Escucha social sobre la violencia de género

• Pablo Natal Gutiérrez ^[1] ; Miguel Cuerdo Mir ^[1] ; Raquel Ibar Alonso ^[1]
  1. [1] Universidad Rey Juan Carlos

     Universidad Rey Juan Carlos

     Madrid, España

     
• Localización: Anales de ASEPUMA, ISSN-e 2171-892X, Nº. 30, 2022
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En esta investigación se procede a analizar publicaciones y conversaciones de la red social Twitter en torno a la temática de la violencia de género. De esta manera se elabora un análisis descriptivo de la volumetría de contenido en español y de su viralidad a través de las reacciones a los tweets: comentarios, "retweets" y "me gusta" producidos en los últimos años.

    Asimismo, se identifican tendencias, principales cuentas y palabras clave tanto de cuentas creadoras de contenido como de cuentas que reaccionan a la temática y se extraen otras categorías relacionadas y términos más comunes empleados para referirse a la violencia de género. Además, se analiza el sentimiento de las conversaciones por medio de procesamiento de lenguaje natural infiriendo las connotaciones positivas, negativas o neutras de los textos. A través de las cuentas citadas en los tweets, se procede a la identificación de personas o cuentas relevantes, tanto activas como pasivas, desde la perspectiva del género y localización. Estos atributos son inferidos a través de la información compartida en sus perfiles

  • English

    This research proceeds to analyse publications and conversations on the social network Twitter around the theme of gender violence. In this way, a descriptive analysis of the volumetry of content in Spanish and its virality is elaborated through the reactions to the tweets:

    comments, "retweets" and "likes" produced in recent years. Likewise, trends, main accounts and keywords of both content creator accounts and accounts that react to the theme are identified, and other topics or common terms used to refer to gender violence are extracted. In addition, the sentiment of the conversations is calculated through natural language processing, inferring the positive, negative or neutral connotations of the texts. Through the accounts mentioned in the tweets, entities or relevant accounts are identifies, both active and passive, considering gender and location inferred from information provided by the users on their profiles.