Polarización y discurso de odio con sesgo de género asociado a la políticaanálisis de las interacciones en Twitter

  1. Blanco-Alfonso, Ignacio
  2. Rodríguez-Fernández, Leticia
  3. Arce-García, Sergio
Revista:
Revista de comunicación

ISSN: 1684-0933,  2227-1465

Ano de publicación: 2022

Volume: 21

Número: 2

Páxinas: 33-50

Tipo: Artigo

DOI: 10.26441/RC21.2-2022-A2 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Outras publicacións en: Revista de comunicación

Obxectivos de Desenvolvemento Sustentable

Resumo

La propagación de discursos de odio a través de las redes sociales contribuye a intoxicar la esfera pública y a mermar la calidad de las democracias liberales. Este tipo de discursos es singularmente virulento contra la clase política y contra el feminismo. Partiendo de esta realidad, la presente investigación tratará de delimitar el sesgo de género en el discurso de odio en el ámbito político. ¿Reciben las mujeres políticas más agresiones verbales que sus homólogos varones, no por su condición de políticas, sino por su condición de mujeres? ¿Concentran las mujeres políticas más polaridad emocional que los hombres en las menciones que reciben en Twitter? A través del análisis del discurso operado con técnicas de PLN para la de detección de las emociones y de la minería de texto sobre un corpus de 3.483.232 de tuits recolectados de 20 cuentas de políticos españoles, se confirma que los mensajes que reciben las mujeres políticas concentran mayor polaridad emocional que los de los hombres, pero no más odio, que es un poco superior en los hombres. También se confirma que las expresiones sexistas y misóginas son empleadas para denigrar a las mujeres y, por extensión, al feminismo, lo que convierte al discurso del odio en un tipo de desorden informativo.

