Contextualized Hate Speech

Resultados de un estudio sobre detección del discurso de odio en redes sociales, desde una perspectiva interdisciplinaria, abordando el discurso de odio tanto cuantitativa como cualitativamente, durante el marco temporal de la pandemia de COVID-19. Se construyó un corpus original en la variante "rioplatense" del español centrado en el discurso de odio asociado a la pandemia de COVID-19. Una muestra de este corpus fue anotada manualmente utilizando pautas cuidadosamente diseñadas. Los experimentos de clasificación realizados, utilizando técnicas de aprendizaje automático basadas en transformadores de última generación muestran evidencia de que agregar información contextual mejora el rendimiento de la detección del discurso de odio para dos tareas propuestas: predicción binaria y de múltiples etiquetas, aumentando su Macro F1 en 4,2 y 5,5. puntos, respectivamente. Estos resultados resaltan la importancia del uso de información contextual en la detección del discurso de odio, en este caso las noticias que dieron lugar a los comantarios en la red social Twitter. Código, modelos y corpus están disponibles para futuras investigaciones.

Información Técnica

Este conjunto de datos es una colección de tweets que se publicaron en respuesta a artículos de cinco medios de comunicación argentinos específicos: Clarín, Infobae, La Nación, Perfil y Crónica, durante 2020-2021. Los comentarios fueron analizados en busca de discurso de odio contra ocho grupos o características diferentes: contra las mujeres, contenido racista, odio de clase, contra personas LGBTQ+, contra la apariencia física, contra personas con discapacidad, contra delincuentes y por razones políticas. Todos los datos están en catellano rioplatense. Cada comentario está etiquetado con las siguientes variables. Descripción de la etiqueta HATEFUL ¿Contiene discurso de odio (HS)? WOMEN ¿Esto va en contra de las mujeres? LGBTI ¿Esto va en contra de las personas LGBTI? RACISM ¿Es este un mensaje racista? CLASS ¿Es este un mensaje clasista? POLITICS ¿Este HS se debe a ideología política? DISABLED ¿Este HS está dirigido a personas discapacitadas? APPEARANCE ¿Este HS va contra las personas por su apariencia? (por ejemplo, avergonzar a la grasa) CRIMINAL ¿Este HS es contra delincuentes o personas en conflicto con la ley? Hay una etiqueta adicional CALLS, que representa si un comentario es un llamado a la acción violenta o no. Si el mensaje es odioso, ¿este mensaje llama a la acción (posiblemente violenta)? Las etiquetas HATEFUL y CALLS se binarizan por mayoría simple; las variables de característica o categoría se ponen en 1 si al menos un anotador las marcó como tal.

Palabras clave: NLP, CLASIFICACIÓN DE TEXTO, DETECCIÓN DE DISCURSO DE ODIO, CORPUS ANOTADO EN ESPAÑOL

Alcance geográfico

.

Identificador del recurso

URI: http://hdl.handle.net/11336/235509

Colecciones

Datos de Investigación(CCT - CORDOBA)
Datos de Investigación de CTRO.CIENTIFICO TECNOL.CONICET - CORDOBA

Datos de Investigación(CCT - PATAGONIA CONFLUENCIA)
Datos de Investigación de CTRO.CIENTIFICO TECNOL.CONICET - PATAGONIA CONFLUENCIA

Datos de Investigación(OCA CIUDAD UNIVERSITARIA)
Datos de Investigación de OFICINA DE COORDINACION ADMINISTRATIVA CIUDAD UNIVERSITARIA

Datos de Investigación(SEDE CENTRAL)
Datos de Investigación de SEDE CENTRAL

Citación

Pérez, Juan Manuel; Cotik, Viviana Erica; Luque, Franco Martín; Moro, Agustín; Serrati, Pablo Santiago; Miguel, Paula Gabriela; Debandi, Natalia; Gravano, Agustin; (2024): Contextualized Hate Speech. Consejo Nacional de Investigaciones Científicas y Técnicas. (dataset). http://hdl.handle.net/11336/235509

Condiciones de uso

Las buenas prácticas científicas esperan que se otorgue el crédito adecuado mediante una citación. Utilice un formato de citación y aplique estas normas de reutilización.

Excepto donde se diga explícitamente, este item se publica bajo la siguiente descripción: Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Unported (CC BY-NC-SA 2.5)