Introducción

Las plataformas de comunicación en línea han supuesto un aumento en los registros de diversos discursos de odio al servir de escenarios virtuales difíciles de identificar a los públicos, alimentando pensamientos y discursos racistas y xenófobos, que de otra forma serían más difíciles de aglutinar (Bustos Martínez et al., 2019). Según el Informe Raxen del Movimiento contra la Intolerancia (2015), en España existen más de 600 páginas web que promueven el odio, con especial incidencia en el mundo hispanohablante. De acuerdo con la UNESCO (2021), 1628,281 contenidos, que infringían la política de Twitter sobre el discurso de odio, fueron eliminados entre julio y septiembre de 2020.

En 2020 la pandemia producida por el Covid-19 ha servido como detonante para que los discursos de odio y xenofobia se hayan disparado hacia la población asiática, en general, y china, en particular, a través de las redes sociales (Huertas & Peres-Neto, 2023). Por medio de discursos que buscaban responsabilizar a China y a su población por la propagación del virus se generaron discursos polarizantes mediante hashtags como #ChinaEsCulpable (Pérez, 2020). Como respuesta por parte de la población china se creó un discurso upstander, el cual a través de hashtags en redes sociales intentó frenar esos discursos de odio en España. El activista Chenta Tsai Tseng desfiló en la Madrid Fashion Week posando con el lema “I’m not a virus” escrito en su cuerpo, con el fin de protestar contra la culpabilización hacia el colectivo chino. Otros activistas optaron por llevar a cabo acciones de manifestación y protesta para concienciar a la población.

La crisis generada por la pandemia del Covid-19 ha conseguido una mayor exacerbación y centralización del discurso antiinmigratorio en el debate público. Los diferentes cambios socioculturales y políticos en China han conllevado también una variación en cuanto a la opinión pública española de la imagen de China, variación debida en parte a la difusión de noticias en prensa (Wang, 2020).

Estudios anteriores sobre la percepción de la comunidad china en España (Nieto, 2003; Martín, 2005; Meijiao, 2019; Zigang, 2021) indican que la falta de integración de la comunidad china en este país se debe a varios factores: primero, la falta de interacción entre españoles y chinos, que puede contribuir a la formación de estereotipos y a la dificultad de cambiar las percepciones existentes; segundo, las diferencias culturales/civilizatorias pueden crear barreras para la comprensión mutua, por la falta de conocimiento entre ambos; tercero, el principal obstáculo para la integración puede deberse a que el ocio y el trabajo del colectivo chino transcurre entre personas de habla china o en sus propios dialectos.

La percepción positiva hacia la comunidad china en España se ha podido ver mermada durante la pandemia debido al aumento de discursos de carácter xenófobo y populista. Como consecuencia, este colectivo se ha visto vulnerable. Esta vulnerabilidad, ocasionada por factores externos, ha conllevado una mala imagen de China en el exterior, presentada principalmente por la dualidad China-Occidente. Proyección de China que ha suscitado reacciones contradictorias: mientras que en China los sentimientos nacionalistas se han reforzado, en Occidente se han incrementado los sentimientos racistas y anti-China (Yunpeng & Xu, 2020). Es decir, la sinofobia o la actitud racista que históricamente ha habido hacia China ha florecido de nuevo con la pandemia provocada por el Covid-19.

La imagen de la comunidad china, que ha sido estudiada desde hace cuatro décadas con la llegada de las primeras olas migratorias a España, se describe de forma variable a través de estereotipos, que van desde una imagen de debilidad a principios de la década de los ochenta, basada en estereotipos de carácter alimentario, a una imagen actual de sospecha y maldad (Wang, 2020; Li, 2019). En muchos países, el estigma que puede producir una enfermedad infecciosa puede resultar peor que la propia enfermedad, entendida como un rol significante en cuanto a la respuesta social o institucional (Karalis, 2020). Al inicio de la pandemia en China, algunos medios (HRW, 2020) calificaron como medidas autoritarias el confinamiento o el uso de la mascarilla, cuando estas medidas posteriormente fueron recomendadas por la Organización Mundial de la Salud, utilizando, a su vez, titulares como virus asesino, virus chino o virus de Wuhan, promovieron prejuicios, xenofobia y discriminación hacia el colectivo chino.