Referencias bibliográficas

  • Amnistía Internacional (2021). Troll patroll. https://bit.ly/3nhoBBr
  • Anti-defamation League (ADL) (2017). Pyramid of Hate. https://bit.ly/3A0MyV9
  • Arce-García, S., & Menéndez-Menéndez, M.I. (2018). Aplicaciones de la estadística al framing y la minería de texto en estudios de comunicación. Información, cultura y sociedad, 39, 61-70. https://doi.org/10.34096/ics.i39.4260 DOI: https://doi.org/10.34096/ics.i39.4260
  • Amores, J. J., Blanco-Herrero, D., Sánchez-Holgado, P., & Frías-Vázquez, M. (2021). Detectando el odio ideológico en Twitter. Desarrollo y evaluación de un detector de discurso de odio por ideología política en tuits en español. Cuadernos.Info, 49, 98–124. https://doi.org/10.7764/cdi.49.27817 DOI: https://doi.org/10.7764/cdi.49.27817
  • Arcila-Calderón, C., Sánchez-Holgado, P., Quintana-Moreno, C., Amore, J-J., Blancho-Herrero, D. (2022). Discurso de odio y aceptación social hacia migrantes en Europa: Análisis de tuits con geolocalización. Comunicar, 71, 21-35. https://doi.org/10.3916/C71-2022-02. DOI: https://doi.org/10.3916/C71-2022-02
  • Avaaz (2019). Whatsapp Social Media´s dark web. How the messaging service is being flooded with lies and hate speech ahead of the spanish elections. Avaaz.org. https://bit.ly/3FIViyY
  • Barrie, C., & Chun-ting, H. (2021). AcademictwitteR: an R package to access the Twitter Academic Research Product Track v2 API endpoint. Journal of Open Source Software, 6(62), 3272. https://doi.org/10.21105/joss.03272. DOI: https://doi.org/10.21105/joss.03272
  • Bassignana, E., Basile, V., & Patti, V. (2018). Hurtlex: A multilingual Lexicon of Words to Hurt. Proceedings of the Fifth Italian Conference on Computational Linguistics CLiC-it 2018. Collana dell'Associazione Italiana di Linguistica Computazionale. https://doi.org/10.4000/books.aaccademia.3085 DOI: https://doi.org/10.4000/books.aaccademia.3085
  • Bernal-Triviño, A., & Clares-Gavilán, J. (2019). Uso del móvil y las redes sociales como canales de verificación de fake news. El caso de Maldita.es. Profesional de la información, 28(3), https://doi.org/10.3145/epi.2019.may.12 DOI: https://doi.org/10.3145/epi.2019.may.12
  • Blanco-Alfonso, I., Chaparro-Domínguez, M., & Repiso, R. (2021). El fact-checking como estrategia global para contener la desinformación. Estudios sobre el Mensaje Periodístico, 27(3), 779-791. https://doi.org/10.5209/esmp.76189 DOI: https://doi.org/10.5209/esmp.76189
  • Burnap, P., & Williams, M.L. (2015). Cyber hate speech on Twitter: An application of machine classification and statistical modeling for policy and decision making. Policy & Internet, 7(2), 223-242. https://doi.org/10.1002/poi3.85 DOI: https://doi.org/10.1002/poi3.85
  • Campos-Domínguez, E., Esteve-Del-Valle, M. Renedo-Farpón, C. (2022). Retóricas de desinformación parlamentaria en Twitter. Comunicar, 72, 47-58. https://doi.org/10.3916/C72-2022-04 DOI: https://doi.org/10.3916/C72-2022-04
  • Cid, G. (2019). Los ‘deepfakes’ ya son un negocio millonario: cómo evitar que te engañen. El Confidencial. https://bit.ly/3wnOpjb
  • DW (2021). Alemania: desinformación y noticias falsas asedian la campaña electoral. DW.com https://bit.ly/31H21e6
  • Ferruz-Gónzalez, S.A., Rodríguez-Fernández, L., & Rubio-Romero; J. (2020). Visibilidad del liderazgo femenino en Twitter: aproximación sobre el ranking Top 100. Mujeres líderes en España. Revista Mediterránea de Comunicación, 12(2), 45-64. https://doi.org/10.14198/MEDCOM.18839 DOI: https://doi.org/10.14198/MEDCOM.19179
  • Gagliardone, I., Gal, D., Alves, T., & Martínez, G. (2015). Countering Online Hate Speech. Programme in Comparative Media Law and Policy. University of Oxford.
  • Garrido, A., Martínez Rodríguez, M. A., & Mora Rodríguez, A. (2021). Polarización afectiva en España. Más Poder Local, 45, 21-40. https://bit.ly/3HM8uoF
  • Gil Pascual, J. A. (2021). Minería de textos con R. Aplicaciones y técnicas estadísticas de apoyo. UNED.
  • Gidron N., Adams, J., & Horne, W. (2018). How Ideology, Economics and Institutions Shape Affective Polarization in Democratic Polities. American Political Science Association.https://bit.ly/2ZrNGS4
