1. Introducción
⌅La
evolución de Internet, los medios y los sitios de redes sociales han
transformado significativamente la sociedad, alterando la manera de
interacción y comunicaciones. Este nuevo escenario digital, impulsado
por su potencial democratizador (Kalsnes, 2018Kalsnes, B. (2018). Fake News. En: Kalsnes, B. (Ed.). Oxford Research Encyclopedia of Communication, 2-21. Oxford University Press. https://www.academia.edu/download/58000774/Fake_news_Oxford_Encyclopedia.pdf
; Capozzi et al., 2018Capozzi,
A. T. E, Patti, V., Ruffo, G., y Bosco, C. (2018) A Data Viz Platform
as a Support to Study, Analyze and Understand the Hate Speech
Phenomenon. Proceedings of the 2nd International Conference on Web Studies. Anales: WS.2 2018. New York, USA: Association for Computing Machinery. DOI: https://doi.org/10.1145/3240431.3240437.
),
ha permitido una mayor participación ciudadana en debates públicos y
procesos de toma de decisiones. Por otro lado, este aspecto también ha
abierto la puerta a algunos problemas críticos como la desinformación y
el discurso de odio, los cuales amenazan la integridad de las
sociedades.
Aunque el discurso de odio no es un fenómeno desconocido (Júnior, 2016Júnior, E. (2016, 21 Marzo). ONU cita aumento alarmante nos discursos de ódio e xenofobia. ONU News. Disponible en: https://news.un.org/pt/story/2016/03/1544961.
),
su propagación en el ambiente digital ha cobrado nuevas dimensiones. La
complejidad de este fenómeno nocivo se refleja en su variabilidad y
amplitud y en la falta de una definición universalmente aceptada del
término (Revenga Sánchez, 2015Revenga Sánchez, M. (2015). Libertad de expresión y discursos del odio. Editorial Universidad de Alcalá. Disponible en: https://elibro.net/es/ereader/universidadcomplutense/44373?page=13.
; Esquivel Alonso, 2016Esquivel
Alonso, Y. (2016). El discurso del odio en la jurisprudencia del
Tribunal Europeo de Derechos Humanos. Cuestiones Constitucionales
Revista Mexicana de Derecho Constitucional. Revista Mexicana De Derecho Constitucional, 1(35), 3-44. DOI: http://dx.doi.org/10.22201/iij.24484881e.2016.35.10491.
).
Por otro lado, la capacidad de los medios y los sitios de redes
sociales para amplificar y difundir rápidamente la desinformación y el
odio representa un desafío significativo para la estabilidad social y
política (Gu et al., 2017Gu, L., Kropotov, V., y Yarochkin, F. (2017). The fake news machine: How propagandists abuse the internet and manipulate the public. Trendslab. Disponible en: https://bit.ly/3NoYsya.
).
La disponibilidad y el anonimato que ofrecen estas plataformas han
facilitado la proliferación de narrativas dañinas, además de permitir la
organización y establecimiento de relaciones de grupos extremistas y,
como resultado, existe una creciente preocupación tanto en el ámbito
social como académico. El estudio del discurso de odio, descrito por Royzman et al. (2005)Royzman,
E. B., Mccauley, C., y Rozin, P. (2005). From Plato to Putnam: Four
Ways to Think About Hate. En: R. J. Sternberg (Ed.). The psychology of hate, 3-35. American Psychological Association - APA Books. DOI: https://doi.org/10.1037/10930-001
como uno de los fenómenos afectivos más
destructivos en la historia humana, se ha intensificado en la era
digital y, por lo tanto, la necesidad de un análisis crítico y la
detección automatizada en los ambientes virtuales se han vuelto
primordiales para contrarrestar estos efectos negativos en la sociedad.
En
este contexto, la campaña #StopHateForProfit nació como un movimiento
significativo en la lucha contra el discurso de odio en sitios de redes
sociales. La iniciativa, lanzada en junio de 2020, buscó presionar a los
anunciantes de Facebook para que retiraran sus anuncios en las
plataformas de Mark Zuckerberg, CEO de la compañía, como una forma de
protesta contra la propagación acelerada de manifestaciones de odio
presentes en este sitio de red social. La iniciativa consistió en
alentar a las empresas a suspender toda inversión en publicidad en esta
plataforma durante el mes de julio, buscando mitigar la propagación de
este fenómeno nocivo y marcando un hito en el activismo digital y en la
responsabilidad social corporativa. Con el apoyo de más de 1.200
empresas y organizaciones sin ánimo de lucro así como numerosos
consumidores, en julio de ese mismo año fue enviado un mensaje a
Facebook con la campaña: “dejar de valorar las ganancias por encima del
odio, la intolerancia, el racismo, el antisemitismo y la desinformación”
(Anti-Defamation League, 2020Anti-Defamation League [ADL]. (2020). Stop Hate for Profit. Disponible en: https://www.stophateforprofit.org/.
).
Este boicot representó un desafío para Facebook, pues fue presionado
para asumir una mayor responsabilidad social corporativa y enfocarse en
la protección de los derechos civiles (Puerta-Díaz, 2022aPuerta-Díaz, M. (2022a). Representación del dominio de la campaña #StopHateforProfit a partir del análisis de redes sociales. (Tesis inédita de doctorado). Universidade Estadual Paulista "Júlio de Mesquita Filho" - UNESP, São Paulo. Disponible en: https://repositorio.unesp.br/items/771fa621-f4a4-4b65-b2ca-78a067c36c55.
).
La campaña fue liderada por una coalición de organizaciones a favor de los derechos civiles y la justicia social, incluyendo la Anti-Defamation League (ADL), la National Association for the Advancement of Colored People (NAACP), Color of Change, Free Press y Sleeping Giants. También se sumó al movimiento una organización centrada en el bienestar de los niños y familias en el entorno digital: la Common Sense Media. Todas estas organizaciones unieron fuerzas para instigar a Facebook a la toma de medidas más contundentes contra el discurso de odio y la desinformación en su plataforma; formando de este modo, una poderosa coalición que atrajo el apoyo de empresas y personalidades públicas y ampliando así significativamente el impacto y el alcance de la campaña. La coalición unió fuerzas no solo con grandes corporaciones, sino también con pequeñas empresas, organizaciones sin ánimo de lucro, figuras públicas reconocidas, personas y grupos centrados en la justicia social, derechos humanos y religión, movilizando numerosas personas en un esfuerzo colectivo.
Investigadores como Villagra et al. (2021)Villagra,
N., Monfort, A., y Méndez-Suárez, M. (2021). Firm value impact of
corporate activism: Facebook and the stop hate for profit campaign. Journal of Business Research, 137, 319-326. DOI: https://doi.org/10.1016/j.jbusres.2021.08.052.
analizaron este boicot corporativo como una forma de activismo
empresarial, destacando que las empresas, a veces en colaboración con
movimientos sociales u Organizaciones no Gubernamentales (ONGs), se
manifiestan contra las malas prácticas sociales. Este enfoque representa
una de las maneras en que las empresas pueden participar activamente en
cuestiones cruciales que forman parte de la sociedad, reflejando un
compromiso con valores éticos y morales.
Comprender la influencia de los usuarios, detectar patrones de difusión de información, evaluar el impacto de líderes de opinión y analizar la dinámica social en comunidades online resulta especialmente relevante en el contexto de las campañas boicot en línea, especialmente aquellas orientadas a combatir el discurso del odio. Los estudios de Análisis de Redes Sociales (ARS) desempeñan un papel crucial en este sentido al proporcionar herramientas para analizar estos elementos en campañas como #StopHateforProfit. Este análisis profundo contribuye a la eficacia de las iniciativas contra el discurso del odio al proporcionar una comprensión más precisa de las redes sociales en juego y cómo se pueden influenciar positivamente.
El enfoque de ARS ha tenido continuas y diversas aplicaciones, como el marketing viral (Richardson y Domingos, 2002Richardson, M., y Domingos, P. M. (2002). Mining knowledge-sharing sites for viral marketing. In Proceedings of the eighth ACM SIGKDD international conference on knowledge discovery and data mining, july 23-26, 61-70. Edmonton, Alberta: ACM.
), obesidad pediátrica (Arias Ramos et al., 2018Arias
Ramos, N., Calvo Sánchez, M. D., Fernández‐Villa, T., Ovalle
Perandones, M. A., Fernández García, D., y Marqués‐Sánchez, P. (2018).
Social exclusion of the adolescent with overweight: study of
sociocentric social networks in the classroom. Pediatric Obesity, 13(10), 614-620. DOI: https://doi.org/10.1111/ijpo.12396.
), trastornos de uso del alcohol (Benítez-Andrades et al., 2020Benítez-Andrades,
J. A., García-Rodríguez, I., Benavides, C., Alaiz-Moretón, H., y
Rodríguez-González, A. (2020). Social network analysis for personalized
characterization and risk assessment of alcohol use disorders in
adolescents using semantic technologies. Future Generation Computer Systems, 106, 154-170. DOI: https://doi.org/10.1016/j.future.2020.01.002.