La situación de conflicto y confusión que está generando la difusión de fake news puede ser aprovechada por organizaciones con fines de carácter político. Entre el 1º de marzo de 2020, catorce días antes del estado de alarma, y el 1º de marzo de 2021 se creó un gran tráfico de noticias sobre el coronavirus, acompañadas por reacciones en redes sociales, las cuales no siempre se centraban en la enfermedad o en sus consecuencias, sino en la difusión de discursos de odio hacia población asiática y china. Estos comentarios negativos se han visto reforzados por fake news emitidas por algunos medios de comunicación online y aprovechadas mediante el uso de redes sociales, en las que se genera un flujo de información difícil de controlar (Román et al., 2020). Esta falta de capacidad de controlar los contenidos falsos por parte de las autoridades ha sido aprovechada en redes sociales como Twitter, en la cual usuarios escudados en el anonimato no han dudado en lanzar discursos de odio contra la población china y asiática, culpando también así al gobierno chino de la propagación del virus durante la pandemia provocada por el Covid-19.

Con el fin de evitar el crecimiento de estos discursos xenófobos, la Organización de las Naciones Unidas lanzó en 2019 (ONU, 2019) un marco de estrategia y plan de acción sobre el discurso de odio focalizado en los derechos humanos como forma de salvaguardar la libertad de expresión. Desde España, instituciones como el Ministerio de Inclusión, Seguridad Social y Migraciones emitieron con anterioridad, en el año 2017, un Protocolo y sistema de indicadores para la detección del discurso de odio en redes sociales, con el objetivo de desarrollar un sistema de indicadores con criterios de búsqueda sobre discursos que fomenten el odio. Observatorios pertenecientes al gobierno de España como el Observatorio Español del Racismo y la Xenofobia (Oberaxe, 2017a, 2017b) elaboraron un dossier que reflejaba la evolución del racismo y otras formas de intolerancia en España con las actitudes de la población española hacia la población migrante en las redes sociales. Las actitudes ante expresiones públicas de racismo o xenofobia tenían un rechazo del 95 %, según el último informe revisado.

El concepto de discurso de odio frente al discurso de ofensa

Desde el punto de vista metodológico, ha sido complicado medir a través de las redes sociales el discurso público, como parte de la opinión pública digital, debido a que se ha estudiado de forma binaria (mensaje de odio, mensaje de no odio) sin tener en cuenta la naturaleza variada que implica tanto el estudio de la islamofobia (Vidgen & Yasseri, 2019) como de la sinofobia. A esto se puede añadir la falta de claridad y consenso con respecto al concepto de discurso de odio frente al discurso de ofensa. Es por ello que el presente trabajo tiene como objetivo intentar facilitar el esclarecimiento del concepto de discurso de odio frente al discurso de ofensa hacia el colectivo asiático, que se genera a través de las redes sociales, y en concreto en la red social Twitter, tomando como caso el análisis de los discursos producidos durante una parte de la pandemia producida por el Covid-19.

Como punto de partida consideramos el concepto de discurso de odio establecido por organizaciones internacionales. Conforme con la Recomendación de Política General Nº 15 relativa a la lucha contra el discurso del odio y memorándum explicativo de la Comisión Europea contra el Racismo y la Intolerancia (ECRI) (2015), el discurso de odio debe entenderse como

el uso de una o más formas de expresión específicas -por ejemplo, la defensa, promoción o instigación al odio, la humillación o el menosprecio de una persona o grupo de personas, así como el acoso, descrédito, difusión de estereotipos negativos, estigmatización o amenaza con respecto a dicha persona o grupo de personas y la justificación de esas manifestaciones por razones de raza, color, ascendencia, origen nacional o étnico, edad, discapacidad, lengua, religión o creencias, sexo, género, identidad de género, orientación sexual y otras características o condiciones personales-. (ECRI, 2015)

Por un lado, el Protocolo y sistema de indicadores para la detección del discurso de odio en redes sociales considera el discurso de odio como

los actos de habla con un contenido expresivo-comunicativo de odio o prejuicio del autor hacia determinada persona por razón de una condición personal, o que generan un efecto discriminatorio en un colectivo caracterizado por una condición personal. Por tanto, el discurso de odio puede constituir un delito penal o no. Un discurso de odio no requiere estar sancionado penalmente para poder denominarse de esta manera; sin embargo, su impacto social es siempre negativo puesto que está directamente relacionado con los prejuicios, estereotipos y discriminación hacia determinados grupos o personas, un sistema de indicadores con criterios de búsqueda sobre discursos que fomenten el odio. (Ministerio de Inclusión, Seguridad Social y Migraciones, 2017)

En este mismo estudio se define también el discurso upstander como “discurso alternativo, que contribuye a una contranarrativa, rompiendo con los tópicos o posicionándose en defensa de los colectivos objeto de odio”.

