Descobrindo o preconceito de gênero na interação jornalista-político no Twitter indiano: resultados

Tabela de Links

• Resumo e introdução
• Trabalho relatado
• Coleção de dados
• Metodologia de Análise
• Resultados
• Limitações
• Discussão Final
• Referências

5. RESULTADOS

5.1. Viés de gênero na frequência de interação e popularidade das interações jornalista-político (RQ1)

Para explorar a resposta à primeira questão de investigação, começámos por verificar se existe um preconceito de género na frequência de interação (ou seja, frequência de menções) entre políticos e jornalistas no Twitter.

Os políticos do sexo masculino são mencionados com mais frequência pelos jornalistas: a Figura 1a compara o CDF do número de tweets publicados por jornalistas que mencionam políticos do sexo masculino e feminino. Fazemos uma observação interessante a partir desta figura. Quando o político receptor é do sexo masculino (ou seja, nas categorias MJ-MP e FJ-MP), o número de tweets mencionados (e, portanto, a frequência da interacção jornalista-político) é maior quando as mulheres políticas estão na extremidade receptora. Para tanto, um teste de Kruskal-Wallis entre o número de tweets por jornalista nas quatro categorias revelou diferenças estatisticamente significativas entre as categorias ( p << 0,05). Em seguida, foram realizados testes de Mann-Whitney pareados para acompanhamento entre as quatro categorias (MJ-MP, MJ-FP, FJ-MP, FJ-FP). Não há diferença estatisticamente significativa quando um jornalista masculino ou feminino menciona relatos de políticos masculinos. Da mesma forma, não há diferença estatisticamente significativa quando um jornalista masculino ou feminino menciona uma conta política feminina. No entanto, existem diferenças estatisticamente significativas na frequência com que os jornalistas homens/mulheres mencionam os políticos homens versus a frequência com que mencionam as mulheres políticas (todos p << 0,05). A seguir, comparamos a popularidade por tweet direcionado a políticos masculinos e femininos.

realmente). A nossa observação implica que os utilizadores do Twitter na Índia parecem atribuir maior credibilidade às opiniões dos jornalistas do sexo masculino sobre as mulheres políticas, em comparação com as opiniões das jornalistas do sexo feminino sobre as mulheres políticas. Essas observações também valem para “retuítes”. No geral, a nossa análise de popularidade destas quatro categorias de tweets revela que, embora os jornalistas não sofram de preconceitos explícitos nas suas interações com os políticos, há evidências que apoiam a existência de preconceitos de género na quantidade de interesse que estas interações geram nos utilizadores ativos do Twitter.

5.2. Preconceito de gênero no conteúdo dos tweets de jornalistas e políticos (RQ2)

Na última secção, a nossa análise mostrou uma tendência significativa em relação aos políticos masculinos, tanto por parte de jornalistas masculinos como femininos – os tweets que mencionam políticos masculinos são mais frequentes e mais populares. Porém, para tanto, verificamos se o conteúdo desses tweets poderia ser responsável por esse viés. Especificamente, verificamos a emoção e o tema dos tweets escritos por jornalistas homens/mulheres e dirigidos a políticos homens/mulheres.

5.2.1. Análise emocional. : Usamos a ferramenta TweetNLP para detectar as emoções dos tweets para cada categoria [6]. TweetNLP fornece uma abordagem baseada em modelo diacrônico de linguagem grande (TimeLMs) para detectar emoções, especificamente de tweets multilíngues. O objetivo desta análise é determinar se existem diferenças significativas nas pontuações emocionais dos tweets – se houver, isso pode indicar um preconceito de género inerente aos tweets com base no género do remetente e do destinatário. Consideramos quatro emoções principais: raiva, alegria, otimismo e tristeza e cada tweet em cada uma das quatro categorias foi atribuído para pontuação de emoção ao longo dessas dimensões. Em seguida, realizamos um teste de Kruskal-Wallis para identificar se alguma das emoções era diferente nas quatro categorias (MJ-MP, MJ-FP, FJ-MP, FJ-FP). Descobrimos que o valor p para cada um dos quatro testes (um para cada emoção) variou de 0,16 a 0,99, sugerindo que não há diferença estatisticamente significativa nas emoções dos tweets.

5.2.2. Análise de tópico. : Para aprofundar, realizamos uma análise de tópico dos tweets (usando Latent Dirichlet Allocation ou LDA) coletados em quatro categorias. O objetivo era verificar se os tópicos dos tweets mudavam de acordo com o gênero do remetente ou destinatário. Conforme descrito na Seção 4, identificamos o número ideal de tópicos (que são essencialmente grupos de palavras) para cada categoria e identificamos as cinco palavras mais significativas para cada tópico usando o algoritmo LDA. Para cada uma das quatro categorias, o número ideal de temas era treze. A seguir, identificamos os treze tópicos utilizando o algoritmo LDA para cada categoria de tweets e realizamos uma análise significativa de palavras para os tópicos detectados. Especificamente, para cada categoria de tweets selecionamos os tópicos (por exemplo, tópicos do MJ-MP) e escolhemos as palavras significativas que representam cada tópico. Então, para cada tópico, verificamos se essas palavras também ocorriam nos tópicos detectados em outras categorias de tweets (se encontrados, significaria que palavras que representam tópicos também estão presentes em tópicos detectados em outras categorias de tweets). Para cada uma das quatro categorias de tweets, em média, 81,5% a 93,8% de palavras significativas (representando os tópicos) ocorrem em tópicos detectados em tweets de outras categorias.

Esta análise apoia a nossa observação a partir da análise emocional – o conteúdo dos tweets nessas quatro categorias é o mesmo. No entanto, ainda assim os tweets dirigidos a políticos do sexo masculino atraem mais interação em comparação com os tweets dirigidos a políticas do sexo feminino. A seguir, exploramos uma razão potencial para este preconceito de género.

5.3. Razão potencial para o preconceito de gênero

5.3.1. Preconceito de gênero inerente no Twitter indiano : verificamos uma estatística simples sobre os principais políticos: quantos dos políticos mais populares (com base no número de seguidores no Twitter) são homens e quantos são mulheres. Para esse efeito, aproveitámos o nosso conjunto de dados dos principais políticos e verificámos o género dos 85 principais políticos (cujas contas no Twitter também fazem parte deste estudo). Esta análise revelou um perturbador desequilíbrio de género entre os principais políticos – dos 85 principais políticos, 58 são homens e 26 são mulheres. Assim, os políticos populares do sexo masculino são quase o dobro em comparação com as mulheres políticas populares. Postulamos que esta desigualdade é uma das principais razões por detrás do fenómeno observado de políticos do sexo masculino que atraem significativamente mais interacção do público em geral, bem como dos jornalistas.

Na verdade, esta desigualdade reflecte um preconceito sistémico profundamente enraizado na sociedade. Esta disparidade de género estende a sua influência até mesmo ao domínio do Twitter, onde os políticos do sexo masculino tendem a angariar um maior número de seguidores do que as suas homólogas femininas. Este fenômeno não é isolado; permeia vários setores, como ilustrado pelo domínio dos homens em posições de topo em todas as indústrias. Nas diretorias corporativas, nas empresas de tecnologia e no setor de entretenimento, os cargos de liderança são predominantemente ocupados por homens. Este preconceito sistemático, enraizado nas normas sociais, é ainda reforçado pela forte correlação entre o capital social e a obtenção de posições de poder. Consequentemente, a popularidade no Twitter serve como um reflexo claro deste preconceito intrínseco. Abordar estas disparidades é fundamental para promover a igualdade de género e desmantelar preconceitos profundamente enraizados na sociedade.