El impacto de la identidad de género en las interacciones en línea

Muchxs individuxs no binarixs participan activamente en redes sociales, pero no se entiende del todo cómo el género afecta las interacciones en línea. Esta falta de claridad puede llevar a un trato injusto por parte de los modelos de lenguaje grandes que se usan en las plataformas digitales. Este artículo investiga cómo se expresa la identidad individual en Twitter, especialmente a través del uso de Pronombres. Nuestros hallazgos sugieren que los usuarios no binarixs suelen recibir menos atención en términos de likes y seguidores.

Además, observamos que los usuarios no binarixs tienden a enviar y recibir tuits que son más tóxicos que los de los usuarios binarixs. Esta investigación enfatiza la necesidad de ver el género como un espectro en lugar de solo dos categorías, lo cual es crucial para entender las interacciones y expresiones en línea.

La identidad juega un papel importante en cómo las personas se expresan e interactúan socialmente. Factores como la edad, la raza y el estatus social moldean la identidad de uno. A medida que las interacciones sociales han pasado a ser online, estas influencias son más evidentes en las redes sociales.

En los últimos años, la idea de género ha pasado de una clasificación binaria estricta de 'hombre' y 'mujer' a una visión más amplia que reconoce un espectro. Esto es especialmente importante para las minorías de género, incluyendo a personas LGBTQ+, que a menudo enfrentan un mayor riesgo de acoso, discriminación y aislamiento social. Muchos jóvenes LGBTQ+ son ahora más visibles en comunidades online. Sin embargo, la forma en que se reciben sus publicaciones no se ha estudiado en profundidad.

Para entender la identidad de género en línea, nos centramos en los pronombres que los usuarios eligen para sus perfiles en redes sociales. Estos pronombres pueden ser binarios tradicionales, como 'ella' y 'él', o opciones no binarias como 'elle/ellxs', 'ella/ze', y 'ella/ellos/xe'. Analizamos ocho grupos de pronombres que tienen más miembros, mostrando la variedad de Identidades de género en línea.

Nuestro estudio explora cómo la identidad de género influye en la expresión e interacciones online, utilizando herramientas avanzadas para evaluar la Toxicidad del lenguaje en publicaciones y respuestas. Buscamos responder dos preguntas principales:

1. ¿Qué tipo de atención reciben los diferentes grupos de género de parte de los demás?
2. ¿Los usuarios no binarixs enfrentan más respuestas negativas que los usuarios binarixs?

Nuestro análisis muestra que, aunque los grupos binarixs y no binarixs son activos en línea, difieren en la atención que reciben, así como en los niveles de toxicidad y la frecuencia de groserías en sus mensajes. Al resaltar la importancia de tratar la expresión de género como un espectro, esperamos contribuir a mejorar los métodos para analizar la equidad de género en espacios online y hacerlos más inclusivos.

#Conceptos Relacionados

#Género e Identidad

La identidad es un término usado por los científicos sociales para explicar cómo los individuos se ven a sí mismos e interactúan con otros. El género es una parte clave de esta identidad. Inspirados por movimientos feministas, las personas han comenzado a distinguir entre sexo, que es biológico, y género, que está moldeado por la cultura. Esta distinción ayuda a abordar las brechas entre la visión tradicional del género como binario y las experiencias reales de las personas no binarias en la sociedad.

A pesar del creciente reconocimiento de esta diferencia, muchos sistemas de aprendizaje automático aún tratan el género como binario. Por ejemplo, algunos sistemas intentan determinar el género de una persona basándose en su nombre, escritura o voz. Estos sistemas pueden no considerar todo el rango de identidades de género. Empresas como Meta han ajustado los Géneros definidos por los usuarios de vuelta a su sexo asignado al nacer, continuando un patrón de desprecio por las identidades queer.

Las biografías de Twitter se han utilizado para rastrear cómo las personas expresan sus identidades y cambios culturales. Estudios previos usaron un método llamado Muestreo Longitudinal de Perfiles Online (LOPS) para ver cómo cambiaron las biografías de 1.35 millones de usuarios de Twitter durante cinco años. Se encontró que los términos más comunes en los perfiles eran 'él', 'lo', 'ella' y 'la'. Este método enfatiza cómo los individuos expresan sus propias identidades.

#Detección de Toxicidad

El discurso dañino incluye insultos, amenazas, acoso y discursos de odio dirigidos a grupos específicos. Este tipo de discurso puede envenenar las comunidades online. Para abordar este problema, los investigadores han creado herramientas para detectar la toxicidad. Una herramienta ampliamente utilizada es la API de Perspectiva, que ha sido entrenada en publicaciones de redes sociales etiquetadas para diferentes tipos de daño. Sin embargo, esta API ha mostrado sesgos, registrando puntajes de toxicidad más altos para ciertos grupos raciales o de género.

