologias de Informação,
2023.
[11] E. G. Mita Arancibia, “Revisión sistemática sobre análisis de datos en
tiempo real: Herramientas para tomar decisiones estratégicas,” Panel -
Revista de Administración, Jul. 2024.
[12] A. D. Jiménez Alfaro and J. V. Díaz Ospina, “Revisión sistemática de
literatura: Técnicas de aprendizaje automático (Machine Learning),”
Cuaderno activa, vol. 13, no. 1, pp. 113–121, 2021.
[13] A. Cevallos-Culqui, C. Pons, and G. Rodriguez, “Semi-supervised
learning models for document classification: A systematic review and
meta-analysis,” Inteligencia Artificial, vol. 26, no. 72, pp. 81–111, Jun.
2023, doi: 10.4114/intartif.vol26iss72pp81-111.
[14] M. A. Hernández Castañeda and M. F. Forero Dorado, “Uso de
algoritmos Machine Learning en la clasificación de objetos
astronómicos: una revisión sistemática,” UNAD, Dec. 2024.
[15] J. L. Romero Ibarra, “Análisis integral de algoritmos de clasificación en
aprendizaje automático: perspectivas, comparaciones y aplicaciones,”
Serie Científica de la Universidad de las Ciencias Informáticas, vol. 18,
no. 1, pp. 283–304, 2025.
[16] A. F. Ruiz Delgado, “Revisión sistemática de modelos de machine
learning y deep learning aplicados a la detección temprana de depresión
en redes sociales,” UNAD, Dec. 2025.
[17] R. Tobar-Díaz, Y. Gao, J. F. Mas, and V. H. Cambrón-Sandoval,
“Classification of land use and land cover through machine learning
algorithms: a literature review,” Revista de Teledetección, vol. 2023,
no. 62, pp. 1–19, Jul. 2023, doi: 10.4995/raet.2023.19014.
[18] V. H. Bustamante Morán, C. E. Quiroz Calle, J. R. Oquendo Silva, and
J. R. Oquendo Silva, “Inteligencia artificial en el diagnóstico diferencial
de patologías de tejidos blandos orales,” RECIAMUC, vol. 9, no. 4, pp.
472–
492, Dec. 2025, doi:
10.26820/reciamuc/9.(4).diciembre.2025.472-492.
[19] L. J. Montesdeoca Espinoza, S. J. Zambrano Rojas, V. J. Pinargote-
Bravo, and L. Cedeño-Valarezo, “Redes generativas para balanceo de
datos en imágenes agrícolas: una revisión sistemática de la literatura,”
Revista Científica de Informática ENCRIPTAR, vol. 8, no. 16, pp. 153–
168, Oct. 2025, doi: 10.56124/encriptar.v8i16.008.
[20] H. P. Segovia Granda, “Revisión sistemática y análisis de metodologías
que utilizan técnicas de minería de datos y aprendizaje automático para
detección del trolling en las redes sociales,” 2022.
[21] C. Huamañí Ninahuanca, C. J. Quintana-Castro, and N. E. Tovar Soto,
“Modelo predictivo sobre pérdida de beca por motivos académicos en
beneficiarios de Beca 18,” 2025.
[22] G. Poquechoque Foronda and C. W. Pacheco Lora, “Evaluación de la
experiencia de usuario ante interfaces web de software de gestión a
través del análisis de emociones,” Revista Ciencia y Tecnología Digital,
vol. 1, no. 1, pp. 1–20, Oct. 2025.
[23] F. E. Garza, Y. M. Ramírez, A. R. Noriega, and I. N. Á. Sánchez, “Una
revisión sistemática sobre la precisión de modelos de aprendizaje
automático aplicados a la tasación de bienes raíces,” RITI, vol. 12, no.
28, pp. 4–16, 2024, doi: 10.36825/RITI.12.28.002.
[24] J. E. Pino Cotillo, “Comparación de modelos de machine learning para
la predicción temprana de diabetes mellitus tipo 2,” UNAD, Dec. 2025.
[25] O. Ali, W. Abdelbaki, A. Shrestha, E. Elbasi, M. A. A. Alryalat, and Y.