En la estrategia y plan de acción de las Naciones Unidas para la lucha contra el discurso de odio se define a este como “cualquier forma de comunicación de palabra, por escrito o a través del comportamiento, que sea un ataque o utilice lenguaje peyorativo o discriminatorio en relación con una persona o un grupo sobre la base de quiénes son o, en otras palabras, debido a su religión, origen étnico, nacionalidad, raza, color, ascendencia, género u otro factor de identidad” (ONU, 2019).

El comité de ministros del Consejo de Europa en 1997 definió el término discurso de odio como todo aquello que abarca formas de expresión que difundan, incitan, promuevan o justifiquen el odio racial, la xenofobia, al antisemitismo u otras formas de odio basadas en la intolerancia, incluida la discriminación y la hostilidad contra las minorías.

En cuanto al concepto de discurso ofensivo, es cierto que no hay una definición clara para este término al no estar tratado de forma jurídica, como sí lo está el discurso de odio. Escasas investigaciones se han desarrollado en torno al discurso ofensivo a pesar de que no son pocos los autores que mencionan la necesidad de llevar a cabo una diferenciación, especialmente desde el punto de vista jurídico, dado que el discurso de odio no suele estar protegido por la libertad de expresión, mientras que el discurso ofensivo sí lo está (Cortina, 2017).

Estudios como el de Miró (2016) establecen una taxonomía que diferencia contenidos de discurso de odio y de discurso ofensivo. Por un lado, el discurso de odio, que incluiría la voluntad de realización directa de actos de violencia física contra otras personas, así como expresiones de referencia en positivo a la causación de tal violencia; al igual que el insulto o la ofensa grave dirigida a personas concretas, y la atribución a estas de la realización de hechos delictivos. Por otro lado, el discurso ofensivo, que engloba el discurso de desprecio hacia grupos determinados que de algún modo se han visto privados de sus derechos y que sufren actividades intolerables, mediante términos despectivos contra ellos, así como aquellas expresiones especialmente desagradables y de mal gusto referidas a sucesos que causan grave dolor a algunas personas, incluyendo chistes y humor negro, en relación con eventos que, no siendo violentos, causan mucho dolor a víctimas directas y otras, que afectan a sentimientos o creencias aceptadas por una colectividad.

También, de forma simplificada, distingue entre actos de habla que causan o se refieren a la causación de un daño físico, o los referidos a la violencia física; y los actos que ofenden se refieren a la causación de violencia moral. En cuanto a los mensajes con contenido ofensivo, incluye aquellas expresiones que constituyen un ataque a los valores comunitarios, a la sensibilidad colectiva, en las que “se desea el mal a alguien por razón de pertenencia a un determinado grupo o en las que se niega la realidad de una situación lesiva o injusta que, indiscutiblemente, está sufriendo o que ha sufrido un determinado grupo” (Miró, 2016).

Nayel y Shashirekha (2019) distinguen en su investigación, basada en el estudio de las redes sociales Twitter y Facebook, tres categorías de análisis: el discurso de odio, el discurso de ofensa y el discurso de insulto o amenaza, destacando la falta de un concepto claro sobre el discurso de odio, dado que puede variar según el contexto. Por otro lado, la dependencia contextual del discurso ofensivo basada en señales contextuales que pueden determi- nar que se interprete un fragmento del discurso de forma evaluativa, en lugar de una mera descripción, puede generar actitudes afectivas que pueden contribuir a la discriminación de grupos vulnerables (Almagro & Villanueva, 2021). Por su parte, Plaza del Arco et al. (2021) utilizan en su estudio la definición de discurso ofensivo como el texto que usa términos hirientes, despectivos u obscenos, realizados por una persona a otra.

