Una categoría especial del análisis de texto y el procesamiento de lenguaje natural es el análisis de sentimientos (Sentiment Analysis), que se enfoca en examinar el tono emocional (positivo, negativo o neutro) que las personas plasman en los textos que escriben sobre un tema particular en medios digitales como Facebook, Twitter, LinkedIn, foros, microblogs, entre otros.  El tema comúnmente se asocia con las redes sociales, pero su campo de aplicación es mucho más amplio; para las organizaciones tiene un valor significativo hacer seguimiento a las opiniones y comentarios de sus clientes y usuarios sobre el grado de satisfacción en productos y servicios adquiridos, a fin de establecer planes y estrategias de mejora.

En el ámbito académico es importante analizar el desempeño de los estudiantes paralelo a la exploración de estrategias que permitan redimir los inconvenientes generados durante el proceso enseñanza-aprendizaje. En tal sentido, el análisis de sentimientos constituye una interesante herramienta para estudiar las emociones de los educandos expresadas en los comentarios publicados en los blogs de sus compañeros y la evaluación cualitativa que realizan al finalizar un determinado curso.  Los sentimientos negativos pueden ser indicadores de posibles deserciones, inconvenientes de índole personal con los compañeros o los docentes o dificultades personales, que en cualquier caso pueden ser remitidos para ser tratados por expertos profesionales en las unidades de Bienestar Universitario.

Se pueden considerar usos alternos a partir de los resultados del análisis de sentimientos, aplicado a diferentes instrumentos de valoración de la satisfacción estudiantil permitiendo realizar una eficiente asignación de recursos a programas o facultades dentro de las Instituciones Educativas.

Se practicó una prueba piloto en cuatro cursos del componente investigativo del campo común en la Facultad de Ingeniería de la Corporación Universitaria Autónoma del Cauca; los resultados obtenidos fueron analizado con una herramienta de minería de datos que permitió comparar los textos con un léxico de libre distribución a fin de determinar el tono emocional.  Las conclusiones de esta exploración permiten alimentar los procesos de autoevaluación y cuantificar la evolución del estudiante, además apoyan las estrategias de permanencia estudiantil impulsadas por la Facultad.