Para reducir este sesgo, se desarrolló la API Detoxify, que se centra en el discurso dañino dirigido a identidades específicas. Utilizamos esta herramienta para evaluar la toxicidad en las publicaciones hechas por usuarios de diferentes grupos de identidad de género, así como el contenido dirigido a ellos.

Los datos para este estudio provienen de más de 2 mil millones de tuits relacionados con la pandemia de Covid-19, recopilados entre el 21 de enero de 2020 y el 5 de noviembre de 2021. La mayoría de los usuarios de Twitter tuitearon sobre Covid-19 durante este tiempo, proporcionando una amplia muestra de usuarios activos. Nuestro conjunto de datos incluye tuits de más de 2 millones de usuarios que enumeraron sus pronombres en sus perfiles.

#Espectro de Género

La identidad de género, como ser mujer, es distinta de los pronombres que uno elige usar, como 'ella' o 'ellos'. En este contexto, nos referimos a la expresión de género como la identidad de una persona relacionada con el género, no el etiquetado que se les asigna. No binario describe a cualquiera que no encaje en las categorías de hombre o mujer.

Para entender las diferencias basadas en género, categorizamos a los usuarios según los pronombres que usan, reconociendo que estas son medidas aproximadas. Agrupamos pronombres en cinco series: ella/ella/suya, él/él/suyo, ellxs/ellxs/suyo, xe/xem, y ze/zem. Creamos un sistema de codificación para estos pronombres y recopilamos datos de los 2 millones de usuarios.

Analizamos grupos con al menos 1,000 miembros, seleccionando aleatoriamente hasta 600 usuarios de cada grupo. Esto da como resultado ocho grupos de pronombres con más de 350 usuarios cada uno.

#Recolección de Respuestas

Reunimos respuestas muestreando 100 usuarios de cada grupo de pronombres y recopilando hasta 10 respuestas a sus tuits originales. Esto resulta en un total de 95,381 respuestas de 29,537 conversaciones únicas. La cantidad limitada de respuestas se debe a restricciones en el acceso a la API de Twitter.

#Inferencia de Toxicidad

Para evaluar la toxicidad, utilizamos un modelo específico de Detoxify entrenado en conjuntos de datos diversos. Este modelo tiene una alta puntuación de precisión.

#Hallazgos

#Actividad y Atención del Usuario

La actividad del usuario se refiere a cuán comprometido está alguien en Twitter, incluyendo cuántos tuits originales publica, cuántos tuits le gustan y cuántas cuentas sigue. En general, encontramos que los niveles de actividad del usuario son bastante similares entre usuarios binarixs y no binarixs, con solo diferencias menores.

También investigamos cuánto atención reciben los usuarios, medida por likes promedio, retweets y seguidores. Nuestros hallazgos muestran que los grupos de pronombres con menos representación tienden a recibir menos atención.

Los grupos más grandes, como aquellos que se identifican como 'ella' y 'él', tienden a recibir más interacciones que grupos más pequeños como 'ellxs/xe' o 'él/ellxs/xe'. Este patrón es claro al comparar el número promedio de likes y retweets que reciben los diferentes grupos.

#Toxicidad en tuits y respuestas

Examinamos la toxicidad tanto de los tuits que envían los usuarios como de las respuestas que reciben. En general, encontramos que todos los grupos envían tuits donde una pequeña fracción es altamente tóxica. Curiosamente, cinco de ocho grupos de pronombres reciben más respuestas tóxicas de las que publican. Los grupos 'él' y 'él/ellos' tienen puntajes de toxicidad notablemente altos por sus tuits.

Los grupos no binarixs a menudo publican tuits más tóxicos en comparación con los grupos binarixs, lo cual es sorprendente ya que también tienden a usar menos groserías. Esto plantea preguntas sobre posibles sesgos en las herramientas de detección de toxicidad utilizadas.

En general, nuestros resultados sugieren que los tuits no binarixs enfrentan más escrutinio y son marcados como tóxicos con más frecuencia. No parece haber un vínculo directo entre la presencia de groserías y el puntaje de toxicidad asignado.

#Conclusión

En resumen, nuestro análisis arroja luz sobre el comportamiento en línea de ocho grupos de pronombres, observando aspectos como actividad, atención, emociones y toxicidad. Encontramos que los grupos no binarixs con menos presencia en Twitter obtienen menos interacción que los grupos más grandes.

Aunque son tan activos como sus contrapartes binarixs, experimentan más informes de toxicidad en sus tuits. Esta investigación sugiere un problema más profundo donde las herramientas de redes sociales pueden malinterpretrar el lenguaje utilizado en comunidades queer. Hacia adelante, un examen más cercano de cómo los detectores de toxicidad interactúan con diferentes expresiones de género podría proporcionar valiosas perspectivas.

Reconocemos el alcance limitado de este estudio, como centrarse solo en usuarios de Twitter con pronombres específicos y examinar datos de un solo evento (Covid-19). Futuras investigaciones podrían abarcar un rango más amplio de datos y explorar más a fondo el comportamiento de los individuxs no binarixs en redes sociales.