Uno de los últimos estudios efectuados en el European Online Hate Lab de la Comisión Europea (Kaati, 2023) considera el lenguaje ofensivo como una subcategoría del lenguaje tóxico, que incluye también el lenguaje abu- sivo y el discurso de odio. Y se define como “any form of non-acceptable language (profanity) or a targeted offense, which can be veiled or direct” (Zampieri et al., 2019).

Teniendo en cuenta estas conceptualizaciones, se considera, como punto de partida, el discurso ofensivo como aquella forma de comunicación en la que se lanza un mensaje despectivo hacia una persona o grupo debido a factores culturales como la religión, etnia, nacionalidad, color, género u otro factor identitario. La principal dife- rencia entre el discurso de odio y el ofensivo radica en que mientras que el discurso de odio puede incitar a la violencia física, que lleva a una discriminación de forma directa, el discurso ofensivo realiza una verbalización y un rechazo sutil, haciendo referencia explícita hacia elementos de la cultura china relacionados con su reputación y moral.

Metodología: monitorización de las redes sociales

Antes de hacer el muestreo inicial a través de escucha social o monitorización en redes sociales se planteó la posibilidad de llevar a cabo un cuestionario sobre las aptitudes de la población española hacia China y viceversa. Sin embargo, tras rastrear investigaciones anteriores que abordaran el racismo y la xenofobia en las que se ha utilizado la encuesta como metodología para medir las actitudes hacia los inmigrantes y refugiados, finalmente se descartó como herramienta para evitar el sesgo de la deseabilidad social. Sesgo entendido como el aumento de los errores de medición porque el encuestado no acaba admitiendo su implicación en conductas, actitudes u opiniones que percibe como socialmente ‘indeseables’. Es decir, los encuestados no suelen identificarse como racistas o xenófobos (Cea D’Ancona, 2009). Las encuestas recogen solamente una parte del rechazo existente, debido a que algunos encuestados eligen de forma deliberada opciones ajenas a sus verdaderas posturas. En el caso de las actitudes de la población española hacia la inmigración, estas se caracterizan por ser benévolas y comprensivas, porque la percepción de “presiones de deseabilidad social puede inhibir la manifestación de las posturas verdaderas” (Rinken, 2021).

Por ello, para centrar el objeto de estudio se consultó previamente la monitorización de contenidos que pue- den ser constitutivos de delito de odio en las redes sociales Facebook, Twitter y YouTube, desde el punto de vista comparativo y evolutivo, según el grupo al que se dirigen (Oberaxe, 2020a, 2020b, 2020c, 2021a, 2021b). En el caso del colectivo asiático se apreció una evolución descendente con picos en los meses de mayo-julio de 2020, octubre- diciembre de 2020, con descenso en los meses de verano y de inicio del año 2021. Es decir, este patrón del discurso de odio hacia la comunidad china obtenido con la monitorización llevada a cabo por el Observatorio Español del Racismo y la Xenofobia se consideró como referencia para ser replicada y ampliada en el estudio presente, y poder observar los patrones de la evolución de la sinofobia reflejada a través del discurso xenófobo asiático durante los doce meses que constituyen el período seleccionado.

Dado que la monitorización del Oberaxe se había llevado a cabo exclusivamente sobre los discursos de odio constitutivos de delito de odio, se procedió a realizar un ejercicio de escucha social que permitiera profundizar sobre el discurso xenófobo hacia las personas de origen chino. Para ello se ejecutaron varias fases. En primer lugar, se eligió Twitter como plataforma para recolectar una muestra del discurso de odio hacia la comunidad asiática por varias razones: la primera (Lumban et al., 2019) es el acceso abierto a los datos, la facilidad para poder pro- cesar los datos de texto breves frente a otros contenidos más complejos de otras redes sociales y que todas las interacciones de los usuarios quedan registradas en línea. La segunda (Kafeza et al., 2014) es que la plataforma puede predecir patrones de tuits a través de la difusión de la información transmitida. Tercero (Gagliardone et al., 2015), el anonimato dentro de esta plataforma permite desarrollar con mucha naturalidad discursos y conversaciones controvertidas debido a características como la facilidad de anonimato, la posibilidad de crear un alter ego y la organización del contenido mediante hashtags e hilos de conversación. Cuarto (Arcila-Calderón et al., 2022), Twitter “nos puede aportar una orientación muy relevante debido a la libre expresión de opiniones de su diversidad de usuarios”.

