Análisis de sentimientos en comentarios de estudiantes universitarios a través del procesamiento de lenguaje natural y el uso de ChatGPT y Gemini

Abstract

OBJETIVO: Determinar la capacidad de los modelos de lenguaje de gran escala para clasificar el sentimiento predominante en comentarios generados por estudiantes de primer año de Psicología. MÉTODO: La investigación adoptó un enfoque cuantitativo en el que se analizaron comentarios simulados respecto a tres aspectos fundamentales de un curso universitario, métodos de enseñanza, dominio temático del profesor y evaluación. La muestra estuvo compuesta por cincuenta comentarios generados por Inteligencia Artificial, basados en comentarios de cincuenta estudiantes reales, con los que se entrenó a la IA. Estos fueron clasificados manualmente por un experto en docencia universitaria y luego procesados por los modelos ChatGPT y Gemini. Se calculó la precisión de cada modelo mediante la proporción de coincidencias con la clasificación de referencia, obteniéndose precisiones elevadas en categorías positivas y neutras, y significativamente bajas en la categoría negativa. RESULTADOS: Los hallazgos indican que, pese a la alta eficacia en la identificación de sentimientos positivos y neutros, ambos modelos presentan un bajo desempeño ante comentarios críticos. CONCLUSIÓN: Sugiere la necesidad de mejorar los algoritmos para el tratamiento de información negativa en contextos educativos, contribuyendo así a la optimización de estrategias de evaluación y mejora docente.

Ähnliche Arbeiten