La detección de sarcasmo en diálogos ha ido ganando popularidad entre los investigadores de procesamiento de lenguaje natural (NLP) con el aumento del uso de hilos de conversación en redes sociales. Capturar el conocimiento del dominio del discurso, la propagación del contexto durante el transcurso del diálogo, y el contexto situacional y tono del hablante son algunas características importantes para entrenar los modelos de aprendizaje automático para detectar sarcasmo en tiempo real. Dado que las comedias situacionales representan de manera vibrante el comportamiento y la manera de actuar humanos en situaciones de la vida real cotidiana, esta investigación demuestra el uso de un algoritmo de aprendizaje supervisado de ensemble para detectar sarcasmo en el conjunto de datos de diálogos de referencia, MUStARD. La frase de remate y su contexto asociado se toman como características para entrenar el método de eXtreme Gradient Boosting (XGBoost). El objetivo principal es predecir el sarcasmo en cada enunciado del hablante utilizando la naturaleza cronológica de una esc