Towards an LLM-based method for quantifying the sexual content in song lyrics
Este artículo presenta un método reproducible basado en modelos de lenguaje de gran tamaño para cuantificar el contenido temático en letras de canciones y lo aplica a un corpus de 1.259 temas de reggaetón para analizar la explicitud sexual entre artistas, a través del tiempo y frente a las etiquetas de contenido explícito de Spotify.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina el mundo de la música como una biblioteca gigante y ruidosa donde cada canción es un libro. Durante mucho tiempo, cuando la gente quería saber qué había dentro de los libros de un género específico llamado Reggaetón, tenían que leerlos uno por uno, tomando notas a mano. Esto es como intentar contar el número de coches rojos en una ciudad quedándose parado en una esquina de la calle y escribiéndolos a medida que pasan. Es lento, es cansado, y solo puedes mirar unos pocos coches antes de agotarte. Este campo de estudio se llama "análisis de contenido", y es cómo los científicos intentan convertir sentimientos y temas —como el amor, la ira o la fiesta— en números reales para poder compararlos. La gran pregunta que todo el mundo se ha estado haciendo es: "¿Es el reggaetón realmente todo sobre sexo, o es solo un rumor?". Para responder a esto, necesitamos una forma de medir las letras sin tener que leer cada una de ellas manualmente. Ahí es donde entra un nuevo tipo de ayudante: un cerebro de computadora súper inteligente llamado Modelo de Lenguaje Extenso (LLM). Piensa en un LLM como un robot que ha leído casi todos los libros de la biblioteca y puede decirte instantáneamente: "Esta historia tiene mucho romance", o "Este es de pura violencia", dándole una puntuación del cero al diez.
Este artículo es como una receta para usar ese cerebro robótico para medir la "picantez" de las letras de reggaetón. El autor, Ignacio Sticco, construyó un método para alimentar a la computadora con 1,259 canciones de 12 artistas famosos. En lugar de simplemente preguntar "¿Es esta canción sucia?", se le enseñó a la computadora a buscar nueve sabores diferentes de la canción, como "vibras de fiesta", "amor triste", "crimen callejero" y dos tipos específicos de "habla sexual": uno que lo insinúa (sugestivo) y uno que lo dice directamente (explícito). El robot fue entrenado primero con un pequeño grupo de canciones que ya habían sido calificadas por humanos, de modo que aprendió a dar las mismas puntuaciones que un humano daría. Una vez que el robot estuvo listo, calificó toda la biblioteca de canciones, creando una enorme hoja de cálculo de datos que muestra exactamente cuánto de cada tema aparece en cada pista.
Los resultados son un poco sorprendentes y definitivamente no son lo que esperarías si solo escuchas la radio. Primero, el estudio encontró que, si bien el reggaetón está efectivamente lleno de temas sexuales, el tipo de "insinuación" (sugestivo) es en realidad el doble de común que el tipo "directo" (explícito). Es como descubrir que la mayoría de las canciones de fiesta tratan sobre la idea de una noche salvaje, en lugar de describir la noche salvaje en detalles gráficos. Segundo, los artistas no son todos iguales. Algunos, como Plan B, son como un chile picante, puntuando muy alto en contenido sexual directo. Otros, como Camilo, son más como un postre dulce, con letras que son casi enteramente sobre amor romántico y apenas tienen charla sexual. El estudio demuestra que tratar a todos los artistas de reggaetón como un solo grupo es un error; son tan diferentes entre sí como una banda de heavy metal lo es de un trío de jazz.
El artículo también analizó cómo han cambiado las cosas a lo largo del tiempo, de 2002 a 2025. Contrario a la idea de que el género se está volviendo "más salvaje" en todos los sentidos, el estudio encontró que el tema de "crimen callejero" en realidad está desapareciendo, mientras que el tema de "emoción romántica" se está fortaleciendo. Sin embargo, el contenido sexual "directamente explícito" se ha duplicado durante las últimas dos décadas. Esto significa que el género no solo se está volviendo más sugerente; se está volviendo más directo en su lenguaje, pero también es más emocional y menos sobre el crimen.
Finalmente, el autor verificó el trabajo de la computadora contra la propia etiqueta de "Explícito" de Spotify (la pequeña "E" que ves junto a una canción). La computadora encontró que Spotify está pasando por alto una gran parte del contenido explícito. De cada cuatro canciones que la computadora identificó con letras sexuales explícitas, Spotify solo marcó una de ellas. Es como un guardia de seguridad que solo revisa armas grandes y ruidosas pero pasa por alto los cuchillos más pequeños y afilados. Esto sugiere que la forma actual en que los servicios de streaming etiquetan la música es un instrumento demasiado tosco para captar el tipo específico de contenido sexual que se encuentra en estas canciones.
En resumen, este artículo no solo dice "el reggaetón es sexy". Utiliza un ingenioso método computacional para demostrar que el género es una mezcla compleja de romance, fiesta y charla sexual directa, y que ha cambiado de formas específicas durante los últimos 20 años. También muestra que las herramientas que usamos actualmente para etiquetar la música (como la bandera de Spotify) no son muy buenas para captar los detalles específicos que a los investigadores y oyentes podría importarles. El autor ha compartido el código y los datos, invitando a cualquiera más a usar este mismo método de cerebro robótico para estudiar otros géneros musicales o incluso diferentes idiomas, convirtiendo el lento arte de leer letras en una ciencia rápida y medible.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.