Découvrir les préjugés sexistes dans les interactions journalistes-hommes politiques sur Twitter indien : résultats

Tableau des liens

• Résumé et introduction
• Travaux connexes
• Collecte de données
• Méthodologie d'analyse
• Résultats
• Limites
• Discussion finale
• Les références

5. RÉSULTATS

5.1. Préjugés sexistes dans la fréquence des interactions et la popularité des interactions entre journalistes et politiciens (RQ1)

Afin d'explorer la réponse à la première question de recherche, nous avons commencé par vérifier s'il existe un préjugé sexiste dans la fréquence des interactions (c'est-à-dire la fréquence des mentions) entre les politiciens et les journalistes sur Twitter.

Les hommes politiques sont plus fréquemment mentionnés par les journalistes : la figure 1a compare le CDF du nombre de tweets publiés par les journalistes mentionnant des hommes politiques et des femmes politiques. Nous faisons une observation intéressante à partir de cette figure. Lorsque l'homme politique destinataire est un homme (c'est-à-dire dans les catégories MJ-MP et FJ-MP), le nombre de tweets mentionnés (et donc la fréquence des interactions journaliste-homme politique) est plus élevé lorsque les femmes politiques sont destinataires. À cette fin, un test de Kruskal-Wallis sur le nombre de tweets par journaliste dans les quatre catégories a révélé des différences statistiquement significatives entre les catégories ( p << 0,05). Ensuite, nous avons effectué des tests de Mann-Whitney par paires pour suivre les quatre catégories (MJ-MP, MJ-FP, FJ-MP, FJ-FP). Il n’y a pas de différence statistiquement significative lorsqu’un journaliste ou une femme mentionne des comptes d’hommes politiques. De même, il n’y a pas de différence statistiquement significative lorsqu’un journaliste ou une femme mentionne un compte rendu d’une femme politique. Cependant, il existe des différences statistiquement significatives dans la fréquence à laquelle les journalistes hommes/femmes mentionnent les hommes politiques par rapport à la fréquence à laquelle ils mentionnent les femmes politiques (tous p << 0,05). Nous comparons ensuite la popularité par tweet adressé aux hommes politiques et aux femmes politiques.

très). Notre observation implique que les utilisateurs de Twitter en Inde semblent accorder une plus grande crédibilité aux opinions des journalistes masculins sur les femmes politiques par rapport aux opinions des femmes journalistes sur les femmes politiques. Ces observations s’appliquent également aux « retweets ». Dans l’ensemble, notre analyse de popularité de ces quatre catégories de tweets révèle que même si les journalistes ne souffrent pas de préjugés explicites dans leurs interactions avec les politiciens, il existe des preuves étayant l’existence de préjugés sexistes dans l’intérêt que ces interactions suscitent chez les utilisateurs actifs de Twitter.

5.2. Préjugés sexistes dans le contenu des tweets des journalistes et politiciens (RQ2)

Dans la dernière section, notre analyse a montré un biais significatif en faveur des hommes politiques de la part des journalistes, hommes et femmes : les tweets mentionnant des hommes politiques sont plus fréquents et plus populaires. Cependant, pour cela, nous avons vérifié si le contenu de ces tweets pouvait être responsable de ce biais. Plus précisément, nous avons vérifié l'émotion et le sujet des tweets rédigés par des journalistes hommes/femmes et destinés à des hommes/femmes politiques.

5.2.1. Analyse des émotions. : Nous avons utilisé l'outil TweetNLP pour détecter les émotions des tweets pour chaque catégorie [6]. TweetNLP fournit une approche basée sur un modèle diachronique en grand langage (TimeLM) pour détecter les émotions, en particulier à partir de tweets multilingues. Le but de cette analyse est de déterminer s’il existe des différences significatives dans les scores émotionnels des tweets – s’il y en a, cela pourrait indiquer un préjugé sexiste inhérent aux tweets basé sur le sexe de l’expéditeur et du destinataire. Nous avons considéré quatre émotions principales : la colère, la joie, l'optimisme et la tristesse et chaque tweet dans chacune des quatre catégories a été attribué à un score d'émotion selon ces dimensions. Ensuite, nous avons effectué un test de Kruskal-Wallis pour identifier si l'une des émotions était différente dans les quatre catégories (MJ-MP, MJ-FP, FJ-MP, FJ-FP). Nous avons constaté que la valeur p pour chacun des quatre tests (un pour chaque émotion) variait entre 0,16 et 0,99, ce qui laisse entendre qu'il n'y a aucune différence statistiquement significative dans les émotions des tweets.

