WEBVTT 00:00:00.000 --> 00:00:10.000 Bien, entonces, buenas tardes. Como dijo Lauren, mi nombre es Deepika, ¿perdón? Vale, mi nombre es Deepika Rama Subramanian. Soy estudiante de tercer año de doctorado 00:00:10.000 --> 00:00:20.000 en el Departamento de Ciencia de la Información de la Universidad de Colorado, Boulder. Vamos a hablar sobre nuestra investigación: Terreno fértil: los cuerpos de la 00:00:20.000 --> 00:00:30.000 s mujeres como espacios para fomentar la desinformación. Este trabajo fue un esfuerzo colaborativo entre mí, Hande Batan, Tajanae Harris, Lindsay Diamond y nuestra as 00:00:30.000 --> 00:00:40.000 sora Leysia Palen. Este trabajo investiga el desorden informativo con respecto a las vacunas contra el COVID-19 en entornos de redes sociales. En nuestro caso, eso va 00:00:40.000 --> 00:00:50.000 a ser Twitter, ya que ocurre en poblaciones específicas. En nuestro caso, son mujeres y otras personas que menstrúan. Este trabajo es el resultado de la subvención d 00:00:50.000 --> 00:01:00.000 e la NSF 'El aumento y la propagación de campañas en redes sociales contra las vacunas y contra el acceso dirigidas a poblaciones desfavorecidas y minoritarias durant 00:01:00.000 --> 00:01:10.000 la pandemia de COVID-19.' Otro trabajo que surgió de esa subvención fue 'La polivocalidad de las narrativas en línea sobre la vacuna contra el COVID-19 que invocan e 00:01:10.000 --> 00:01:20.000 l racismo médico.' Al igual que nuestro trabajo que estamos presentando hoy, este también examinó el desorden informativo en Twitter, pero la población objetivo eran 00:01:20.000 --> 00:01:30.000 los afroamericanos. Si están interesados, este artículo fue publicado en CHI 2022 (Actas de la Conferencia CHI 2022 sobre Factores Humanos en Sistemas Informáticos). 00:01:30.000 --> 00:01:40.000 ien, antes de empezar, y estoy tratando de hacerlo en un estilo narrativo, necesito hablar sobre el conjunto de datos que teníamos. Contamos con un servicio interno d 00:01:40.000 --> 00:01:50.000 e recopilación de transmisiones en línea que estuvo activo desde el 18 de diciembre de 2020 en adelante. También tuvimos que recolectar hacia atrás a través de la API 00:01:50.000 --> 00:02:00.000 de Twitter, la API académica que ya no existe, pero retrocedimos hasta el 11 de marzo de 2020. Recopilamos términos relacionados con las vacunas, las vacunas mismas 00:02:00.000 --> 00:02:10.000 algunas variaciones de la palabra 'vacuna'. Empezamos a ver una aparición de temas sobre infertilidad que hacían una conexión incorrecta entre la vacuna contra el CO 00:02:10.000 --> 00:02:20.000 VID-19 y preocupaciones sobre la fertilidad. Naturalmente, nuestra primera etapa de investigación nos llevó a identificar empíricamente, en números y fases, el discur 00:02:20.000 --> 00:02:30.000 so sobre la vacuna contra el COVID-19 en relación con las preocupaciones sobre la fertilidad, desde antes de la vacuna hasta después de su disponibilidad. Para hacerl 00:02:30.000 --> 00:02:40.000 , utilizamos un enfoque cualitativo de codificación de abajo hacia arriba con una muestra estratificada de nuestro conjunto de datos. Estratificamos un 5% por mes dur 00:02:40.000 --> 00:02:50.000 ante este período. Encontramos cuatro principales constructos de los que se hablaba en esos tuits que analizamos. El primero es el discurso conspirativo, que son nues 00:02:50.000 --> 00:03:00.000 tras clásicas teorías de conspiración sobre las vacunas y la fertilidad. Está la 'agenda de despoblación', 'Bill Gates quiere perjudicar al sur global' y 'esterilizar 00:03:00.000 --> 00:03:10.000 a las mujeres en el sur global', y así sucesivamente. El segundo tipo que vimos fue el razonamiento defectuoso. Esto era realmente un término paraguas para tres otras 00:03:10.000 --> 00:03:20.000 citas que estábamos viendo. La primera era 'mala ciencia', donde las personas utilizaban jerga científica para dar una apariencia de credibilidad mientras hacían afi 00:03:20.000 --> 00:03:30.000 rmaciones falsas. La segunda era la selección sesgada, donde tomaban un hecho empírico científicamente preciso y lo manipulaban para servir a un propósito nefasto. En 00:03:30.000 --> 00:03:40.000 este caso, en muchos casos, insinuaban que la vacuna causaba cáncer a las personas basándose en información del prospecto de la vacuna. Luego estaban aquellos que hac 00:03:40.000 --> 00:03:50.000 ían afirmaciones generales como: 