gplsi/SocialTOX

📚 Dataset: Comentarios anotados con toxicidad y constructividad

El corpus desarrollado en esta investigación es una extensión del NECOS-TOX corpus. A diferencia del original, nuestra anotación incluye comentarios de 16 medios de noticias en español, mientras que el corpus NECOS-TOX contenía 1,419 comentarios de 10 noticias del periódico El Mundo.

📝 Guía de anotación de toxicidad y constructividad

La ampliación del corpus se realizó siguiendo la guía de anotación de estudios previos NECOS-TOX corpus, que definen la toxicidad de la siguiente manera:

• —No tóxico: Comentarios sin elementos tóxicos.
• —Ligeramente tóxico: Comentarios sarcásticos, irónicos o burlones sin insultos directos. Pueden incluir lenguaje de desprecio, frustración o preguntas retóricas sin ser necesariamente ofensivos.
• —Tóxico: Comentarios con ataques personales, insultos, amenazas, lenguaje discriminatorio o de odio. Incluye contenido que incita al conflicto o niega evidencia científica.

Por otra parte, para anotar la constructividad se siguen los siguientes criterios:

• —Constructivo: Comentarios que aporta información o conocimiento relevante para el artículo y ofrecen soluciones, perspectivas a la problemática planteada.
• —No constructivo: Comentarios que no aportan ninguna información relevante, con argumentos que carecen de objetividad o, de cualquier tipo de evidencia. Se incluyen también comentarios que inciten al odio.

📊 Estadísticas del Dataset

Distribución de ejemplos anotados por clase de toxicidad:

Distribución de ejemplos anotados por clase de constructividad: