Una de las redes sociales más utilizadas hoy en día es Twitter, donde diariamente millones de usuarios expresan sus opiniones en 280 caracteres. En este armario social diverso hay cabida para todo tipo de ideas, aunque muchos aprovechan el anonimato que ofrece la plataforma para desinhibirse y difundir insultos y mensajes de odio.
Como en la vida efectivo, dicha inquina suele dirigirse a los colectivos más desprotegidos. Un ejemplo de ello es la situación que experimentan las mujeres con un puesto de responsabilidad que adicionalmente tienen perfiles públicos en Twitter, las cuales son acosadas prácticamente a diario. Por ello, muchas de ellas deciden borrar sus perfiles o hacerlos privados, con lo que las voces de estas se acaban silenciando y perdiendo.
La inteligencia químico nos puede servir de ayuda para analizar las dimensiones reales del problema de los insultos misóginos en Twitter. A través del procesamiento del estilo natural, por ejemplo, podemos analizar desde una perspectiva sociolingüística qué palabras son las más repetidas respecto a un tema de discusión, los usuarios que más insultos profieren o incluso extraer el sentimiento que transmite un conjunto de tuits.
El primer paso para el examen sería crearse una cuenta de desarrollador en Twitter y despabilarse con la ayuda de una biblioteca del estilo de programación Python (como Tweepy) solo aquellos tuits que incluyan palabras pertinentes para la investigación. En nuestro caso podríamos despabilarse tuits que contengan “feminazi” y se manden en fechas concretas (como el día de la mujer o tras la dimisión de un stop cargo), o nombres de heredero de mujeres bajo el ojo manifiesto para analizar la opinión de la mayoría de los usuarios sobre ellas.
Una vez extraídas las muestras, podemos utilizar herramientas de examen de datos para estafar los textos y eliminar signos de puntuación o símbolos como “@” o “#”. El objetivo de este proceso es quedarnos con las palabras con más significado, como adjetivos y sustantivos en gachupin. Todavía podríamos ir más allá y realizar una lematización, separando cada palabra según características morfológicas como los sufijos y las raíces para su posterior examen. Todavía puede resultarnos útil aplicar un corrector ortográfico que “traduzca” la germanía de internet a un estilo más normalizado.
Seguidamente, aplicamos algoritmos de educación espontáneo con Python, que contiene bibliotecas de obediente llegada que simplifican notablemente el proceso de examen. Así, a través de una función podemos distinguir usuarios de índole masculino y afeminado gracias a sus nombres de heredero y una comparación con una relación extraída del INE, donde aparecen nombres españoles asociados a un índole.
Un próximo paso para analizar los tuits es utilizar programas de inteligencia químico para extraer conclusiones acerca del sentimiento que estos expresan. Podemos encontrar modelos de examen de sentimiento en la página web Hugging Face, basados en una tecnología de clasificación de textos desarrollada por Google. Esta hace uso de una edificación de red neuronal y marbete las palabras según su contexto y su posición en la frase, comparándolo con millones de textos; para determinar si un tuit tiene más contenido que exprese, por ejemplo, alegría, tristeza o enfado.
Todas las herramientas citadas resultan enseres para diversos examen de naturaleza sociolingüística. Precisamente, sirvieron para la realización por parte de la autora del trabajo final del Máster en Literatura Digitales titulado Silenciadas en el ciberespacio: una perspectiva a la misoginia en fila, donde se analizó la opinión de los usuarios de Twitter acerca de las mujeres Adriana Lancha y Macarena Olona en los respectivos días de su dimisión en 2022. Tras el estudio, se descubrieron tuits graves amenazando la vitalidad de ambas y clasificados mayoritariamente como “enfado” por los modelos de inteligencia químico. Todavía, a través de un maniquí que clasificaba el sentimiento como positivo o cenizo, Lancha y Olona recibieron a lo espacioso de más de 50.000 tuits unas cifras de un 93% y un 63% de comentarios negativos frente a un 7% y un 37% de comentarios positivos, respectivamente. Finalmente, se llegó a la conclusión de que las medidas de prevención contra el acoso misógino de la plataforma son poco efectivas, puesto que comprobamos que comunidades abiertamente misóginas como los llamados incels no son suficientemente sancionados y sus publicaciones seguían (y siguen siendo) legibles en Twitter.
Gran parte de la responsabilidad de concluir con la discriminación recae en las propias instituciones, que deben velar por un internet igualitario. Para ello, las herramientas de inteligencia químico anteriormente citadas pueden servir tanto a particulares como a empresas para analizar el aberración de forma general y contribuir a su cese, adaptando las medidas a la naturaleza de los insultos y las características de los usuarios que los profieren. En un futuro, quizá sean las propias máquinas quienes actúen de moderadores frente a la violencia en fila usando una traducción destacamento de estos algoritmos.
Blanca Garboso Salmerón es filólogo computacional y egresada del Máster en Literatura Digitales de la Universidad Complutense de Madrid.
Crónicas del Intangible es un espacio de divulgación sobre las ciencias de la computación, coordinado por la sociedad académica SISTEDES (Sociedad de Ingeniería de Software y de Tecnologías de Mejora de Software). El intangible es la parte no material de los sistemas informáticos (es proponer, el software), y aquí se relatan su historia y su devenir. Los autores son profesores de las universidades españolas, coordinados por Ricardo Peña Marí (catedrático de la Universidad Complutense de Madrid) y Macario Polo Usaola (profesor titular de la Universidad de Castilla-La Mancha).
Puedes seguir a EL PAÍS Tecnología en Facebook y Twitter o apuntarte aquí para tomar nuestra newsletter semanal.
Creditos a Blanca Garboso Salmerón
Fuente