Tras la elección de la plataforma se definió una estrategia para recolectar y analizar las muestras. Si bien desde principios de los años 2000 existen artículos que sirven de antecedentes a esta investigación en los que el discurso del odio en internet se analizaba a través de machine learning,Greevy y Smeaton (2004) clasificaron por primera vez el contenido racista de diversas páginas web utilizando un sistema de machine learning basado en el método BoW (bag-of-word), que selecciona la información con base en un corpus de palabras.

En 2013 Burnap et al. crearon un nuevo modelo de clasificación aplicado a Twitter en el que se incluyeron otro tipo de términos y, además, implementaron por primera vez el seguimiento de un evento que pudiese causar disrupción y las reacciones posteriores, mejorando así el proceso de recolección y evitando la clasificación equívoca. En 2014, Burnap et al. empezaron a utilizar la ayuda de anotadores para clasificar el contenido previamente recolectado por los distintos programas.

Posteriormente, se han empleado otros modelos de inteligencia artificial, como el deep learning y el transfer learning, en los que se incluye la detección automática del discurso de odio a través de algoritmos, pero se reconoce que no son una solución completa. Aunque los avances en el campo del proceso de lenguaje natural son evidentes, las dificultades para detectar el discurso de odio online siguen siendo tres: no hay una definición única para el discurso de odio, el mensaje de odio a veces se confunde con el lenguaje ofensivo y la complejidad del propio lenguaje por sus peculiaridades como la ironía, el doble sentido, el odio implícito o las metáforas (Simón, 2023).

Por ello, se descartó la opción de usar estas técnicas con base en la necesidad de realizar un análisis más valorativo y a la vez riguroso, en definitiva, más humano de la muestra, y así evitar errores en el conteo, como, por ejemplo, incluir comentarios de usuarios de América Latina o incluir comentarios que no fuesen xenófobos por error. Por ello, se decidió emplear la herramienta búsqueda avanzada de Twitter, ya que permite personalizar los resultados de la búsqueda según determinados rangos de fechas, usuarios y contenido. Esto hace que sea más fácil encontrar tuits específicos. Esta herramienta funciona a través de operadores booleanos que forman la base de los conjuntos matemáticos y la lógica para la búsqueda en bases de datos y motores de búsqueda. Los operadores conectan las keywords incluidas en la búsqueda para estrechar o ampliar los resultados.

Antes de comenzar con la búsqueda y recolección de las muestras, se efectuó una lista de palabras clave (tabla 1), basadas en estereotipos que comúnmente se utilizan en el discurso xenófobo hacia la población china, en términos relativos a la falta de higiene, la alimentación, las costumbres, la ideología política o el poder económico, y también algunos términos que se han popularizado a raíz de la pandemia provocada por el Covid-19, como murciélago, Wuhan, mercado o mascarilla.

Tabla 1

Palabras clave relacionadas con el discurso xenófobo hacia la comunidad china clasificadas por grupos temáticos

Fuente: elaboración de la autora.

Una vez elegidas estas palabras clave, se realizó una búsqueda delimitada por la fecha de un año, desde el 1º de marzo de 2020 hasta el 1º de marzo de 2021, lo cual resultó complejo debido a la gran cantidad de resultados. Por ello, para excluir resultados de búsqueda no útiles para la investigación, se añadió en el filtro booleano NOT algunos términos propios del español de Latinoamérica (vos, ustedes, términos geográficos, argot propio, etc.) (tabla 2). Con este primer cribado el conteo manual resultó más sencillo, pero aun así Twitter ofrecía los resultados desordenados dentro de la línea temporal dificultando la búsqueda de un patrón dentro del discurso. Finalmente, se decantó por cerrar las fechas limitantes y realizar un análisis por trimestres, de forma que se analizaron cuatro trimestres.

Tabla 2

Palabras filtradas para excluir resultados no útiles de la muestra

Fuente: elaboración de la autora.

Esta nueva delimitación temporal no solo facilitaba la recolección, sino que mostraba un patrón ascendente entre el aumento del discurso del odio y ciertos acontecimientos, como el cierre de los comercios regentados por personas de origen chino, el inicio de la cuarentena (marzo de 2020), la compra de material sanitario a China (marzo-mayo), el Festival de Carne de Perro de Yulin (junio) y la aparición de brotes y focos de contagio durante la temporada de verano y Navidad.

