Este estudio se centra en la aplicación de algoritmos de inteligencia artificial para el reconocimiento automático de emociones a partir de textos. El objetivo es identificar el algoritmo de clasificación más adecuado para detectar emociones en los textos que comúnmente se expresan en las instituciones de educación secundaria rural de Puno. Se recopilaron 1,150 comentarios textuales mediante una encuesta de autoevaluación emocional, los cuales fueron etiquetados manualmente por evaluadores capacitados y validados mediante consenso. Tras un preprocesamiento que incluyó tokenización, eliminación de stopwords y vectorización TF-IDF, los modelos fueron entrenados y evaluados utilizando Google Colab y la biblioteca scikit-learn. Los resultados revelaron que el algoritmo Random Forest destacó con una precisión del 73.81% y un AUC de 88.67%, superando a otros algoritmos en la identificación de emociones críticas. En conclusión, los hallazgos resaltan la importancia de detectar emociones negativas para mejorar el bienestar estudiantil y sugieren que la inteligencia artificial puede enriquecer la educación rural al identificar grupos de estudiantes con emociones similares, promoviendo así un ambiente escolar positivo y un mejor rendimiento académico.