Content uploaded by Elias Said Hung
Author content
All content in this area was uploaded by Elias Said Hung on Jun 24, 2021
Content may be subject to copyright.
IP 1 (Nombre y apellidos): Elias Said-Hung – Universidad Internacional de la Rioja
IP 2 (Nombre y apellidos): Julio Montero – Universidad Internacional de la Rioja
TÍTULO DEL PROYECTO (ACRÓNIMO): Taxonomía, presencia e intensidad de las expresiones de
odio en entornos digitales vinculados a los medios informativos profesionales españoles (HATEMEDIA)
RESUMEN
El proyecto centrará el estudio en los principales medios informativos profesionales de España (La
Vanguardia, ABC, El País, El Mundo y 20Minutos), para analizar cómo se difunden las expresiones de odio
en los entornos digitales asociados a este tipo de medios, y favorecer la detección y monitorización de este
tipo de expresiones en estos contextos de comunicación digital. Con este propósito: 1) se analizarán los
mensajes publicados tanto por los medios informativos como por los usuarios que interactúan con estos,
desde sus cuentas sociales en Twitter y Facebook, y en sus portales institucionales; 2) se desarrollará un
algoritmo que sirva para la detección de expresiones de odio en entornos digitales asociados a los medios
informativos en España; y 3) se analizarán y clasificarán los contenidos con expresiones de odio para
determinar sus niveles de intensidad, según la metodología propuesta en este proyecto. Con esta iniciativa
se espera: a) elaborar una taxonomía de los mensajes asociados a las expresiones de odio publicados y
debatidos en los entornos digitales asociados a los medios informativos profesionales españoles; b)
Identificar los grupos e identidades objeto de las expresiones de odio; c) determinar el grado de proliferación
e intensidad de las expresiones de odio directa (propio medio) e indirectamente (a través de sus seguidores)
desde los entornos digitales estudiados en este trabajo; d) identificar las estrategias de diseminación de las
expresiones de odio; e) determinar el rol asumido por los medios informativos profesionales, como
detractores o promotores de las expresiones de odio; f) trazar un mapa de las expresiones de odio divulgadas
por y desde los entornos digitales de los medios informativos profesionales; y g) desarrollar un algoritmo
que sirva a la detección de expresiones de odio, desde los entornos digitales asociados a los medios
informativos profesionales en España.
PALABRAS CLAVE: Expresiones de odio, social media, contenidos informativos, medios informativos,
mapa
1. PROPUESTA CIENTÍFICA
1.1. Antecedentes y estado actual de la cuestión
La libertad de expresión en las sociedades democráticas constituye uno de los fundamentos clave en la
garantía y protección de los derechos civiles y políticos (Miró, 2016; Guiora & Park, 2017). Hoy, el auge
de las redes sociales genera una abundancia enorme de información caracterizada por el anonimato,
la inmediatez y su impacto en la reducción de la vigencia de los temas debatidos. Todo ello ha favorecido
la gestación de la modernidad líquida (Baumann, 2004) y la proliferación de todo tipo de
contenidos (desinformativos o no). Algunos de estos ponen en entredicho o violan la tolerancia, el civismo
y el respeto a determinados grupos fácilmente identificables (p. e., migrantes, comunidad LGTBI, colectivos
de determinadas corrientes religiosas). La incidencia de estos elementos negativos pone en peligro la
efectiva prevalencia de los valores democráticos y civiles en nuestros entornos (Waldron, 2014 y Heinze,
2016).
En la creación, divulgación e intercambio de contenido actúan muchos condicionantes. De una parte, la
efectiva capacidad de los ciudadanos (usuarios de los medios digitales) para conectar con enfoques
específicos y cerrados sobre la comprensión del mundo, pese a que las posibilidades de diversidad de fuentes
sean aparentemente cada vez mayores (Gruzd, & Roy, 2014; Freelon, & Karpf, 2015; Jungherr, 2016). De
otra, existe un creciente interés en comprender cómo los actores sociales institucionales impactan en los
entornos digitales, tanto desde sus propios portales, como desde las redes sociales. Lo que favorece la
construcción de vínculos entre agentes sociales (por ejemplo, medios informativos y actores políticos) y los
ciudadanos, a través de la promoción unidireccional de temas que condicionan la opinión pública hacia
posiciones favorables o en contra (Navia, & Ulriksen, 2017), o mediante el uso disfuncional del ecosistema
digital (Vázquez, 2016). Un escenario que también ejerce presión e influencia en la formación de opinión
pública (Campos-Domínguez & Calvo, 2017), a partir de las variaciones sufridas por los ciclos de
divulgación de los hechos noticioso, que no provienen solo de los medios de comunicación tradicionales,
sino de los entornos digitales sociales (e.j. Twitter y Facebook). La transformación gestada desde el
ecosistema digital actual ocasionado una variación de las estrategias comunicativas para ejercer una mayor
influencia en un mayor número de ciudadanos (usuarios) (Casero-Ripollés, Feenstra & Tormey, 2016),
desde la proliferación de mensajes apelando a emociones, creencias personales y la reducción de hechos
objetivables o veraces, alrededor de determinados temas, con el fin de atraer a un mayor número de
audiencia cada vez más encapsulada en los diferentes espacios de comunicación digital actuales (Van der
Linden et al., 2017; Roozenbeek & Van der Linden, 2018).
Al desdibujarse cada vez más las fronteras en los escenarios digitales entre la producción de contenidos
noticiosos y otros que no lo son (Chen, Conroy & Rubin; 2015; Rubin, Chen & Conroy, 2015), se ha
originado un contexto comunicativo que facilita la exacerbación del miedo hacia lo ajeno en la opinión
pública (Bauman, 2016). Así se hacen virales discursos cargados de expresiones de odio hacia grupos
definibles fácilmente por sus creencias religiosas, o por sus orígenes étnicos y culturales (Quesada, 2015).
El efecto inmediato de estas estrategias es la reducción de las posibilidades de cohesión social, convivencia
pacífica y estabilidad política en los Estados democráticos, incluida España. Este fenómeno se lleva a cabo
desde el empleo de estrategias de diseminación, impulsados no solo por bots sino por usuarios reales, que
aparentan no estar organizados ni relacionados entre sí, pero que actúan coordinadamente desde el
anonimato aparente de estos (Howard et al., 2017). Todo, con un objetivo común: lograr posicionar un tema
a nivel social, alrededor de un determinado acontecimiento y durante un período de tiempo (Howard et al.,
2017; Ruchansky, Seo y Liu, 2017; Zhao et al., 2020), sacando así máximo provecho de la acción
comunicativa colectiva, inherente a los entornos digitales actuales, desde el recurrente auto-posicionamiento
como outsider y anti-sistemas, muchas veces empleado para dar legitimidad al uso de expresiones de odio
dirigidas contra colectivos específicos en sus mensajes (Pérez-Curiel & Limón, 2019). Lo que a todas luces
puede incidir negativamente en el desarrollo de los valores democráticos, a nivel de la opinión pública,
desde la aparente “espontaneidad” generada alrededor de debates, promovidos por usuarios alejados del
perfil influencers (muchos seguidores y una alta actividad). Unos usuarios que se escudan muchas veces en
la libertad de expresión para dar fundamento a determinados sistemas de creencia (ubicados
ideológicamente extremistas o populista), en los que las expresiones de odio sirven para dar base social y
política a grupos de interés afines a estos, desde los entornos digitales actuales (Hernández & Fernández,
2019; Bernal-Triviño & Clares-Gavilán, 2019).
En este escenario los medios de comunicación y las redes sociales asumen un importante papel, pues
interpretan (sin argumentación) para sus afines lo que acontece (Taibi & El-Madkouri, 2006). Esto les
convierte en actores claves en la difusión o no de expresiones, prejuicios y estereotipos negativos sobre, p.
e., la inmigración, la religión musulmana o la cultura española (Schoenholtz, 2003; Piquer, 2015; Ali et al.,
2018). Más aún cuando nos encontramos en sistema de comunicación híbrido en los que las redes sociales
orientan activamente las lecturas que se hacen de los canales de comunicación tradicionales (Karlsen &
Enjolras, 2016). Al intensificar la influencia de este contexto se quiebra la capacidad de influir de los hechos
objetivables en unos ciudadanos-usuarios encapsulados en espacios de comunicación digital en los que
dominan estrategias narrativas basadas en sentimientos y creencias personales. Todo ello, afecta a la
construcción de la opinión pública, individual y colectivamente (Rozenbeek & Van der Linden, 2018;
Casero-Ripollés, Feenstra & Tormey, 2016; Jungherr, 2016) y facilita la normalización de expresiones de
odio. Estas son expresiones conscientes de contenidos con carga semántica negativa contra una determinada
persona o grupo, por motivos raciales, orientación sexual, religiosos, identidad, étnicos o ideológicos
(Tsesis, 2002; Lillian, 2007), y que pueden producir daños por sí mismos. Definición afín a la de la Unesco
(2015): expresiones que pueden incitar al daño (discriminatorio, hostil o de violencia) hacia un objetivo
particular, asociado a una persona o grupo. Un concepto que también puede encontrarse en mensajes que
aboguen, amenacen o alienten, directa o indirectamente, actos que pueden ser tendentes o no de delito, y
que fomenten el clima de prejuicio e intolerancia hacia el diferente (Lingiardi et al., 2019).
Estas expresiones de odio se han analizado temáticamente: desde el racismo, la islamofobia, la xenofobia o
la homofobia (Klein, 2012; Yamaguchi, 2013; Mrševicì, 2013; Awan, 2016). También en la comprensión
de los motivos y establecimiento de los perfiles psicológicos de quienes promueven este tipo de mensajes
(Imran & Charlotee, 2016); desde áreas de conocimiento específicas (como sucede en España), donde
predominan las del ámbito jurídico (Alfonso & Cortina, 2017; Valero, 2017; Paz, Montero-Díaz & Moreno-
Delgado, 2020); o atendiendo a redes sociales concretas, con Twitter y Facebook como más estudiadas (Ott,
2017; Burnap y Williams, 2015; Farkas, Schou & Neumayer, 2018). La academia percibe el protagonismo
indiscutible de los mensajes con expresiones de odio provenientes de las redes sociales. En ello influye
notablemente las escasas restricciones emocionales (más bien lo contrario) que afectan a este tipo de
contenidos que presentan formas cada vez más agresivas. Un rasgo del que grupos extremistas sacan
provecho (Kreis, 2017) y que la investigación académica actual ha tenido en cuenta (Ben-David &
Matamoros-Fernández, 2016; Bayer & Bárd, 2020).
Ante el desafío que supone enfrentarse a mensajes de odio en los escenarios digitales, se cuestiona incluso
la capacidad de periodistas y medios informativos profesionales para convertirse en referentes de este tipo
de procesos (Cherian, 2014); más aún si se considera que tras las informaciones periodísticas subyacen
discursos asociados a enfoques ideológicos y la promoción de estereotipos que puede alentar la
diseminación de este tipo de mensajes (Piquer, 2015; Calvo & Sánchez-García, 2018; Ali et al., 2018).
