Este artículo aborda los desafíos del desarrollo de un sistema de detección de ciberacoso (CB) para usuarios en línea, incluyendo menores. Específicamente, proponemos un método para generar datos sintéticos y etiquetas utilizando un modelo de lenguaje a gran escala (LLM) para abordar la falta de datos etiquetados que reflejen el lenguaje y los estilos de comunicación de los menores. Los resultados experimentales muestran que un clasificador CB basado en BERT entrenado con datos sintéticos generados mediante LLM logra un rendimiento comparable (75.8% de precisión vs. 81.5% de precisión) a un clasificador entrenado con datos reales. Además, LLM también es eficaz para etiquetar datos del mundo real, ya que el clasificador BERT logra un rendimiento comparable (79.1% de precisión vs. 81.5% de precisión). Esto sugiere que LLM puede ser una solución escalable, ética y rentable para generar datos de detección de ciberacoso.
