Identificando líderes de opinión en la campaña #StopHateForProfit a partir del Análisis de Redes Sociales

• Puerta-Díaz, Mirelys ^[1] ; Martínez-Ávila, Daniel ^[2] ; Ovalle-Perandones, María-Antonia ^[3]
  1. [1] Universidade Estadual Paulista

     Universidade Estadual Paulista

     Brasil

     
  2. [2] Universidad de León

     Universidad de León

     León, España

     
  3. [3] Universidad Complutense de Madrid

     Universidad Complutense de Madrid

     Madrid, España

     

  Mostrar afiliaciones +
• Localización: Revista española de documentación científica, ISSN-e 1988-4621, ISSN 0210-0614, Vol. 48, Nº 1, 2025
• Idioma: español
• DOI: 10.3989/redc.2025.1.1627
• Títulos paralelos:
  • Identifying opinion leaders in the #StopHateForProfit campaign through Social Network Analysis
• Enlaces
  • Texto completo  1    2  
• Resumen
  • español

    Este estudio aborda la campaña #StopHateForProfit de boicot a Facebook desde una perspectiva de Análisis de Redes Sociales (ARS), apoyándose en el Procesamiento de Lenguaje Natural para examinar datos obtenidos del sitio de red social Twitter (actual X). El ARS reveló el carácter internacional de la comunidad participante y mediante el empleo de métricas de centralidad de grado, intermediación y cercanía su estructura social y actores más influyentes. La campaña movilizó una amplia variedad de participantes y se identificó la formación de un grupo cohesivo. Se destacaron más de 1.000 empresas incluyendo grandes marcas como Adidas y Coca-Cola, organizaciones defensoras de los derechos civiles, figuras públicas, del sector del entretenimiento, así como de la sociedad civil. Se identificaron temas predominantes en la narrativa general y generaron discusiones sobre temas más amplios como responsabilidad social corporativa, derechos civiles, desigualdades sociales y el fenómeno de la desinformación.

     

  • English

    This study addresses the #StopHateForProfit boycott campaign against Facebook from a Social Network Analysis (SNA) perspective, using natural language processing to examine data collected from the Twitter social network site (now X). SNA revealed the international nature of the participating community, and with indicators of degree centrality, betweenness, and closeness metrics, its social structure and most influential actors were examined. The campaign mobilized a diverse range of participants and the formation of a cohesive community was identified. Over 1,000 companies stood out, including major brands like Adidas and Coca-Cola, civil rights advocacy organizations, public figures, entertainment industry representatives, as well as members of civil society. Predominant themes in the overall narrative were identified, sparking discussions on broader issues such as corporate social responsibility, civil rights, social inequalities, and the phenomenon of misinformation.