1.2. Objeto de estudio, justificación y novedad del proyecto
Objetivo del estudio
Tal y como se argumentó en el epígrafe anterior, la transformación gestada desde el ecosistema digital actual
ha traído consigo una variación de las estrategias comunicativas puestas en marcha (Casero-Ripollés,
Feenstra & Tormey, 2016), desde la proliferación de mensajes apelando a emociones, creencias personales
y la reducción de hechos objetivables o veraces, alrededor de determinados temas. Bajo este escenario, los
medios de comunicación y las redes sociales asumen un importante papel, en la formación de opinión
pública, y en la promoción de estereotipos (Schoenholtz, 2003; Piquer, 2015; Ali et al., 2018). Sobre todo,
si tenemos en cuenta que esta transformación ha traído consigo una perdida en el control de los escenarios
de producción noticiosas, por parte de los medios informativos profesionales, ante el auge de sistema de
comunicación híbridos en los que las redes sociales ejercen una mayor influencia en la formación de la
opinión pública, a través de la proliferación de narrativas basadas en sentimientos y creencias personales,
que reducen la capacidad de influir de hechos objetivables. En esta situación, la promoción de mensajes con
expresión de odio desde los entornos digitales actuales se convierte en un recurso comunicativo cada vez
más empleado por parte de grupos extremistas o populistas (Mazzoleni & Bracciale, 2018; Hall, 2018), a
favor del desarrollo de una opinión pública cada vez más alejada de la cohesión social, la convivencia
pacífica y los valores democráticos, pero más proclive a sus intereses sociales y políticos (Hernández &
Fernández, 2019; Bernal-Triviño & Clares-Gavilán, 2019). España no ha sido ajena a este proceso, sino que
se ha visto como grupos ideológicamente extremistas han comenzado a sacar provecho de mensajes
cargados de miedos y expresiones de odio para a favor de lo antes mencionado. Una realidad que aún no ha
sido suficientemente analizado, a nivel académico, al predominar las aproximaciones jurídicas o aquellas
centradas en el estudio de casos concretos (Burnap & Williams, 2015; Farkas, Schou & Neumayer, 2018;
Alonso & Vázquez, 2017; Paz, Montero-Díaz & Moreno-Delgado, 2020).
Con base a lo expuesto hasta ahora, este proyecto espera contribuir al debate y comprensión del fenómeno
de la difusión de las expresiones de odio en los entornos digitales, desde una perspectiva centrada en el rol
asumido por los medios informativos profesionales con presencia de este tipo de entornos, así como de los
usuarios que interactúan con estos. Pero también espera aportar conocimiento que sirva para establecer
mecanismos de detección y monitoreo de este tipo de mensajes, a nivel de los entornos digitales asociados
a los medios informativos profesionales analizados. Todo esto, desde el abordaje del fenómeno desde tres
dimensiones: 1) Saber cómo se transmiten estos mensajes, quién los emite y quién los recibe, cuáles son las
estrategias de diseminación asociadas a este tipo de mensajes, entre otros aspectos relacionados con los
procesos de comunicación generado por usuarios que interactúan con los entornos digitales a cargo de los
medios informativos profesionales; 2) Comprender el rol ejercido por los medios informativos profesionales
en la promoción de este tipo de mensajes, desde sus propios entornos digitales asociados; y 3) Hacer uso
práctico del conocimiento de este proyecto para el desarrollo de una herramienta online o aplicativo gratuito
que contribuya al seguimiento y monitoreo del tema aquí planteado.
Justificación
En España, falta una atención proporcionada al análisis académico de las expresiones de odio. Existen
iniciativas que siguen procesos concretos, como el Observatorio Español del Racismo y la Xenofobia
(OBERAXE). Esta menor atención queda en evidencia al observar que una muy amplia mayoría de trabajos
indexados en WoS sobre los mensajes de odio (expresiones de odio o hate speech) se concentran en Estados
Unidos, Gran Bretaña y Australia. Entre la producción española destacan los trabajos de Piquer (2015) y
Calvo y Sánchez (2018) que analizaron el rol de la prensa digital en la difusión del odio (especialmente, la
islamofobia); y los de Paz, Montero-Díaz y Moreno-Delgado (2020), quienes hacen una revisión
documental de los trabajos publicados alrededor de la temática aquí propuesta. Este proyecto puede
contribuir además al avance del debate desde la perspectiva metodológica, conformando una librería pública
y robusta (en cuanto a número de elementos) de léxicos y expresiones alusivas al odio, desde la semántica
española, y los principios deontológicos y de estilo a nivel de los medios informativos profesionales. Algo
que sigue habiendo falencias en la producción académica sobre el tema planteado, y un avance en el
conocimiento requerido para el desarrollo de mecanismos de detección y monitoreo de este tipo de
expresiones de odio, a nivel de los entornos digitales asociados a los medios informativos profesionales
españoles.
En el ámbito internacional, muchos de los trabajos parten de un modelo binario de clasificación: qué es o
qué no es un mensaje asociado al odio. Esto ha producido (Burnap y Williams, 2015; Nobata et al., 2016)
problemas de ajuste del concepto y una creciente confusión entre lo que se entiende como expresiones de
odio y lo que es discurso ofensivo o agresivo, sin llegar a violar derechos inherentes a individuos o grupos.
Este trabajo ayudaría a demarcar mejor el conjunto de expresiones y frases asociadas a la definición de
expresiones de odio en la sociedad española. Se podría evitar así las confusiones previas que provocan una
ausencia aún de consenso alrededor del concepto de expresiones de odio, pese a la utilidad que este
supondría (Ross et al., 2016; SOS Racismo, 2018; MacAvaney et al., 2019).
Además, el proyecto ayudará a comprender, mediante un estudio sistemático de medición y análisis a gran
escala, cómo los actores sociales difunden mensajes de odio desde los espacios digitales institucionales
(portales web) y cómo también podrían hacerlo los usuarios desde las redes sociales que les abren estos
medios como estrategia de difusión general. Todo ello facilita la viralización de los mensajes e intensifica
los efectos de polarización y fractura social, que dificultan el ejercicio práctico de los principios
democráticos, la cohesión social y la convivencia pacífica de la sociedad española (Waldron, 2014 y Heinze,
2016). Este análisis sistemático desde una perspectiva multidimensional integrará diferentes enfoques
metodológicos, como los planteados en el epígrafe 1.4 de este proyecto. Así podrán identificarse indicadores
que servirán al diseño del modelo predictivo y posterior desarrollo del recurso digital o aplicación destinada
a la detección y monitoreo de los mensajes con expresión del odio, a nivel de los entornos digitales asociados
a los medios informativos profesionales en España.
El abordaje de los objetivos generales y específicos planteados en este proyecto ayudará a la comprensión
de un tema que va ganando una mayor relevancia, tanto a nivel social como académico, desde diferentes
perspectivas abordadas en este trabajo, los cuales facilitarán, entre otras cosas, la identificación de los grupos
destinatarios de este tipo de expresiones, hasta la medición de los niveles o grado de proliferación e
intensidad de estas, desde los medios informativos profesionales como desde sus seguidores, así como la
identificación de posibles estrategias de diseminación detrás de este fenómeno y roles asumidos por los
propios medios al respecto. Estos datos que ayudarán a contextualizar y entender mejor el fenómeno aquí
estudiado, así como la asociación de éste con variables que serán extraídas a partir de la recopilación del
conjunto de mensajes que serán analizados en este trabajo. Aspectos que resultan muy importantes para
entender cómo la diseminación de este tipo de mensajes, impulsado por el creciente auge de posiciones
sociales y políticas de extremas (Hall, 2018) y comunicaciones con marcado acento extremista o populista
(Mazzoleni & Bracciale, 2018) están favoreciendo el desarrollo de una opinión pública cada vez más alejada
de la cohesión social, la convivencia pacífica y los valores democráticos.
La propuesta da continuidad a algunos proyectos anteriores financiados por programas del Plan Estatal, por
ejemplo, “Audiencias activas y periodismo: ¿Ciudadanos implicados o consumidores motivados?
(CSO2012-39518-C04-01)” y “Consumo de noticias en medios sociales. Análisis de factores en la selección
y difusión de contenidos mediáticos (CSO2017-86312-R)”. Ambos se centraron en el análisis de “Perfiles,
motivaciones y hábitos de los usuarios en el consumo y producción de contenidos informativos” y "Factores
que inciden en el rol que tienen los medios de comunicación horizontales en el consumo noticioso y acción
interpretativa de lo que acontece diariamente, por parte de los usuarios de este tipo de escenarios digitales”.
En “Historia de la programación y de los programas de televisión en España (cadenas de ámbito estatal): de
la desregulación al apagón analógico (1990-2010) (CSO2015-66260-C4-1-P)”, al abordar cada género y su
tratamiento y evolución, se pusieron de manifiesto las crecientes expresiones de odio que algunos géneros
televisivos facilitaron o no contrarrestaron hasta 2010. Por tanto, este proyecto pretende profundizar en los
resultados obtenidos en los proyectos aquí mencionados. Sobre todo, al momento de comprender el papel
ejercido por los medios informativos profesionales, en la promoción de expresiones de odio, en los entornos
digitales actuales, y en el peso que estos deben tener en la comunicación horizontal ejercida con otros
usuarios, miembros en microblogs y redes sociales como Twitter o Facebook.
De este modo, el proyecto se plantea en torno al gran reto de la transición a la Economía y Sociedad Digital.
Tal y como expone la EECTI, el cambio hacia el nuevo modelo de sociedad digital implica un acceso
generalizado y habitual a Internet. En consecuencia, este proyecto contribuirá a entender mejor el modo
como la acción comunicativa generada por los medios informativos profesionales y los usuarios que
interactúan con estos, desde los entornos digitales actuales (portal institucional, Twitter y Facebook),
pudiesen contribuir a la promoción de mensajes con expresiones de odio en España. Lo que incidiría
negativamente en la generación de un marco de opinión pública orientado a la defensa de los valores
democráticos, la cohesión social y la convivencia pacífica en la sociedad española, desde la transmisión de
acciones interpretativas (no argumentada) de lo que acontece en el país, a los ciudadanos afines
ideológicamente a estos y la homogeneización conceptual alrededor de, por ejemplo, la inmigración, la
religión musulmana o la cultura española, en nuestro caso. Finalmente, el proyecto se sitúa en el eje
prioritario de la internacionalización, apostando por un objeto de estudio relevante en el contexto científico
internacional. En este sentido, el estudio de las redes sociales y la promoción de las expresiones de odio en
ellos constituye un frente de investigación (research front) de los recogidos en el Essential Science Indicators
de Web of Science. Este hecho, junto a los 220 artículos publicados en los últimos cinco años (2015-julio
2020) recuperados con la búsqueda “Social media” + “Hate speech” en la propia Web of Science garantizan
el interés y relevancia internacional del objeto de estudio.