'la vacuna causa infertilidad' sin un razonamiento real detrás de eso. El tercer constructo eran los argumentos a favor de la vacuna, 00:03:50.000 --> 00:04:00.000 y fue muy alentador ver que esto se metía en el espacio, tratando de calmar algo de esa información incorrecta en la plataforma. Finalmente, estaban aquellos que ten 00:04:00.000 --> 00:04:10.000 an dudas sobre la seguridad de la vacuna debido a la rapidez con la que se desarrolló. La Autorización de Uso de Emergencia fue otra causa de esa incertidumbre genuin 00:04:10.000 --> 00:04:20.000 a. Así que estos fueron los cuatro constructos que encontramos, pero también descubrimos que variaban mucho a lo largo del tiempo. Después de observar cómo variaban c 00:04:20.000 --> 00:04:30.000 on el tiempo y triangulándolas con eventos del mundo real, vimos que había tres fases del discurso sobre la vacuna que realmente estaban ocurriendo. La primera fase f 00:04:30.000 --> 00:04:40.000 e cuando se hablaba de la vacuna teóricamente. La segunda fue cuando la vacuna era inminente. Había ensayos en curso, y comenzaban a obtener algunos resultados de los 00:04:40.000 --> 00:04:50.000 ensayos también. Luego, la tercera fase, cuando la vacuna contra el COVID fue distribuida ampliamente. Por fase, vimos que el discurso conspirativo era extremadament 00:04:50.000 --> 00:05:00.000 e alto, junto con un razonamiento defectuoso. Muchos de estos argumentos sobre las vacunas realmente se basaban en vacunas anteriores y en las teorías conspirativas y 00:05:00.000 --> 00:05:10.000 argumentos mal razonados sobre vacunas más antiguas, especialmente la del VPH. En la fase dos, a medida que comenzamos a recibir más información del mundo científico 00:05:10.000 --> 00:05:20.000 sobre la vacuna, el razonamiento defectuoso se dispara, ya que las personas intentan hacer afirmaciones falsas entre la vacuna y la fertilidad. En la fase final, aún 00:05:20.000 --> 00:05:30.000 vemos una componente de razonamiento defectuoso extremadamente alta, pero al mismo tiempo comenzamos a ver voces a favor de la vacuna entrar en escena tratando de des 00:05:30.000 --> 00:05:40.000 entir algunos de los mitos en esa área. Lo que más nos llamó la atención fue que en la fase tres comenzamos a ver a personas hablar sobre alteraciones en sus ciclos m 00:05:40.000 --> 00:05:50.000 enstruales. Hubo personas que se auto-reportaron cambios en la menstruación. Aún más allá de eso, vimos a personas asociando incorrectamente los cambios en sus ciclos 00:05:50.000 --> 00:06:00.000 menstruales con la infertilidad. Por ejemplo, una persona dijo: "algunas personas dicen que la vacuna está causando cambios en el ciclo menstrual de las mujeres / ta 00:06:00.000 --> 00:06:10.000 as aumentadas de infertilidad / irregularidad... sí, yo estoy bien." No hay razonamiento, pero eso ha comenzado a arraigarse en la plataforma. Así que, de manera natu 00:06:10.000 --> 00:06:20.000 ral, nuestra siguiente etapa de investigación quiso entender el rango de posiciones, valores y argumentos que rodeaban estos auto-reportes y la discusión sobre la alt 00:06:20.000 --> 00:06:30.000 eración menstrual. Para hacer esto, utilizamos análisis de discurso porque queríamos capturar la construcción de los argumentos y cómo las personas interactuaban con 00:06:30.000 --> 00:06:40.000 sos argumentos a través de las respuestas a los tuits. También tuvimos que refinar nuestro conjunto de datos para usar tuits con alta actividad convergente. Con esto 00:06:40.000 --> 00:06:50.000 nos referimos a personas que los usaban para responder y como tuits citados, porque en realidad, ahí es donde ocurría la conversación. Así que construimos una métrica 00:06:50.000 --> 00:07:00.000 de compromiso usando esas dos métricas, que son las respuestas y las citas. Luego construimos una muestra de 69 tuits relevantes para realizar el análisis de discurs 00:07:00.000 --> 00:07:10.000 . Lo que encontramos fue que las personas principalmente hablaban desde cuatro marcos retóricos. El primero era el marco de la vacuna. Este se usaba para expresar las 00:07:10.000 --> 00:07:20.000 opiniones de las personas sobre la vacuna e involucraba, generalmente, una postura a favor, en contra o básicamente preocupada acerca de la vacuna. El segundo era el 00:07:20.000 --> 00:07:30.000 marco de los menstruantes, y se usaba para describir los cambios menstruales, reconocer, negar o