Se efectuó una segunda búsqueda para analizar el discurso upstander. En este caso, se tomó como punto de partida el análisis de contenido de aquellos tuits que incluyeran el hashtag #imnotavirus o #nosoyunvirus. Al igual que en el resto del análisis se usó la herramienta de búsqueda avanzada con la opción buscar tuits que incluyeran estos hashtags. En este caso no fue necesario utilizar el filtro “que no contengan las siguientes palabras”, puesto que empleamos la opción “cerca de mí”, que ofrece resultados locales y nacionales.

A la hora de clasificar los tuits como mensajes que contuviesen discurso de odio se valoró primeramente la propuesta utilizada por el Protocolo y sistema de indicadores para la detección del discurso de odio en redes sociales (Ministerio de Inclusión, Seguridad Social y Migraciones, 2017), en el que solamente se incluye una diferenciación en cuanto a una escala de intensidad en el discurso. Por un lado, el odio extremo, con un discurso que incita a la violencia. En segundo lugar, el discurso de odio-ofensa, que representa ofensas personales o colectivas, que incita a la discriminación, reproduce tópicos y falsedades. En tercer lugar, el discurso neutro o discurso descriptivo, en el que no aparece odio. Por lo tanto, establece dos tipos de discurso: el extremo, que incita a la violencia; y el ofensivo, con ofensas personales o colectivas, que incita a la discriminación, reproduce tópicos y falsedades.

Es por ello que finalmente se decidió seguir la clasificación que utilizaron Nayel y Shashirekha (2019) en su estudio realizado sobre el análisis del discurso de odio y discurso de ofensa empleado en inglés, alemán e hindú en Twitter, con categorías más amplias que nos permitan identificar el discurso diferenciador entre odio, ofensa, insulto y amenaza. Dicha clasificación distingue entre las siguientes categorías, a la que añadimos el discurso upstander, discurso alternativo que contribuye a una contranarrativa, rompiendo con los tópicos o posicionándose en defensa de los colectivos objeto de odio, que aparece en la clasificación del Oberaxe (2020a, 2020b, 2020c):

• Descartados: no contienen discurso de odio ni contenido ofensivo.

• Seleccionados: contienen mensajes de odio o contenido ofensivo.

• Discurso de odio: contiene o incita al discurso de odio.

• Discurso ofensivo: contiene lenguaje ofensivo.

• Insultos y amenazas: contiene un insulto o amenaza, hacia un individuo o grupo, basado en su etnia.

• Discurso upstander: se trata de un discurso disruptivo que defiende al colectivo objeto del discurso de odio.

De esta forma, como ejemplo, se consideraría discurso de odio: “Ojalá se mueran todos los chinos de mierda. Tanto les costaba comer fideos con queso?”. Pero no se consideraría discurso de odio, por ejemplo: “Pasamos de 400 a 1000 contagios de coronavirus en España tras el 8M. Las feministas no tenéis abuelos o qué? Mientras los bazares chinos cerrados de cuarentena, poca seriedad se está teniendo con este tema. A ver si aprendemos más de China! #coronavirus #españa”. Como ejemplo de discurso upstander, “#NoSoyUnVirus #ImNotAVirus #JeNeSuisPa- sUnVirus Ánimos y apoyo. No usemos el #coronavirus como excusa para el racismo. No criminalicemos y estigma- ticemos a las personas que se contagian: no es su culpa. Las personas chinas están tomando precauciones, como cualquier otra”.

Resultados

Tras el muestreo inicial en el que se analizaron 1557 tuits, se seleccionaron 1005 de ellos, descartando 518 por no atender a la clasificación de discurso de odio ni contener lenguaje o mensajes ofensivos, o insultos y amenazas. Por lo tanto, de los tuits analizados, un 47 % fueron mensajes con discurso de odio, frente a un 9 % de discurso ofensivo y un 9 % de mensajes de insultos y amenazas. Únicamente un 2 % de los tuits analizados corresponden al discurso upstander. Por protección de datos se han eliminado los nombres de usuario de los tuits que se citan como ejemplo.

A continuación, se visualiza (figura 1) el número total de tuits analizados divididos en diferentes categorías. La categoría de discurso de odio es la más común, representando el 47 % del total. Por el contrario, la categoría del discurso upstander solamente representaba un 2 % del total.

