La Detección y Seguimiento de Temas (TDT) en Twitter emula la identificación humana de desarrollos en eventos a partir de un flujo de tweets, pero mientras que los participantes en el evento son importantes para que los humanos comprendan lo que sucede durante los eventos, las máquinas no tienen conocimiento de ellos. Nuestra evaluación en partidos de fútbol y juegos de baloncesto muestra que identificar a los participantes del evento a partir de los tweets es un problema difícil exacerbado por el ruido y sesgo de Twitter. Como resultado, los enfoques tradicionales de Reconocimiento de Entidades Nombradas (NER) luchan por identificar a los participantes del flujo de Twitter previo al evento. Para superar estos desafíos, describimos la Detección Automática de Participantes (APD) para detectar a los participantes de un evento antes de que comience y mejorar la comprensión de las máquinas sobre los eventos. Proponemos un marco de seis pasos para identificar a los participantes y presentamos nuestra implementación, que combina información del flujo previo al evento de Twitter y Wikipedia. A pesar de las dificultades asociadas con Twitter y NER en el contexto desafiante de los eventos, nuestro enfoque logra restringir el ruido y detectar consistentemente a la mayoría de los participantes. Al empoderar a las máquinas con parte del conocimiento que los humanos tienen sobre los eventos, APD sienta las bases no solo para sistemas de TDT mejorados, sino también para un futuro en el que las máquinas puedan modelar y explorar eventos por sí mismas.