El análisis de sentimientos es un pilar en muchos análisis de datos contextuales, desde la minería de opiniones hasta el análisis de discusiones públicas. El sesgo de género es uno de los problemas bien conocidos en los modelos de análisis de sentimientos, que pueden producir resultados diferentes para el mismo texto dependiendo del género al que se refieren. Este sesgo de género conduce a un sesgo adicional en otros análisis de texto que utilizan tales modelos de análisis de sentimientos. Este estudio revisa las soluciones existentes para reducir el sesgo de género en el análisis de sentimientos y propone un nuevo método para abordar este problema. El método propuesto ofrece una flexibilidad más práctica ya que se centra en la estimación de sentimientos en lugar de en el entrenamiento del modelo. Además, proporciona una medida cuantitativa para investigar el sesgo de género en los resultados del análisis de sentimientos. Se presenta el rendimiento del método propuesto en cinco modelos de análisis de sentimientos utilizando textos que contienen palabras específicas de género. El método propuesto se aplica a un conjunto de publicaciones en redes sociales relacionadas con el terremoto de Marruecos de 2023 para estimar el sentimiento sin sesgo de género de las publicaciones y evaluar la falta de sesgo de género de cinco modelos diferentes de análisis de sentimientos en este contexto. El resultado muestra que, aunque los sentimientos estimados con diferentes modelos son muy diferentes, el sesgo de género en ninguno de los modelos es drásticamente grande.