Misoginia en la conversación mediática digital: severidad, engagement y redes de interacción en X
DOI:
https://doi.org/10.14198/MEDCOM.32225Palabras clave:
análisis de redes sociales, aprendizaje automático, contrarréplica, discurso de odio, manosfera, misoginia, narrativas misóginas, prensa digital, XResumen
Propósito: Analizar la presencia, intensidad y dinámica relacional del odio misógino en X en torno a contenidos de cinco medios informativos españoles. Metodología: Se recopilaron mensajes públicos de enero de 2021 a junio de 2022 mediante API y rutinas de automatización. Un sistema supervisado de clasificación permitió el cribado inicial y los mensajes candidatos fueron validados mediante etiquetado humano. La muestra final incluye 346 mensajes con contenido misógino o potencialmente misógino, codificados por tipo de odio asociado y por una escala ordinal de intensidad (0–5). Se evaluó el engagement (respuestas, retuits y “Me gusta”) y se construyó una red dirigida de interacción (Gephi) para caracterizar nodos y conexiones. Resultados: Predomina la misoginia general (85,3%) y la intensidad nivel 3 (275/346; 79,5%). El conjunto generó 41 respuestas, 35 retuits y 841 “Me gusta”, concentrándose en el nivel 3 el 85,4% de las respuestas, el 88,6% de los retuits y el 83,4% de los “Me gusta”. La red (333 nodos; 579 aristas) presenta conectividad baja (grado medio 1,739; clustering 0) y una intermediación media reducida (betweenness 2,04), con un grupo acotado de cuentas estructuralmente relevantes. Conclusiones: La misoginia aparece como hostilidad frecuente, pero de conversación limitada, sostenida por micro grupos y usuarios con capacidad de puente. Aportación original: Este estudio integra severidad del odio, métricas de interacción y estructura de red en un contexto vinculado a la prensa digital española, aportando evidencia útil para comprender la circulación de las narrativas misóginas y orientar estrategias de mitigación y contrarréplica proporcionales
Financiación
La investigación se enmarca en el proyecto de investigación Hatemedia (PID2020-114584GB-I00), concedido en 2021 y financiado por MCIN/AEI/10.13039/501100011033.Citas
Abercrombie, Gavin; Jiang, A. Aiqi; Gerrard-Abbott, Poppy; Konstas, Ioannis; & Rieser, Verena (2023). Resources for automated identification of online gender-based violence: a systematic review [ponencia]. Proceedings of the 7th Workshop on Online Abuse and Harms (WOAH), Association for Computational Linguistics, Toronto, Cánada, (pp. 170-186). http://dx.doi.org/10.18653/v1/2023.woah-1.17
Alorainy, Wafa; Burnap, Pete; Liu, Han; Williams, Matthew; & Giommoni, Luca (2022). Disrupting networks of hate: characterising hateful networks and removing critical nodes. Social Network Analysis and Mining, 12(1), 27. http://dx.doi.org/10.1007/s13278-021-00818-z
Basile, Valerio; Bosco, Cristina; Fersini, Elisabetta; Nozza, Debora; Patti, Viviana; Rangel, Francisco; Rosso, Paolo; & Sanguinetti, Manuela (2019). SemEval-2019 Task 5: Multilingual detection of hate speech against immigrants and women in Twitter [ponencia]. Proceedings of the 13th International Workshop on Semantic Evaluation (SemEval-2019), Association for Computational Linguistics, Minneapolis, Minnesota, Estados Unidos, (pp. 54-63). http://dx.doi.org/10.18653/v1/S19-2007
