Desarrollo de una aplicación web para el análisis de sentimientos en publicaciones y comentarios de Instagram utilizando técnicas de IA

Abstract

El presente trabajo de investigación tuvo como objetivo desarrollar una aplicación web para el análisis de sentimientos en publicaciones y comentarios de Instagram, utilizando técnicas avanzadas de inteligencia artificial y procesamiento del lenguaje natural. El propósito fue evaluar cómo el uso de modelos preentrenados basados en Transformers podía mejorar el desempeño del análisis frente a métodos tradicionales, aportando una herramienta funcional para la interpretación automática de opiniones en redes sociales. Se utiliza una metodología mixta, con enfoque cualitativo que incluye la revisión bibliográfica sobre técnicas de inteligencia artificial aplicada al análisis de sentimientos y cuantitativa para la evaluación del desempeño del sistema en términos de precisión, recall y F1-score. Se implementó una arquitectura distribuida conformada por React.js en el frontend y Node.js en el backend, complementada con un script en Python encargado de ejecutar el modelo RoBERTuito, especializado en análisis de sentimientos en español. Para la extracción de información se utilizó Puppeteer con el complemento Stealth, lo que permitió automatizar la recopilación de publicaciones y comentarios de Instagram de manera dinámica y segura. Se realizaron pruebas funcionales, de integración y evaluación del desempeño. Las pruebas mostraron que el sistema funcionó de manera correcta y que cada una de sus secciones se unió sin fallas. El modelo RoBERTuito alcanzó resultados mayores al 85% en métricas de desempeño como lo son la precisión, el recall y el F1-score. A pesar de esto, observó que el tiempo que el modelo necesitó para el procesamiento de cada publicación era elevando, esto debido al alto consumo de recursos computacionales necesarios para la extracción de la información. Por último, la aplicación que se desarrolló mostró un alto desempeño al utilizar modelos de inteligencia artificial con bases en Transformers para la evaluación y etiquetado de sentimientos en redes sociales, lo que comprueba su eficacia al ser aplicada en entornos reales. Además se sugiere la incorporación de tecnologías contemporáneas de desarrollo web y modelos de aprendizaje profundo, dado que representa una alternativa eficiente y escalable. Para aumentar la rapidez del análisis sin comprometer la calidad de los resultados, se sugiere que el componente de extracción de datos sea optimizado a través de métodos que requieran menos recursos computacionales.