• Referencias bibliográficas
  • Anti-Defamation League [ADL]. (2020). Stop Hate for Profit. Disponible en: https://www.stophateforprofit.org/.
  • Arias Ramos, N., Calvo Sánchez, M. D., Fernández‐Villa, T., Ovalle Perandones, M. A., Fernández García, D., y Marqués‐Sánchez, P. (2018)....
  • Benítez-Andrades, J. A., García-Rodríguez, I., Benavides, C., Alaiz-Moretón, H., y Rodríguez-González, A. (2020). Social network analysis...
  • Bavelas, A. (1950). Communication patterns in task oriented groups. Journal of the Acoustical Society of America, 57, 271-282.
  • Capozzi, A. T. E, Patti, V., Ruffo, G., y Bosco, C. (2018) A Data Viz Platform as a Support to Study, Analyze and Understand the Hate Speech...
  • Demšar, J., Curk, T., Erjavec, A., Gorup, Č., Hočevar, T., Milutinovič, M., ... y Zupan, B. (2013). Orange: data mining toolbox in Python....
  • Esquivel Alonso, Y. (2016). El discurso del odio en la jurisprudencia del Tribunal Europeo de Derechos Humanos. Cuestiones Constitucionales...
  • Freeman, L.C. (1977). A Set of Measures of Centrality Based on Betweenness. Sociometry, 40, 35-41.
  • Freeman, L. C. (1978). Centrality in social networks conceptual clarification. Social Networks, 1(3), 215-239. Disponible en: https://www.bebr.ufl.edu/sites/default/files/Centrality%20in%20Social%20Networks.pdf.
  • Freeman, L.C. (1979). Centrality in Social Networks Conceptual Clarification. Social Networks, 1, 215-239.
  • Fresno García, M., Daly, A. J. y Segado Sánchez-Cabezudo, S. (2016). Identificando a los nuevos influyentes en tiempos de Internet: Medios...
  • Gentry, J., Gentry, M. J., RSQLite, S., y Artistic, R. L. (2016). Package ‘twitteR’. Cran. r-project. Disponible en: http://cran.irsn.fr/web/packages/twitteR/twitteR.pdf.
  • Gouveia, F. C. (2020). Introdução ao Gephi. En: Fialho, J. Redes sociales: ¿Cómo compreendê-las? Uma introdução à análise de redes sociais....
  • Gruzd, A., y Mai, P. (2020). Going viral: How a single tweet spawned a COVID-19 conspiracy theory on Twitter. Big Data y Society, 7(2), 2053951720938405.
  • Gu, L., Kropotov, V., y Yarochkin, F. (2017). The fake news machine: How propagandists abuse the internet and manipulate the public. Trendslab....
  • López-Pujalte, C., y Nuño-Moral, M. V. (2020). La “infodemia” en la crisis del coronavirus: Análisis de desinformaciones en España y Latinoamérica....
  • Marqués-Sánchez, M del P., Muñoz-Doyague, M. F., Pérez-Rivera, J., Bayón-Darkistade, E. y Casado-Verdejo, I. (2014). El liderazgo de los profesionales...
  • Júnior, E. (2016, 21 Marzo). ONU cita aumento alarmante nos discursos de ódio e xenofobia. ONU News. Disponible en: https://news.un.org/pt/story/2016/03/1544961.
  • Kalsnes, B. (2018). Fake News. En: Kalsnes, B. (Ed.). Oxford Research Encyclopedia of Communication, 2-21. Oxford University Press. https://www.academia.edu/download/58000774/Fake_news_Oxford_Encyclopedia.pdf
  • Li, J., Peng, W, Li, T, Sun, T, Li, Q., y Xu, J. (2014). Social network user influence sense-making and dynamics prediction. Expert Syst....
  • Newman, M. (2010). Networks: An Introduction. Oxford University Press, Oxford.
  • Nooy, W., Mrvar, A., y Batagelj, V. (2005). Exploratory network analysis using Pajek. Cambridge University Press.
  • Ortega, J. L., y Aguillo, I. F. (2009). Análisis estructural de la web académica iberoamericana. Revista Española De Documentación Científica,...
  • Page, L., y Brin, S. (1996). The Anatomy of a Large-Scale Hypertextual Web Search Engine. Computer Networks and ISDN Systems, 30(1-7), 107-117.
  • Puerta-Díaz, M. (2022a). Representación del dominio de la campaña #StopHateforProfit a partir del análisis de redes sociales. (Tesis inédita...
  • Puerta-Díaz, M. (2022b). Tweets #StopHateforProfit. figshare. Dataset.
  • Revenga Sánchez, M. (2015). Libertad de expresión y discursos del odio. Editorial Universidad de Alcalá. Disponible en: https://elibro.net/es/ereader/universidadcomplutense/44373?page=13.
  • Richardson, M., y Domingos, P. M. (2002). Mining knowledge-sharing sites for viral marketing. In Proceedings of the eighth ACM SIGKDD international...
  • Riquelme, F., y González-Cantergiani, P. (2016). Measuring user influence on Twitter: A survey. Information processing y management, 52(5),...
  • Royzman, E. B., Mccauley, C., y Rozin, P. (2005). From Plato to Putnam: Four Ways to Think About Hate. En: R. J. Sternberg (Ed.). The psychology...
  • Song, X., Tseng, B. L, Lin, C.Y., y Sun, M.T. (2006). Personalized recommendation driven by information flow. En E. N. Efthimiadis, S. T....
  • Villagra, N., Monfort, A., y Méndez-Suárez, M. (2021). Firm value impact of corporate activism: Facebook and the stop hate for profit campaign....
  • Wasserman, S., y Faust, K. (1994). Social network analysis: Methods and applications. Cambridge University Press.