Figura 1
Clasificación de los discursos analizados en la muestra de las publicaciones seleccionadas en Twitter en el período comprendido entre el 1º de marzo de 2020 al 1º de marzo de 2021
Fuente: elaboración de la autora.

Resultados del análisis durante el período marzo-mayo

Aunque en los días previos al inicio de la cuarentena se detectaron tuits clasificados como discurso ofensivo (26 tuits) y algunos calificados como discurso de odio (45 tuits), desde el 15 de marzo de 2020, se dispararon los tuits calificados como discurso de odio, relacionado con los hábitos alimenticios y la falta de higiene. Solo en estos quince días, se encontraron 210 tuits calificados como discurso de odio y 13 que contenían insultos y amenazas, los cuales no habían aparecido hasta entonces.

De forma paralela a los mensajes de odio se construye el discurso upstander, encontramos 34 tuits, en su mayoría escritos por activistas consolidados, organizaciones gubernamentales, ONG y prensa nacional. El discurso upstander empieza a desaparecer a medida que avanzan las noticias sobre el Covid-19 y los temas de conversación y prioridades de agenda en el caso de las organizaciones gubernamentales y ONG cambian.

Tabla 3

Ejemplos de publicaciones de tuits con discurso de odio, insultos y amenazas, y upstander

Fuente: Twitter.

A finales de marzo, se crea el hashtag #ChinaEsCulpable (tabla 4), en el que se hayan 39 tuits clasificados como de discurso ofensivo, que aluden sobre todo a la mala calidad de los productos chinos y a falta de moral por las ganancias obtenidas en el país asiático con la venta de material sanitario. El detonante de estos mensajes es la importación de tests de procedencia china.

Tabla 4

Ejemplos de publicaciones de tuits de discurso ofensivo

Fuente: Twitter.

El 8 de abril la noticia del levantamiento de la cuarentena en Wuhan supone un pequeño repunte en el discurso de odio y se alcanzan los 270 mensajes. Desde esta fecha hasta mayo el flujo de tuits sigue un ritmo más lineal. En este período se obtienen 285 tuits clasificados como discurso de odio; 58, como discurso ofensivo; y 33, como insultos y amenazas.

Resultados del análisis durante el período junio-agosto

En este período hay dos factores por tener en cuenta: el primero que se observa es el inicio del período vacacional; y, el segundo, la frustración por el largo período de cuarentena, que no finalizó hasta el 21 de junio de 2020. Solo en junio se calificaron 37 tuits como discurso de odio. A finales de este mes y principios de julio, con la celebración del festival de Yulin, popularmente conocido por el consumo de carne de perro, se registran 40 mensajes con contenido explícito en el que se relacionan los hábitos de consumo de China con la enfermedad del Covid-19. También se detecta una gran cantidad de mensajes que contienen discurso ofensivo (12) e insultos y amenazas (22). Algunos ejemplos de publicaciones de este período se describen en la tabla 5.

Tabla 5

Ejemplos de publicaciones de tuits de discurso de odio, ofensivo e insultos y amenazas

Fuente: Twitter.

El resto del período estival transcurre con tranquilidad. Se detectan 105 mensajes que responden a la categoría de discurso de odio; 31, a la de discurso ofensivo; y 41, a la categoría de insultos y amenazas.

Resultados del análisis durante el período septiembre-noviembre

En este período no hay ningún detonante significativo, si bien la mayoría de los mensajes de odio se relacionan de nuevo con las pérdidas nacionales y personales que han sido causadas por el Covid-19, culpando a China y haciendo hincapié sobre todo en la figura de las personas de origen chino como aprovechadas o usureras.

Sorprende que, pese a la falta de acontecimientos significativos en la línea temporal del año, los mensajes que contienen discurso de odio llegan a 235, acercándose a los resultados obtenidos en el primer trimestre. La explicación que se encuentra cuando se analiza la muestra de este trimestre es el hastío y el cansancio acumulados por las medidas de prevención. El número de tuits categorizados como discurso ofensivo es de 29 y el de categorizados como insultos y amenazas es de 39.

