¿Lo tóxico garpa? : un análisis sobre la asociación entre toxicidad y visitas e interacciones en videos humorísticos en YouTube

Autor/es

Filiación institucional

Descripción

La presente investigación busca establecer el grado de correlación entre comentarios tóxicos en YouTube y la visibilidad que adquieren los videos con el pasar del tiempo. A este fin, optamos por un método mixto que combina herramientas de recolección y aprendizaje automático, popularmente conocidas como Inteligencia Artificial, con un marco teórico de semiótica de la hipermediatización que hace uso de recursos generados por Eliseo Verón, Mario Carlón y Damian Fraticelli.

Las hipótesis de investigación fueron las siguientes:

A- Un aumento en la toxicidad se asocia con un aumento en las vistas e interacciones de los videos humorísticos.
B- Diferentes juegos del lenguaje alteran la circulación de la toxicidad y su asociación con más visibilidad (así, en un enunciador infantil los resultados serían distintos a los de uno de humor negro).
C- Las enunciadoras femeninas reciben más comentarios tóxicos que los masculinos.

Como la población de nuestro estudio es de un tamaño inconmensurable, la muestra incluyó todos los videos producidos por los 12 youtubers más populares de la sección Comedia de Argentina entre el 20 de marzo de 2020 y el mismo día de 2021.

El proyecto comenzó con el crawling de más de 1.5 millones de comentarios. Prosiguió con la limpieza, el procesamiento y la activación de Perspective, un modelo de IA basado en Transformers que identifica diferentes valencias de lenguaje tóxico. Luego, pasamos a la etapa cuantitativa de la investigación, donde a través de correlaciones estadísticas y visualización de datos logramos captar los casos donde la asociación entre toxicidad y visibilidad era tal. Por último, hicimos uso del esquema para el análisis enunciativo del humor para identificar esos diferentes juegos del lenguaje y formas simbólicas que impactaron en la asociación hipotetizada.

Las hipótesis A y C no pudieron ser probadas con nuestras observaciones, mientras que la B resultó validada, identificando en enunciadores marginados por sus contenidos (outsiders, en Howard Becker) la causa de la diferencia entre los grados de asociación.

Fil: López Calvo, Joaquín. Universidad de Buenos Aires. Facultad de Ciencias Sociales. Buenos Aires, Argentina

ver mas

Colaborador

Fraticelli, Damián
Pérez, Juan Manuel

Editor

Materias

Idioma

spa

Extent

104 p.

Derechos

info:eu-repo/semantics/openAccess
Atribución-NoComercial-SinDerivadas 2.0 Genérica (CC BY-NC-ND 2.0)

Formato

application/pdf

Identificador

Table Of Contents

1. Introducción

2. Enfoque teórico y objeto de estudio
2.1. Marco Teórico
2.1.1. Semiótica de la hipermediatización
2.1.2.a- Inteligencia Artificial (IA)
2.1.2.b- Procesamiento de lenguaje natural (NLP)
2.2. Estado de la cuestión
2.2.1. La sección comentarios: ¿quiénes comentan? ¿qué dicen?
2.2.2. Los Youtubers y sus tácticas frente al algoritmo
2.2.3. Taxonomía de la violencia en redes
2.2.4. Cómo funciona la moderación de comentarios en YouTube

3. Acercamiento al objeto
3.1. Hipótesis y preguntas
3.2. Metodología
3.2.1. Perspective
3.2.2. Análisis de correlación de variables
3.2.3. Modelo de análisis enunciativo y humor
3.2.4. Corpus

4. Análisis 4.1. Etapa cuantitativa
4.1.1. Experimentos con Perspective
4.1.2. Validación y refutación de hipótesis
4.1.2.a- maritobaracus - Sistema cuenta
4.1.2.b- AleVera Oficial - Sistema cuenta
4.1.2.c- Nimu - Sistema cuenta
4.1.2.d- Una mirada panorámica
4.2. Etapa cualitativa
4.2.1. maritobaracus - Enunciador Hipermediático
4.2.2. AleVera Oficial - Enunciador Hipermediático
4.2.3. Nimu - Enunciadora Hipermediática
4.2.4. Una mirada panorámica II

5. Discusión

6. Conclusiones

7. Bibliografía

8. Anexos
8.1. Anexo I: Crawler de YouTube en PHP

Título obtenido

Licenciado en Ciencias de la Comunicación

Institución otorgante

Universidad de Buenos Aires. Facultad de Ciencias Sociales

Identificador interno

5322

Social Bookmarking