Proyectos Hands On

El #8M en twitter, ¿una conversación global?

Por 2 julio, 2020julio 27th, 2020No Comments

Nuestro proyecto Hands On tiene como objetivo analizar la conversión en Twitter durante la jornada del #8m.

En los últimos años, el movimiento feminista está tomando cada vez un papel más fuerte en nuestra sociedad. A su vez, el crecimiento de las manifestaciones del 8 de marzo, ha ido superándose cada año, y nos preguntamos si también ha aumentado el número de personas luchando por esta causa, o se están convirtiendo en algo de moda que apoyar. Así como si la opinión en Twitter es a favor, neutra, o está en contra de este movimiento.

Para poder resolver estas dudas nos hemos planteado tres objetivos específicos:

  1. Investigar la intención de los mensajes a través de los hashtags: a favor, en contra o neutral.
  2. Definir y analizar el género de los usuarios con más visibilidad e identificar relaciones entre usuarios en la conversación.
  3. Investigar y analizar las imágenes compartidas con el hashtag #8M.
Imagen extraída del tuit con más RT: @valentinape_ : Feliz será el día que no falte ninguna #8M

1. Extracción de datos

Para llevar a cabo esta investigación hemos dividido el equipo en parejas por objetivo. Cada pareja ha extraído los datos recolectados con TCat4, y descargado un dataset con la información conveniente.

Para el objetivo 1 descargamos un dataset de hashtag frequency desde el 8 de marzo a las 00:00 h hasta el 9 de marzo a las 07:00 h.

Para el objetivo 2, descargamos un dataset sobre los usuarios que participaron en la conversación de 19 a 21 horas del 8 de marzo de 2020. Posteriormente segmentamos las 50 cuentas con más interacciones para analizar la muestra y establecer tipos de usuarios a través de una tabla de Excel.

Para analizar las imágenes durante la conversión digital del #8M, descargamos el dataset de media frequency en tcat4. Aquí segmentamos para que fuese todas las imágenes compartidas durante toda la jornada del 8 de marzo, horario europeo y latino. 

2. Análisis

Hemos investigado los hashtags en sus respectivos paises. Y estudiamos si estos hashtags son a favor, neutros o en contra del movimiento del 8M.

Hemos investigado las diferentes motivaciones detrás del hashtag #8M.

En general, los hashtags más utilizados durante ese tiempo, fueron incluidos con mensajes a favor a la Huelga Internacional de Mujeres, entonces, podemos concluir que la percepción online del movimiento fue positivo. Sin embargo, aparecieron hashtags más generales o neutrales.

Los hashtags unen Latino-América y España a pesar de las diferencias existentes en la figura de la mujer en la sociedad y las dificultades que pueda haber en alguno de estos países a la hora de manifestarse y sus consecuencias.

Escogimos los 8 hashtags más populares y hacemos un Excel. Utilizamos estos datos en rankflow para ver la interacción y movimientos hora a hora.

Para definir y analizar los usuarios con más visibilidad utilizamos la herramienta Gephi. Una vez extraídos los datos del dataset, descargamos los excels sobre usuarios que nos interesaban y comenzamos a trabajar sobre ello. 

Aquí, encontramos la primera dificultad ya que Gephi es una herramienta bastante compleja de utilizar. Previamente, tuvimos que informarnos sobre cómo utilizarla y ver diferentes tutoriales que nos sirvieron de ayuda para poder dar forma al gráfico que queríamos. 

En primer lugar, cuando te descargas los archivos en la plataforma, aparecen unos puntos que en terminología de Gephi se llaman nodos. Estos nodos se van uniendo los unos a los otros con aristas. Cuanta más conexión haya entre estos nodos más modularidad habrá y por tanto, la red de módulos será más grande. Nosotros nos dimos cuenta, al analizar la red de usuarios, que la modularidad de la red no es muy alta ya que había pocas conexiones entre los nodos dentro de los módulos pero las que había eran representativas.