Benítez-Hidalgo, Vivian; Pastor-Moreno, Guadalupe; Ruiz-Pérez, Isabel; & Amaya-Santos, Sua (2026). Technology-facilitated sexual violence against women and its health impact: a mixed-methods systematic review. BMC Public Health, 26. https://dx.doi.org/10.1186/s12889-026-26260-4
Burnap, Pete; & Williams, Matthew (2015). Cyber hate speech on twitter: An application of machine classification and statistical modeling for policy and decision making. Policy & internet, 7(2), 223-242. http://dx.doi.org/10.1002/poi3.85
Campos-Domínguez, Eva (2017). Twitter y la comunicación política. El Profesional De La información, 26(5), 785-794. https://dx.doi.org/10.3145/epi.2017.sep.01
Council of Europe (2022). Recommendation CM/Rec (2022)16 of the Committee of Ministers to member States on combating hate speech. https://shre.ink/7dVT
Culpeper, Jonathan (2011). Impoliteness: Using language to cause offence. Cambridge University Press. http://dx.doi.org/10.1017/CBO9780511975752
Davidson, Thomas; Warmsley, Dana; Macy, Michael; & Weber, Ingmar (2017). Automated hate speech detection and the problem of offensive language. Proceedings of the International AAAI Conference on Web and Social Media, 11(1), 512-515. http://dx.doi.org/10.1609/icwsm.v11i1.14955
Dutta, Aditi; Banducci, Susan; & Camargo, Chico (2025). Divided by discipline? A systematic literature review on the quantification of online sexism and misogyny using a semi-automated approach. Scientometrics, 130(9), 4915–4971. http://dx.doi.org/10.1007/s11192-025-05410-2
European Parliament (2023). The impact of the use of social media on women and girls (PE 743.341). Policy Department for Citizens’ Rights and Constitutional Affairs. https://shre.ink/7dVn
Evkoski, Bojan; Pelicon, Andraž; Mozetič, Igor; Ljubešić, Nikola; & Kralj, Petra (2022). Retweet communities reveal the main sources of hate speech. Plos one, 17(3), e0265602. http://dx.doi.org/10.1371/journal.pone.0265602
Fontanella, Lara; Chulvi, Berta; Ignazzi, Elisa; Sarra, Annalina; & Tontodimamma, Alice (2024). How do we study misogyny in the digital age? A systematic literature review using a computational linguistic approach. Humanities and Social Sciences Communications, 11(1), 1-15. http://dx.doi.org/10.1057/s41599-024-02978-7
Freeman, Linton (1977). A set of measures of centrality based on betweenness. Sociometry, 40(1), 35-41. http://dx.doi.org/10.2307/3033543
García de Torres, Elvira; Yezers’ka, Lyudmyla; Rost, Alejandro; Calderín, Mabel; Edo, Concha; Rojano, Miladys; Said, Elias; Jerónimo, Pedro; Arcila, Carlos; Serrano, Ana; Sánchez, Jorge; & Corredoira, Loreto (2011). Use of Twitter and Facebook by Iberoamerican media. El Profesional De La información, 20(6), 611-620. http://dx.doi.org/10.3145/epi.2011.nov.02
Gennaro, Gloria; Derksen, Laurenz; Abdelrahman, Aya; Broggini, Emma; Green, Mariya; Haerter, Victoria; Heer, Elia; Heidler, Isabel; Kauer, Fiona; Kim, Han; Landry, Benjamin; Levis, Alessio; Li, Jiazhen; Şimşir, Şevval; Srbinovska, Iva; Vital, Robin; Donnay, Karsten; Gilardi, Fabrizio; & Hangartner, Dominik (2025). Counterspeech encouraging users to adopt the perspective of minority groups reduces hate speech and its amplification on social media. Scientific Reports, 15(1), 22018. https://dx.doi.org/10.1038/s41598-025-05041-w
Gilardi, Fabrizio; Gessler, Theresa; Kubli, Mäel; & Müller, Stefan (2022). Social media and political agenda setting. Political communication, 39(1), 39-60. http://dx.doi.org/10.1080/10584609.2021.1910390
