Descubriendo el sesgo de género en la interacción entre periodistas y políticos en Twitter indio: resultados

Tabla de enlaces

• Resumen e introducción
• Trabajo relacionado
• Recopilación de datos
• Metodología de análisis
• Resultados
• Limitaciones
• Discusión final
• Referencias

5. RESULTADOS

5.1. Sesgo de género en la frecuencia de interacción y popularidad de las interacciones periodista-político (CR1)

Para explorar la respuesta a la primera pregunta de investigación, comenzamos verificando si existe un sesgo de género en la frecuencia de interacción (es decir, frecuencia de menciones) entre políticos y periodistas en Twitter.

Los periodistas mencionan con más frecuencia a los políticos varones: la Figura 1a compara el CDF del número de tuits publicados por periodistas que mencionan a políticos varones y mujeres. Hacemos una observación interesante a partir de esta figura. Cuando el político receptor es un hombre (es decir, en las categorías MJ-MP y FJ-MP), el número de tweets mencionados (y, por tanto, la frecuencia de la interacción periodista-político) es mayor cuando las políticas son mujeres en el extremo receptor. Con ese fin, una prueba de Kruskal-Wallis entre el número de tweets por periodista dentro de las cuatro categorías reveló diferencias estadísticamente significativas entre las categorías ( p << 0,05). Luego realizamos pruebas de Mann-Whitney por pares para el seguimiento entre las cuatro categorías (MJ-MP, MJ-FP, FJ-MP, FJ-FP). No hay una diferencia estadísticamente significativa cuando un periodista o una periodista menciona cuentas de políticos masculinos. De manera similar, no existe una diferencia estadísticamente significativa cuando un periodista o una periodista menciona una cuenta de una política femenina. Sin embargo, existen diferencias estadísticamente significativas en la frecuencia con la que los periodistas hombres y mujeres mencionan a los políticos hombres versus la frecuencia con la que mencionan a las políticas mujeres (todos p << 0,05). A continuación comparamos la popularidad por tweet dirigido a políticos masculinos y femeninos.

muy). Nuestra observación implica que los usuarios de Twitter en la India parecen atribuir mayor credibilidad a las opiniones de los periodistas sobre las políticas en comparación con las opiniones de las periodistas sobre las políticas. Estas observaciones también son válidas para los “retweets”. En general, nuestro análisis de popularidad de estas cuatro categorías de tweets revela que, si bien los periodistas no sufren de sesgos explícitos en sus interacciones con los políticos, hay evidencia que respalda la existencia de sesgos de género en la cantidad de interés que estas interacciones generan por parte de los usuarios activos de Twitter.

5.2. Sesgo de género en el contenido de los tuits de periodistas-políticos (RQ2)

En la última sección, nuestro análisis mostró un sesgo significativo hacia los políticos masculinos por parte de periodistas y periodistas: los tweets que mencionan a políticos masculinos son más frecuentes y más populares. Sin embargo, para ello comprobamos si el contenido de estos tuits podría ser responsable de este sesgo. En concreto, comprobamos la emoción y la temática de los tweets escritos por periodistas y dirigidos a políticos.

5.2.1. Análisis de emociones. : Utilizamos la herramienta TweetNLP para detectar las emociones de los tweets para cada categoría [6]. TweetNLP proporciona un enfoque basado en un modelo diacrónico de lenguaje grande (TimeLM) para detectar emociones, específicamente de tweets multilingües. El objetivo de este análisis es determinar si existen diferencias significativas en las puntuaciones emocionales de los tweets, si las hay que puedan indicar un sesgo de género inherente en los tweets basado en el género del remitente y del receptor. Consideramos cuatro emociones principales: ira, alegría, optimismo y tristeza, y a cada tweet en cada una de las cuatro categorías se le asignó una puntuación de emoción en estas dimensiones. Luego realizamos una prueba de Kruskal-Wallis para identificar si alguna de las emociones era diferente en las cuatro categorías (MJ-MP, MJ-FP, FJ-MP, FJ-FP). Encontramos que el valor p para cada una de las cuatro pruebas (una para cada emoción) osciló entre 0,16 y 0,99, lo que no indica ninguna diferencia estadísticamente significativa dentro de las emociones de los tweets.

5.2.2. Análisis de temas. : Para profundizar más, realizamos un análisis temático de los tweets (utilizando Latent Dirichlet Allocation o LDA) recopilados en cuatro categorías. El objetivo era comprobar si los temas de los tweets cambiaban según el género del remitente o del receptor. Como se describe en la Sección 4, identificamos la cantidad óptima de temas (que son esencialmente grupos de palabras) para cada categoría e identificamos las cinco palabras más significativas para cada tema utilizando el algoritmo LDA. Para cada una de las cuatro categorías, el número óptimo de temas fue trece. A continuación, identificamos los trece temas utilizando el algoritmo LDA para cada categoría de tweets y realizamos un análisis de palabras significativas para los temas detectados. Específicamente, para cada categoría de tweets seleccionamos los temas (por ejemplo, temas de MJ-MP) y elegimos las palabras significativas que representan cada tema. Luego, para cada tema, verificamos si esas palabras también aparecían en los temas detectados en otras categorías de tweets (si se encuentran, significará que las palabras que representan temas también están presentes en los temas detectados en otras categorías de tweets). Para cada una de las cuatro categorías de tweets, en promedio, entre el 81,5% y el 93,8% de palabras significativas (que representan los temas) aparecen en temas detectados en tweets de otras categorías.

Este análisis respalda nuestra observación del análisis de las emociones: el contenido de los tweets en esas cuatro categorías es el mismo. Sin embargo, aún así los tuits dirigidos a políticos varones atraen más interacción en comparación con los tuits dirigidos a mujeres políticas. A continuación exploramos una posible razón de este sesgo de género.

5.3. Posible razón del sesgo de género

5.3.1. Sesgo de género inherente en Twitter indio : verificamos una estadística simple sobre los principales políticos: cuántos de los políticos más populares (según el número de seguidores de Twitter) son hombres versus cuántos son mujeres. Con ese fin, aprovechamos nuestro conjunto de datos de los principales políticos y verificamos el género de los 85 políticos principales (cuyas cuentas de Twitter también forman parte de este estudio). Este análisis descubrió un inquietante desequilibrio de género entre los principales políticos: de 85 altos políticos, 58 son hombres y 26 mujeres. Por lo tanto, el número de políticos varones populares es casi el doble que el de mujeres políticas populares. Postulamos que esta desigualdad es una de las razones clave detrás del fenómeno observado de que los políticos masculinos atraen significativamente más interacción del público en general y de los periodistas.

De hecho, esta desigualdad refleja un sesgo sistémico profundamente arraigado en la sociedad. Esta disparidad de género extiende su influencia incluso al ámbito de Twitter, donde los políticos masculinos tienden a obtener un mayor número de seguidores que sus contrapartes femeninas. Este fenómeno no es aislado; impregna varios sectores, como lo ilustra el predominio de los hombres en los puestos más altos en todas las industrias. En las salas de juntas corporativas, las empresas de tecnología y el sector del entretenimiento, los roles de liderazgo están predominantemente ocupados por hombres. Este sesgo sistemático, arraigado en las normas sociales, se ve reforzado aún más por la fuerte correlación entre el capital social y el logro de posiciones de poder. En consecuencia, la popularidad en Twitter es un claro reflejo de este sesgo intrínseco. Abordar estas disparidades es primordial para fomentar la igualdad de género y desmantelar prejuicios profundamente arraigados en la sociedad.