), recomendaciones de experiencia (Song et al., 2006Song,
X., Tseng, B. L, Lin, C.Y., y Sun, M.T. (2006). Personalized
recommendation driven by information flow. En E. N. Efthimiadis, S. T.
Dumais, D. Hawking, y K. Järvelin (eds.), SIGIR 2006: Proceedings of
the 29th annual international ACM SIGIR conference on research and
development in information retrieval, 509-516. Seattle, Washington: ACM.
), estudios de liderazgo en el sector de la salud (Marqués-Sánchez et al., 2014Marqués-Sánchez,
M del P., Muñoz-Doyague, M. F., Pérez-Rivera, J., Bayón-Darkistade, E. y
Casado-Verdejo, I. (2014). El liderazgo de los profesionales de
enfermería y el rendimiento organizativo: un estudio exploratorio con
aplicación del Análisis de Redes Sociales. Redes. Revista hispana para el análisis de redes sociales, 25(2), 140-162. Disponible en: https://raco.cat/index.php/Redes/article/view/289530.
), gestión de relaciones con el cliente en redes sociales (Li et al., 2014Li, J., Peng, W, Li, T, Sun, T, Li, Q., y Xu, J. (2014). Social network user influence sense-making and dynamics prediction. Expert Syst. Appl., 41(11), 5115-5124.
), estudios de teoría de conspiración y desinformación en el contexto del covid-19 (Gruzd y Mai, 2020Gruzd, A., y Mai, P. (2020). Going viral: How a single tweet spawned a COVID-19 conspiracy theory on Twitter. Big Data y Society, 7(2), 2053951720938405.
; López-Pujalte y Nuño-Moral, 2020López-Pujalte,
C., y Nuño-Moral, M. V. (2020). La “infodemia” en la crisis del
coronavirus: Análisis de desinformaciones en España y Latinoamérica. Revista Española De Documentación Científica, 43(3), e274. DOI: https://doi.org/10.3989/redc.2020.3.1807.
), estudios cibermétricos (Ortega y Aguillo, 2009Ortega, J. L., y Aguillo, I. F. (2009). Análisis estructural de la web académica iberoamericana. Revista Española De Documentación Científica, 32(3), 51-65. DOI: https://doi.org/10.3989/redc.2009.3.689.
).
Estas investigaciones aplican diversas medidas de influencia y, dado
que Twitter/X cuenta con diferentes tipos de usuarios, una de las
mayores utilidades del método de ARS (SNA, por sus siglas en inglés) al
presente estudio radica en identificar a los actores más influyentes.
Pasados los años necesarios para adquirir la perspectiva y estabilidad necesaria para el análisis, y dado el aumento acelerado de nuevas manifestaciones de discurso del odio en plataformas como X (antiguo Twitter), se considera relevante relatar en un estudio, con enfoque retrospectivo, aquellos aspectos de esta campaña pionera que no solo interesaron a la comunidad científica internacional sino que también sirvieron como hitos para los escenarios mediáticos y la información en los sitios de redes sociales. La necesidad del estudio se justifica por la relevancia de la campaña #StopHateForProfit como ejemplo destacado de activismo corporativo y movimiento de protesta internacional.
Hasta donde tenemos conocimiento, este es el primer intento de reunir todas las medidas de centralidad utilizadas en la red de Twitter (actual X) para la detección de influyentes en #StopHateforprofit y analizar la estructura de contenido de los tuits emitidos por este conjunto de actores clave. Hasta donde tenemos conocimiento, el presente estudio es la primera propuesta que integran dos métodos científicos. Con él se, se busca caracterizar la campaña #StopHateForProfit como ejemplo paradigmático de activismo en sitios de redes sociales (Twitter/X), utilizando métodos de Análisis de Redes Sociales y técnicas de Procesamiento de Lenguaje Natural (PLN). Este enfoque busca describir la estructura social y de contenido para entender la dinámica de interacciones que caracterizó la campaña proporcionando una visión integral de su impacto y alcance, así como detectar similitudes y roles dentro de las interacciones existentes entre los participantes.
2. Metodologia
⌅Se emplea análisis de dominio, Análisis de Redes Sociales y técnicas de Procesamiento de Lenguaje Natural como minería de datos. Este enfoque metodológico es crucial para comprender no solo la estructura social de la comunidad participante, sino también la naturaleza y tono de las conversaciones generadas, identificando líderes de opinión y mapeando las narrativas que predominaron en su discurso público.
La
investigación emplea el método de ARS para examinar la estructura social
de las comunidades de la campaña, identificando patrones de relación y
actores clave (Wasserman y Faust, 1994Wasserman, S., y Faust, K. (1994). Social network analysis: Methods and applications. Cambridge University Press. DOI: https://doi.org/10.1017/CBO9780511815478.
).
Desde este enfoque, el ARS proporciona un conjunto de conceptos y
herramientas analíticas para examinar y comprender los tipos de
relaciones entre las distintas entidades involucradas en el dominio de
la campaña. Como señalan Wasserman y Faust (1994)Wasserman, S., y Faust, K. (1994). Social network analysis: Methods and applications. Cambridge University Press. DOI: https://doi.org/10.1017/CBO9780511815478.
,
con ARS es posible investigar los patrones en las conexiones entre los
actores de este dominio mediante el estudio de sus estructuras
relacionales. El análisis de la red a partir de sus nodos (actores)
permite identificar cuáles son los individuos, empresas y organizaciones
clave de la red, la naturaleza de las relaciones y su rol en la campaña
(Fresno García et al., 2016Fresno
García, M., Daly, A. J. y Segado Sánchez-Cabezudo, S. (2016).
Identificando a los nuevos influyentes en tiempos de Internet: Medios
sociales y análisis de redes sociales / Identifying the new Influencers
in the Internet Era: Social Media and Social Network Analysis. Revista Española de Investigaciones Sociológicas, 153, 23-40. DOI: https://doi.org/10.5477/cis/reis.153.23.
).
2.1 Fuentes de datos y herramientas de procesamiento
⌅El
estudio aplicó técnicas de minería de datos para recolectar los tuits
de la campaña en la plataforma Twitter (actual X) mediante la solicitud
de la API de desarrolladores y el uso del script con la función twitteR
de R (Gentry et al., 2016Gentry, J., Gentry, M. J., RSQLite, S., y Artistic, R. L. (2016). Package ‘twitteR’. Cran. r-project. Disponible en: http://cran.irsn.fr/web/packages/twitteR/twitteR.pdf.
) para la recuperación de tuits con el hashtag #StopHateForProfit (hashtag oficial de la campaña). Se establece el parámetro since = '2020-06-25' como la fecha de inicio para la búsqueda de tuits. De
esta forma solo se recuperan los tuits publicados a partir del 25 de
junio de 2020, proceso que fue itinerante para la recuperación de los
tuits emitidos hasta el 6 de agosto de 2020 de forma que se adapte
automáticamente a las limitaciones de tasa de la API de Twitter. Los
datos capturados y tabulados con el software R se exportaron en el
formato de valores separados por comas (‘csv’ en sus siglas en inglés)
para su posterior procesamiento y limpieza en Excel (dataset disponible en Puerta-Díaz, 2022bPuerta-Díaz, M. (2022b). Tweets #StopHateforProfit. figshare. Dataset. DOI: https://doi.org/10.6084/m9.figshare.19307900.v1.
).
2.2 Métricas en el análisis de redes sociales
⌅Siguiendo
la finalidad de identificar las características de la red, su
estructura en comunidades, así como los actores que la componen, así
como los influenciadores clave en la campaña, y una comprensión integral
de cómo su dominio se manifiesta dentro de la red social participante,
se aplicaron diversas métricas de ARS. En el campo de la investigación
de Redes Sociales, expertos como Fresno García et al. (2016)Fresno
García, M., Daly, A. J. y Segado Sánchez-Cabezudo, S. (2016).
Identificando a los nuevos influyentes en tiempos de Internet: Medios
sociales y análisis de redes sociales / Identifying the new Influencers
in the Internet Era: Social Media and Social Network Analysis. Revista Española de Investigaciones Sociológicas, 153, 23-40. DOI: https://doi.org/10.5477/cis/reis.153.23.
destacan que los nodos con alta centralidad en una red gozan de una
posición ventajosa en términos de jerarquía, poder, influencia o
control. Esta centralidad se refiere a la posición de los nodos
individuales dentro de la red, tal como lo describen Nooy et al. (2005)Nooy, W., Mrvar, A., y Batagelj, V. (2005). Exploratory network analysis using Pajek. Cambridge University Press. DOI: https://doi.org/10.1017/9781108565691.
. Según Freeman (1979)Freeman, L.C. (1979). Centrality in Social Networks Conceptual Clarification. Social Networks, 1, 215-239. Disponible en: http://dx.doi.org/10.1016/0378-8733(78)90021-7.
y Newman (2010)Newman, M. (2010). Networks: An Introduction. Oxford University Press, Oxford. DOI: http://dx.doi.org/10.1093/acprof:oso/9780199206650.001.
