Twitters glasloft afsløret for kvinder og minoritetsløb

Vores civilisation er fyldt med uligheder. De mest åbenlyse, der involverer køn og race, er genstand for løbende undersøgelser og debat. At vende disse uligheder betragtes bredt som et vigtigt mål for menneskeheden.

Et af værktøjerne, der ændrer den måde, mennesker interagerer på, er sociale medier. Det er naturligt at tro, at tjenester som Twitter kan spille en vigtig rolle i at vende uligheder af forskellig art.

Men det rejser et vigtigt spørgsmål: i hvilket omfang har ulighederne forbundet med race og køn allerede spredt sig på sociale medier?

I dag får vi svar takket være Johnnatan Messias' arbejde ved det føderale universitet i Minas Gerais i Brasilien og et par venner, som har studeret spillefeltet for mænd og kvinder af forskellige racer på Twitter. Deres resultater giver stærke beviser på, at visse typer uligheder allerede har inficeret Twitterverse.

Forskernes metode til at studere ulighed er ligetil. Messias og co begyndte med at filtrere Twitter-strømmen i løbet af de tre måneder frem til september 2016. I alt indsamlede de 341.457.982 tweets sendt af 50.270.310 brugere.

De filtrerede dette efter tidszone, geolokation og dem med et profilbillede for at efterlade dem med 1,6 millioner brugere baseret i USA. De fodrede derefter billederne gennem en avanceret ansigtsgenkendelsesapplikation kaldet Face++, som rapporterer sexet og race (sort, hvid eller asiatisk) for hver bruger.

Det afslørede gruppens overordnede sammensætning. Dette viste, at 53 procent var kvinder og 47 procent mænd. Det afslørede også racefordelingen, som var 18 procent asiatiske, 14 procent sorte og 68 procent hvide.

Disse baseline-tal er vigtige, fordi i et virkelig lige samfund bør de samme proportioner dukke op i undergrupper af personer udvalgt fra dette datasæt.

Resultaterne giver interessant læsning. Messias og co begyndte med at se på forholdet mellem mænd og kvinder, der havde flest følgere på Twitter. Af de øverste 1 procent af Twitter-brugere med flest følgere var 57 procent mænd og 43 procent kvinder.

Det er et udsving på 15 procent fra den forventede fordeling i et ligestillet samfund. Resultaterne afspejler den generelle idé om, at højere stillinger normalt indtages af mænd, siger Messias og co.

Lignende uligheder dukkede op, da gruppen studerede fordelingen af ​​racer blandt de mest populære Twitter-brugere. På de højeste niveauer af [Twitter] synlighed kommer brugere, der opfattes som hvide, ud på toppositionen, siger forskerne.

De pirrer endda dataene fra hinanden mere detaljeret ved at se på virkningerne af både køn og race. Den mest privilegerede gruppe viser sig at være hvide mænd, som er overrepræsenteret med 20 procent blandt populære Twitter-brugere. Hvide kvinder er også mere privilegerede om end i meget mindre grad, kun 3 procent.

De mest underprivilegerede grupper er asiatiske kvinder og sorte kvinder, som er underrepræsenteret med 31 procent.

Messias og co ser også på den måde, brugerne forbinder til hinanden på, og om dette afspejler basisdataene. Det viser sig, at der er betydelige skævheder i den måde, køn og racer forbinder til hinanden. Dette er en effekt kendt som homofili – folks tendens til at opsøge andre som dem selv.

Men størrelsen af ​​denne effekt er interessant. Hvide mennesker har en tendens til at følge flere hvide mennesker end forventet med en margin på 16 procent. Sorte har en tendens til at følge flere sorte end forventet med en meget betydelig margin på over 200 procent. Asiater har dog en tendens til at følge færre asiatiske end forventet med en margin på 10 procent. Den forventede homofili var ikke klar for tilfældet med asiater, siger Messias og co.

Det er interessant arbejde, der afslører den klare eksistens af glasloftseffekter på Twitter. Vi viser, at Twitter-glasloftseffekten, der typisk anvendes på kvinder, også forekommer i Twitter for mænd, hvis de er sorte eller asiater, siger forskerne.

Dette har betydelige konsekvenser for den måde, hvorpå ulighed kan tackles. Et første skridt er altid at forstå karakteren af ​​uligheder, og dette arbejde går et stykke vej for at opnå dette.

Men den næste fase af at finde ud af, hvordan man kan udjævne vilkårene, er en meget vanskeligere opgave.

Ref: arxiv.org/abs/1706.08619 : Hvid, mand og meget fulgt: Køns- og raceuligheder på Twitter

skjule