En la búsqueda de comprender mejor la comunicación humana a través del ámbito de la lingüística computacional, un grupo de investigadores del Instituto Indio de Tecnología de Bombay ha trabajado en la detección automática del fenómeno conocido como “humblebragging”. Este término describe la habilidad de ciertos individuos para alardear subrepticiamente de sus logros o características personales, mensurando tales afirmaciones bajo la apariencia de humildad o queja.
El equipo ha propuesto formalizar la tarea mediante un quad tupla, la cual captura los componentes esenciales del humblebrag: el acto de presumir, el tema de la presunción, la máscara de humildad/queja y el tipo de máscara. Para llevar a cabo esta tarea, se han evaluado diversas técnicas de modelos de lenguaje, incluyendo aprendizajes automáticos y modelos de lenguaje a gran escala (LLMs).
El estudio detalla que identificar las “presunciones enmascaradas” es una tarea compleja incluso para los humanos, pero las nuevas tecnologías han demostrado ser más precisas. Los investigadores desarrollaron un conjunto de datos denominado HB-24 que contiene más de 3,300 humildes presunciones generadas mediante el modelo GPT-4o.
A lo largo de sus experimentos, los resultados revelaron que aunque algunos modelos se desempeñaron bien en este desafío, logrando una puntuación F1 de hasta 0.88, superando incluso la capacidad de detección de los humanos. Este hallazgo subraya la capacidad de los modelos de lenguaje actuales para captar sutilezas lingüísticas antes incomprensibles para las máquinas.
Los autores concluyen que la detección automática de humblebragging no sólo es relevante para mejorar el análisis de sentimiento y la comprensión de intenciones en los textos, sino que también sienta las bases para futuras investigaciones en esta área socialmente reconocida pero escasamente explorada en lingüística computacional. Las implicaciones de este trabajo podrían derivar en aplicaciones que ayudan a distinguir entre quienjas genuinas y aquellas que disfrazan un alarde.