Novedades
El proyecto aporta novedades en varios aspectos destacados. El primero es que abordará el tema desde
diferentes perspectivas de análisis, destinadas a ahondar en el conocimiento de diversos aspectos requeridos
para una mejor comprensión de cómo, quien, qué tipo de estrategias de diseminación se emplean y cuáles
son algunos de los factores que inciden en la diseminación de los mensajes con expresiones de odio desde
entornos digitales asociados a los medios informativos profesionales en España, entre otros aspectos
asociados a los objetivos específicos considerados en este trabajo. Un estudio que, no solo, centra su análisis
a nivel de los usuarios que interactúan con estos medios, sino desde el propio rol ejercido por los medios
informativos profesionales también, quienes han ejercido influencia en la opinión pública española y que
son teóricos garantes de los valores democráticos, de cohesión social y convivencia pacífica, mediante sus
acciones comunicativas llevadas a cabo por estos, en los entornos digitales actuales (e.j. microblogs como
Twitter y redes sociales como Facebook), y portales institucionales habilitados para el ejercicio de tal
función. Un rol que, además de subyacer en él enfoques ideológicos en el tratamiento de los hechos
noticiosos y la promoción de estereotipos contra determinados grupos sociales (Piquer, 2015; Calvo &
Sánchez-García, 2018; Ali et al., 2018), se ha visto influenciado por las transformaciones en los ciclos de
divulgación de los hechos noticioso de un ecosistema digital actual, marcado por estrategias de diseminación
que inciden en la formación de opinión pública, desde la proliferación de mensajes que apelan a las
emociones y contenidos desinformativos, destinados a dar legitimidad a grupos o individuos determinados.
Otra novedad de este trabajo es que se hace una aproximación del tema planteado desde la perspectiva
dominante en Europa (Alcácer, 2015), que busca una mejor comprensión de los factores, tipos y mecanismos
de divulgación de expresiones de odio, contra la igualdad y la dignidad de personas y colectivos. Con ello
se intenta contribuir a la tarea de identificar los límites de lo expresable cuando se supera lo permisible
jurídicamente (Martín, 2014). Así podría favorecerse la adopción de medidas que, al detectar mensajes
asociados al odio, promovieran narrativas alternativas (Cano, 2016) desde los propios medios de
comunicación dirigidos a los que los siguen desde los diferentes espacios digitales. Esto podría favorecer el
debate y repudio de este tipo de mensajes (Teruel, 2018; Gelber, 2019), ya que los estudios apuntan a que
el mensaje inicial de odio genera una reacción mayor que las posturas ideológicas que puedan tener los
usuarios receptores de este tipo de mensajes (Jacks & Adler, 2015 o Tabares, 2018).
El trabajo tendrá en cuenta los estudios como los realizados por Davidson et al. (2017), Malmasi y Zampieri
(2017), Zhang et al. (2018), Wang (2018), y Basile et al. (2019), destinados a la estimación más eficiente
de la técnica que ayuden a la detección de los mensajes tenidos en cuenta como base principal de desarrollo
de este proyecto. Algo que este proyecto también aspira a aportar desde la validación de un modelo
predictivo destinado a los mismos fines, desde la construcción de una librería robusta de términos y
expresiones desde la semántica española, centrada en los entornos digitales asociados a los medios
informativos profesionales. Esto pondrá a disposición de la comunidad académica española modelos de
análisis eficientes para el estudio de los discursos del odio desde una perspectiva social española y para
atender a los diferentes enfoques que posibilita la clasificación de los mensajes y la extracción de
expresiones y términos asociados a estos. Algo que contribuirá a la lucha contra el uso y promoción de
expresiones de odio, desde una perspectiva de género e igualdad, y contra la discriminación de colectivos
en condición de vulnerabilidad (ej. Mujeres, inmigrantes, colectivo LGTBI, población gitana, musulmanes,
entre otras), por motivos de género, raza, procedencia, religiosos, u orientación sexual, por ejemplo.
Lo expuesto hasta ahora tiene especial relevancia si se considera que los pocos trabajos registrados en WoS
(14 artículos identificados con las palabras ¨Hate Speech¨ + ¨Spain¨, para el 23 de julio de 2020), se centran
en el estudio del discurso del odio dirigidos a grupos contra los que se dirigen esas expresiones: refugiados
o emigrantes (Blanco-Herrero & Calderón, 2019; Frías & Seoane, 2019). No se ha pasado aún al análisis de
la acción comunicativa que ejercen los medios en las redes sociales, salvo los trabajos ya mencionados de
Piquer (2015) y Calvo y Sánchez (2018); incluso los de Quesada (2015) y Ben-David y Matamoros-
Fernández (2016) y Paz, Montero-Díaz y Moreno Delgado (2020), centrados en los aspectos jurídicos de
los límites de la libertad de expresión desde los partidos políticos, en la promoción del discurso del odio en
este tipo de acciones, y en la comprensión de los diferentes enfoques académicos tratados alrededor del
estudio de las expresiones del odio, en general.
1.3. Experiencia, capacidad y contribuciones previas del equipo
El proyecto estará liderado por dos IP que cuentan con dilatada experiencia en la dirección de proyectos en
este ámbito, al frente de un equipo multidisciplinar. A los investigadores especializados en ciencias de la
información se han sumado especialistas en análisis lingüísticos y semiótica, como Dámaso Izquierdo,
experto en metodologías cuantitativas y cualitativas de análisis del discurso (Izquierdo, 2018), y Max
Römer, experto en semiótica con más de 25 años de experiencia académica (Said-Hung, Römer & Valencia,
2014). También ingenieros, matemáticos y estadísticos con destacada experiencia en técnicas de big data,
acreditados muchos de ellos por la ANECA. Uno de los puntos más sólidos del equipo es la
interdisciplinariedad gracias a la participación en el equipo de especialistas en el big data (Almudena Ruz
Iniesta, Xiomara Patricia Blanco) y de la minería de datos (Javier Martínez Torres). Por tanto, el equipo de
investigación cuenta con una dilatada trayectoria de investigación conjunta con más de 5 proyectos de
investigación en los que han participado, con diversas combinaciones de los miembros, en temas que inciden
directa y transversalmente el objeto de estudio de este proyecto: noticias, redes sociales, expresiones de
odio, desinformación política e historia de la televisión.
Esta parte del equipo ha cambiado su línea de trabajo: de centrarse en el medio (la televisión) se abordará
el tema (análisis de la emisión y recepción de las expresiones de odio promovidas por medios profesionales
en escenarios digitales). El análisis del medio televisivo ha supuesto una primera línea de partida de gran
parte de los miembros del equipo que a lo largo de varios proyectos financiados han probado técnicas
cualitativas y cuantitativas relacionadas con el propio medio, los mensajes y la recepción. Por citar el último,
cabe mencionar HISPROTEL: Historia de la programación y de los programas de televisión en España
(cadenas de ámbito estatal): de la desregulación al apagón analógico (1990-2010). Formas de continuidad
en los formatos televisivos clásicos, CSO2015-66260-C4-3-P, con el IP 1 como líder del subproyecto de
UNIR. El cambio del análisis de la televisión a los discursos emitidos por medios generalistas culminó con
el proyecto financiado CARTODIOCOM: Cartografiando las expresiones de odio en España desde la prensa
digital (ambientes religiosos, culturales y educativos), financiado en la convocatoria competitiva propia de
Proyectos de Investigación de Excelencia UNIR 2020, y aprobado en Resolución del 26 de junio de 2020.
Este cambio en la temática de la investigación de esta parte del equipo responde primero al cierre de una
investigación (la programación televisiva en España) que puede darse por concluida al iniciarse la disolución
del modelo de televisión clásica europea (primero de monopolio y predominio de las cadenas estatales hasta
la libertad de antena para el asentamiento firme de las cadenas comerciales) con el apagón analógico en
2010. Este cierre facilita la apertura a otra nueva. El cambio no constituye un salto en el vacío. Primero,
porque el trabajo sobre la televisión constituye una parte importante del nuevo proyecto. Hay, por tanto,
continuidad y experiencia de los miembros del equipo en este aspecto. En segundo lugar, una buena parte
de los miembros del equipo han trabajado ya en análisis de fuentes digitales en la red.
Por lado, otra parte del equipo que proviene del campo de la comunicación (los que se constituirán como
equipo DUO) ha participado de forma conjunto en proyectos relacionados con los medios digitales
(NEWSSHARING (CSO2017-86312-R) Consumo de noticias en medios sociales Análisis de factores en la
selección y difusión de contenidos mediáticos, centrado en el estudio de los factores que inciden en los
medios de comunicación horizontales (redes sociales), financiado por el Ministerio de Ciencia y
Universidades, y otro con financiación propia de UNIR titulado COYSODI: Comunicación y Sociedad
Digital (B0036-1618-608). También han trabajado conjuntamente en proyectos relacionados con el
consumo noticioso y la acción interpretativa de los ciudadanos con otro proyecto propio de UNIR, ´Fondo
y Forma de la Desinformación Digital Política en España. Análisis, Minería de Datos y Laboratorio de Datos
Desinformation Politics Lab´ (B0036-1921-100, y que tiene como fin ahondar en la comprensión del
panorama de la desinformación digital en contextos digitales promovido por y desde actores políticos en
España. Estos proyectos, ejecutados desde marcos metodológicos afines a los establecidos en esta propuesta,
desde la minería de datos en Twitter, el uso de algoritmos para el análisis de los datos recabados durante
este proceso, así como el análisis de contenido de publicaciones hechas o compartidas en Facebook, por
ejemplo. En este proyecto ya han colaborado integrantes del equipo AGILITY).
Por otra parte, la formación del grupo en metodologías adecuadas al análisis del discurso ha comenzado ya
y continuará con más actividades ya previstas al amparo del programa de doctorado de “Las Humanidades
en la sociedad digital” de UNIR en la modalidad online y otras específicas para los miembros del grupo.
Además, este proyecto se plantea como primero de una serie que pretende dar seguimiento a un tema de
especial relevancia actual y en el futuro inmediato. Así lo hicieron los equipos actuales con los anteriores
que abordaron: la representación audiovisual de la historia y la programación televisiva en la etapa en
España.
Por todo ello, este equipo aporta continuidad suficiente en medios, temas y metodologías y acciones
previstas para la formación en nuevas herramientas (especialmente de big data y de aplicación a indicadores
digitales) para fundamentar el realismo en la consecución de las metas y objetivos que se señalan en este
proyecto. Algo que ayudará a mejorar la forma de entender y aplicar la comunicación generada por y desde
los medios de comunicación en y a través de los escenarios digitales actuales, y su incidencia en la
promoción de mensajes con carga semántica vinculada al odio, directa e indirectamente, a nivel social. Lo
que incidiría negativamente en la defensa de los valores democráticos, la cohesión social y la convivencia
pacífica en la sociedad española.
