Antes de empezar
Es un juguete para aprender, no un vigilante. Los mensajes son inventados y suaves. Este programa no sirve para vigilar a nadie ni para decidir si alguien acosa a otra persona. Si te está pasando algo así de verdad, díselo a un adulto de confianza: tu familia, tu tutor o tutora o el coordinador de bienestar del centro.
1 Los mensajes de ejemplo
Ver los mensajes de ENTRENAMIENTO (de aquí aprende)
Ver los mensajes de PRUEBA (nunca los usa para aprender)
Barajar cambia qué mensajes quedan para la prueba y en qué orden se los das al sistema.
2 Enséñale al olfato
Pulsa un botón: el sistema aprende de esos ejemplos y se examina con los mensajes de prueba.
Nº de ejemplos
3 Pruébalo con tu mensaje
Escribe un mensaje inventado (suave, por favor). El sistema dirá qué opina y qué palabras le han hecho decidirse. Puedes añadirlo como ejemplo para enseñarle.
Aún no has probado ningún mensaje.
4 Repite el experimento
Un solo reparto no demuestra nada: con suerte (o sin ella) los mensajes de prueba pueden ser fáciles o difíciles. Esto repite el examen con 30 repartos distintos para cada cantidad de ejemplos.
Aún no has hecho el experimento.
5 El programa del olfato
Qué hay dentro del modelo
Cómo aprende (Naive Bayes)
- Cuenta palabras. En los ejemplos hirientes y en los normales apunta cuántas veces sale cada palabra.
- Compara. Para un mensaje nuevo, mira sus palabras y calcula qué grupo las «explica» mejor: cada palabra suma o resta puntos a favor de «hiriente».
- Naive significa «ingenuo»: supone que cada palabra va por su cuenta, sin importar el orden ni el sentido de la frase.
- Examen justo. Se mide el acierto con mensajes de prueba que el sistema no ha usado para aprender. Si no, sería como corregir un examen cuyas preguntas el alumno ya se sabe.
- Matriz de confusión. Cuenta los aciertos y los dos tipos de error: falsas alarmas (un mensaje normal marcado como hiriente) y mensajes que se le escapan.
Qué no sabe hacer
- No entiende nada: solo cuenta palabras. No capta la ironía, el cariño de una broma entre amigos ni el contexto.
- Sus ejemplos son pocos y los ha escrito una sola persona: eso es un sesgo. Con otros mensajes, de otras personas, fallaría más.
- Con pocos ejemplos acierta poco y de forma inestable, y aun con todos se equivoca. Por eso nadie debería castigar a alguien solo porque una máquina lo diga.
- Un error tiene consecuencias distintas: una falsa alarma puede acusar a alguien sin motivo; un mensaje que se escapa deja sin ayuda a quien la necesita.
Un modelo no es la realidad: sirve para entender cómo aprenden las máquinas, no para juzgar a personas.
Preguntas y retos
Para pensar
- Con 10 ejemplos, ¿acierta mucho más que lanzando una moneda? ¿Y con todos? ¿Llega al 100 %?
- Repite con «Barajar de nuevo» varias veces con 10 ejemplos: ¿por qué cambia tanto el resultado?
- Mira los mensajes que falla. ¿Por qué se confunde? ¿Qué palabras le engañan?
- Escribe un mensaje con una palabra «hiriente» dentro de una frase amable. ¿Cae en la trampa?
- ¿Es peor una falsa alarma o un mensaje que se escapa? ¿Depende de para qué se use?
- La curva de aprendizaje, ¿sigue subiendo siempre? ¿Cuántos ejemplos más harían falta para llegar a 95 %?
- ¿Es aceptable que una máquina lea nuestros mensajes? ¿Quién debería decidirlo? ¿Y qué datos deberían salir de nuestro móvil?
Resultado del examen
—
Entrena al olfato para ver el resultado.