cuestionar las experiencias de otras personas, hacer preguntas sobre 00:07:30.000 --> 00:07:40.000 la salud menstrual en relación con la vacuna contra el COVID, y también para limitar la negligencia hacia la salud menstrual en los ensayos de la vacuna, particularme 00:07:40.000 --> 00:07:50.000 nte. El tercer marco era el marco científico, médico y de salud pública. Este se usaba para hacer preguntas a las personas en posiciones de autoridad sobre la conexió 00:07:50.000 --> 00:08:00.000 entre la vacuna y las alteraciones menstruales. También se expresaban opiniones sobre la comunidad científica, médica y de salud pública. Otros mostraban una sensaci 00:08:00.000 --> 00:08:10.000 ón de autoridad a través de su asociación con las comunidades científica, médica y de salud pública. El último marco era el marco de la experiencia vivida. Este se us 00:08:10.000 --> 00:08:20.000 aba cuando las personas reportaban experiencias vividas de alteraciones menstruales o cuando las personas validaban o negaban las experiencias vividas de otras person 00:08:20.000 --> 00:08:30.000 s. Lo que vimos fue que los 69 tuits usaban uno o más de estos marcos de manera similar para construir sus argumentos. A partir de eso, encontramos que había 12 persp 00:08:30.000 --> 00:08:40.000 ectivas principales, pero solo tocaré algunas hoy por razones de tiempo. La primera perspectiva era usar la plataforma para recopilar datos sobre las experiencias viv 00:08:40.000 --> 00:08:50.000 idas menstruales de otras personas. Y quiero hacer hincapié en Kate Clancy, quien fue la autora de ese tuit y también se mencionará más adelante en la presentación. K 00:08:50.000 --> 00:09:00.000 te Clancy estaba pidiendo las experiencias vividas de las personas de manera formal a través de una encuesta. El segundo tipo que vimos fueron voces médicas que valid 00:09:00.000 --> 00:09:10.000 aban las experiencias de los menstruantes y ofrecían consejos u opiniones expertas sobre el fenómeno. Aquí tenemos al usuario "Vickilovesfacs." Su nombre es la Dra. V 00:09:10.000 --> 00:09:20.000 ictoria Male. También hablaremos de ella más adelante en la presentación. Aquí, ella utiliza su posición como inmunóloga reproductiva para dar su opinión informada so 00:09:20.000 --> 00:09:30.000 re la conexión entre la vacuna y la alteración menstrual. Hubo otros que usaron su posición como profesionales médicos para sembrar dudas sobre la vacuna. Esto fue co 00:09:30.000 --> 00:09:40.000 mo lo reverso de algo que vimos en la perspectiva anterior, donde las personas asociaban incorrectamente los trastornos de coagulación con la menstruación y luego con 00:09:40.000 --> 00:09:50.000 la infertilidad. Tambien tenemos a aquellos que invocaron al conocimiento científico y experiencia para descartar las experiencias de menstruantes para poder protege 00:09:50.000 --> 00:10:00.000 el cumplimiento de la vacuna contra el COVID-19. Aquí, quiero nuevamente señalar que la autora es una feminista india muy conocida y usa la posición de autoridad de 00:10:00.000 --> 00:10:10.000 una ginecóloga célebre de la India, diciendo que verificaron que la vacuna contra el COVID no afecta el periodo de una persona y que por favor no compartan esa inform 00:10:10.000 --> 00:10:20.000 ación en línea. Aquí estamos viendo a personas que están interesadas en proteger las vacunas y el cumplimiento de la vacuna, pero al mismo tiempo comienzan a cuestion 00:10:20.000 --> 00:10:30.000 r las experiencias vividas de las mujeres. Por otro lado, tenemos a personas con posturas antivacunas que dudan de la seguridad de la vacuna al mostrar una nueva preo 00:10:30.000 --> 00:10:40.000 cupación por la salud de las mujeres. Aquí hay una cita de – aquí un tuit de Candace Owens, quien señala que la comunidad científica y médica no tenía una explicación 00:10:40.000 --> 00:10:50.000 para el hecho de que las personas estaban experimentando alteraciones menstruales y que estaban preocupadas. Así que vimos estas perspectivas. Analizamos sus respues 00:10:50.000 --> 00:11:00.000 as para ver cómo las personas estaban interactuando con diversas partes de la construcción de argumentos. Luego, queríamos saber: ¿y qué? ¿Cómo se está propagando est 00:11:00.000 --> 00:11:10.000 o en el mundo? Nuestra tercera etapa de investigación quiso entender cómo se estaba adoptando y reutilizando esta información. Para ello, realizamos un análisis