El equipo a cargo de este proyecto se concentra en los siguientes grupos de investigación: HDAUNIR –
Universidad Internacional de La Rioja (https://cutt.ly/IhIe8iW); PROCOMM – Universidad Internacional
de la Rioja (https://cutt.ly/chIe22H); Coysodi: Comunicación y Sociedad Digital – Universidad
Internacional de la Rioja (https://cutt.ly/XhIe0XH); Exclusión Social y Desigualdad – Universidad de
Murcia (https://cutt.ly/jhIe7AS); CIGMAP – Universidad Camilo José Cela (https://cutt.ly/jhIruqM);
Discurso público: estrategias persuasivas y de interpretación GRADUN – Universidad de Navarra
(https://cutt.ly/BhIruHX); e Historia y estructura de la comunicación y del entretenimiento – Universidad
Complutense de Madrid (https://cutt.ly/bhIroE8).
La adecuación del equipo no se limita al eje temático, lo refuerza también el carácter interdisciplinar que
muestran las áreas de conocimiento de los investigadores. Igualmente la experiencia de cada uno de ellos
para el desarrollo de los diversos enfoques metodológicos del proyecto. Por otra parte, acreditan resultados
de investigación en revistas de impacto en las que han aplicado el resto de las metodologías propuestas
(minería de datos y análisis de modelos estadísticos).
1.4. Objetivos generales y específicos e hipótesis
El proyecto, ya se ha señalado, se propone analizar cómo se difunden las expresiones de odio en los entornos
digitales asociados a los medios informativos profesionales en España, y detectar y monitorizar estas
expresiones en estos contextos digitales. El dar cuenta de esas dimensiones conforma los objetivos generales
(OG) del proyecto. Cada uno de ellos se concreta en los siguientes objetivos específicos (OE):
OG-1. Analizar cómo se difunden las expresiones de odio en los entornos digitales asociados a los
medios informativos profesionales en España
OE1.1. Identificar los grupos e identidades objeto de las expresiones de odio [IP Elias Said-Hung]
OE1.2. Determinar el grado de proliferación e intensidad de las expresiones de odio directa (propio medio)
e indirectamente (a través de sus seguidores) desde los entornos digitales [IP Julio Montero]
OE1.3. Identificar las estrategias de diseminación de las expresiones de odio [IP Elias Said-Hung]
OE1.4. Determinar el rol asumido por los medios informativos profesionales, como detractores o
promotores de las expresiones de odio [IP Julio Montero]
OE1.5. Elaborar un mapa de las expresiones de odio divulgadas por y desde los entornos digitales asociados
a los medios informativos profesionales [IP Julio Montero]
OG-2. Favorecer la detección y monitoreo de este tipo de expresiones en los entornos digitales
asociados a los medios informativos profesionales en España
OE2.1. Establecer los patrones lingüísticos de los mensajes con expresión de odio [IP Julio Montero]
OE2.2. Identificar los términos denotativos de cada nivel de intensidad de expresión de odio, al interior de
los mensajes analizados [IP Julio Montero]
OE2.3. Determinar un modelo predictivo basado en un algoritmo que identifique las expresiones de odio
en castellano, según su intensidad y fuentes desde las que se extraen los mensajes analizados [IP Elias Said-
Hung]
OE2.4. Desarrollar una herramienta online que detecte y monitorice las expresiones de odio, desde los
entornos digitales asociados a los medios informativos profesionales en España [IP Elias Said-Hung]
Las principales hipótesis que guían este proyecto son:
OG1 -> H1: La difusión los discursos de odio en los entornos digitales asociados a los medios profesionales
en España se caracteriza por un alto porcentaje de expresiones racistas e islamófobas (Klein, 2012;
Yamaguchi, 2013; Farkas, Schou & Neumayer, 2017; Chetty & Alathur, 2018), promovidas por usuarios
con un perfil ideológico claramente definido (Kreis, 2017), que interactúan en las cuentas sociales en Twitter
y Facebook y en portales institucionales asociadas a los medios analizados. Son menos los que atacan a las
mujeres por esta sola condición (Waseem & Hovy, 2016; Chetty & Alathur, 2018; Nurik, 2019).Unas
expresiones que suelen estar dirigidas a población inmigrante y de religión musulmana, diseminadas bajo
una estrategia claramente definida, dirigida a influir en la opinión pública desde los temas abordados por
los medios informativos profesionales, a través de sus entornos digitales (Klein, 2017; Howard et al., 2017).
Un fenómeno, en el que los contenidos que publican los entornos digitales tienden a promover contextos
informativos que favorecen la presencia de estereotipos y el uso de este tipo de expresiones (Piquer, 2015;
Calvo & Sánchez-García, 2018; Ali et al., 2018), mientras asumen un rol pasivo en la diseminación de
expresiones de odio, por parte de los usuarios que interactúan con ellos.
OG2 ->H2: La comprensión exhaustiva de la difusión de expresiones de odio en los entornos digitales
asociados a los medios informativos profesionales en España permitirá desarrollar una herramienta online
para detectar y monitorizar estas expresiones en los entornos digitales analizados en este trabajo.
1.5. Diseño metodológico
El proyecto centrará su análisis en los portales institucionales y usuarios de redes sociales asociados a cinco
de los principales medios informativos profesionales de cobertura nacional en España. Ello, en vista que
son quienes se encontraban en 2019 en los primeros lugares de presencia, impacto e influencia en internet
y/o en las redes sociales consideradas en el país (Statista, 2020a, 2020b, 2020c; Digital News Report, 2020),
a saber: La Vanguardia, ABC, El País, El Mundo y 20 Minutos. Estos medios ofrecen la ventaja de que el
equipo de investigación proponente cuenta ya con datos brutos parciales de estos, levantados durante 2019
y 2020, que se integrarían con los que recabará este proyecto; lo que constituye una garantía inicial para el
desarrollo del proyecto.
El estudio centra su análisis en los mensajes publicados tanto por los usuarios al interactuar con lo publicado
en los medios informativos considerados, como por los propios mensajes de los medios, publicados tanto
en Twitter y Facebook, como en sus portales institucionales. El abordaje del tema propuesto en los portales
institucionales y en las redes sociales como Twitter y Facebook, se realiza con el siguiente propósito:
En el caso de Facebook: 1) Es una de las redes sociales con mayor penetración en España (The Social
Media Family, 2018); 2) Es un medio social donde se integran recursos y el desarrollo de narrativas en
medio de rutinas sociales y de comunicación no periodísticas, a cargo de los usuarios que hacen parte
de esta red social (García et al., 2011); y 3) Es un medio cuyos usuarios prefieren más noticias de
impacto, última hora y fuentes no oficiales (García et al., 2011; Segado-Boj, Díaz-Campo & Soria,
2013).
En el caso de Twitter: 1) Es un medio social en el que la influencia de las micronarrativas ha crecido
mucho (García et al., 2011); 2) Sus usuarios se inclinan más a las noticias de última hora y seguimiento
de la actualidad (García et al., 2011); 3) Es una de las principales redes sociales de los actores políticos
para el contacto con los ciudadanos, en especial durante procesos electorales (Campos-Domínguez,
2017); 4) El creciente poder de Twitter, no solo para difundir contenidos generados por los propios
medios; también para el ejercicio de la labor periodística, a través del contacto inmediato (bien con los
hechos, bien con otros usuarios). En comparación con otras redes sociales (p. e. Facebook) cuenta con
una participación más activa de los usuarios (Aruguete 2015 y Mayo-Cubero 2019); 5) Es la red que
mayor confianza genera a los responsables de medios de comunicación españoles para acceder a datos
fiables en escenarios digitales, mientras que Facebook o Instagram son las que menos confianza ofrece
a este colectivo (Mayo-Cubero, 2019); 6) Es una de las redes sociales con mayor presencia de usuarios
vinculados a medios de comunicación tradicional y digitales en Europa (González & Ramos, 2013).
El análisis aplicado en este trabajo se realizará sobre los siguientes elementos de contenido:
Sobre los medios informativos profesionales: 1) Titulares y entradillas de los mensajes publicados,
asociados a noticias publicadas por estos actores; 2) Comentarios publicados por estos, como reacción
a mensajes publicados por otros usuarios en sus portales institucionales, Twitter y Facebook.
Sobre los usuarios que interactúan con los mensajes publicados por los medios informativos
profesionales: Mensajes y reacciones (ej. Likes y reenvíos o número de veces compartidos) publicados,
como respuesta a los contenidos y mensajes publicados por los medios informativos analizados, tanto
en sus portales institucionales como en los usuarios que tienen estos en Twitter y Facebook.
Esta propuesta contempla la recopilación de los datos directamente extraídos, tanto de los usuarios asociados
a los medios informativos profesionales seleccionados como de los usuarios que participan en los entornos
digitales seleccionados, durante 12 meses continuos (primer año de ejecución del proyecto), lo que ayudará
a la recopilación de un importante número de mensajes que ayudarán a abordar con éxito el tema propuesto,
a través de una muestra estadísticamente representativa. Para ello, la recolección se hará diariamente,
mediante servidores a través de enlaces a la API. Se seguirá una metodología CRISP-DM en seis pasos
(comprensión del dominio, comprensión de los datos, preparación de los datos, modelado, evaluación y
despliegue). Esto permitirá seguir un proceso interactivo e iterativo que posibilita volver atrás en cada paso.
Este aspecto es fundamental en el proceso de minería de datos/textos. Si se observase un cambio en la
política de acceso en las fuentes de extracción de los datos requeridos para el desarrollo de este proyecto,
como plan de contingencia, se realizaría una simulación de los datos acorde a una base de datos históricas
que se pudiese extraer directamente, por parte del equipo de investigación a cargo de estas labores, desde
internet. Esto, si se diera ese supuesto, garantizará el desarrollo de la metodología planteada. Como gran
parte de los datos se obtendrán de Twitter y Facebook, estarán desestructurados (ej. textos e imágenes). Por
ello, se hará primero un pre-procesamiento para la normalización del contenido vinculado a cada tweet
recabado, siguiendo los pasos realizados por autores como Zhang et al. (2018):
Removiendo caracteres: | : , ; & ! ? \
Normalizando hashtags en palabras (ej. #nobienvenidosrefugiados en “no bienvenidos refugiados”).
Corrigiendo minúsculas y derivadas, para la reducción de inflexiones gramaticales que dificulten el
análisis pautado en este proyecto.
Tras la normalización de los mensajes recabados, tanto en los portales institucionales como en Twitter y
Facebook, se procederá a su clasificación, según la presencia o no de expresiones de odio en ellos. Los que
no contengan estas expresiones se etiquetarán como “mensaje sin odio” y también se emplearán para el
desarrollo de los diferentes análisis requeridos para la consecución de los objetivos pautados en este
proyecto. Con los que contengan expresiones de odio, se procederá a la tipificación de estas expresiones
encontradas, en una escala de cinco categorías, otra novedad que aportaría este proyecto:
Intensidad 1: expresiones o términos despectivos (ej. Sudaca, negrata, catalufo).