,
las medidas de centralidad se dividen en cuatro categorías principales:
a) grado, b) intermediación, c) cercanía, y d) eigenvector o prestigio.
La centralidad de un nodo se refleja en la importancia o el papel
central que este ocupa dentro de la red, desde una perspectiva
socio-céntrica, se observa que tanto las redes en su conjunto como sus
nodos individuales pueden exhibir distintos niveles de centralidad. El
grado de centralidad de un nodo, que es la suma de su grado entrante (in-degree) y grado saliente (out-degree), es una medida fundamental en este estudio. Newman (2010)Newman, M. (2010). Networks: An Introduction. Oxford University Press, Oxford. DOI: http://dx.doi.org/10.1093/acprof:oso/9780199206650.001.
sostiene que en redes dirigidas, como la red analizada en
#Stophateforprofit, los nodos tienen tanto un grado entrante como un
grado saliente y ambas pueden ser medidas de centralidad útiles
dependiendo del contexto específico.
Inicialmente, se analiza la centralidad de grado (degree) (Freeman, 1978Freeman, L. C. (1978). Centrality in social networks conceptual clarification. Social Networks, 1(3), 215-239. Disponible en: https://www.bebr.ufl.edu/sites/default/files/Centrality%20in%20Social%20Networks.pdf.
)
de los actores, evaluando la cantidad de nodos conectados directamente a
ellos, así como el número de conexiones que inciden en estos nodos.
Esta métrica es útil para categorizar y cuantificar los nodos en la red,
incluyendo aquellos nodos aislados que no establecen menciones a otros
(que no tienen conexiones entrantes o salientes), los nodos emisores
(que mencionan activamente otros nodos) y los nodos receptores (que son
mencionados pero no mencionan otros). En el marco de la campaña
#StopHateForProfit, la siguiente explicación de Newman (2010)Newman, M. (2010). Networks: An Introduction. Oxford University Press, Oxford. DOI: http://dx.doi.org/10.1093/acprof:oso/9780199206650.001.
es especialmente pertinente: “las entidades o individuos que tienen
muchas conexiones con terceros pueden tener más influencia, más acceso a
la información o más prestigio que los que tienen menos conexiones”.
La centralidad de intermediación (betweenness centrality), también desarrollada por Freeman (1977)Freeman, L.C. (1977). A Set of Measures of Centrality Based on Betweenness. Sociometry, 40, 35-41.Disponible en: http://dx.doi.org/10.2307/3033543.
,
es una métrica que mide la frecuencia con la que un nodo sirve como
intermediario en el camino más corto entre otros dos nodos. Es esencial
para reconocer cuáles son los que controlan el flujo de información en
la red.
La centralidad de cercanía (closeness centrality)
evalúa la proximidad de un nodo con todos los demás en la red y es útil
para identificar nodos capaces de difundir información eficientemente (Bavelas, 1950Bavelas, A. (1950). Communication patterns in task oriented groups. Journal of the Acoustical Society of America, 57, 271-282. DOI: https://doi.org/10.1121/1.1906679.
).
El algoritmo de posicionamiento de Google PageRank, desarrollado por
Larry Page y Sergey Brin en 1996, es una variante de la centralidad de eigenvector y se utiliza para medir la importancia de un nodo basándose en la importancia de sus conexiones (Page y Brin, 1996Page, L., y Brin, S. (1996). The Anatomy of a Large-Scale Hypertextual Web Search Engine. Computer Networks and ISDN Systems, 30(1-7), 107-117. DOI: https://doi.org/10.1016/S0169-7552(98)00110-X.
). En este sentido, un nodo conectado con otros nodos influyentes se considera un influenciador clave.
Además
de la centralidad de un nodo, es imperativo entender cómo un conjunto
reducido de nodos (actores) pueden propagar ciertos "gérmenes" (ideas,
tendencias, modas, reglas, ambiciones, etc.) a otros nodos distantes en
la red (Riquelme y González-Cantergiani, 2016Riquelme, F., y González-Cantergiani, P. (2016). Measuring user influence on Twitter: A survey. Information processing y management, 52(5), 949-975.
).
Para
la obtención de datos de propiedades de la red se utilizó el software
Gephi en su versión 0.10.1, el cual constituye una poderosa herramienta
para la visualización de grafos y cuenta con diferentes opciones de
filtrado, distintos cálculos estadísticos y de medidas de redes, además
de variados algoritmos para la representación visual (Gouveia, 2020Gouveia, F. C. (2020). Introdução ao Gephi. En: Fialho, J. Redes sociales: ¿Cómo compreendê-las? Uma introdução à análise de redes sociais. Edições Sílabo.
).
Seguido
al preprocesamiento en R, se emplearon otras técnicas de minería de
datos con diversas herramientas y funciones específicas (widgets) del Orange Data Mining, software de código abierto de minería de datos con Python (Demsar et al., 2013Demšar,
J., Curk, T., Erjavec, A., Gorup, Č., Hočevar, T., Milutinovič, M., ...
y Zupan, B. (2013). Orange: data mining toolbox in Python. Journal of machine Learning research, 14(1), 2349-2353. Disponible en: https://www.jmlr.org/papers/volume14/demsar13a/demsar13a.pdf.
), necesarias para proceder al análisis de los términos más frecuentes de los tuits recolectados.
3. Resultados y discusión
⌅El lanzamiento de la campaña #StopHateForProfit ocurrió el 17 de junio de 2020 y en los últimos años ha generado un gradual interés público, científico y mediático, que se refleja en el volumen de publicaciones que existen sobre ella. La presente sección expone los resultados obtenidos, comenzando por una comprensión de la resonancia de la campaña en la comunidad científica internacional.
En un primer momento, el ARS aplicado a la campaña #StopHateForProfit utilizando la herramienta Gephi, permitió identificar una compleja red social compuesta por 76.920 nodos, correspondientes a los usuarios participantes en Twitter. Estos nodos están interconectados mediante 183.077 aristas, que representan las relaciones establecidas a través de menciones y auto-menciones entre los usuarios. Esta estructura de red inicialmente refleja la naturaleza diversa de las interacciones en la plataforma durante la campaña, evidenciando tanto la densidad (0,048) como la amplitud de conexiones dentro de la misma. La utilización de métricas de ARS como centralidad de grado, cercanía e intermediación proporciona resultados adicionales a este análisis sobre la influencia y el rol de los actores clave en esta red.
El mayor valor grado obtenido por un nodo en #StopHateForProfit fue de 14.948, mientras que la mayoría de los nodos (6.744; 99,68% visibles) tienen un valor de grado bajo y representan el grueso de los participantes en la campaña, probablemente incluyendo individuos y organizaciones menos influyentes o activos. Un pequeño porcentaje de nodos (214; 0,28% visibles) tiene un valor de grado con rango medio (101-1,000), siendo más activos o influyentes en relación con los del grupo anterior. Se incluyen en este grupo empresas como ATT, Uber_ES, CCDHate, Pfizer, Reebook, Levis_Br, PUMA, NYTimes, Verizon, CocaCola_Br, BlueShield, Adidas, Disney, Reddit, HP, Honda, HBO, Sephora, personalidades como Snor_Cartmenez, organizaciones medianas y usuarios de redes sociales con cierta influencia. De toda la red, apenas dos actores tienen un valor grado extremadamente alto entre 10001-14948 (Facebook y slpng_giants), los que podrían ser los superconectores o hubs centrales en la red. En el contexto de la campaña, Facebook se trata del objetivo de las protestas centrales y por ello su alto valor de grado se debe a las menciones recibidas, mientras que slpng_giants sí juega un papel crucial en la difusión de información y en la dinámica general de la red.
3.1 Centralidad de actores: efecto de popularidad en la red
⌅Se observaron altos valores de grado entrante (in-degree) en 52 nodos (actores) de la red #StopHateforProfit, variando entre 500 y 14772 para ciertos actores, lo que representa el 0,07% de la red total. Se destacan ‘slpng_giants’ (14.772), ‘Facebook’ (11.883), ‘SachaBaronCohen’ (8.506), ‘ADL’ (6.816), ‘NAACP’ (4.841), ‘Starbucks’ (3.712), ‘freepress’ (3.379), ‘JGreenblattADL’ (3.374), ‘ColorOfChange’ (3.133), ‘CommonSense’ (2.963), ‘carolecadwalla’ (2.945), ‘Unilever’ (2.684), ‘Diageo_News’ (2.395), ‘StopFundingHate’ (2.217), ‘Pathmatics’ (2.148), ‘rashadrobinson’ (1.993), ‘Detox_Facebook’ (1.810), ‘mozilla’ (1.708), ‘kylegriffin1’ (1.483), ‘thenorthface’ (1.332), ‘LEVIS’ (1.315), ‘CocaCola’ (1.299), ‘JoeNBC’ (1.255), ‘slpng_giants_pt’ (1.216), ‘target’ (1.215), ‘ProcterGamble’ (1.069), ‘Amazon’ (1.060), benandjerrys (1.035), ‘JuddLegum’ (1.005), ‘Microsoft’ (1.002), Estos perfiles reciben numerosas conexiones directas, indicando su importancia en la difusión de contenido y la centralidad en la red, siendo los que potenciaron la visibilidad y la efectividad del activismo contra el discurso del odio. En este microdominio se destaca que el nodo ‘freepress’ realiza la mayoría de las menciones al nodo ‘Facebook’ dentro de la red.