5.2.2. Analyse du sujet. : Pour approfondir, nous avons effectué une analyse thématique des tweets (à l'aide de Latent Dirichlet Allocation ou LDA) collectés dans quatre catégories. L'objectif était de vérifier si les sujets des tweets changeaient en fonction du sexe de l'expéditeur ou du destinataire. Comme décrit dans la section 4, nous avons identifié le nombre optimal de sujets (qui sont essentiellement des groupes de mots) pour chaque catégorie et identifié les cinq mots les plus significatifs pour chaque sujet à l'aide de l'algorithme LDA. Pour chacune des quatre catégories, le nombre optimal de sujets était de treize. Ensuite, nous avons identifié les treize sujets à l'aide de l'algorithme LDA pour chaque catégorie de tweets et effectué une analyse significative des mots pour les sujets détectés. Plus précisément, pour chaque catégorie de tweets, nous avons sélectionné les sujets (par exemple, les sujets de MJ-MP) et choisi les mots significatifs représentant chaque sujet. Ensuite, pour chaque sujet, nous avons vérifié si ces mots apparaissaient également dans les sujets détectés dans d'autres catégories de tweets (s'ils sont trouvés, cela signifiera que des mots représentant des sujets sont également présents dans les sujets détectés dans d'autres catégories de tweets). Pour chacune des quatre catégories de tweets, en moyenne, 81,5 % à 93,8 % de mots significatifs (représentant les sujets) apparaissent dans les sujets détectés dans les tweets d'autres catégories.

Cette analyse confirme notre observation issue de l’analyse des émotions : le contenu des tweets dans ces quatre catégories est le même. Cependant, les tweets destinés aux hommes politiques suscitent toujours plus d’interactions que les tweets destinés aux femmes politiques. Nous explorons ensuite une raison potentielle de ce préjugé sexiste.

5.3. Raison potentielle du préjugé sexiste

5.3.1. Préjugés sexistes inhérents sur Twitter indien : nous avons vérifié une statistique simple concernant les principaux politiciens : combien d'hommes politiques parmi les plus populaires (en fonction du nombre d'abonnés sur Twitter) sont des hommes par rapport aux femmes. À cette fin, nous avons exploité notre ensemble de données sur les principaux hommes politiques et vérifié le sexe des 85 principaux hommes politiques (dont les comptes Twitter font également partie de cette étude). Cette analyse a révélé un déséquilibre inquiétant entre les sexes parmi les plus hauts responsables politiques : sur 85 hauts responsables politiques, 58 sont des hommes et 26 sont des femmes. Ainsi, les hommes politiques populaires sont presque deux fois plus nombreux que les femmes politiques populaires. Nous postulons que cette inégalité est l’une des principales raisons qui expliquent le phénomène observé selon lequel les hommes politiques attirent beaucoup plus d’interactions de la part du grand public ainsi que des journalistes.

En fait, cette inégalité reflète un préjugé systémique profondément ancré dans la société. Cette disparité entre les sexes étend son influence même sur Twitter, où les hommes politiques ont tendance à rassembler un plus grand nombre de followers que leurs homologues féminines. Ce phénomène n'est pas isolé ; elle imprègne divers secteurs, comme l’illustre la domination des hommes aux postes de direction dans tous les secteurs. Dans les conseils d’administration des entreprises, dans les entreprises technologiques et dans le secteur du divertissement, les postes de direction sont majoritairement occupés par des hommes. Ce biais systématique, ancré dans les normes sociétales, est encore renforcé par la forte corrélation entre le capital social et l’accès à des positions de pouvoir. Par conséquent, la popularité sur Twitter reflète clairement ce biais intrinsèque. Il est primordial de remédier à ces disparités pour promouvoir l’égalité des sexes et démanteler les préjugés profondément ancrés dans la société.