Intensidad 2: expresiones o términos que manifiesten crítica (ej. Incompetente, nefasta
profesionalidad), bien supongan una atribución de mala o falsa intensión (ej. Los responsables no
admitirán errores), o supongan abuso o sean constitutiva de una relación desproporcionado de la fuerza
entre el ofensor y el ofendido.
Intensidad 3: expresiones y términos ofensivos o que manifiesten desprecio o humillación (ej. No vales
nada).
Intensidad 4: expresiones y términos insultantes o intimidatorios (ej. Fernando Simón bocachancla,
cerdo, apestoso, inmigrante ladrón).
Intensidad 5: expresiones y términos de hostilidad máxima o extrema (ej. Desgraciado, ojalá te mueras).
Indudablemente esta primera diferenciación es orientativa.
Esta escala es orientativa y se definirá su versión final durante la realización del proyecto para tipificar el
tipo de expresiones de odio promovido: desde la identificación de expresiones que dejen en evidencia
problemas de tolerancia, civismo y respeto a los derechos civiles y humanos (Naciones Unidas, 2013), sin
llegar a constituir necesariamente por ello un delito penalmente tipificado.
Para el etiquetado y construcción de una librería que posibilite abordar los objetivos se seguirá la
metodología de proyectos de Basile et al. (2018):
3 miembros del equipo realizarán el etiquetado manual de una sub-muestra de mensajes pre-procesado.
Dos asumirán el rol principal. El tercero resolverá los casos en que no exista acuerdo al etiquetar
inicialmente. El pre-procesamiento hecho por los miembros de este comité se hará a partir del análisis
de contenido de los mensajes que conforman esta sub-muestra, para la demarcación inicial de los
mensajes sin odio y mensajes con expresiones de odio.
El etiquetado de los mensajes con expresiones de odio se hará sobre las cinco categorías señaladas
antes. La clasificación no es igual que la empleada por Malmasi y Zampieri (2017), aunque si comparte
el fin común: reducir los problemas de clasificación actuales (Burnap y Williams 2015, Djuric et al.
2015, o Nobata et al. 2016), basados en modelos binarios.
El etiquetado de mensajes tendrá en cuenta los estudios sobre agresión verbal y lenguaje amenazante (cf.
Gales, 2011) y las corrientes de investigación que inicialmente ofrecen un mayor potencial para el análisis
de las expresiones de odio, entre ellos:
La teoría de la evaluación, o Appraisal Theory (Martin y White 2005), procedente de la lingüística
sistémico-funcional. Es un referente clave para el análisis de la expresión lingüística de evaluación,
tanto positiva como negativa, y su graduación en el discurso.
El metadiscurso (Hyland 2005), noción procedente de la lingüística aplicada que en los últimos
años se ha utilizado en el análisis del discurso para desvelar las estrategias discursivas empleadas
con fines argumentativo-persuasivos.
Los estudios sobre el concepto de descortesía lingüística (Culpeper, 2011).
La investigación lingüística acerca de las emociones (Wierzbicka 1999, Soriano 2015).
La sub-muestra empleada para el primer etiquetado será la base para evaluar la técnica de clasificación más
eficaz para la clasificación automática del resto de mensajes no incluidos. Para el testeo, evaluación y
selección de la técnica de clasificación automática, se tomará como base los trabajos realizados por
Davidson et al. (2017), Malmasi y Zampieri (2017), Zhang et al. (2018), Wang (2018) y Basile et al. (2019),
que han experimentado diferentes posibilidades de machine learning, con lenguajes R y
Python; procesamiento de lenguaje natural (NLP), desde el empleo de técnicas relacionadas con el Deep
artificial Neural Networks (DNN) o Support Vector Machines (SVM). La técnica de clasificación que
finalmente se seleccione servirá, no solo, para la clasificación de todos los mensajes, sino también para la
extracción e integración de todas las palabras y expresiones relacionadas con el tema abordado en este
proyecto, en una librería pública y robusta (en cuanto a número de elementos) de léxicos y expresiones
alusivas al odio, desde la semántica española, y los principios deontológicos y de estilo a nivel periodístico.
Una vez realizada la clasificación de la totalidad de los mensajes, los objetivos específicos de este trabajo
se abordarán mediante el siguiente diseño metodológico:
OE1.1. Identificar los grupos e identidades objeto de las expresiones de odio
Los datos que dan cuenta de este objetivo se obtendrán mediante análisis de contenido de los mensajes
previamente identificados con expresiones de odio, que se considerarán las unidades de observación del
tema propuesto en este objetivo. Las principales variables que se considerarán en este objetivo serán: tipo
de usuario analizado (medio informativo profesional o usuarios que interactúan con estos), soporte (Twitter,
Facebook o portal institucional), tipo de mensaje (e.j. contenido noticioso, comentario), número de likes,
número de replies, perfil del emisor del mensaje (medio informativo o usuario que interactúan con estos),
intensidad del mensaje con expresión de odio (nivel de intensidad 1 al 5), temas abordados en los mensajes,
encuadre observado en el mensaje analizado, y perfil del destinatario del mensaje (población o colectivo al
que se dirige el mensaje). No se descartan otras que el desarrollo de la investigación señale como de interés.
Como con el pre-procesamiento de los mensajes de odio, este objetivo específico requerirá de seleccionar
una sub-muestra para el etiquetado inicial de todas las variables consideradas. Esto facilitará la clasificación
de cada una de las categorías que integran las variables, a partir de la selección del modelo predictivo que
mejor porcentaje de exactitud genere para cada caso, diferentes técnicas de machine learning,
a través de lenguajes R y Python; procesamiento de lenguaje natural (NLP), desde el empleo de técnicas
relacionadas con el Deep artificial Neural Networks (DNN) o Support Vector Machines (SVM), dispuestos
en la actualidad, para los fines antes mencionado.
Una vez clasificadas todas las variables asociadas a este objetivo, se utilizarán el análisis cuantitativo con
R, para determinar los tipos de asociación encontradas alrededor de nuestra variable dependiente (perfil del
destinatario del mensaje).
OE1.2. Determinar el grado de proliferación e intensidad de las expresiones de odio directa (propio
medio) e indirectamente (a través de sus seguidores) desde los entornos digitales estudiados
Este objetivo específico seguirá el diseño metodológico planteado en el OE-1.1, aunque tomará como
variable dependiente la intensidad del mensaje con expresión de odio (nivel de intensidad 1 al 5). Esta
variable se contrastará con el resto de las variables (independientes) recabadas y etiquetadas previamente,
para así estimar, entre otras cosas, los tipos de mensajes con un mayor nivel de proliferación (e.j. número
de likes y replies) y las variables asociadas a ello.
OE1.3. Identificar las estrategias de diseminación de las expresiones de odio
La obtención de datos sobre este objetivo se realizará con una metodología cuantitativa de análisis
estadístico y machine learning, basado en análisis de redes, a través de programas como Gephi (que permite
conocer las conexiones entre usuarios asociados a los diferentes mensajes de expresiones de odio). Se
emplearán algoritmos como el Open Ord que permiten separar diferentes grupos (Martin et al., 2011),
además del análisis clústeres, intermediación o betweenness centrality (Blondel et al., 2008), que hcen
posible identificar las conexiones entre usuarios que soportan los diferentes nodos que se localicen durante
este proceso de análisis. También la identificación de los usuarios influenciadores de este tipo de mensajes,
dentro de los entornos digitales asociados a los medios informativos profesionales considerados como
población de estudio (Chen, Hossain & Zhang, 2020). Además, se llevará a cabo análisis de comportamiento
bot de los usuarios que interactúan con los medios informativos analizados, desde los diferentes entornos
digitales considerados, en especial en el caso de Twitter y Facebook. Un procesamiento que se hará, con
paquetes experimentales en R como tweetbotornot de Kearney (2018). Y se llevarán análisis estadístico, a
través del software R, que ayudarán a establecer el comportamiento bot de los usuarios difusores de los
mensajes analizados y el tiempo en que se crearon estos mensajes.
OE1.4. Determinar el rol asumido por los medios informativos profesionales, como detractores o
promotores de las expresiones de odio
Los datos para necesarios para este objetivo se obtendrán del pre-procesamiento hecho durante el desarrollo
del OE-1.1, aunque tomará como variable dependiente el rol asumido por los medios informativos
profesional (e.j. detractores o promotores), durante el proceso de divulgación e intercambio que generan los
usuarios que interactúan desde los entornos digitales considerados en este trabajo. Esta variable es de tipo
general: estará integrada por otras. Por ejemplo, la tasa de respuesta de los medios informativos
profesionales a mensajes con expresiones de odio, el sentido de la intervención hecho por estos medios ante
los mensajes publicados por otros usuarios (e.j. a favor o en contra de este tipo de mensajes), y la presencia
de estereotipos en contenidos compartidos en los entornos digitales analizados.
Este objetivo se logrará mediante una metodología cuantitativa de análisis estadístico, llevado a cabo a
través del software R y SPSS. Servirán, no solo, para integrar el conjunto de variables que terminarán
haciendo parte de la variable general requerida para atender a este objetivo, sino del cruce de esta con otras
variables tenidas en cuenta como independientes. El cruce de nuestra variable dependiente versus las demás
identificadas en este trabajo, ayudará estimar las diferentes asociaciones que incidirán en el tema aquí
abordado.
OE1.5. Elaborar un mapa de las expresiones de odio divulgadas por y desde los entornos digitales
asociados a los medios informativos profesionales
Este objetivo se conseguirá desde el trabajo realizado durante el proceso de pre-procesamieno del conjunto
de datos recopilados para el desarrollo de este proyecto, en el que se identificarán los mensajes con
expresiones de odio. Estos se tipificarán según las categorías indicadas al comienzo de este apartado. Todas
las palabras y expresiones contenidas en estos mensajes se discriminarán en función del tipo de usuario-
emisor de estos mensajes, para dejar así evidencia de las diferentes formas en que se hace uso de este tipo
de expresiones, por parte de los medios informativos profesionales y usuarios que interactúan con estos,
desde los diferentes entornos digitales tenidos en cuenta.
OE2.1. Establecer los patrones lingüísticos de los mensajes con expresión de odio
Este objetivo se logrará a partir de una metodología cuali-cuantitativa basada en minería de datos (texto,
grafos y multimedia) para el análisis sentimental (polaridad) alrededor de los mensajes asociados a
expresión de odio, recolectados en este trabajo. Además, se empleará Corpus-Assisted Discourse Studies
(CADS) (Partington, Duguid y Taylor 2013), centrada en la selección, adaptación y desarrollo de métodos
de análisis propios de la lingüística de corpus, que se llevará a cabo mediante herramientas como Sketch
Engine u otras que analizan textos compilados.
