Rodríguez Anaya, AntonioCabrera Lara, Francisco ElíasCuevas Márquez, Francisco Manuel2025-03-072025-03-072025Cuevas Márquez, Francisco Manuel. Trabajo Fin de Máster: Creación de una herramienta para identificar y agrupar afinidades mediante la inteligencia artificial en los Mass Media. Universidad Nacional de Educación a Distancia (UNED) 2025https://hdl.handle.net/20.500.14468/26122En la era de la información, entender la orientación política de los medios de comunicación se ha vuelto crucial para los consumidores de noticias. La polarización mediática y la proliferación de fuentes de información presenta un panorama complejo en el que resulta desafiante discernir los sesgos en la cobertura de las noticias. Existen herramientas comerciales que proveen información sobre el alineamiento político de los medios de comunicación masivos, y que permiten comparar cómo se tratan las noticias en las distintas posiciones del espectro de alineación política. Sin embargo, el posicionamiento de cada medio de comunicación dentro del espectro sigue siendo una tarea manual, lo que aumenta el riesgo de incluir sesgos en la valoración. Por otra parte, la actualidad de las noticias y el discurso de los mass media evoluciona con el tiempo, lo que aumenta la complejidad de identificar objetivamente la alineación política de cada medio. Además, el tratar el alineamiento político como un simple eje izquierda-derecha no tiene en cuenta las múltiples facetas de los medios. Varios medios pueden estar de acuerdo en algunas dimensiones políticas, pero discrepar en la visión general, de manera que para ser precisos debemos analizar los intereses de los medios desde un punto de vista multidimensional. En este trabajo se propone una nueva herramienta de análisis de medios de comunicación, que permite realizar un agrupamiento de noticias publicadas por distintos medios mediante técnicas que combinan inteligencia artificial y PLN (Procesamiento del Lenguaje Natural). La herramienta propuesta permite agrupar conjuntos de noticias similares utilizando métodos de aprendizaje no supervisado (clustering) en combinación con modelos de lenguaje natural para facilitar la comprensión de dichas agrupaciones. La herramienta propuesta ha sido aplicada sobre un grupo seleccionado de medios de comunicación masivos de ámbito nacional en España.In the information age, understanding the political orientation of the media has become crucial for news consumers. Media polarization and the proliferation of information sources present a complex landscape in which it is challenging to discern biases in news coverage. There are commercial tools that provide information on the political alignment of the mass media, and that allow us to compare how news is treated at different positions on the political alignment spectrum. However, the positioning of each media outlet within the spectrum remains a manual task, which increases the risk of including biases in the assessment. Moreover, the topicality of news and mass media discourse evolves over time, which increases the complexity of objectively identifying the political alignment of each media outlet. Moreover, treating political alignment as a simple left-right axis does not take into account the multiple facets of the media. Several media may agree on some political dimensions, but disagree on the overall view, so to be accurate we must analyze media interests from a multidimensional point of view. In this paper we propose a new media analysis tool, which allows to perform a clustering of news published by different media using techniques that combine artificial intelligence and NLP (Natural Language Processing). The proposed tool allows allows grouping sets of similar news using unsupervised learning methods (clustering) in combination with natural language models to facilitate the understanding of such groupings. The proposed tool has been applied on a selected group of national mass media in Spain.esinfo:eu-repo/semantics/openAccess12 Matemáticas::1203 Ciencia de los ordenadores ::1203.17 Informáticatesis de maestríaaprendizaje no supervisadoMass mediaclusteringmodelo de lenguaje naturalvectorizaciónscrapingunsupervised LearningNatural Language Modelvectorization