CoChat
Sign Up
Cited by 38Hate Speech and Cyberbullying DetectionGender Politics and RepresentationGender, Feminism, and Media

Polarización y discurso de odio con sesgo de género asociado a la política: análisis de las interacciones en Twitter

Open access
Blanco-Alfonso, Ignacio, Rodríguez-Fernández, Leticia, Arce-García, Sergio·2022·Revista de Comunicación
DOI 10.26441/rc21.2-2022-a2
Open this paper in CoChat — free accountOpen PDF

Abstract

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.

The claims and statistics of this paper haven’t been checked yet.

Run the check — free, no account needed. It reads the open-access text and checks the sources it cites.

A few free checks a day · papers already verified open instantly · results are public

Integrity signals

Registry

Crossref · 10.26441/rc21.2-2022-a2

Cites

Statistics

Claims the paper makes

The claims and statistics of this paper haven’t been checked yet.

Run the check — free, no account needed. It reads the open-access text and checks the sources it cites.

A few free checks a day · papers already verified open instantly · results are public

Claims other papers make about this one

Each is checked against this paper’s own text: does it say what the citing paper says it does?

Self-check

Percentages, sums and reported differences re-computed from the paper’s own numbers.

The self-check needs the paper’s full text.

The citation lists haven’t been fetched yet

References 32 · Cited by 38

Research works printed but not linked: 29

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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. · DOI
  7. 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
  8. 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. · DOI
  9. 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
  10. 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
  11. Gagliardone, I., Gal, D., Alves, T., & Martínez, G. (2015). Countering Online Hate Speech. Programme in Comparative Media Law and Policy. University of Oxford.
  12. 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. · DOI
  13. 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
  14. 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. · DOI
  15. 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 · Paper page
  16. 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. · DOI
  17. 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/10.1177/2053 9517211033566 · DOI
  18. 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.
  19. 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
  20. 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).
  21. 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 · DOI
  22. 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
  23. 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. · DOI
  24. Plutchik, R. (1980). A general psychoevolutionary theory of emotion. Plutchik, R. & H. Kellerman (eds.), Emotion: Theory, Research, and Experience (pp. 3-33). Academic Press.
  25. 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
  26. 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
  27. 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
  28. 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
  29. 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

Authors
Blanco-Alfonso, I., Rodríguez-Fernández, L., & Arce-García, S.
Venue
Revista de Comunicación
Publisher
Universidad de Piura
Published
2022-09-08
Volume
21
Issue
2
Pages
33-50
ISSN
  • 1684-0933 (ISSN-L)
  • 2227-1465
DOI
10.26441/rc21.2-2022-a2
OpenAlex
W4295067172
Cited by
38
References
32
Citations by year
2026: 3 · 2025: 10 · 2024: 13 · 2023: 12
FWCI
2.88
Type
journal article
Language
es
Open access
Licence
Locations
  • Revista de Comunicación (publishedVersion, cc-by-nc-nd)
  • RODIN (Universidad de Cádiz) (submittedVersion, cc-by-nc-nd)
  • Dialnet (Universidad de la Rioja) (submittedVersion)
  • CEU Repositorio Institucional (Fundación Universitaria San Pablo CEU) (submittedVersion, cc-by-nc-nd)
  • Re-Unir (International University of La Rioja) (submittedVersion, other-oa)
Topics
  • Physical Sciences › Computer Science › Artificial Intelligence › Hate Speech and Cyberbullying Detection
  • Social Sciences › Gender Studies › Gender Politics and Representation
  • Social Sciences › Gender Studies › Gender, Feminism, and Media
Keywords
hate speech, gender bias, political polarization, women politicians, misogyny, sexism, feminism, sentiment polarity, Twitter, Spanish politicians, public sphere, information disorder, political discourse

About these checks

Registry, retraction, Cites and statistics results are computed, not judged, with one exception: a printed reference that no index lists is read once by a model before it counts as a citation error. Claims are extracted by a model and kept only when their quote appears verbatim in the text; each cited source is then checked, with a model’s help, for whether it says what the claim relies on. Those verdicts can be wrong — read the claim’s quote and the cited source before relying on one.

Statistics and arithmetic are recomputed, not judged.

Confidence bands are shown only for fields calibrated on our annotated test set. None is calibrated yet, so no band is shown.

What counts as a claim ›How we measure confidence ›How we check this ›

Are you an author, or do you see a problem with this page? Request a review