Estos trabajos han demostrado un enorme potencial para evidenciar de qué manera se retratan en los
diferentes discursos públicos los diversos grupos sociales (musulmanes, refugiados o inmigrantes, mujeres,
entre otros) por lo que los métodos en los que se fundamentan resultan de gran interés para detectar cómo
se materializa la expresión del odio respecto a cada colectivo. También han generado un proyecto de
investigación paneuropeo sobre expresiones de odio (proyecto C.O.N.T.A.C.T.; cf. Assimakopoulos et al.
2017), cuyas principales conclusiones serán el punto de partida de análisis pormenorizados en el caso
concreto de España en este proyecto.
La metodología planteada para atender este objetivo se aplicará a una sub-muestra de mensajes recolectados.
Por tanto, los resultados obtenidos servirán para incluir nuevas etiquetas que ayudarán a la clasificación
general del conjunto de mensajes recabados. Algo que se llevará a cabo desde el testeo y validación del
modelo predictivo que mejor porcentaje de exactitud genere alrededor del tema aquí abordado desde las
diferentes técnicas tenidas en consideración para tal labor dentro de este proyecto.
OE2.2. Identificar los términos denotativos de cada nivel de intensión de expresión de odio, al interior
de los mensajes analizados
Este objetivo se obtendrá durante el proceso de desarrollo del OE2.1, en especial, desde la aplicación de la
metodología cualitativa Corpus-Assisted Discourse Studies. Durante el proceso de análisis de los patrones
lingüísticos se identificarán los diferentes términos asociados a los mensajes con expresión de odio, de
acuerdo con el nivel de intensidad de estos. Un resultado que se conseguirá durante el análisis de la
submuestra que servirá de base para el análisis de ambos objetivos (OE2.1 y OE2.2), y que se usará para la
identificación del modelo predictivo que ayude a clasificar dichos términos.
OE2.3. Determinar el modelo predictivo que mejor rendimiento algorítmico da al momento de
identificar las expresiones de odio en castellano, según la intensidad de estos y las fuentes desde donde
se extraen los mensajes analizados
Este objetivo se obtendrá a partir del conjunto de resultados obtenidos previamente en este proyecto. Unos
datos que estarán representados en el conjunto de variables tenidas en consideración para el abordaje de los
diferentes temas propuestos al rededor del estudio. Variables que servirán para establecer la caracterización
cuali-cuantitativa predominante en los mensajes con expresión de odio asociados a los entornos digitales de
los medios informativos periodísticos analizados. Unos rasgos que serán tenidos en cuenta al momento de
diseñar el modelo algorítmico predictivo que mejor rendimiento brinde para la detección de este tipo de
mensajes, al interior de este tipo de entornos.
OE2.4. Desarrollar herramienta online para la detección y monitoreo de expresiones de odio, desde
los entornos digitales asociados a los medios informativos profesionales en España
Una vez establecido el modelo algorítmico predictivo que ayude a la detección de los mensajes con
expresión de odio en los entornos digitales analizados (OE2.3), se abordará este objetivo, que pretende el
desarrollo de una herramienta online o aplicativo gratuito que contribuya al seguimiento y monitoreo del
tema planteado en este proyecto, y el acceso a datos para el desarrollo de nuevos proyectos, tanto por el
equipo a cargo de esta propuesta como de otros grupos de investigación y profesionales interesados en este
tema. Se han tomado como referencia otras iniciativas que ya han hecho avances, tanto en España como a
nivel internacional (e.j. Odiometro y Hatabase.org), sobre esta cuestión. Estas, aunque son afines a este
objetivo específico, presentan claras diferencias para la detección y monitoreo de este tipo de expresiones,
en nuestro caso desde los entornos digitales asociados a los medios informativos profesionales españoles.
1.6. Plan de trabajo y cronograma
El proyecto está planteado para que se ejecute en 48 meses naturales. Todas las actividades asociadas a cada
uno de los OG y OE, se organizarán paquetes de trabajo (5) y grupos de trabajo (4). En los paquetes se
integran todas las acciones relacionadas con el marco metodológico ya señalado. La coordinación de los
cinco paquetes se realizará en las reuniones de coordinación que se muestran en la planificación: tabla
1). Habrá una reunión de Kickoff (mes 1), tres reuniones semestrales (6, 18, 30, 42), tres reuniones anuales
(mes 12, 24 y 36) y una de cierre del proyecto (mes 48). Así se controlará adecuadamente el avance del
proyecto: tanto el de cada hito y producto pautados, como a nivel total cada año. Habrá, además, seis
reuniones trimestrales online de avance, por parte de los coordinadores a cargo del proyecto. Dada las
condiciones sanitarias actuales, al menos hasta finales de 2021, ninguna de las reuniones pautadas se ha
dispuesto de forma presencial, sino online. A partir de 2022, se revisará la posibilidad de ejecutar encuentros
presenciales, en la medida en que sean necesarias y la situación del Covid-19 lo permita.
Los grupos cuatro grupos de trabajo que realizarán estas acciones son:
Grupo Coordinación (COORD): su pleno lo integran todos los investigadores. Un comité
responsable general que integran los IPs, un investigador de cada institución participante y otro por
cada grupo de grupo de trabajo (DUO, ALISON y AGILITY). Los IPs con estos últimos
garantizarán que se cumplen los mecanismos de seguimiento previstos en cada paquete de trabajo,
para cumplir los hitos previstos en la planificación durante los 48 meses.
Grupo Data Mining, machine learning and estadistical analysis (AGILITY): Lo integrarán los
investigadores encargados de la recolección, depuración y clasificación de datos a través de Twitter,
Facebook y portales institucionales de los medios de comunicación previstos; así como al desarrollo
de los procedimientos de análisis mediante data mining, social network analysis (ARS),
statistics through R, SPSS y Atlas.Ti.
Grupo Análisis Sociocomunicativo (ALISON): Lo conforman los investigadores expertos en los
procesos de clasificación y análisis de los datos. Garantizan el etiquetado correcto de los términos
y expresiones del odio y estrategias de difusión desde perspectivas de análisis (ej.
sociología, comunicación, periodismo y semiótica).
Grupo Divulgación y Comunicación (DUO): Diseñarán y realizarán el plan de comunicación
pautado en el proyecto, la coordinación editorial de todos los productos científicos y de
comunicación general establecidos, así como de velar su cumplimiento, a lo largo de los 48 meses
de duración.
Estos cuatro grupos realizarán las 14 tareas pautadas dentro de los cinco paquetes de trabajo según el
siguiente plan que lo vincula además con la fase/actividad, los objetivos generales y los específicos:
Tabla 1. Paquetes de trabajo, actividades y grupos de trabajo líder (equipo investigador a cargo)
Código Fase/Actividad Grupo de trabajo líder – E
quipo
investigador a cargo
OG OE
PT1
Paquete de trabajo – Coordinación
T01
Seguimiento y control general de todo
el proyecto
COORD (Julio Montero - Elias
Said – Gaspar Brändle – Mäx
Römer – Javier Martínez Torres –
Dámaso Izquierdo – Mar
Chicharro - Xiomara Blanco -
Lizette Martínez
)
OG1
OG2
OE1.1 al OE1.5
OE2.1 al OE2.4
T02 Creación de protocolo y decálogo de
tratamiento de datos y exposición de
resultados
COORD
DUO (Tamara Antona – Iris
Pascual – Laura Fernández –
Lucía
Tello
–
Pedro Hipola)
OG1
OG2
OE1.1 al OE1.5
OE2.1 al OE2.4
PT2
Paquete de trabajo
–
Recopilación
de datos
T03 Recolección de datos de actores
estudiados
AGILITY
(Javier Martínez Torres
– Almudena Ruíz – Daniel Pérez
Palau
–
Xiomara Blanco)
OG1 OE1.1 al OE1.5
T04 Pre-procesamiento de datos
recolectados
AGILITY OG1 OE1.1 al OE1.5
T05 Pre-etiquetado de mensajes ALISON (Dámaso Izquierzo –
Roberto Moreno – Max Römer –
Juan Martín Quevedo – Lizette
Martínez – Fátima Gil – Mar
Chicharro
)
OG1 OE1.1 al OE1.5
T06 Testeo, validación y selección de
técnica de clasificación automática
empleada para la clasificación de
todos los mensajes
AGILITY OG1
OG2
OE1.1 al OE1.5
OE2.1 al OE2.3
T07 Extracción y validación de
expresiones y términos asociados al
odio en mensajes clasificados según
intensidad
ALISON
AGILITY
OG1
OG2
OE1.1 al OE1.5
OE2.1 al OE2.3
T08 Análisis descriptivo de datos
recabados durante el proyecto
AGILITY
ALISON
OG1
OG2
OE1.1 al OE1.5
OE2.1 al OE2.3
T09 Diseño, validación y ajuste de
modelo
algorítmico predictivo de detección y
monitoreo de mensajes con expresión
de odio
AGILITY
OG2 OE2.3
T10 Despliegue de modelo de predicción
de mensajes con expresión de odio
AGILITY
OG2 OE2.3
T11 Desarrollo de aplicativo destinado al
seguimiento y monitoreo de mensajes
con expresión de odio
AGILITY
OG2 OE2.4
PT4 Paquete de trabajo – Análisis de
datos
T12 Procesamiento y análisis de datos
recabados para abordaje de objetivos
específicos
AGILITY
ALISON
OG1
OG2
OE1.1 al OE1.5
OE2.1 al OE2.4
PT5
Paquete de trabajo
–
Plataforma
web
T13 Diseño y desarrollo de imagen
corporativa y plataforma web
COORD
DUO
OG1
OG2
OE1.1 al OE1.5
OE2.1 al OE2.4
PT6 Paquete de trabajo –
Divulgación y
comunicación
T14 Diseño de plan de divulgación y
comunicación y Plan de Gestión de
Datos
DUO OG1
OG2
OE1.1 al OE1.5
OE2.1 al OE2.4
T15 Seguimiento y control de plan de
Divulgación y Comunicación, y de
Gestión de Datos
DUO OG1
OG2
OE1.1 al OE1.5
OE2.1 al OE2.4
T16 Elaboración de contenidos y de
divulgación social pautados en el
proyecto
AGILITY
ALISON
OG1
OG2
OE1.1 al OE1.5
OE2.1 al OE2.4
Nota. Elaborado por los proponentes. El equipo de trabajo vinculado al proyecto estará apoyando las
labores de los grupos de trabajo, de acuerdo con el perfil de cada uno de sus miembros.
A continuación, se muestra el cronograma del plan de trabajo pautado en el proyecto:
1.7. Bibliografía
Alonso, L., & Vázquez, V. (2017). Sobre la libertad de expresión y el discurso del odio. Textos críticos,
Athenaica, Sevilla.
