Parte de la presentación que hice en el cumpleaños temático de RLadies Montevideo el 30 de agosto de 2018, dónde se presentaron varias investigaciones en R sobre género. Acá están los materiales!
El siguiente es un análisis se desarrolla en el marco del estudio diagnóstico sobre el acoso sexual y otros tipos de violencia contra las mujeres y niñas en espacios públicos en Montevideo. El mismo se enmarca en un convenio suscripto entre ONU Mujeres, la Asesoría para Igualdad de Género de la Intendencia de Montevideo (IM) y la Facultad de Ciencias Sociales (UdelaR).
Representa un ejemplo de las posibilidades analíticas de tipo cualitativo que pueden hacerse desde R, utilizando los paquetes quanteda y tm.
Definiciones previas:
El estudio concibe al Acoso Sexual Callejero (ASC) como:
“Incluye comentarios, atención, acciones o gestos con contenido sexual indeseado. Como en otras formas de violencia sexual, el componente clave del acoso sexual es que alguien realiza una acción sin el consentimiento, permiso o acuerdo de la persona o personas a las que se dirige. Acoso sexual incluye formas sin contacto, como comentarios sexuales acerca del cuerpo o apariencia de la persona, silbidos mientras pasa una mujer, exigencias de favores sexuales, quedarse mirando de manera sexualmente sugestiva, persecuciones y seguimiento de una persona, exposición de órganos sexuales. El acoso sexual también incluye formas físicas de contacto, como frotarse intencionalmente contra alguien en la calle o en el transporte público, agarrar, pegar una palmada y aproximarse a alguien en una manera sexual.” (ONU Mujeres, 2013)
Objetivos del estudio:
- Realizar un análisis textual de grupos de discusión sobre ASC realizados a mujeres y varones.
I. Análisis textual
Datos existentes
- 6 grupos de discusión sobre la temática ASC, en los cuales participaron mujeres y varones de Montevideo, pertenecientes a diferentes tramos etarios:
| Mujeres | Varones | Total | |
|---|---|---|---|
| Jovenes | 3 | 1 | 4 |
| Adultos | 1 | 1 | 2 |
| Total | 4 | 2 | 6 |
Pre-procesamiento
- Abro los archivos de texto en los cuales tengo las transcripciones de los grupos
- Elimino aquellas menciones que corresponden a lxs moderadorxs
- Guardo como archivos .txt, identificando cada archivo por su nombre según las carcaterísticas del grupo (variables de agrupación posteriores)
Pre-procesamiento
- Abro los archivos con la función readtext(), especificando ubicación de los mismos y variables anexas en los títulos para identificar características del documento
Pre-procesamiento
- Creo un corpus con el paquete quanteda
“Limpieza” del texto
- Creo un Document feature matrix (DFM), aplicando algunos argumentos que me permiten limpiar las palabras que no me interesan al efecto del análisis.
- Homogeinizo las palabras en minúscula
- Elimino números
- Elimino puntuaciones
- Elimno stopwords (por defecto y lista propia)
- Elimino palabras con pocos caracteres (1 y 2)
- Elimino palabras específicas que no me interesan (ej. “Risas”)
Nubes de palabras
Creo nubes de palabras con la función textplot_wordcloud y desagrego por grupos de interés.
Nubes de palabras: general
Nubes de palabras: grupos
Nubes de palabras: mujeres/varones
Agrupación de palabras
Agrupación de palabras
- Para dar cuenta de la agrupación de palabras, uso el paquete tm y, a diferencia del análisis anterior, considero cada mención como un elemento del corpus
- Calculo las distancias entre los términos y armo clusters de palabras (método euclidiano)
- Grafico la agrupación jerárquica de las palabras en un dendograma, separada entre grupos (método de Ward)
Agrupación de palabras: mujeres
Agrupación de palabras: varones
##Asociación de palabras
- Para analizar las asociaciones entre palabras, consideramos una dispersión de 0.995
- Buscamos la asociación de palabras, considerando una correlación mínima de 0.05
- Al tratarse de menciones y no de grupos, la dispersión entre términos es muy alta
- Analizamos la asociación con las palabras: calle, acoso y mujer
Asociaciónde palabras: $calle
Asociación de palabras: $acoso
Asociaciónde palabras: $mujer
#Análisis de sentimiento
Análisis de sentimiento
Se presentan dos métodos para analizar sentimiento de los documentos:
Diccionario LWIC-Spanish: con la función dfm_lookup() de quanteda identifica en los documentos las emociones presentes en el diccionario y establece puntajes para cada uno, a partir de la estandarización de los mismos (conicidencia únicamente de 15% entre términos).
Método Syuzhet: utiliza la función get_sentiment() de syuzhet asigna puntajes a cada documento según el método y lenguaje indicado. El método syuzhet es un diccionario de sentimientos desarrollado en el Laboratorio Literario de Nebraska. Otros métodos: bing, afinn, nrc y stanford.
Análisis de sentimiento
Comparación entre los métodos:
Análisis de sentimiento: mujeres
##Análisis de sentimiento: varones