  • Guerrero-Solé, F., & Philippe, O. (2020). La toxicidad de la política española en Twitter durante la pandemia de la COVID-19. Hipertext.net, 21, 133-139. https://doi.org/10.31009/hipertext.net.2020.i21.12 DOI: https://doi.org/10.31009/hipertext.net.2020.i21.12
  • Herrero-Diz, P., Pérez-Escolar, M., & Plaza Sánchez, J.F. (2020). Desinformación de género: análisis de los bulos de Maldito Feminismo. Icono 14, 18(2), 188-216. https://doi.org/10.7195/ri14.v18i2.1509 DOI: https://doi.org/10.7195/ri14.v18i2.1509
  • Ipsos (2021). Sentimiento de sistema roto en 2021. Populismo, anti-elitismo y nativismo. https://bit.ly/3xmAHxs
  • Igareda-González, N., Alberto-Pascale, A., Fejös, A, Zentai, V., Cankurt, I., Sette, R., Sicurella, S., Schulz, A., Wilhelm, C., Bladini, M., Helmstad, A., & Svensson, E-M. (2021). Map of the main political parties using hate speech against the “ideology of gender” through the social networks and internet in Europe. https://bit.ly/3HV3L4A
  • Jankowicz, N. (2017). How Disinformation Became a New Threat to Women. codastory.com. https://bit.ly/3x3ukPh
  • Jockers, M. (2017). Syuzhet, extracts sentiment and sentiment-derived plot arcs from text. https://bit.ly/3bmyTxr
  • Kearney, M. (2020). Detect Twitter Bots: tweetbotornot2. https://bit.ly/3HZtpoM
  • Liddy, E.D. (1998). Enhanced text retrieval using natural language procesing. Bolletin of the American Society for Information Science and Technology, 24(4), 14-16. http://doi.org/10.1002/bult.91 DOI: https://doi.org/10.1002/bult.91
  • Lim, M. (2017). Freedom to hate: social media, algorithmic enclaves, and the rise of tribal nationalism in Indonesia. Critical Asian Studies, 49(3), 411–427. https://doi.org/10.1080/14672715.2017.1341188 DOI: https://doi.org/10.1080/14672715.2017.1341188
  • Luque-Ortíz, S., & Cano-Alarcón, M. (2020). La violencia de género en Twitter según Vox en las elecciones autonómicas de Andalucía. Ámbitos. Revista Internacional de Comunicación, 51, 116-133. https://doi.org/10.12795/Ambitos.2021.i51.08 DOI: https://doi.org/10.12795/Ambitos.2021.i51.08
  • Martini, F., Samula, P., Keller, T.-R., & Klinger, U. (2021). Bot, or not? Comparing three methods for detecting social bots in five political discourses. Big Data & Society, 8(2), 1-13. https://doi.org/10.1177/20539517211033566 DOI: https://doi.org/10.1177/20539517211033566
  • Marwick, A., & Lewis, R. (2017). Media Manipulation and Disinformation Online. Data & Society. https://bit.ly/3CS4v70
  • Mohammad, S. (2016). Sentiment Analysis: Detecting Valence, Emotions, and Other Affectual States from Text. Emotion Measurement, 2016, 201-237. https://doi.org/10.1016/B978-0-08-100508-8.00009-6 DOI: https://doi.org/10.1016/B978-0-08-100508-8.00009-6
  • Mohammad, S., & Turney, P. (2010). Emotions Evoked by Common Words and Phrases: Using Mechanical Turk to Create an Emotion Lexicon. Proceedings of the NAACL-HLT 2010 Workshop on Computational Approaches to Analysis and Generation of Emotion in Text. June 2010. LA, California.
  • Mohammad, S., & Turney, P. (2013). Crowdsourcing a Word-Emotion Association Lexicon. Computational Intelligence, 29(3), 436-465. https://doi.org/10.1111/j.1467-8640.2012.00460.x DOI: https://doi.org/10.1111/j.1467-8640.2012.00460.x
  • Moreno Cantano, A.C., & Calvillo Cisneros, J.M. (2021). Propaganda del odio contra los Rohingyas. Estudio del caso de Facebook y Twitter. Pineda, A., & Sánchez Gutierrez, B. (eds.), Comunicación política en el mundo digital: tendencias actuales en propaganda, ideología y sociedad (pp. 792-814). Dykinson.
  • Núñez Puente, S., & Fernández Romero, D. (2018). Discurso visual posmachista en Twitter: análisis multimodal de la iconicidad de la victimización. Digitos, 4, 131-148. http://dx.doi.org/10.7203/rd.v0i4.127
  • Occeñola, P. (2018). Fake news real women: Disinformation gone macho. When disinformation is weaponized against women, misogyny rears its ugly head. Rappler. https://bit.ly/3CV5rYi
  • ONU Mujeres (2021). Hechos y cifras: Liderazgo y participación política de las mujeres. Unwomen.org. https://bit.ly/3F1NVlE