En la lista Destacan periodistas como Carole Cadwalla, reconocida por destapar el escándalo Facebook-Cambridge Analytica, con 2.945 menciones; Kyle Griffin (‘kylegriffin1’), productor y periodista conocido por comentarios políticos en MSNBC, y Judd Legum (‘JuddLegum’), destacada periodista, autora y fundadora del boletín Popular Information centrado en política y responsabilidad social corporativa. Otro dato interesante es que el núcleo de actores con altos valores en esta medida son miembros de la coalición Stop Hate for Profit: Sleeping Giants, ADL y NAACP, ocupando estos una posición central en la red. Otros miembros como Free Press y Common Sense también están en una posición destacada.
3.2 Centralidad de actores: efecto de influencia y conexiones salientes
⌅Atendiendo a la medida de grado saliente (out-degree), capacidad de los actores para emitir mensajes y establecer vínculos, quedaron identificados 66.973 nodos de la red, representando el 87,06% del total. La mayoría de los nodos se encuentran en el rango bajo de out-degree (1-50), lo que sugiere que este gran grupo de los participantes tienen un número limitado de conexiones salientes. Este resultado podría indicar que un pequeño número de usuarios tuvo un impacto significativo en la propagación del mensaje de la campaña, lo que se puede confirmar mediante un análisis detallado del impacto de los mensajes emitidos por estos nodos. Apenas de un total de 21 nodos (0,03% de la red), 5 destacan como el núcleo formado por los participantes de la campaña con mayor valor de grado saliente, identificándose en un orden decreciente a ‘barret_williams’ (910), seguido por ‘Senor_Cartmenez’ (416), ‘slpng_giantsPR’ (387), ‘xp0sefacts’ (247), y ‘jazzteachersdc’ (225).
Existen coincidencias y divergencias que destacan entre los grupos de altos valores de in-degree y out-degree, sugiriendo que la campaña #StopHateforProfit tuvo una dinámica compleja en cuanto a las menciones entre los actores. Si bien las organizaciones de la coalición fueron mencionadas con frecuencia, probablemente debido a su papel central en la campaña, estas fueron menos activas referenciando a otros. Por otro lado, algunos individuos influyentes tuvieron un alto out-degree, lo que sugiere que jugaron un papel importante en divulgar el mensaje de la campaña mediante menciones a otros actores.
‘Sleeping Giants’ aparece en ambos listados, con un alto in-degree (1.4772) y out-degree (387), esto sugiere que fue tanto un objetivo de mención frecuente por parte de otros actores, como un actor muy activo mencionando a otros. Por otro lado, ‘Stop Funding Hate’ aparece en ambos listados, presentando un in-degree alto (2.217) y un alto out-degree (153), este usuario fue mencionado con cierta frecuencia y también fue bastante activo en mencionar a otros. También destaca ‘Free Press’, con un alto in-degree (3.379) y un out-degree moderado (108), siendo así un objetivo de mención frecuente por parte de otros participantes pero no tan activo en mencionar a otros usuarios mientras difunden mensajes en la campaña.
Al analizar el grupo de alto valor de in-degree se observa que aparecen varias organizaciones de la coalición mencionadas, como ‘ADL’, ‘NAACP’ y ‘Color of Change’ . Sin embargo, estas organizaciones tienen un out-degree relativamente bajo en comparación con su in-degree. Por tanto, se caracterizaron por ser mencionadas con frecuencia por otros actores sin ser tan activas en mencionar a otros. En relación a influenciadores individuales, en el grupo de out-degree analizado aparecen varios individuos con un valor alto, como ‘barret_williams’, ‘Señor_Cartmenez’ y ‘uosdwisrdewohmi183’. Estos individuos no aparecen en el grupo que fue más mencionado, lo que sugiere que fueron muy activos en mencionar a otros pero no fueron mencionados con tanta frecuencia por otros actores de la campaña. Con base en la premisa de que altos valores de centralidad de grado saliente en relación con el grado entrante indican que estos nodos no son fuentes directas de información, se puede inferir que actúan como posibles intermediarios que conectan a otros actores centrales en la campaña, facilitando la agregación de información para otros participantes de la red. Esta hipótesis se explora en el siguiente análisis de centralidad de intermediación.
3.3 Centralidad de intermediación: la importancia de conectar a otros
⌅Esta medida de la influencia de un nodo en una red está basada en el número de caminos más cortos entre otros nodos que pasan a través de él. Para el cálculo de esta medida fue empleado en Gephi un filtro por atributo cuyo rango de betweenness fue establecido entre 1.0657572245851502 a 6.459134694455456. La matriz de intermediación obtenida muestra seis nodos con valores de intermediación entre 1.2707E7 y 6.4591E7.
De acuerdo con esta medida, los resultados sugieren
que ‘slpng_giants’ (6.459134694455456E7), ‘barret_williams’
(5.076744977043784E7) y ‘slpng_giants_fr’ (3.068590388970564E7) fueron
los actores más influyentes en la difusión del mensaje de la campaña y
además se encuentran en una posición de poder dentro de la red, ya que
conectan a diferentes grupos de actores incluyendo organizaciones,
individuos e incluso medios de comunicación. ‘StopFundingHate’
(1.6307610372637426E7), ‘ADL’ (1.2706728011605583E7) y ‘EJGibney’
(2.2612771109400366E7) también juegan roles importantes en la
conectividad de la red y podrían impactar la comunicación si estuvieran
ausentes. Estos seis nodos identificados muestran una alta centralidad
de intermediación, lo que significa que actúan como puntos de control
estratégicos para la información que fluye por la red de
#Stophateforptofit. Este análisis se apoya en las afirmaciones de Newman (2010)Newman, M. (2010). Networks: An Introduction. Oxford University Press, Oxford. DOI: http://dx.doi.org/10.1093/acprof:oso/9780199206650.001.
sobre la centralidad de intermediación como un indicador de la
influencia potencial de los nodos sobre el flujo de información en la
red.
3.4 Actores más influyentes de #stophateforprofit: consideración de las principales medidas
⌅En general, los resultados reflejan una red diversa con una combinación de individuos, organizaciones y marcas. La presencia constante de ciertos actores en las métricas sugiere roles centrales y destaca la importancia de su participación en la campaña #StopHateForProfit. La jerarquía en cada medida proporciona información valiosa sobre la dinámica de la red, con actores que se destacan ya sea por su recepción significativa de información, su emisión activa de contenido, su participación integral en ambas direcciones o su papel crucial como intermediarios en la comunicación. Es esencial tener en cuenta estos resultados al considerar estrategias de intervención, colaboración o amplificación de mensajes en futuras campañas adherentes a los objetivos de #StopHateForProfit. En la figura 1, seguido a este párrafo, los actores que aparecen con mayor frecuencia en la nube de palabras se encuentran destacados en mayor tamaño. Estos tienen una influencia destacada en múltiples métricas (centralidades de grado, saliente, entrante, y de intermediación), indicando una posición central en la red.
El valor total de centralidad de grado combina tanto las conexiones entrantes como salientes, lo que proporciona una visión general de la actividad y la influencia de los actores en la red como un todo. Destaca de igual modo ‘slpng_giants’, como el actor con el grado total más alto; lo que sugiere una posición central tanto en la recepción como en la emisión de información. Le siguen ‘Facebook’ y ‘SachaBaronCohen’, que también ocupan posiciones prominentes en esta medida, indicando que son actores clave. En el caso específico de Facebook, se trata un término que recibe conexiones de mención desde otros participantes de la campaña, lo cual, como ya se ha indicado, es un resultado esperado debido a que es la campaña objetivo del boicot. Por otro lado, ‘SachaBaronCohen’ se ecuentra destacado en ambas medidas. Esto puede sugerir un equilibrio estratégico entre ser receptivo a la información y participar activamente en la difusión de mensajes.
En el valor de grado entrante se destaca la presencia dominante de ‘slpng_giants’ en la posición principal. Como se discutió en los resultados de esta medida, este actor recibe conexiones entrantes significativas de otros nodos en la red. La alta centralidad de ‘ADL’ y ‘NAACP’ sugiere que estas organizaciones también son puntos focales para la difusión de información hacia ellas. Su centralidad en la influencia de difusión de información fue marcada en términos de recibir atención y comunicación.
La medida de out-degree destaca los actores que emiten conexiones salientes hacia otros nodos, siendo ‘barret_williams’ el más prominente entre los actores más influyentes por su elevado valor, lo que implica que fue muy activo en enviar información o participar en conversaciones sobre la campaña. La presencia en los primeros lugares de ‘Senor_Cartmenez’, y ‘slpng_giantsPR’ denota que también sus desempeños fueron significativos liderando discusiones o generando contenidos relevantes.
