¿Sesgo en los medios? Cómo los LLMs (GPT-4o, Claude, PyABSA) robustecen el análisis de tonalidad:

¿Es posible detectar sesgos en medios periodísticos usando inteligencia artificial? Presentamos un pipeline innovador para analizar 100,000 artículos de Deutsche Welle (DW), evaluando si ciertas entidades (personas, países, organizaciones) reciben un tratamiento tonal diferenciado. La solución combinó tres etapas clave:

• Motor de búsqueda escalable: Identificación automática de entidades relevantes en subconjuntos del corpus.
• Benchmark humano: Análisis manual de una muestra para validar los hallazgos de los modelos.
• Pipeline multimodal: Integración de GPT-4o, Claude y PyABSA para analizar sentimiento dirigido a entidades específicas.

El resultado más impactante: un sistema de votación entre modelos (donde la mayoría decide la tonalidad) superó significativamente la precisión de cualquier modelo individual. Esta metodología no solo ofrece transparencia en el análisis de medios, sino que también plantea preguntas críticas sobre el rol de los LLMs en la auditoría de sesgos periodísticos.