K. Dwivedi, “A systematic literature review of artificial intelligence in
the healthcare sector,” Journal of Innovation & Knowledge, vol. 8, no.
1, p. 100333, Jan. 2023, doi: 10.1016/j.jik.2023.100333.
[26] S. A. Montero Franco, “Revisión Teórica De Las Redes Neuronales
Profundas Para La Detección De Malware,” UNAD, Aug. 2025.
[27] J. I. Valdés Espinoza, “Clasificación automatizada de actividad cerebral
anormal en pacientes neurocríticos para mejorar capacidad
diagnóstica,” 2022, doi: 10.58011/X5MP-TG04.
[28] E. Cruz, M. González, and J. C. Rangel, “Técnicas de machine learning
aplicadas a la evaluación del rendimiento y a la predicción de la
deserción de estudiantes universitarios, una revisión,” Prisma
Tecnológico, vol. 13, no. 1, pp. 77–87, Feb. 2022, doi:
10.33412/pri.v13.1.3039.
[29] R. S. Cedeño Menéndez, J. A. León Alarcón, and J. H. Franco Cantos,
“Análisis de Sentimientos en la Red Social ‘X’, Percepción Pública
sobre el Presidente del Ecuador, Daniel Noboa (noviembre 2023 - abril
2024),” Latin-American Journal of Computing, vol. 12, no. 2, pp. 40–
48, Jul. 2025, doi: 10.33333/lajc.vol12n2.03.
[30] V. A. García Meza and S. H. Lázaro Barrera, “Revisión teórica de
modelos de Machine Learning para la predicción del comportamiento
de pago en clientes gestionados desde contact-center, sector cobranzas,”
UNAD, Dec. 2025.
[31] J. Urrego Piedrahita and J. J. Acosta Jiménez, “Machine Learning
aplicado a la predicción de pacientes en EPS: una revisión de literatura,”
Cuaderno activa, vol. 16, no. 1, May 2024, doi:
10.53995/20278101.1574.
[32] H. Ali, M. Najib, M. Salleh, R. Saedudin, K. Hussain, and M. Faheem
Mushtaq, “Imbalance class problems in data mining: a review,”
Indonesian Journal of Electrical Engineering and Computer Science,
vol. 14, no. 3, pp. 1560–1571, 2019, doi:
10.11591/ijeecs.v14.i3.pp1560-1571.
[33] L. U. Hidalgo Vargas, J. A. León Borges, J. C. Ramírez Pacheco, H.
Toral Cruz, T. G. Makita Balcorta, and I. Osuna Galán, “Análisis de
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
40
DOI:
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
https://doi.org/10.33333/lajc.vol13n2.02
R. S. Cedeño Menéndez, J. A. León Alarcón, and J. H. Franco Cantos,
“Evaluación del rendimiento de modelos de Machine Learning para el análisis de sentimientos en tweets en español”,
Latin-American Journal of Computing (LAJC), vol. 13, no. 2, 2026.
Revisión Sistemática de la Aplicación de Algoritmos de Aprendizaje
Automático en Sistemas de Detección de Intrusión en Internet de las
Cosas para Ciudades Inteligentes,” Ciencia Latina Revista Científica
Multidisciplinar, vol. 8, no. 6, pp. 11500–11517, Feb. 2024, doi:
10.37811/cl_rcm.v8i6.15929.
DECLARACIÓN DE USO DE HERRAMIENTAS DE
INTELIGENCIA ARTIFICIAL
Durante la preparación de este manuscrito, por los autores
se declara que una herramienta basada en inteligencia artificial
fue utilizada exclusivamente con fines de traducción y mejora
de la redacción, siendo empleada para optimizar la calidad
lingüística y la legibilidad del texto, mientras que, en contraste,
el contenido científico, el análisis de datos, las interpretaciones
y las conclusiones son responsabilidad íntegra de los autores.
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
41
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
AUTHORS
Ingeniero en Sistemas de Información por la Universidad Técnica
de Manabí y Magíster en Sistemas de Información con mención en
Data Science por la Pontificia Universidad Católica del Ecuador. Su
formación académica y experiencia profesional se enfocan en el
análisis de datos, el aprendizaje automático y la aplicación de técnicas
avanzadas para la extracción de conocimiento a partir de grandes
volúmenes de información. Actualmente se desempeña como técnico
docente en la Universidad Técnica de Manabí y cuenta con un año de
experiencia adicional como docente en modalidad online.