¿Cómo contribuyen estos actores a la difusión del mensaje y al logro de los objetivos de #StopHateForProfit? Los roles que desempeñan los actores varían en función de la medida y en algunos casos son específicos, como muestra la siguiente tabla 1.
| ROLES | ACTORES | DESCRIPCIÓN |
|---|---|---|
| Principales Emisores | barret_williams Senor_Cartmenez slpng_giantsPR slpng_giants |
Destacados en los tres más altos valores de outdegree (grado saliente), sugiere una fuerte actividad de emisión, siendo un actor clave en la difusión de contenido hacia otros nodos en la red. Sus dinámicas de emisión fuerte contribuyeron a la visibilidad de la campaña en la red y generar conciencia pública, al generar conciencia, presionar a las marcas e influir en prácticas publicitarias más éticas. |
| Principales Receptores | slpng_giants SachaBaronCohen ADL NAACP |
Siendo los tres mayores valores de indegree (grado entrante) implica que estos actores recibieron una cantidad significativa de conexiones entrantes, indicando que fueron nodos centrales para la recepción de información. |
| Facilitadores de la Comunicación | slpng_giants barret_williams slpng_giants_fr EJGibney StopFundingHate |
Participantes que actuaron como un puente crucial entre otros actores de la campaña, facilitando la comunicación y la conexión en la red. |
Después de la identificación de los participantes clave y sus respectivas funciones en la configuración de la red, resulta crucial profundizar en el análisis de las temáticas que delinearon el discurso dentro del ámbito del hashtag #StopHateForProfit. Este análisis se explora en la siguiente sección y permite una comprensión más completa de las dinámicas de la campaña, revelando las principales tendencias y asuntos que han dado forma al contenido discursivo en el subdominio mencionado.
3.5 Análisis temático de la campaña #stophateforprofit
⌅El análisis del dataset de tuits originales emitidos durante la campaña proporciona los temas dominantes y las tendencias que caracterizan el discurso que se generó en línea en los primeros 40 días de su desarrollo. Después de aplicar técnicas de procesamiento del lenguaje natural en Orange Data Mining, se obtuvo un listado detallado de palabras y sus frecuencias que revelaron los matices de la conversación.
La aplicación de técnicas de preprocesamiento, como tokenización, normalización y filtración de stopwords, ha contribuido a una representación más clara y relevante de las palabras clave. La identificación de bigramas agrega profundidad al análisis, revelando asociaciones semánticas que podrían haber pasado desapercibidas en un enfoque unigrama.
La siguiente etapa del análisis, la creación de una nube de palabras, proporciona una representación visual impactante de las palabras más destacadas en proporción a su frecuencia. Este enfoque visual permite identificar los temas críticos y las narrativas predominantes.
La siguiente nube de palabras, mostrada en la figura 2 siguiente, representa este conjunto de términos que fueron parte de los mensajes de #StopHateforProfit. El tamaño del término representa la frecuencia en que aparece en los tuits.
En este contexto específico, menciones a ‘facebook’ (1.1409), ‘boycott’ (2.133) y hashtag ‘#deletefacebook’ (382) destacan la presencia de críticas y discusiones en torno a Facebook. Un resultado esperado es la alta frecuencia del término ‘facebook’ junto a ‘zuckerberg’, lo que indica que la campaña se dirige específicamente a la plataforma y su líder. La repetida mención de términos relacionados con publicidad, como ‘advertising’ (1.318), ‘boycott’, y ‘ads’ (2.476), sugiere que la campaña podría haber estado enfocada en cuestiones publicitarias vinculadas a la plataforma. Otra lectura posible de la presencia de palabras como ‘advertising’ y ‘ads’ sugieren un llamado al boicot publicitario como una forma de presión.
La presencia de términos como ‘companies’ y ‘advertisers’ confirma que la campaña busca la participación y apoyo de otras empresas y anunciantes en el boicot. En este sentido, la inclusión de menciones a empresas clave como ‘amazon’, ‘apple’, y ‘uber’ apunta a una posible conexión de la campaña con estas entidades, sugiriendo presiones específicas relacionadas con su papel en el panorama digital.
Interesa destacar que términos como ‘join’, ‘act’, ‘help’, y ‘support’ validan el tono e intencionalidad que marcó la narrativa y estrategia comunicacional del llamado a la acción de la campaña y la participación activa del público. Por otro lado, términos como ‘stand’, ‘loud’, y ‘clear’ indican un deseo de expresar mensajes fuertes y claros en solidaridad con la causa del boicot. La mención de ‘july’ sugiere el marco temporal de los objetivos que la coalición pretende alcanzar desde el lanzamiento de la campaña.
Es importante resaltar que, a pesar de que la coalición no incorporó en su narrativa de campaña mensajes que instaban a los usuarios o empresas a eliminar sus cuentas de Facebook sino más bien a pausar sus campañas publicitarias, resulta curioso observar la presencia de hashtags emitidos por otros participantes con esa intención, como son ‘#deletefacebook’ (382 ocurrencias) y ‘#deletefacebooknow’ (96), que fueron retuiteados 225 y 16 veces, respectivamente. Aunque no representan una proporción significativa en términos cuantitativos respecto al conjunto total de términos, este hallazgo sugiere las reacciones de la opinión pública hacia Facebook. Por otro lado, el término ‘pause’ aparece con una frecuencia total de 656 en los tuits y fue utilizado un total de 8.611 veces en la difusión de dichos tuits.
La fundamentación respecto al tema del discurso de odio en la plataforma se basa en el análisis detallado de expresiones identificadas que están intrínsecamente vinculadas a manifestaciones de racismo, intolerancia y la presencia de la supremacía blanca. Entre estas expresiones se destacan términos clave como ‘racism’ con 597 tuits y 3010 retuits, ‘bigotry’ con 382 tuits y 783 retuits, ‘white supremacy’ con 14 tuits y 80 retuits, y ‘misinformation’ con 271 tuits y 1585 retuits. Estos datos evidencian la presencia y difusión de contenido perjudicial en la plataforma relacionado con fenómenos negativos que amenazan la democracia.
En contraste, se observa otro conjunto de términos asociados a movimientos activistas que abogan contra estos fenómenos. Ejemplos notables incluyen el movimiento Black Lives Matter, representado por ‘Black Lives Matter’ con 141 tuits y 568 retuits, así como su hashtag abreviado ‘#BLM’ con 48 tuits y 20 retuits. Esta presencia destaca la lucha activa en línea de aquellos que buscan contrarrestar y combatir el racismo y la intolerancia.
Es imperativo subrayar que el discurso en línea no es homogéneo y alberga tanto manifestaciones negativas como positivas (Puerta-Díaz, 2022aPuerta-Díaz, M. (2022a). Representación del dominio de la campaña #StopHateforProfit a partir del análisis de redes sociales. (Tesis inédita de doctorado). Universidade Estadual Paulista "Júlio de Mesquita Filho" - UNESP, São Paulo. Disponible en: https://repositorio.unesp.br/items/771fa621-f4a4-4b65-b2ca-78a067c36c55.
).
Mientras algunos usuarios contribuyen a la propagación de mensajes
discriminatorios, otros se dedican al activismo digital, tratando de
contrarrestar estos mensajes perjudiciales. Este contraste enfatiza la
complejidad de las interacciones en la plataforma, destacando la
necesidad de abordar de manera activa y continua los problemas
emergentes, como el discurso de odio y la desinformación, con el fin de
preservar un entorno virtual inclusivo y equitativo.
El análisis con Orange Data Mining ha arrojado luz sobre el discurso en línea durante la campaña, subrayando palabras clave y temáticas específicas. Estos resultados son fundamentales para comprender mejor las dinámicas subyacentes a las interacciones que se dieron entre los actores para difundir los mensajes de la campaña. Su análisis tributa a formular estrategias mejor informadas en futuras campañas o discusiones relacionadas con este fenómeno.
La exploración detallada del contenido de los tuits relacionados con el boicot proporciona una visión integral de los temas y narrativas presentes en la campaña #StopHateForProfit. Sin embargo, para una comprensión más profunda y matizada es esencial avanzar hacia un análisis de sentimientos. Este siguiente paso permitirá desentrañar las emociones subyacentes que acompañan a los mensajes, diferenciando claramente entre aspectos negativos y positivos que han marcado la narrativa en torno al boicot. Al explorar los tuits desde este prisma se podrá discernir no solo las críticas y las preocupaciones expresadas, sino también las respuestas positivas y las manifestaciones de apoyo, lo que contribuirá a una comprensión más completa de la dinámica emocional que ha impulsado la conversación en la plataforma, permitiendo identificar tendencias emocionales significativas asociadas al boicot corporativo a Facebook contra el discurso del odio.
3.6 Análisis de contenidos de los 10 principales influyentes en la campaña #stophateforprofit
⌅El análisis de la campaña #StopHateForProfit, desde la perspectiva del impacto intrínseco de sus comunicaciones, realza la magnitud de la iniciativa. Este apartado se concentra en la evaluación formal de la red social que ha continuado evolucionando con la participación de actores notables como ‘slpng_giants’, ‘Barret_Williams’, ‘ADL’, ‘NAACP’ y otros cuyo papel ha sido crucial en la difusión y consolidación del movimiento.