Otro hándicap que encontramos a la hora de analizar los datos fue al averiguar el tipo de cuenta, ya que realizamos un trabajo demasiado manual: tuvimos que entrar en cada uno de los perfiles de Twitter y con la información que encontrábamos, establecer el género, si se trataba de un usuario personal o una asociación, el tipo de contenido que publicaba, etc. y de esta forma, poder establecer los tipos. Una vez definidos, mediante un gráfico de barras, resumimos los más comunes dentro de la muestra.Para las imágenes, nos quedamos con una muestra de las 100 imágenes más frecuentes durante el 8m. En el excel añadimos una columna para hacer una primera diferenciación entre imágenes offline y online, y otra para las categorías dentro de estos dos primeros grupos.

Para las imágenes, nos quedamos con una muestra de las 100 imágenes más frecuentes durante el 8m. En el excel añadimos una columna para hacer una primera diferenciación entre imágenes offline y online, y otra para las categorías dentro de estos dos primeros grupos.

3. Visualización

Hemos hecho un gráfico en Tableau con los diversos países y sus correspondientes hashtags y si son a favor, a neutral o en contra.

El gráfico de barras que representaba la asignación de género y tipo de cuenta fue necesario para proporcionar una visión real de la muestra estudiada. Algunas de las primeras preguntas que nos hicimos fueron: ¿hablaron más mujeres u hombres? ¿Fueron más los influencers o las cuentas de partidos políticos? De esta forma, establecimos un grupo común dentro de la conversación, entendimos mejor su comportamiento y la forma en la que se relacionaron con el resto de cuentas.

Para visualizar la interacción de usuarios por número de menciones, utilizamos el gráfico que obtuvimos gracias a Gephi. Fue muy útil, ya que pudimos observar las principales conexiones entre los usuarios que más interacción tuvieron ese día, entre las 19 y 21 horas.

Para que el lector pueda analizar qué imágenes se han compartido en Twitter durante la jornada del 8m, hemos hecho un primer gráfico en forma de tarta para comparar las imágenes online y offline.

Para mostrar la información obtenida en un solo gráfico, usamos un mapa en árbol. Aquí se pueden ver claramente cuáles han sido los tipos de imágenes más compartidas, dentro de las categorías de offline y online. Este mapa interactivo permite saber exactamente el número de veces que se ha compartido cada tipo de imagen.

4. Resultado obtenido

Mediante el uso de rankflow intentamos capturar todo el periodo, pero no se podía visualizar correctamente todo los datos entonces utilizamos 2 gráficos con dos periodos distintos para tener una captura mejor. También hemos tenido algún problema a la hora de utilizar Excel de rankflow. Al final pudimos resolverlo gracias a utilizar el formato de hora PM, AM.

Gracias a los gráficos que elaboramos a partir de Gephi, pudimos sacar varias conclusiones. La primera de ellas es que la conversación de las cuentas más importantes de estos países estuvo liderada principalmente por mujeres, seguidas de cuentas informativas e influencers, las cuales obtuvieron un alto grado de interacción y menciones. Esto nos hizo ver que la presencia de las cuentas de usuarios independientes son las más implicadas en el movimiento feminista digital.
A su vez,  gracias al gráfico de barras obtenido a través de los datos del TCAT, pudimos determinar que la temática de las cuentas que más interacción tuvieron iban sobre feminismo, defensa de derechos y reivindicaciones políticas siendo gran parte de los usuarios gente con un número elevado de followers y muy concienciados con la causa. Esto nos ayudó a entender la gran actividad que tuvieron este día.

La herramienta Tableau ha sido de gran utilidad a la hora de desarrollar la visualización de datos, pero pensamos que podría haber sido una información mucho más rica si hubiésemos podido saber qué usuario compartió cada foto. También qué tipo de usuarios la retuitearon. Para resolver esta duda, contrastamos los resultados con los obtenidos en el objetivo 2, donde se analiza qué tipos de usuarios han intervenido en esta conversación digital. Por otra parte, nos encontramos también que la foto más compartida, se trata también del tuit más retuiteado, por lo que pudimos encontrar qué usuario la compartió.

Equipo: Isil Demirtas, Júlia Hencz, Núria Llull, Teresa Montes, Tania Sar y Estel Soro. Tutora: Celina Navarro.

Deja un comentario