Ging, Debbie (2019). Alphas, betas, and incels: Theorizing the masculinities of the manosphere. Men and masculinities, 22(4), 638-657. http://dx.doi.org/10.1177/1097184X17706401
Granovetter, Mark (1973). The strength of weak ties. American journal of sociology, 78(6), 1360-1380. http://dx.doi.org/10.1086/225469
Guess, Andrew; Malhotra, Neil; Pan, Jennifer; Barberá, Pablo; Allcott, Hunt; Brown, Taylor; Crespo-Tenorio, Adriana; Dimmery, Drew; Freelon, Deen; Gentzkow, Matthew; González-Bailón, Sandra; Kennedy, Edward; Kim, Young; Lazer, David; Moehler, Devra; Nyhan, Brendan; Velasco-Rivera, Carlos; Settle, Jaime; Thomas, Daniel; Thorson, Emily; Tromble, Rebekah; Wilkins, Aarjun; Wojcieszak, Magdalena; Xiong, Beixian; Kiewiet de Jonge, Chad; Franco, Annie; Mason, Winter; Jomini, Natalie; & Tucker, Joshua (2023). How do social media feed algorithms affect attitudes and behavior in an election campaign? Science, 381(6656), 398-404. http://dx.doi.org/10.1126/science.abp9364
Habib, Hussam; Srinivasan, Padmini; & Nithyanand, Rishab (2022). Making a radical misogynist: How online social engagement with the manosphere influences traits of radicalization. Proceedings of the ACM on human-computer interaction, 6(CSCW2), 1-28. http://dx.doi.org/10.1145/3555551
Han, Xiaoting; & Yin, Chenjun (2023). Mapping the manosphere. Categorization of reactionary masculinity discourses in digital environment. Feminist media studies, 23(5), 1923-1940. http://dx.doi.org/10.1080/14680777.2021.1998185
Huszár, Ferenc; Ktena, Sofía; O’Brien, Conor; Belli, Luca; Schlaikjer, Andrew; & Hardt, Moritz (2022). Algorithmic amplification of politics on Twitter. Proceedings of the national academy of sciences, 119(1), e2025334119. http://dx.doi.org/10.1073/pnas.2025334119
Hyland, Ken (2005). Stance and engagement: A model of interaction in academic discourse. Discourse studies, 7(2), 173-192. http://dx.doi.org/10.1177/1461445605050365
Jahan, Md. Saroar; & Oussalah, Mourad (2023). A systematic review of hate speech automatic detection using natural language processing. Neurocomputing, 546, e126232. http://dx.doi.org/10.1016/j.neucom.2023.126232
Jahn, Laura; Rendsvig, Rasmus; Flammini, Alessandro; Menczer, Filippo; & Hendricks, Vincent (2025). A perspective on friction interventions to curb the spread of misinformation. npj Complexity, 2(1), e31. http://dx.doi.org/10.1038/s44260-025-00051-1
Juárez Miró, Clara; & Toff, Benjamín (2023). How right-wing populists engage with cross-cutting news on online message boards: The case of ForoCoches and Vox in Spain. The International Journal of Press/Politics, 28(4), 770-790. http://dx.doi.org/10.1177/19401612211072696
Kentmen-Cin, Cigdem (2025). Hate speech on social media: A systemic narrative review of political science contributions. Social Sciences, 14(10), e610. http://dx.doi.org/10.3390/socsci14100610
Kirk, Hannah; Yin, Wenjie; Vidgen, Bertie; & Röttger, Paul (2023). SemEval-2023 task 10: Explainable detection of online sexism [ponencia]. Proceedings of the 17th International Workshop on Semantic Evaluation (SemEval-2023), Association for Computational Linguistics, Toronto, Cánada, (pp. 2193-2210). http://dx.doi.org/10.18653/v1/2023.semeval-1.305
Koch, Luise; Russo-Riva, Maria; & Steinert, Janina (2025). Technology-Facilitated Gender-Based Violence Against Politically Active Women: A Systematic Review of Psychological and Political Consequences and Women’s Coping Behaviors. Trauma, Violence, & Abuse. http://dx.doi.org/10.1177/15248380251343185