Ali, A., Bourekba, M., Carrión, M., Khir, G., López, D., Padilla, J. & Sahagún, F. (2018). Una realidad
incontestable: islamofobia en los medios. Murcia: IEMed. https://www.iemed.org/publicacions-
es/historic-de-publicacions/coedicions/una-realidad-incontestable.-islamofobia-en-los-medios
Aruguete, N. (2015). El poder de la agenda. Política, medios y público. Buenos Aires: Biblos.
Awan, I. (2016). Islamophobia on Social Media: A Qualitative Analysis of the Facebook’s Walls of Hate.
International Journal of Cyber Criminology, 10(1), 1-20. https://doi.org/10.5281/zenodo.58517
Basile, V., Bosco, C., Fersini, E., Nozza, D., Patti, V., Rangel, F., Rosso, P. & Sanguinetti, M. (2019).
SemEval-2019 Task 5: Multilingual Detection of Hate Speech Against Immigrants and Women in
Twitter. En Proceedings of the 13th International Workshop on Semantic Evaluation (SemEval-
2019), 54–63. Association for Computational Linguistics.
Bauman, Z. (2004). Modernidad Líquida. México: Fondo de Cultura Económica.
Bauman, Z. (2016). Extraños llamando a la puerta. Barcelona: Paidós.
Bayer, J., & Bárd, P. (2020). Hate speech and hate crime in the EU and the evaluation of online content
regulation approaches. Unión Europea: Comisión de Libertades Civiles, Justicia y Asuntos de
Interior del Parlamento Europeo
Ben-David, A., Matamoros-Fernández, A. (2016). Hate Speech and Covert Discrimination on Social Media:
Monitoring the Facebook Pages of Extreme-Right Political Parties in Spain. International Journal of
Communication, 10, 1167-1193.
Bernal-Triviño, A., & Clares-Gavilán, J. (2019). Uso del móvil y las redes sociales como canales de
verificación de fake news. El caso de Maldita.es. El profesional de la información, 28(3), e280312.
https://doi.org/10.3145/epi.2019.may.12
Blandel, V., Guillaume, J.L., Lambiotte, R., & Lefebvre, E. (2008). Fast unfolding of communities in large
networks. Journal of Statistical Mechanics: Theory and Experiment. https://doi.org/10.1088/1742-
5468/2008/10/P10008
Burnap, P., Williams, M. L. (2015). Cyber hate speech on Twitter. An application of machine classification
and statistical modelling for policy and decision making. Policy and Internet, 7, 223–242.
Calvo Barbero, C., & Sánchez-García, P. (2018). Islamofobia en la prensa escrita: de la sección de opinión
a la opinión pública. Historia Y Comunicación Social, 23(2), 509-528.
https://doi.org/10.5209/HICS.62271
Campos-Domínguez, E. (2017). Twitter y la comunicación política. El profesional de la información, 26(5),
785-793.
Casero-Ripollés, A., Feenstra, R., & Tormey, S. (2016). Old and new media logics in an electoral campaign.
The case of Podemos and the Two-Way Street mediatization of politics. The International Journal of
Press/Politics, 21, 3, 378-397. https://doi.org/10.1177/1940161216645340
Chen, Y., Conroy, N. J., & Rubin, V. L. (2015). News in an Online World: The Need for an “Automatic
Crap Detector”. The Proceedings of the Association for Information Science and Technology
Annual Meeting. Estados Unidos: Association for Information Science and
Technology. https://onlinelibrary.wiley.com/doi/full/10.1002/pra2.2015.145052010081
Chen, J., Wu, L., Zhang, J., Zhang, L., Gong, D., Zhao, Z. et al. (2020). Deep learning-based model for
detecting 2019 novel coronavirus pneumonia on high-resolution computed tomography: A
prospective study. https://doi.org/10.1101/2020.02.25.20021568
Chetty, N., Alathur, S. (2018. Hate speech review in the context of online social network. Aggression and
Violent Behavior, 40, 108-118. https://doi.org/10.1016/j.avb.2018.05.003.
Culpeper, J. (2011). Impoliteness: Using Language to Cause Offence (Studies in Interactional
Sociolinguistics). Cambridge: Cambridge University Press.
https://doi.org/10.1017/CBO9780511975752
Davidson, T., Warmsley, D., Macy, M., & Weber, I. (2017). Automated hate speech detection and the
problem of offensive language. In Proceedings of the Eleventh International AAAI Conference on
Web and Social Media, pages 512– 515.
Digital News Report (2020). Se debilita la confianza en los medios, resisten las marcas periodísticas y
emerge el periodismo local. https://www.digitalnewsreport.es/2020/se-debilita-la-confianza-en-los-
medios-resisten-las-marcas-periodisticas-y-emerge-el-periodismo-local/
Djuric, N., Zhou, J., Morris, R., Grbovic, M., Radosavljevic, V., & Bhamidipati, N. (2015). Hate speech
detection with comment embeddings. In Proceedings of the 24th International Conference on World
Wide Web Companion. International World Wide Web Conferences Steering Committee, pages 29–
30.
Farkas, J., Schou, J., & Neumayer, Ch. (2018). Platformed antagonism: racist discouses on fake Muslim
Facebook pages. Critical Discouse Studies, 15(5), 463-480.
https://doi.org/10.1080/17405904.2018.1450276
Freelon, D., & Karpf, D. (2015). Of big birds and bayonets: hybrid Twitter interactivity in the 2012
Presidential debates. Information, Communication & Society, 18(4), 390-406.
González, S., & Ramos, F. (2013). El uso periodístico de Facebook y Twitter: un análisis comparativo de la
experiencia europea. Historia y Comunicación Social, 18, 419-433.
https://doi.org/10.5209/rev_HICS.2013.v18.44253
Gruzd, A., & Roy, J. (2014). Investigating political polarization on Twitter: a canadian perspective. Policy
y Internet, 6(1), 28-45.
Guiora, A. & Park, E. (2017). Hate Speech on Social Media. Philosophia, 45(3): 957-971. doi: s11406-017-
9858-4
Hall, S. (2018). El largo camino de la renovación. El thatcherismo y la crisis de la izquierda. Lengua de
Trapo.
Heinze, E. (2016). Hate speech and Democratic Citizenship. United Kingdom: Oxford University Press.
Hernández, M., & Fernández, M. (2019). Partidos emergentes de la ultraderecha: ¿fake news, fake
outsiders? Vox y la web Caso Aislado en las elecciones andaluzas de 2018. Teknokultura, 16, 1, 33-
53. https://doi.org/10.5209/TEKN.63113
Howard, P., Bolsover, G., Kollanyi, B., Bradshaw, S., & Neudert, L.M. (2017). Junk News and Bots during
the U.S. Election: What Were Michigan Voters Sharing Over Twitter? https://cutt.ly/qyGaPmh
Hyland K. Stance and engagement: a model of interaction in academic discourse. Discourse Studies.
2005;7(2):173-192. https://doi.org/10.1177/1461445605050365
Jungherr, A. (2016). Twitter use in election campaigns: A systematic literature review. Journal of
Information Technology & Politics, 13(1), 72-91.
Karlsen, R, & Enjolras, B. (2016). Styles of social media campaigning and influence in a hybrid political
communication system: Linking candidate survey data with Twitter data. International journal of
press/politics, 21(3), 338-357. https://doi.org/10.1177/1940161216645335.
Kearney, M. (2018). Tweetbotornot: An R package for classifying Twitter accounts as bot or not.
https://github.com/mkearney/tweetbotornot
Klein, A. (2012). Slipping Racism into the Mainstream: A Theory of Information
Laundering, Communication Theory, 22(4), 427–448. https://doi.org/10.1111/j.1468-
2885.2012.01415.x
Klein A. (2017) Hate Speech in the Information Age. In: Fanaticism, Racism, and Rage Online.
Palgrave Macmillan, Cham. https://doi.org/10.1007/978-3-319-51424-6_3
Kreis, R. (2017). The ‘Tweet Politics’ of President Trump. Journal of Language and Politics, 16(4), 607–
618.
Lillian DL. A thorn by any other name: sexist discourse as hate speech. Discourse & Society.
2007;18(6):719-740. doi:10.1177/0957926507082193
Lingiardi, V. et al. (2019). Mapping Twitter hate speech towards social and sexual minorities: a
lexiconbased approach to semantic content análisis. Behaviour & Information Technology.
https://doi.org/10.1080/0144929X.2019.1607903
MacAvaney, S., Yao, H., Yang, E., Russell, K., Goharian, N. & Frieder, O. (2019). Hate speech detection:
Challenges and solutions. Plos One. https://doi.org/10.1371/journal.pone.0221152
Malmasi, S., & Zampieri, M. (2017). Detecting Hate Speech in Social Media.
https://arxiv.org/pdf/1712.06427.pdf
Martin, S., Brown, M., Klavans, R., & Boyack, K. (2011). OpenOrd: an open-source toolbox for large graph
layout. Proc. SPIE 7868, Visualization and Data Analysis, 786806 (24 January 2011).
https://doi.org/10.1117/12.871402
Martin, J., & White, P. (2005). The language of Evaluation. Estados Unidos: Palgrave Macmillan.
Mayo-Cubero, M. (2019). Uso de las redes sociales en la cobertura periodística de crisis, desastres y
emerciencias en España. Revista Española de Comunicación en Salud.
https://doi.org/10.20318/recs.2019.4428
Mazzoleni, G., & Bracciale, R. (2018). Socially mediated populism: the communicative strategies of
political leaders on Facebook. Palgrave Commun 4, 50. https://doi.org/10.1057/s41599-018-0104-x
Mršević, Z. (2013). Homophobia in Serbia and LGBT Rights. Southeastern Europe, 37, 60-87.
Navia, P., & Ulriksen, C. (2017). Tuiteo, luego voto. El efecto del consumo de medios de comunicación y
uso de redes sociales en la participación electoral en Chile en 2009 y 2013. Cuadernos.info, 40, 71-
88.
Nobata, Ch., Tetreault, J., Thomas, A., Mehdad, Y., & Chang, Y. (2016). Abusive language detection in
online user content. In Proceedings of the 25th International Conference on World Wide Web, WWW
’16, pages 145–153.
Nurik, C. (2019). “Men Are Scum”: Self-Regulation, Hate Speech, and Gender-Based Censorship on
Facebook. International Journal of Communication 13(2019), 2878–2898.
https://ijoc.org/index.php/ijoc/article/view/9608/2697
Ott, B. L. (2017). The age of Twitter: Donald J. Trump and the politics of debasement. Critical Studies in
Media Communication, 34, 59–68.
Partington, A., Duguid, A., & Taylor, C. (2013). Meanings in Discourse: Theory and Practice in Corpus-
assisted Discourse Studies (CADS). International Journal of Corpus Linguistics, 19(2), 292-300.
https://doi.org/10.1075/ijcl.19.2.07bro
Paz MA, Montero-Díaz J, & Moreno-Delgado A. Hate Speech: A Systematized Review. SAGE Open.
