Cadena SER y Levante-EMV informaron el 15 de octubre de 2026 de que el grupo PRHLT de la Universitat Politècnica de València había desarrollado un sistema de investigación para ayudar a detectar sexismo en vídeos de TikTok y memes. El enfoque combina información textual y visual con respuestas fisiológicas de quienes observan el contenido; las noticias describen una investigación, no una función de la plataforma. (Cadena SER; Levante-EMV)
Qué analiza el sistema de la UPV
La propuesta busca reconocer mensajes cuyo sentido puede depender del contexto: por ejemplo, contenido sexista disimulado mediante humor, ironía, estereotipos o comentarios que parecen inofensivos. Para interpretar vídeos, los investigadores consideran elementos como el lenguaje, los textos en pantalla, las imágenes y los gestos.
Según la descripción de Cadena SER, el análisis combina esos datos textuales y visuales con seguimiento ocular, electroencefalografía (EEG) y mediciones del ritmo cardíaco tomadas mientras las personas veían el contenido. El EEG registra la actividad eléctrica cerebral. Son señales de la respuesta de los espectadores, distintas de la clasificación que realiza el sistema. (Cadena SER)
La misma cobertura describe tiempos de reacción más largos y más fijaciones de la mirada ante vídeos sexistas, además de variaciones del ritmo cardíaco y respuestas asociadas al visionado de memes. En la configuración de EEG citada por Cadena SER se utilizaron 16 electrodos o canales.
La muestra y las mejoras comunicadas
Las noticias describen un corpus de aproximadamente 4.000 memes y 2.500 vídeos en español e inglés, procedentes de conjuntos de datos de EXIST. Participaron 10 personas en el estudio con vídeos y 16 en el de memes; en ambos casos se registraron respuestas fisiológicas durante el visionado. (Cadena SER)
Levante-EMV atribuyó a Paolo Rosso una mejora del 26,3% en la categoría de memes más difícil de identificar, descrita como misoginia y violencia no sexual. El periódico también informó de una mejora aproximada del 4% al detectar si un vídeo era sexista y de más del 6% al distinguir entre sexismo directo y valorativo cuando se incorporaban respuestas fisiológicas al análisis de texto e imagen. (Levante-EMV)
Qué aporta el artículo de EXIST 2026
Un artículo de conferencia publicado por Springer Nature el 24 de marzo de 2026 describe seis tareas de EXIST 2026: identificar el sexismo, detectar la intención de quien origina el contenido y categorizar el sexismo en memes y vídeos de TikTok en inglés y español. El artículo también indica que el Comité de Ética de Investigación de la UPV aprobó la recogida de datos bajo el Project ID P01_31-10-2025. (Springer Nature)
Ese trabajo sitúa las tareas y la revisión ética de EXIST 2026. Las cifras de mejora citadas por Levante-EMV corresponden al sistema descrito en las noticias de octubre; el artículo de Springer es una publicación relacionada, con su propio alcance y fecha.