Respecto al contenido de los mensajes emitidos por estos influyentes, se emplean técnicas de Procesamiento del Lenguaje Natural para explorar las dimensiones emocionales y clasificaciones temáticas de sus tuits. Este análisis no solo ofrece una percepción de la persuasión, informatividad o polémica de los mensajes, sino que también permite profundizar en las estrategias discursivas utilizadas para movilizar a anunciantes y galvanizar el respaldo a la causa.
Con el objetivo de enriquecer este panorama se presentan los resultados de los tuits más populares en términos de favoritos y retuits, acompañados de un análisis de la frecuencia de palabras clave. Este enfoque comparativo posibilita una comprensión más profunda de las similitudes y diferencias en las narrativas y enfoques adoptados por los influyentes.
Las siguientes nubes de palabras, generadas mediante el widget especializado en el software Orange data mining, proporcionan una representación visual y concisa de la frecuencia de las palabras clave en conjuntos de datos textuales. En estas visualizaciones, el tamaño y la prominencia de cada término se determinan según su frecuencia de aparición, lo que permite identificar patrones y temáticas predominantes de manera intuitiva. Al observar cada una de las siguientes figuras, los términos más grandes y prominentes indican que son más frecuentes en el conjunto de datos analizado. Esta representación, simplificada pero poderosa, facilita la identificación de temas recurrentes, destacando así los conceptos más relevantes y prominentes presentes en el corpus de texto de los tuits de cada actor. En el contexto del estudio sobre la campaña #StopHateForProfit, la interpretación de estas nubes de palabras desempeña un papel crucial para discernir las narrativas predominantes y las áreas temáticas clave que han resonado en el discurso digital de los influyentes.
3.6.1 Slpng_giants
⌅El análisis del conjunto de tuits del influyente principal ‘slpngiant’, representados en la anterior figura 3, revela una clara focalización en los elementos clave de la campaña #StopHateForProfit. Con un peso significativo de 122, el hashtag ‘stophateforprofit’ destaca como tema central, enfocándose en la misión de detener la propagación del odio con fines de lucro en las plataformas en línea. Además, el término ‘facebook’, con un peso de 101, indica un interés particular en las acciones y políticas de Facebook, subrayando la importancia de esta plataforma en el discurso. La presencia recurrente de palabras como ‘campaign’, con un peso de 90, y ‘advertising’, con un peso de 68, sugiere una estrategia activa y un enfoque específico en las acciones coordinadas para abordar la publicidad en línea. La inclusión de términos como ‘pause’, con un peso de 49, y ‘stop’, con un peso de 20, refuerza la atención en detener ciertos comportamientos, posiblemente relacionados con anuncios o campañas publicitarias. La selección de palabras clave también destaca ‘advertisers’, con un peso de 18, indicando un foco en aquellos que realizan publicidad en línea que podrían ser objeto de las acciones de la campaña. En conjunto, estos términos revelan los temas fundamentales y estratégicos que ‘slpngiant’ prioriza en sus mensajes, proporcionando una visión valiosa para comprender su impacto y papel distintivo en la campaña #StopHateForProfit.
En cuanto al impacto alcanzado por este actor, se advierte que los tuits marcados como favoritos y retuiteados de ‘slpng_giants’ proporcionan una visión adicional de la influencia y la recepción de sus mensajes dentro de la campaña #StopHateForProfit. Un tuit destacado menciona la confirmación de la participación de Unilever en la campaña, generando 8.306 “me gusta” y 2.683 retuits, lo que sugiere un fuerte respaldo y apoyo a la acción tomada por la empresa. Otros mensajes confirman la pausa en la publicidad de Starbucks, Target, LEGO, Patreon, LEVIS, y Dockers, cada uno generando una considerable cantidad de interacciones por los participantes de la campaña. Así ocurre con su tuit “Three weeks ago, this was a barely-hatched idea. Now, 150+ companies have decided to stop advertising spending on...”, el cual obtuvo 2.661 “me gusta” y 678 retuits, mostrando cómo los mensajes que destacan la creciente participación y apoyo a la campaña pueden resonar positivamente en la audiencia. Además, otro de sus tuit menciona el impacto de la campaña al señalar que “Facebook never paid a price for touching off a genocide in Myanmar. This week, that just may change. #StopHateForProfit” con 2.620 “me gusta” y 613 retuits, resalta la conciencia y la movilización en torno a la causa más allá de la publicidad.
La distribución de estos mensajes clave a lo largo de varias fechas sugiere una estrategia continua de comunicación por parte de ‘slpng_giants’ para mantener la atención y el interés del público a lo largo del tiempo. Además, el tuit que menciona la falta de consecuencias para Facebook en eventos pasados se emitió el 29 de junio de 2020, generando 2.620 “me gusta” y 613 retuits, lo que indica una capacidad para resaltar problemas relevantes en el momento oportuno. Por otro lado, más allá de los temas destacados, su narrativa no solo se centró en la crítica a Facebook, sino también en el objetivo clave de la campaña que demandaba la acción por parte de empresa de pausar la publicidad y destacando además la participación de grandes marcas. Las palabras en destaque y el tono de sus mensajes se encuadran en un discurso de tipo informativo, crítico y persuasivo.
3.6.2 Barret Williams
⌅Según el análisis de los mensajes de Barret Williams, como se observa en la siguiente figura 4, éste emerge como un defensor activo de la campaña, respaldando a ‘slpng_giants’ y haciendo un llamado directo a otras marcas para unirse al boicot. Su discurso es informativo y de apoyo, destacando la importancia de la acción colectiva en la lucha contra el discurso de odio en Facebook.
A pesar de la posición privilegiada de Barret Williams en la campaña, su tuit que tuvo mayor impacto apenas fue seis veces retuiteado y tres veces marcado como favorito. Un comportamiento diferente alcanzó ‘sacha baron cohen’, que será posteriormente detallado, ya que con apenas tres tuits tuvo amplio alcance y difusión en la plataforma.
3.6.3 Anti-Defamation League
⌅Por su parte, la Anti-Defamation League (ADL) despliega un discurso crítico y concienciador centrado en la condena del discurso de odio en plataformas, especialmente en Facebook, como muestra la figura 5 a continuación.
Su participación en la campaña implica un llamado a la responsabilidad por parte de las empresas publicitarias y destaca la necesidad de detener el apoyo financiero a plataformas que permiten el odio. Esto se puede observar en su tuit más popular en el que la ADL insta a Facebook a dejar claro que el negacionismo del Holocausto no tiene cabida en su plataforma. Este mensaje recibió 418 “me gusta” y 204 retuits, demostrando un respaldo significativo de la audiencia a la posición de la ADL. En el segundo tuit con más impacto, la ADL comenta sobre el testimonio de Mark Zuckerberg, destacando la afirmación de que Facebook elimina el 89% del discurso de odio antes de que los usuarios lo vean. La ADL parece expresar cierto escepticismo o desacuerdo con esta afirmación al compartirla. Este tuit recibió 281 “me gusta” y 95 retuits, indicando que el público estuvo interesado en la veracidad de las afirmaciones de Facebook y en la postura crítica de la ADL. Por su parte, el tercer tuit de mayor impacto, con 258 “me gusta” y 153 retuits, aborda el tema de los beneficios récord de Facebook en contraste con su presunta falta de acción contra el odio y el extremismo en la plataforma. Estos resultados sugieren que la audiencia está receptiva a mensajes que critican la aparente desconexión entre el éxito financiero de la plataforma y sus esfuerzos para abordar problemas críticos de la sociedad. En resumen, la ADL utiliza mensajes directos y específicos para resaltar problemas particulares en la plataforma de Facebook, buscando movilizar a la audiencia y generar conciencia sobre cuestiones relacionadas con el odio y la intolerancia.
3.6.4 CommonSense
⌅La CommonSense (ver siguiente figura 6) utiliza su presencia en Twitter para destacar su colaboración con otras organizaciones en el lanzamiento de la campaña #StopHateforProfit, como la ADL, la NAACP, ‘slpng_giants’, ‘ColorOfChange’ y ‘freepress’.
Su tuit más popular menciona a varias organizaciones importantes involucradas en la campaña y recibió 200 “me gusta” y 70 retuits. Este nivel de interacción sugiere que la audiencia aprecia y respalda la colaboración entre estas organizaciones. En otro mensaje comparte hallazgos de 2018 que destacan la disparidad entre adolescentes negros y blancos en términos de encuentros frecuentes con contenido racista en línea, recibiendo un total de 100 “me gusta” y 47 retuits. Al resaltar estadísticas específicas sobre la experiencia de los adolescentes en las redes sociales, como se muestra en la figura 6, CommonSense busca generar conciencia sobre la presencia de contenido racista en línea y promover la necesidad de abordar este problema.