Krendel, Alexandra; McGlashan, Mark; & Koller, Veronika (2022). The representation of gendered social actors across five manosphere communities on Reddit. Corpora, 17(2), 291-321. http://dx.doi.org/10.3366/cor.2022.0257
Kyparissiadis, George; & Skoulas, Emmanuel (2021). Manosphere and manconomy: Divergent masculinities in the digital space. Ex-centric narratives: Journal of Anglophone Literature, Culture and Media, (5), 199-217. http://dx.doi.org/10.26262/exna.v0i5.8501
Lacalle, Charo; Gómez-Morales, Beatriz; & Vicent-Ibáñez, Mireya (2023). Misogyny and the construction of toxic masculinity in the Spanish Manosphere (Burbuja. info). El Profesional De La información, 32(2), e320215. https://dx.doi.org/10.3145/EPI.2023.MAR.15
Malmasi, Shervin; & Zampieri, Marcos (2017, 4–6 septiembre). Detecting Hate Speech in Social Media [ponencia]. Proceedings of the International Conference Recent Advances in Natural Language Processing, RANLP 2017, Varna, Bulgaria, (pp. 467-472). https://dx.doi.org/10.26615/978-954-452-049-6_062
Martin, James; & White, Peter (2005). The language of evaluation: Appraisal in English. Palgrave Macmillan.
Nobata, Chikashi; Tetreault, Joel; Thomas, Achint; Mehdad, Yashar; & Chang, Yi (2016, 11-15 de abril). Abusive language detection in online user content [ponencia]. WWW '16: 25th International World Wide Web Conference, Montréal Québec Cánada, (pp. 145-153). http://dx.doi.org/10.1145/2872427.2883062
Pak, Sharon; Pui, Edmond; Wu, Chanchan; Hing, Pui; & Bardbury-Jones, Caroline (2024). Measuring technology-facilitated sexual violence and abuse: a scoping review protocol of existing measurements. BMJ open, 14(12), e089296. https://dx.doi.org/10.1136/bmjopen-2024-089296
Ribeiro, Manoel; Blackburn, Jeremy; Bradlyn, Barry; De Cristofaro, Emiliano; Stringhini, Gianluca; Long, Summer; Greenberg, Stephanie; & Zannettou, Savvas (2021). The evolution of the manosphere across the web. Proceedings of the International AAAI Conference on Web and Social Media, 15(1), 196-207. http://dx.doi.org/10.1609/icwsm.v15i1.18053
Rothermel, Ann-Kathrin (2023). The role of evidence-based misogyny in antifeminist online communities of the ‘manosphere’. Big Data & Society, 10(2), 20539517221145671. http://dx.doi.org/10.1080/14680777.2022.2088010
Saeed, Ramsha; Afzal, Hammad; Rauf, Sadaf; & Iltaf, Naima (2023). Detection of offensive language and its severity for low resource language. ACM Transactions on Asian and Low-Resource Language Information Processing, 22(6), 1-27. https://dx.doi.org/10.1145/3580476
Schröer, Christoph; Kruse, Felix; & Gómez, Jorge Marx (2021). A systematic literature review on applying CRISP-DM process model. Procedia computer science, 181, 526-534. https://dx.doi.org/10.1016/j.procs.2021.01.199
Seemann, Nina; Lee, Yeong; Höllig, Julian; & Geierhos, Michaela (2023). The problem of varying annotations to identify abusive language in social media content. Natural Language Engineering, 29(6), 1561-1585. https://dx.doi.org/10.1017/S1351324923000098
Soriano, Cristina (2016). El lenguaje de las emociones. En, María del Carmen Horno-Chéliz; Iraide Ibarretxe Ibarretxe Antuñano; y José Luis Mendívil Giró (Eds.), Panorama actual de la ciencia del lenguaje, (pp. 243–259). Prensas de la Universidad de Zaragoza.