Ha participado en proyectos de investigación vinculados a la ciencia
de datos, destacando su trabajo de tesis de posgrado titulado “Análisis
de sentimientos utilizando la red social X (Twitter) para medir el
nivel de aceptación del nuevo presidente del Ecuador, Daniel Noboa
(noviembre 2023 - abril 2024)”. También cuenta con dos artículos
académicos publicados. Sus áreas de interés incluyen la inteligencia
artificial, la minería de datos y el desarrollo de soluciones basadas
en ciencia de datos. Sus objetivos profesionales actuales se centran
en mejorar continuamente como docente y consolidarse como
investigador en el área, contribuyendo con nuevas publicaciones
científicas.
Roly Steeven Cedeño Menéndez
José Alberto León Alarcón
José León Alarcón es un profesional especializado en Ciencia de
Datos, posee un máster en Sistemas de Información con mención en
Data Science por la Pontificia Universidad Católica del Ecuador (PUCE
Quito). Su formación académica se complementa con una sólida
experiencia en el ámbito de la inteligencia artificial, especialmente en el
aprendizaje automático (machine learning) y el aprendizaje profundo
(deep learning). A lo largo de su trayectoria profesional, se ha enfocado
en el análisis de imágenes médicas, contribuyendo al desarrollo de
modelos capaces de apoyar el diagnóstico clínico mediante técnicas
avanzadas de procesamiento de imágenes. Además, ha trabajado en
la extracción y análisis de información a partir de datos complejos,
aplicando metodologías estadísticas y herramientas computacionales
modernas. Sus áreas de interés incluyen la inteligencia artificial,
el análisis predictivo y el desarrollo de soluciones innovadoras que
permitan transformar grandes volúmenes de datos en conocimiento
útil para la toma de decisiones. Se caracteriza por su compromiso
con la investigación aplicada y el desarrollo tecnológico orientado a
resolver problemas reales.
R. S. Cedeño Menéndez, J. A. León Alarcón, and J. H. Franco Cantos,
“Evaluación del rendimiento de modelos de Machine Learning para el análisis de sentimientos en tweets en español”,
Latin-American Journal of Computing (LAJC), vol. 13, no. 2, 2026.
ISSN:1390-9266 e-ISSN:1390-9134 LAJC 2026
42
LATIN-AMERICAN JOURNAL OF COMPUTING (LAJC), Vol XIII, Issue 2, July 2026
AUTHORS
Ingeniero en Sistemas de Información con una Maestría en Ingeniería
en Sistemas de Información, mención en Data Science. Ha formado
parte de diversos proyectos enfocados en el desarrollo de software
e implementación de soluciones basadas en inteligencia artificial,
aplicadas al análisis de datos, la optimización de procesos y la
automatización de tareas.
Actualmente se desempeña como docente universitario en la
Universidad Técnica de Manabí, Ecuador, donde combina la formación
académica con la investigación aplicada. Sus principales áreas de
interés incluyen la inteligencia artificial, el aprendizaje automático, la
visualización de datos y la ciencia de datos orientada a la toma de
decisiones.
Cuenta con experiencia en la integración de herramientas tecnológicas
en entornos educativos y productivos, participando activamente en
iniciativas interdisciplinarias que promueven la innovación tecnológica
con impacto real. Su enfoque profesional se basa en el desarrollo de
soluciones prácticas y eficientes, alineadas con los avances actuales
en ciencia y tecnología.
Comprometido con la formación de nuevas generaciones de
profesionales, busca contribuir al avance del conocimiento científico
y al desarrollo de tecnologías sostenibles que respondan a las
necesidades actuales de la sociedad.
Jandry Franco Cantos
R. S. Cedeño Menéndez, J. A. León Alarcón, and J. H. Franco Cantos,
“Evaluación del rendimiento de modelos de Machine Learning para el análisis de sentimientos en tweets en español”,
Latin-American Journal of Computing (LAJC), vol. 13, no. 2, 2026.