Puede observarse que CommonSense utiliza su presencia en Twitter para compartir información relevante sobre la campaña #StopHateforProfit y resaltar problemas específicos relacionados con el contenido perjudicial en línea, especialmente aquel que afecta a comunidades específicas como los adolescentes negros. Adopta un enfoque protector, destacando problemas en línea relacionados principalmente con adolescentes y familias. Su discurso es informativo y concientizador, abogando por un entorno en línea seguro y señalando también los problemas relacionados con el odio en las plataformas. También juega un papel crucial ‘freepress’ al destacar la creciente demanda y apoyo de marcas a la campaña #StopHateForProfit, como revela la siguiente figura 7.
El discurso, informativo, crítico y movilizador, instó a las empresas a unirse al boicot y presionar a Facebook a abordar el odio en su plataforma. Así, ‘freepress’ utiliza su plataforma de Twitter para promover activamente la campaña #StopHateForProfit y alentar a las empresas a retirar sus anuncios de Facebook. En su tuit más popular con 40 “me gusta” y 75 retuits, ‘freepress’ presenta la iniciativa #StopHateForProfit como su llamado para que los anunciantes se desvinculen de Facebook al detener todas las compras de anuncios durante el mes de julio. En otros dos tuits, ‘freepress’ destaca el número creciente de empresas que se han unido al boicot de Facebook, con menciones específicas a organizaciones colaboradoras como ‘ColorOfChange’, ‘slpng_giants’, ‘NAACP’ y ‘ADL’. Estos mensajes obtuvieron 139 “me gusta” y 106 retuits, así como 88 “me gusta” y 55 retuits respectivamente. Estos resultados sugieren que la audiencia responde positivamente a la información emitida por ‘freepress’ sobre el aumento del respaldo a la campaña.
3.6.5 NAACP
⌅La NAACP, como muestra la figura 8 seguida a este párrafo, emite mensajes en la campaña desde la perspectiva de los derechos civiles, enfocándose en audiencias relacionadas con Facebook. Su discurso resaltó la importancia de la acción para combatir la discriminación y el odio en línea. Un dato a resaltar de su participación es que el tuit que alcanzó un mayor impacto muestra un enfoque de agradecimiento y reconocimiento hacia el liderazgo de la Duquesa y el Duque de Sussex sobre la importancia de la solidaridad en la lucha contra el discurso de odio.
Este enfoque más suave y agradecido pudo contribuir al impacto positivo del tuit, generando 3.668 “me gusta” y siendo retuiteado 1.009 veces. La NAACP, asociada con figuras prominentes como los Duques de Sussex, pudo haber fortalecido su mensaje y atraído a una audiencia más amplia al resaltar la relevancia y urgencia de la campaña #StopHateForProfit.
3.6.6 Moonalice
⌅Por otro lado, ‘Moonalice’ (ver siguiente figura 9) adopta un tono de agradecimiento y movilización, expresando gratitud a las marcas que se unen al boicot. Este tono puede describirse como entusiasta y alentador, pues utiliza términos como ‘on a roll’ para transmitir la idea de que la campaña está ganando impulso y atrayendo la atención de empresas destacadas. Además, instó a cambiar las prácticas empresariales, convirtiéndose en un influyente que busca cambios positivos a través de la acción colectiva.
En sus tuits más populares, como muestra la figura 9, ‘Moonalice’ comunica el progreso del movimiento, destacando la participación de marcas conocidas como ‘LEVIS’, ‘Dockers’, ‘Denny's’, ‘Patreon’, ‘Adidas’, ‘Clorox’, ‘HP’, ‘Puma’ y ‘Ford’ en la campaña. Estos mensajes reciben interacciones significativas, indicando un interés considerable de la audiencia en las adhesiones a la iniciativa. Además planteó la posibilidad de que la prohibición de algunos subreddits supremacistas blancos por parte de Reddit no sea una coincidencia, sugiriendo que el éxito de #StopHateForProfit podría estar influyendo en otras plataformas sociales.
Los mensajes de ‘Moonalice’ con otros actores como ‘Freepress’, destacan que ambos comparten un enfoque en la cantidad y la calidad de las adhesiones a la campaña. Sin embargo, ‘Moonalice’ parece destacar más las marcas específicas que se suman al boicot mientras que ‘Freepress’ enfatiza el número total de empresas involucradas. Ambos enfoques contribuyen a la narrativa general de la efectividad y el crecimiento del movimiento #StopHateForProfit.
3.6.7 Sacha Baron Cohen
⌅‘Sacha Baron Cohen’, una figura destacada en el ámbito del entretenimiento, ha desempeñado un papel significativo en la campaña #StopHateForProfit. A pesar de que emitió pocos mensajes, alcanzó los mayores valores de interacción y difusión (13.764 “me gusta” en su tuit más popular). Los temas predominantes de sus mensajes se representan a continuación en la figura 10.
Su influencia se refleja en la masiva interacción que ha generado. En su tuit más impactante insta a las empresas a unirse al boicot contra Facebook, revelando las compañías que más invierten en publicidad en la plataforma. Este enfoque informativo busca generar conciencia sobre el impacto financiero del boicot. Adicionalmente, Cohen resalta las pérdidas de Facebook al perder a dos de sus mayores inversores publicitarios: Starbucks y Diageo_News. Este mensaje subraya el impacto tangible del boicot en la red social, proporcionando ejemplos concretos. Por último, el tuit donde expresa su entusiasmo como británico residente en los Estados Unidos, por la adhesión de PHarry_Meghan al movimiento, agrega un toque personal al discurso, destacando la participación internacional en la campaña. En conjunto, la estrategia de Cohen combina información, evidencia concreta y un toque emocional para impulsar la causa de #StopHateForProfit.
3.6.8 Jason Kint
⌅‘Jason Kint’ se destaca como una figura influyente en el contexto del movimiento #StopHateForProfit, aportando análisis perspicaces y llamados a la acción que han generado una considerable atención en los sitios de redes sociales, como puede observarse en la siguiente figura 11. En su mensaje más impactante, responde con ingenio a una mención sobre su participación en la conversación sobre el boicot, evidenciando su habilidad para articular de manera lúdica la importancia de la campaña. Este enfoque, respaldado por una notable cantidad de “me gusta” y retuits, refleja su capacidad para mantener un tono distendido sin comprometer la seriedad de la iniciativa.
3.6.9 Detox_Facebook
⌅‘Detox_Facebook’, con un enfoque crítico y de derechos civiles, se sumó con un discurso que condena el discurso de odio, el racismo y la falta de responsabilidad en Facebook. Estos temas representados en la siguiente figura 12, fueron emitidos en mensajes directos y, en ocasiones, con un tono humorístico en sus tuits más populares.
En el primer tuit, donde sugiere que Zuckerberg experimentó una especie de “pérdida de memoria” cuando el Congreso lo interrogó sobre #StopHateForProfit, se emplea un tono sarcástico y crítico hacia el CEO de Facebook. Este mensaje recibió 266 “me gusta” y 172 retuits, lo que indica una reacción positiva y una posible resonancia con una audiencia que apreció el enfoque humorístico para resaltar la situación. En el segundo tuit básicamente repitió el mismo mensaje sobre Zuckerberg. Aunque constituyó básicamente una repetición del primer tuit, resulta interesante observar que se optó por compartir el mismo contenido nuevamente, lo que podría indicar la importancia que la organización asignó a este mensaje específico.
En un tercer mensaje destacó positivamente a una agencia de publicidad por retirar sus anuncios de Facebook, utilizando la palabra ‘Bravo’ y emojis de aplausos. Este tuit adopta un tono positivo y de aprobación hacia la agencia publicitaria, apoyando la decisión de retirar el respaldo financiero a Facebook. Con 234 “me gusta” y 80 retuits, muestra que la audiencia respondió favorablemente a mensajes que celebran acciones concretas tomadas en el contexto de la campaña. En conjunto, los tuits reflejan la estrategia de ‘Detox_Facebook’ de utilizar un tono crítico y a veces humorístico para comunicar sus mensajes, buscando generar una respuesta positiva de la audiencia y fomentar la participación en la campaña #StopHateForProfit.
3.6.10 StopFundingHate
⌅Por su parte, ‘StopFundingHate’ se destaca por su discurso crítico y movilizador, centrado en el boicot al financiamiento de odio en Facebook. Su participación resalta, como muestra la siguiente figura 13, la importancia de la acción colectiva y busca presionar a las empresas para que dejen de respaldar contenido perjudicial en la plataforma.