Statista (2020). Ranking de los 10 medios de comunicación con más seguidores en Twitter en España en abril de 2020 [Estadística]. https://shre.ink/7dOb
UN Women / UN Secretary-General (2024). Intensification of efforts to eliminate all forms of violence against women and girls: Technology-facilitated violence against women and girls (A/79/500). https://shre.ink/7dwh
United Nations Population Fund [UNFPA] (2025). An infographic guide to technology-facilitated gender-based violence (TFGBV). https://shre.ink/7dwV
UNESCO (2024). Countering hate speech. https://shre.ink/7dVW
Unión Europea (2022). Reglamento (UE) 2022/2065 relativo a un mercado único de servicios digitales y por el que se modifica la Directiva 2000/31/CE (Reglamento de Servicios Digitales). EUR-Lex. https://shre.ink/7dwr
Unión Europea (2024). Directiva (UE) 2024/1385 del Parlamento Europeo y Consejo de 14 de mayo de 2024 sobre la lucha contra la violencia contra las mujeres y la violencia doméstica. EUR-Lex. https://shre.ink/7dwe
Wang, Cindy (2018). Interpreting neural network hate speech classifiers [ponencia]. Proceedings of the 2nd workshop on abusive language online (ALW2), Association for Computational Linguistics, Bruselas, Bélgica, (pp. 86-92). https://dx.doi.org/10.18653/v1/W18-5111
Weiss, Phelia; Koban, Kevin; & Matthes, Jörg (2025). A narrow gateway from misogyny to the far right: empirical evidence for social media exposure effects. Information, Communication & Society, 28(13), 2377-2395. https://dx.doi.org/10.1080/1369118X.2024.2445637
Zeinert, Philine; Inie, Nanna; & Derczynski, Leon (2021). Annotating online misogyny [ponencia]. Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing, Association for Computational Linguistics, (pp. 3181-3197). https://dx.doi.org/10.18653/v1/2021.acl-long.247
Zhang, Ziqi; Robinson, David; & Tepper, Jonathan (2018). Detecting hate speech on twitter using a convolution-gru based deep neural network [ponencia] European semantic web conference, (pp. 745-760). Springer International Publishing. https://dx.doi.org/10.1007/978-3-319-93417-4_48
Zugasti-Hervás, Irene (2022). Habitar las redes sociales en igualdad: nuevos usos y buenas prácticas. Revista de estudios de juventud, (125), 139-149. https://shre.ink/7d64
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Ángela Martín-Gutiérrez, Jesús Conde-Jiménez, Elias Said-Hung
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores y autoras que publican en esta revista están de acuerdo con los siguientes términos:
1 Derechos de autor. Los autores y autoras conservan sus derechos de autor, aunque ceden a la revista de forma no exclusiva los derechos de explotación (reproducción, distribución, comunicación pública y transformación) y garantizan a esta el derecho de primera publicación de su trabajo, el cual estará simultáneamente sujeto a la licencia indicada en punto 2. Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2 Licencia. Los trabajos se publican en la revista sujetos a la licencia de Reconocimiento 4.0 Internacional de Creative Commons (CC BY 4.0); los términos se pueden consultar en https://creativecommons.org/licenses/by/4.0/
Esta licencia permite a terceros compartir (copiar y redistribuir el material en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material para cualquier finalidad, incluso comercial), siempre que se reconozca la autoría y la primera publicación en esta revista (Revista Mediterránea de Comunicación (RMC) / Mediterranean Journal of Communication (MJC), Universidad de Alicante, DOI de la obra), se proporcione un enlace a la licencia y se indique si se han realizado cambios en la obra.
3 Política de autoarchivo. Se recomienda a los autores que difundan sus trabajos a través de Internet para favorecer una circulación y difusión más rápidas y, con ello, un posible aumento en la citación y alcance entre la comunidad científica y académica, en las siguientes condiciones:
No se permite a los autores depositar en un repositorio institucional o temático, página web propia, etc., las versiones preprint (versión antes de ser evaluada) o postprint (versión evaluada y aceptada para su publicación) de sus trabajos antes de su publicación, pero sí el artículo final publicado (versión del editor).