October 2020. https://doi.org/10.1177/2158244020973022
Pérez-Curiel, C., & Limón, P. (2019). Political influencers. A study of Donald Trump’s personal brand on
Twitter and its impact on the media and users. Comunicación y Sociedad, 32(1), 57-75.
https://doi.org/10.15581/003.32.1.57-75
Piquer, S. (2015). La islamofobia en la prensa escrita española: aproximación al discurso periodístico de El
País y La Razón. Dirāsāt Hispānicas, 2: 137-156.
Quesada, C. (2015). La labor del Tribunal Europeo de Derechos Humanos en torno al discurso del odio en
los partidos políticos: coincidencias y contradicciones con la jurisprudencia española. Revista
electrónica de Estudios Internacionales, 30, doi: 10.17103/reei.30.04
Roozenbeek, J. & Van Der Linden, S. (2018) The fake game: actively inoculating against the risk of
misinformation. Journal of Risk Research. https://doi.org/10.1080/13669877.2018.1443491
Ross, B., Rist, M., Carbonell, G., Cabrera, G., Kurowsky, N. & Wojatzki, M. (2016). 2016. Measuring the
Reliability of Hate Speech Annotations: The Case of the European Refugee Crisis. In Proceedings of
the Workshop on Natural Language Processing for Computer-Mediated Communication
(NLP4CMC). Bochum,Germany.
Rubin, V., Chen, Y. & Conroy, N.
(2015). Deception Detection for News: Three Types of Fakes. Proceedings of the 78th ASIS&T
Annual Meeting: Information Science with Impact: Research in and for the Community. Missouri,
American Society for Information
Science. https://onlinelibrary.wiley.com/doi/pdf/10.1002/pra2.2015.145052010083
Ruchansky, N., Seo, S., & Liu, Y. (2017). CSI: A Hybrid Deep Model for Fake News Detection
[Conferencia]. ACM on Conference on Information and Knowledge, Singapur.
https://doi.org/10.1145/3132847.3132877
Said-Hung, E. Römer, M. y Valencia J. (2014) El periodismo transmedia desde los medios digitales
iberoamericanos. En: Denis Renó, Carolina Campalans, Sandra Ruiz, Vicente Gosciola (Editores
Académicos). Periodismo Transmedia miradas múltiples. Pp. 99-114. Colombia: Universidad del
Rosario
Statista (2020a). Ranking de los 10 medios de comunicación con más seguidores en Twitter en España en
abril de 2020. https://es.statista.com/estadisticas/518802/Twitter-perfiles-de-medios-de-
comunicacion-con-mas-seguidos-en-espana/
Statista (2020b). Páginas oficiales de medios de comunicación más populares en Facebook en España en
abril de 2020, por número de seguidores. https://es.statista.com/estadisticas/518580/paginas-de-
medios-de-comunicacion-de-Facebook-con-mas-seguidores-en-espana/#statisticContainer
Statista (2020c). Ranking de las principales marcas de medios de comunicación online según el porcentaje
de población que las usaba de forma semanal en España en 2020.
https://es.statista.com/estadisticas/670743/principales-medios-online-porcentaje-de-usuarios-
semanales-espana/r
Tsesis, A. (2002). Destructive Messages: How Hate Speech Paves The Way For Harmful Social Movements,
New York University Press, 2002. https://ssrn.com/abstract=1699370
Schoenholtz, A. (2003). Transatlantic Dialogue on Terrorism and
International Migration. International Migration, 41(4): 173-192.
Soriano, C. (2016). El lenguaje de las emociones. In M. C. Horno Chéliz, I. Ibarretxe Antuñano & J.L.
Mendívil Giró (Eds.). Panorama actual de la ciencia del lenguaje (pp. 243-259). Zaragoza: Prensas
de la Universidad de Zaragoza.
SOS Racisme (2018). Racist Hate Speech in Spain: a 2018 case analysis – toward posible ‘alternative
narratives’. http://www.sosracisme.org/wp-
content/uploads/2017/01/WAS_Spagna_hatespeech_national-report-SPAIN-SOS-RACISME.pdf
Taibi, M. & El-Madkouri, M. (2006). Estrategias discursivas en la representación del Otro árabe” en
M. Lario (ed.). Medios de comunicación e inmigración (pp. 125-144). Murcia: Caja de Ahorros del
Mediterráneo.
The Social Media Family (2018). IV Estudio sobre los usuarios de Facebook, Twitter e Instagram en España.
Valero, A. (2017). Los discursos del odio. Un estudio jurisprudencial. Revista Española de Derecho
Constitucional, 110, 305-. doi: https://doi.org/10.18042/cepc/redc.110.11
Van der Linden, S., Maibach, E., Cook, J., Leiserowitz, A., & Lewandowsky, S. (2017). Inoculating Against
Misinformation. Science, 358,6367, 1141–1142. https://doi.org/10.17863/CAM.26207
Vázquez, P. (2016). Usos político-partidistas en cuentas de Twitter de administraciones públicas. Revista
Latina de Comunicación Social, 71, 484-507
Waldron, J. (2014). The Harm in Hate Speech. United Kingdom: Oliver Wendell Holmes Lectures.
Wang, C. (2018). Interpreting Neutral Network Hate Speech Classifiers. En Proceedings of the Second
Workshop on Abusive Language Online (ALW2). ACM. https://www.aclweb.org/anthology/W18-
5111.pdf
Waseem, Z. & Hovy, D. (2016). Hateful Symbols or Hateful People? Predictive Features for Hate Speech
Detection on Twitter. En Proceedings of NAACL-HLT 2016. Association for Computational
Linguistics. https://www.aclweb.org/anthology/N16-2013.pdf
Wierzbicka, A. (1999). Studies in emotion and social interaction: Second series.Emotions across languages
and cultures: Diversity and universals. Cambridge University
Press. https://doi.org/10.1017/CBO9780511521256
Yamaguchi, T. (2013). Xenophobia in Action: Ultranationalism, Hate Speech, and the Internet in
Japan. Radical History Review, (117), 98–118. https://doi.org/10.1215/01636545-2210617
Zhang, Z., Robinson, D. & Tepper, J. (2018). Hate Speech Detection Using a Convolution-LSTM Based
Deep Neural Network. In Proceedings of ACM The Web conference (WWW’2018). ACM, New York,
NY, USA, Article 4, 10 pages. https://doi.org/10.475/123_4.
Zhao, Z., Shao, J., Sano, Y., Takayasy, H., Takayasu, M., Li, D., Wu, J., & Havlin, S. (2020). Fake news
propagates differently from real news even at early stages of spreading. EPJ Data Science, 9, 7.
https://doi.org/10.1140/epjds/s13688-020-00224-z
2. IMPACTO ESPERADO DE LOS RESULTADOS
El proyecto debe tener un fuerte impacto internacional, porque los expresiones de odio son una
preocupación para los actores públicos y privados que velan por la defensa de los valores democráticos, la
cohesión social y la convivencia pacífica en cada país, entre los que se encuentran los medios informativos
profesionales. Este impacto se producirá desde la generación de los diferentes tipos de conocimientos y
productos asociados a los objetivos generales y específicos ya señalados: la creación de un algoritmo para
la detección de expresiones de odio en entornos digitales asociados a los medios informativos en España; y
el desarrollo del aplicativo para la detección y monitoreo de las expresiones de odio en entornos digitales
vinculados a los medios informativos profesionales españoles. Se espera que este impacto favorezca el
debate (social y académico) y el seguimiento de este tipo de expresiones, desde los actores que se analizan
en este trabajo (medios informativos profesionales), así como la puesta en marcha de acciones, por parte de
actores públicos (ej. Gobierno) o privados (ej. Tercer sector y medios de comunicación), destinados a
favorecer el diálogo democrático, convivencia y tolerancia en la sociedad española. Ello, en lucha contra el
uso y promoción de expresiones de odio, desde una perspectiva de género e igualdad, a favor de colectivos
en condición de vulnerabilidad (ej. Mujeres, inmigrantes, colectivo LGTBI, población gitana, musulmanes
entre otras), por motivos de género, raza, procedencia, religiosos, u orientación sexual, por ejemplo.
El proyecto elaborará un plan de comunicación y divulgación científica, para garantizar plazos y ejecución
de productos que le den mayor visibilidad e impacto, tanto a la comunidad científica como a la sociedad en
general. Se implementarán los siguientes recursos:
Diseño de una imagen corporativa que confiera identidad propia al proyecto. Seguirá las pautas de la
convocatoria para mencionar a las entidades participantes y entidad patrocinadora de este trabajo.
Creación de una web y canales 2.0 (Facebook, Twitter, Linkedin, Github) para recopilar y facilitar el
contacto y difusión de los contenidos generados en un espacio institucional común.
Desarrollo de productos científicos. Se han dispuesto el desarrollo y divulgación de los siguientes
contenidos afines a los resultados recabados en el marco de este proyecto:
o Publicación y acceso público a los informes (parciales y final), bases de datos depuradas de
mensajes analizados, scripts y códigos fuentes finales bajo licencia Creative Commons (BY, SA y
NC).
o Elaboración y envío de 12 artículos resultados de investigación en revistas indexadas en JCR
y/o Scopus, reconocidas por la FECYT y ubicadas en los primeros cuartiles.
o Publicación de un monográfico en una revista JCR/Scopus de los primeros cuartiles.
o Participación, al menos, en 8 Congresos científicos o profesionales.
o Organización de un Congreso Digital Internacional para favorecer el debate alrededor de los
resultados y temas abordados en el marco de esta propuesta.
o Un libro resultado de investigación.
o 4 capítulos de libro.
o Desarrollo de 4 OpenClass online en que muestren los avances parciales y final del proyecto.
Desarrollo de contenidos para la difusión social del proyecto. Se realizarán las siguientes acciones.
o Elaboración de, al menos, 20 infografías con los resultados generales y específicos en el marco de
este proyecto.
o Elaboración de, al menos, 20 píldoras informativas multimedia con exposición divulgativa
parciales y final de los avances que haya supuesto.
o Publicar, al menos, 3 piezas para la divulgación en The Conversation
La producción resultante del proyecto se pondrá a disposición a la comunidad científica y público en general,
en el portal web del proyecto y sus canales 2.0. Algo que se hará desde un Plan de Gestión de Datos de
investigación que estará integrado y regirá el Plan de Divulgación y Comunicación elaborado en el marco
de este proyecto, y en el que todos los datos procesados y anonimizados previamente en el proyecto serán
puesto a disposición (bajo licencia Open Access) de la comunidad científica y otros actores sociales
interesados en la temática abordada en este proyecto, a través de los espacios digitales y contenidos creados
para la diseminación de esta propuesta.
3. CAPACIDAD FORMATIVA
No se solicita la inclusión del proyecto en la convocatoria de contratos predoctorales.
4. CONDICIONES ESPECÍFICAS PARA LA EJECUCIÓN DE DETERMINADOS
PROYECTOS
El proyecto no incurre en condiciones o implicaciones del tipo de las indicadas en el Anexo IV de la
convocatoria.
