Análisis de Sentimiento para lenguajes de bajos recursos, Dominio: Shipibo-Konibo

Abstract

Con el objetivo de apoyar a comunidades con bajos recursos digitales en su integración a la sociedad, se desarrolló un modelo de análisis de sentimiento para lenguas indígenas, permitiendo la implementación de tecnologías como chatbots y asistentes virtuales que puedan operar en su lengua materna. Esta propuesta busca no solo facilitar un mayor acceso a servicios esenciales en áreas como educación, salud y gobierno, sino también promover la preservación cultural y lingüística de comunidades históricamente marginadas. La incorporación de herramientas de este tipo representa una estrategia para reducir la brecha digital y garantizar un acceso más equitativo a los beneficios de la transformación tecnológica. Para el idioma Shipibo-Konibo, se utilizaron diversas técnicas de aumento de datos basadas en errores controlados, incluyendo alteraciones aleatorias, proximidad de teclado, ambigüedad fonema-grafema y similitud silábica. Estas técnicas contribuyeron significativamente a incrementar la diversidad y representatividad del corpus, permitiendo que el modelo entrenado reflejara de manera más realista la variabilidad natural del lenguaje. Asimismo, se evaluaron modelos de embeddings multilingües como XLM-Roberta, LaBSE y SIMCSE, seleccionando finalmente el más adecuado por su capacidad de generalización y desempeño en escenarios multilingües. Los experimentos realizados lograron superar el desafío de clasificar oraciones en categorías positivas, negativas y neutras, incluso en contextos de datos limitados. Este avance constituye un paso importante hacia la inclusión tecnológica de comunidades indígenas, ofreciendo herramientas adaptadas a sus necesidades lingüísticas y fomentando un ecosistema digital más diverso e inclusivo.

With the objective of supporting communities with low digital resources in their integration into society, a sentiment analysis model for indigenous languages was developed, allowing the implementation of technologies such as chatbots and virtual assistants that can operate in their mother tongue. This proposal seeks not only to facilitate greater access to essential services in areas such as education, health, and government, but also to promote the cultural and linguistic preservation of historically marginalized communities. The incorporation of such tools represents a strategy to reduce the digital divide and to guarantee more equitable access to the benefits of technological transformation. For the Shipibo-Konibo language, various data augmentation techniques based on controlled errors were applied, including random alterations, keyboard proximity, phoneme-grapheme ambiguity, and syllabic similarity. These techniques significantly contributed to increasing the diversity and representativeness of the corpus, allowing the trained model to more realistically reflect the natural variability of the language. Likewise, multilingual embedding models such as XLM-Roberta, LaBSE, and SIMCSE were evaluated, ultimately selecting the most suitable one for its generalization capacity and performance in multilingual scenarios. The experiments carried out managed to overcome the challenge of classifying sentences into positive, negative, and neutral categories, even in low-data contexts. This advancement constitutes an important step toward the technological inclusion of indigenous communities, offering tools adapted to their linguistic needs and fostering a more diverse and inclusive digital ecosystem.