de re 00:11:10.000 --> 00:11:20.000 tuits. Al mismo tiempo, queríamos entender cómo lo que ocurría en Twitter estaba afectando a la prensa popular y la información fuera del mundo de Twitter. Para eso, 00:11:20.000 --> 00:11:30.000 ambién realizamos un análisis de la prensa popular y hablaré de eso ahora. Para el análisis de retuits, seleccionamos dos tuits que solicitaban explícitamente a las p 00:11:30.000 --> 00:11:40.000 ersonas que compartieran sus experiencias de alteración menstrual con ellos. Luego, analizamos quién retuiteó las respuestas a estos tuits. Básicamente, quién estaba 00:11:40.000 --> 00:11:50.000 retuiteando a las personas que se autoinformaban sobre cambios menstruales. Descubrimos que de los 192 informes autoinformados que analizamos, 176 fueron retuiteados 00:11:50.000 --> 00:12:00.000 or al menos un antivacunas. Muchos de ellos fueron retuiteados por bastantes más. También descubrimos que la activista antivacunas popular Naomi Wolf había retuiteado 00:12:00.000 --> 00:12:10.000 sistemáticamente 69 de esos 192. Otra cosa que encontramos es que las personas estaban usando ese aspecto de los retuits en Twitter para armar nuevas narrativas y re 00:12:10.000 --> 00:12:20.000 contextualizar los auto-informes de alteración menstrual. Por ejemplo, aquí están usando los comentarios de Naomi Wolf para darle un nuevo contexto a los auto-informe 00:12:20.000 --> 00:12:30.000 de alteración menstrual. ¿Cómo se tradujo esto a la prensa popular? Descubrimos que la prensa popular en realidad se encontraba bastante rezagada respecto a Twitter, 00:12:30.000 --> 00:12:40.000 y muchos de los incidentes en Twitter aparecían en la prensa popular mucho después. Para hacerlo, realizamos un análisis de la línea de tiempo de la prensa popular. 00:12:40.000 --> 00:12:50.000 También analizamos cada uno de los artículos que encontramos entre enero de 2021 y diciembre de 2022 para ver si realmente adoptaban una postura sobre si las vacunas 00:12:50.000 --> 00:13:00.000 fectaban los ciclos menstruales de las mujeres y otros menstruantes. Descubrimos que este pico aquí en junio de 2021 fue resultado del tuit de Kate Clancy, que pedía 00:13:00.000 --> 00:13:10.000 las experiencias vividas de las personas sobre alteraciones menstruales. En septiembre de 2021, fue el artículo de la Dra. Victoria Male en el British Medical Journal 00:13:10.000 --> 00:13:20.000 , pidiendo que se estudiara la relación entre la vacuna y las alteraciones menstruales. Finalmente, el pico en julio de 2022 corresponde al artículo de Kate Clancy, b 00:13:20.000 --> 00:13:30.000 sado en las respuestas de la encuesta que recibió en Twitter, que fue publicado en ese momento. Lo otro que quiero destacar aquí es cuántos de estos artículos de la p 00:13:30.000 --> 00:13:40.000 rensa popular realmente reconocían que existía una conexión entre la vacuna y las alteraciones menstruales. Incluso hasta agosto de 2022, no todos habían aceptado que 00:13:40.000 --> 00:13:50.000 existiera una conexión entre las vacunas y las alteraciones menstruales, a pesar de que en enero de 2022 se publicó un estudio académico controlado que estableció un 00:13:50.000 --> 00:14:00.000 vínculo entre la vacuna y las alteraciones menstruales. ¿Qué significa esto para nosotros? Descubrimos que la acción colectiva en línea atrajo la atención sobre un pr 00:14:00.000 --> 00:14:10.000 oblema médico importante que enfrentaban las mujeres y otras personas menstruantes. Encontramos que las comunidades científicas y médicas guardaron silencio sobre est 00:14:10.000 --> 00:14:20.000 tema durante un buen tiempo, lo que causó confusión y negación acerca de la conexión. Y esto movilizó una campaña antivacunas, como la que vimos en la fase uno, ante 00:14:20.000 --> 00:14:30.000 s de que incluso se creara la vacuna. Esta campaña estaba lista para incorporar los informes en línea en sus reclamaciones sobre infertilidad y en su agenda. Luego, d 00:14:30.000 --> 00:14:40.000 esde una perspectiva informática, encontramos que la mejor defensa contra la desinformación es no permitir el silencio sobre los temas que afectan a las poblaciones m 00:14:40.000 --> 00:14:50.000 rginadas y que la buena información puede hacer mucho mejor cuando se presenta como defensa, en lugar de cuando intenta corregir información errónea. Eso sería todo p 00:14:50.000 --> 00:15:00.000 or hoy de mi parte, muchas gracias.