Los tres tuits más populares de ‘StopFundingHate’ ofrecen una perspectiva más detallada de sus mensajes clave y el impacto que generaron. En primer lugar, el tuit que destaca que aunque Facebook afirma no obtener beneficios del odio su red de WhatsApp ha sido utilizada por perpetradores de actos violentos subraya la aparente contradicción de la plataforma. Este mensaje, respaldado por 1.720 “me gusta” y 943 retuits, sugiere que la audiencia responde positivamente a la revelación de casos específicos que contradicen las declaraciones de Facebook. En segundo lugar, el tuit que acusa a Facebook de ser un “megáfono para el odio” en India, proporcionando otra razón para que las empresas pausen la publicidad en la plataforma, obtuvo 604 “me gusta” y 257 retuits. Aunque la interacción es menor que en el primer tuit, refleja una respuesta positiva en términos de participación. Finalmente, el tuit que destaca la aparente sorpresa por la pausa publicitaria de Facebook como parte de la campaña #StopHateForProfit obtuvo 513 “me gusta” y 137 retuits. Aunque la interacción es relativamente menor, el enfoque en la naturaleza inesperada de la pausa publicitaria puede indicar la intención de generar conciencia sobre el impacto sorpresivo de la campaña en curso. En conjunto, estos tuits refuerzan el mensaje de ‘StopFundingHate’ al proporcionar ejemplos específicos de las preocupaciones planteadas sobre el papel de Facebook en la proliferación del discurso de odio, mientras que la interacción positiva sugiere que la audiencia encuentra relevante y valiosa la información compartida por la organización.
A pesar que los mensajes emitidos por ‘senor_cartmenez’, mostrados en la siguiente figura 14, son altamente relevantes por abordar la desinformación y apoyar la campaña #StopHateForProfit con un discurso crítico e informativo con un contenido que destaca la necesidad de detener el financiamiento publicitario en Facebook para contrarrestar la propagación de información falsa, no obtuvieron altos números de retuits ni fueron marcados como favoritos en la plataforma por otros usuarios.
Dada la alta relevancia de varios tuits emitidos por los influyentes interesa analizar específicamente la relación de los diez tuits más favoritados en la campaña #StopHateForProfit durante el período cubierto. Esta selección resalta las publicaciones más resonantes y efectivas en términos de favoritos y retuits, ofreciendo al estudio una descripción más detallada del dominio de la campaña mediante informaciones relevantes sobre los mensajes y acciones que generaron mayor interacción y apoyo dentro de la comunidad en Twitter durante la campaña. La siguiente tabla II detalla el usuario que publicó cada tuit, el contenido del mensaje, el número total de favoritos recibidos y la cantidad de veces que fue retuiteado en la plataforma hasta el momento en que se realizó la obtención de datos.
| Usuario de Twitter | Top 10 de Tuits más favoritados | Total Favoritado | Retuits |
|---|---|---|---|
| SachaBaronCohen | These are the companies that spend the most $ on Facebook ads. Will you join the boycott and tell Facebook to sto… https://t.co/3suQhvgvZ1 | 13764 | 5936 |
| SachaBaronCohen | With @Starbucks and @Diageo_News, Facebook has lost 2 of its biggest ad spenders. Here are the others, from… https://t.co/GSEOpJtrLA |
8669 | 2215 |
| slpng_giants | Hearing that Facebook execs have been working the phones to stop companies from pausing their advertising instead o… https://t.co/XXzSEM5D5S | 8306 | 2683 |
| slpng_giants | Honestly, when we launched #StopHateForProfit 10 days ago with the @NAACP @ColorOfChange @ADL @CommonSense and… https://t.co/qa429Cv5gM | 7245 | 1421 |
| kylegriffin1 | More than 400 major advertisers have now pulled their ads from Facebook and Instagram as part of the… https://t.co/qhbTsj9H2y | 6953 | 1968 |
| slpng_giants | CONFIRMED: WOW! <U+2066>@unileverusa<U+2069> has joined the #StopHateForProfit campaign and will stop advertising on Facebook pla… https://t.co/YsGZ9O68gy | 6076 | 1725 |
| SachaBaronCohen | As a Brit living in the US, I’m chuffed. Thank you for joining us @PHarry_Meghan! #StopHateForProfit https://t.co/ESbSlPePoP | 4558 | 646 |
| slpng_giants | CONFIRMED: @Starbucks will pause all advertising on Facebook and all other social media platforms.… https://t.co/iUFYhKIVk0 | 4466 | 788 |
| slpng_giants | CONFIRMED: BOOM! @Target has joined the #StopHateForProfit campaign and will pause all advertising on Facebook plat… https://t.co/QK5bh6ACr8 | 4245 | 709 |
| SarahKSilverman | It’s an algorithm. But don’t worry @facebook will take your money and let you lie directly to your base.… https://t.co/eMvO0gME89 | 4186 | 434 |
A partir de la interpretación de dichos datos se evidencia que los diez tuits más favoritados en la campaña #StopHateForProfit muestran un fuerte enfoque en la crítica contra Facebook. Los tuits de ‘SachaBaronCohen’ resaltan por su alta interacción, enfocándose en las compañías que más invierten en publicidad en Facebook y en la adhesión de grandes anunciantes al boicot. Por su parte, la actividad de ‘slpng_giants’ también se destaca con varios tuits que reflejan esfuerzos para movilizar a las empresas contra la publicidad en Facebook. Este análisis revela la importancia de figuras públicas y movimientos activistas en la difusión y el impacto de la campaña.
Si bien los resultados previos brindan una visión panorámica de las temáticas presentes en los tuits de la campaña #StopHateForProfit, sería importante profundizar en el análisis y explorar cómo se manifiestan estos sentimientos dentro del conjunto específico de los actores influyentes en futuros trabajos. Este grupo selecto de individuos, representados en la figura 1, desempeña un papel destacado en la difusión de mensajes y la configuración de la narrativa de la campaña. El foco en esta estrategia permite obtener una comprensión más detallada no sólo de las temáticas que predominaron en sus tuits, sino también de cómo se expresan sus mensajes y cómo se perciben los sentimientos clave, así como la identificación de posibles patrones o tendencias únicas.
4. Conclusiones
⌅La campaña #StopHateForProfit logró un éxito significativo al persuadir a más de 1,000 empresas a pausar su publicidad en Facebook, incluyendo gigantes como Adidas, Best Buy, Starbucks y Coca-Cola. El ARS reveló hitos importantes, destacando también el respaldo diverso de pequeñas empresas, organizaciones sin fines de lucro y figuras públicas apelando a la responsabilidad social de Facebook. La iniciativa generó la unión de participantes en grupos cohesivos, independientemente de su ubicación, basadas en intereses de defensa de los derechos civiles. Aunque los influyentes principales eran usuarios comunes, también participaron grandes empresas, ONGs, defensores de derechos civiles y periodistas.
La conversación se extendió más allá del odio en Facebook, abordando desigualdades sociales y raciales que amenazan las democracias. El análisis de contenidos revela que influyentes como Sleeping Giants, NAACP y Sasha Baron Cohen compartieron un enfoque común en la crítica a Facebook y la promoción de #StopHateForProfit, amplificando así el mensaje transmitido. Las narrativas fueron desde la condena directa del discurso de odio hasta llamados a la acción y agradecimientos por la participación. El discurso fue principalmente informativo, crítico y movilizador, buscando concientizar y promover cambios en las prácticas publicitarias de Facebook.
La estrategia de usuarios como 'slpng_giants', al distribuir mensajes clave a lo largo del tiempo, ha tenido un impacto sostenido en la campaña. Su papel como emisor activo fue significativo al amplificar mensajes clave, llevando la concientización sobre la presencia de anuncios en sitios que promueven contenido perjudicial. Esta influencia resultó en cambios tangibles en las estrategias publicitarias y una reconsideración de la ética publicitaria, afectando el financiamiento de contenido problemático. Aunque las cifras exactas de alcance son desconocidas, el Análisis de Redes Sociales resalta la efectividad de la campaña en apenas 40 días, mostrando su impacto en Facebook y su transformación en un movimiento internacional.
El fenómeno de #StopHateForProfit, analizado mediante ARS y procesado con PLN, se destaca como un caso relevante de activismo contra el discurso del odio. Este enfoque integral no solo revela el perfil y papel de los participantes en el sitio de red social, sino también profundiza en la clasificación narrativa en términos de sentimientos positivos y negativos. Esta perspectiva ofrece una comprensión completa de los flujos informativos en la comunidad, proporcionando una base sólida para desarrollar estrategias efectivas en futuras campañas contra el discurso del odio y la desinformación.
5. Agradecimientos
⌅Este trabajo ha sido financiado por la Agencia Financiadora Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Brasil (CAPES) - Código Financiero 001 (nº de referencia 88887.892011/2023-00), en el marco del Programa Capes-PrInt y por el Ministerio de Ciencia e Innovación de España, proyecto de investigación “Competencias en información para afrontar el discurso de odio en Educación Secundaria Obligatoria y Bachillerato (CIADOE)”. Referencia PID2021-125420OB-I00.
6. Contribución a la autoría
⌅Mirelys Puerta Díaz: Conceptualización, Investigación, Metodología, Administración de proyecto, Redacción - borrador original, Redacción - revisión y edición.
Daniel Martínez-Ávila: Conceptualización, Análisis formal, Metodología, Redacción - revisión y edición.
María-Antonia Ovalle-Perandones: Conceptualización, Análisis formal, Metodología, Redacción - revisión y edición.
7. Declaración de conflicto de intereses
⌅Los autores de este artículo declaran no tener conflictos de intereses financieros, profesionales o personales que pudieran haber influido de manera inapropiada en este trabajo.