  • Pardy, N. (2018). How The Fake News Industry Weaponizes Women. Refinery29. https://r29.co/3D0CpXo
  • Parekh, B. (2006). Hate speech. Is there a case of banning? Public Policy Research, 12(4), 213-223. https://doi.org/10.1111/j.1070-3535.2005.00405.x DOI: https://doi.org/10.1111/j.1070-3535.2005.00405.x
  • Piñeiro-Otero, T., & Martínez-Rolán, X. (2021). Eso no me lo dices en la calle. Análisis del discurso del odio contra las mujeres en Twitter. Profesional De La Información, 30(5), 1-17. https://doi.org/10.3145/epi.2021.sep.02 DOI: https://doi.org/10.3145/epi.2021.sep.02
  • Plutchik, R. (1980). A general psychoevolutionary theory of emotion. Plutchik, R. & H. Kellerman (eds.), Emotion: Theory, Research, and Experience (pp. 3-33). Academic Press. DOI: https://doi.org/10.1016/B978-0-12-558701-3.50007-7
  • Posetti, J., Shabbir, N., Maynard, D., Bontcheva, K., & Aboulez, N. (2021). Online violence Against Women Journalists: A Global Snapshot of Incidence and Impacts. UNESCO. https://bit.ly/3ocsSWQ
  • Ramírez-García, A., González-Molina, A., Gutiérrez-Arenas, M-P., & Moyano-Pacheco, M. (2021). Interdisciplinariedad de la producción científica sobre el discurso del odio y las redes sociales: Un análisis bibliométrico. Comunicar, 72, https://doi.org/10.3916/C72-2022-10 DOI: https://doi.org/10.3916/C72-2022-10
  • Ramírez Plascencia, D., Alonzo González, R. M., & Ochoa Amezquita, A. (2022). Odio, polarización social y clase media en Las Mañaneras de López Obrador. Doxa Comunicación, 35. https://doi.org/10.31921/doxacom.n35a1505 DOI: https://doi.org/10.31921/doxacom.n35a1505
  • Rivas Venegas, M. (2021). Contra las mujeres: el discurso misógino de Vox. “Palabras gruñido” del nacionalpopulismo español. Revista de Investigaciones Feministas, 12(1), 67-77. https://dx.doi.org/10.5209/infe.69585 DOI: https://doi.org/10.5209/infe.69585
  • Robles, J.M., Guevara, J.A., Casas-Mas, B., & Gömez, D. (2022). Cuando la negatividad es el combustible. Bots y polarización política en el debate sobre el COVID-19. Comunicar, 71, 63-75. https://doi.org/10.3916/C71-2022-05 DOI: https://doi.org/10.3916/C71-2022-05
  • Rodríguez-Fernández, L. (2021). Propaganda digital: comunicación en tiempos de desinformación UOC.
  • Sarapura Sarapura, M. M. (2021). El discurso del odio sexista a través de las redes sociales como reacción al himno “Un violador en tu camino”. Razón y Palabra, 24(111), 116-140. https://doi.org/ 10.26807 /rp.v25i 111.1807 DOI: https://doi.org/10.26807/rp.v25i111.1807
  • Sauter, D.A., Eisner, F., Ekman, P., & Scott, S. (2010). Cross-cultural recognition of basic emotions through nonverbal emotional vocalizations. Proceedings of the National Academy of Sciences, 107(6), 2408–2412. https://doi.org/10.1073/pnas.0908239106 DOI: https://doi.org/10.1073/pnas.0908239106
  • Searle, J. (2009). Actos de habla. Cátedra.
  • Sessa, M.G. (2020). Misogyny and Misinformation: An analysis of gendered disinformation tactics during the COVID-19 pandemic. Disinfo.eu. https://bit.ly/3EY8QpP
  • Smith, M. A., Rainie, L., Shneiderman, B., & Himelboim, I. (2014). Mapping Twitter topic networks: From polarized crowds to community clusters. The Pew Research Center. https://pewrsr.ch/3xUK203
  • Spring, M. (2021). La periodista de la BBC brutalmente troleada en redes sociales (y las impactantes revelaciones de su experimento). BBC.com. https://bbc.in/3qfMqfN
  • Stabile, B., Grant, A., Purohit, H., & Harris, K. (2019). Sex, Lies, and Stereotypes: Gendered Implications of Fake News for Women in Politics. Public Integrity, 21, 491–502. https://bit.ly/31LSKBx DOI: https://doi.org/10.1080/10999922.2019.1626695
  • The Economist Intelligence Unit (2020). Measuring the prevalence of online violence against women. https://bit.ly/3qfA8ns
  • Unión Interparlamentaria (2016). Sexism, harassment and violence against women parliamentarians. ipu.org. https://bit.ly/3o6nIf4
  • Unión Interparlamentaria (2018). Sexism, harassment and violence against women in parliaments in Europe. ipu.org. https://bit.ly/308aw12
  • Williams, M. (2021). The Science of Hate. Faber&Faber.
Fonte de datos: Dialnet