Resultados del análisis del período diciembre-marzo

El período final fue ampliado de diciembre hasta marzo, incluyendo eventos como el inicio de la vacunación contra el Covid-19 y la vuelta generalizada a la supuesta normalidad pese a los rebrotes, haciendo que el discurso de odio se volviese cada vez más imperceptible. Si bien el discurso ofensivo y aquel que contiene insultos y amenazas pierden fuerza, continúan latentes. Los resultados obtenidos en este último período muestran 106 tuits categorizados como discurso de odio, 18 que responden a la categoría de discurso ofensivo y 25, a la de insultos y amenazas.

Discusión

Hay varios estudios realizados a partir de encuestas que sostienen que China ha utilizado la pandemia como forma de favorecer su imagen a través del uso de la desinformación por medio de las redes sociales. Entre ellos destacamos, en primer lugar, The Covid-19 Story: Unmasking China’s Global Strategy (IFJ, 2021), en los que participaron profesionales de medios de comunicación de 50 países para medir el alcance de los medios globales durante el Covid-19, en el que se concluye que China ha usado la pandemia para mejorar su imagen en la cobertura mediática global a través de la activación de canales de difusión en el extranjero y el uso de nuevas tácticas como la desinformación, especialmente en plataformas de redes sociales. En segundo lugar, el estudio de Valle De Frutos et al. (2022), en el cual a partir de una encuesta efectuada tanto a periodistas como a diplomáticos, entre otros, sobre la imagen de China durante la pandemia del Covid-19, se concluye que China ha generado un cambio en su estrategia comunicativa, con el objetivo de girar hacia una imagen positiva a través de las redes sociales y el uso de fake news por parte del gobierno chino. Sin embargo, contrariamente a estos estudios, la presente investigación ofrece un ejemplo de cómo el rechazo hacia el colectivo inmigrante chino sigue estando latente en las redes sociales en español y se ha fortalecido desde el inicio de la pandemia del Covid-19.

La evolución de la sinofobia reflejada a través del discurso xenófobo asiático durante los doce meses que constituyen el período estudiado presenta un paralelismo con la monitorización del discurso de odio llevada a cabo por el Oberaxe, según el cual destaca un patrón que se compone de ascensos y descensos coincidentes con respecto a la presencia del discurso de odio hacia el colectivo asiático analizado en los tuits de la muestra de este estudio. En las figuras 2 y 3 se comparan los resultados de los informes del Oberaxe (2020a, 2020b, 2020c, 2021a, 2021b) con los obtenidos en este estudio.

Figura 2
Evolución del patrón del discurso hacia la comunidad china en la red social Twitter de marzo de 2020 a marzo de 2021
Fuente: elaboración de la autora.

Figura 3
Evolución del patrón del discurso de odio hacia la comunidad china en la red social Twitter de mayo de 2020 a abril de 2021
Fuente: boletines del Oberaxe (2020a, 2020b, 2020c, 2021a, 2021b).

Según la recolección de datos elaborada, se puede ver cómo la mayor parte de los tuits analizados corresponden al discurso de odio, coincidente a su vez con los datos mostrados en los boletines del Oberaxe. Dichos datos muestran dos períodos en los cuales la xenofobia hacia el colectivo asiático tiene un mayor impacto.

La sinofobia, visualizada a través del discurso de odio, sigue estando influida en gran medida por la agenda mediática y política del momento, siguiendo un patrón ascendente que corresponde al aumento del discurso del odio y ciertos acontecimientos, como el cierre de los comercios regentados por personas de origen chino, el inicio de la cuarentena (marzo de 2020), la compra de material sanitario a China (marzo-mayo), el Festival de Carne de Perro de Yulin (junio) y la aparición de brotes y focos de contagio durante la temporada de verano y Navidad.

Tras realizar el análisis cuantitativo de la muestra de los tuits durante un año de la pandemia entre los meses de marzo de 2020 y 2021, se concluye que los mensajes producidos mayoritariamente hacia el colectivo chino en la plataforma de Twitter son de carácter xenófobo, de odio, que pueden incitar a la violencia, frente a los mensajes ofensivos, insultos y amenazas, que pueden incitar fundamentalmente a la discriminación y a la reproducción de estereotipos.

Conclusiones/consideraciones finales

Los resultados de la investigación, que han combinado el análisis cuantitativo y cualitativo de la categorización de los tuits en español realizados hacia la comunidad china, contribuyen a una mejor comprensión sobre cómo estos discursos se manifiestan y pueden generar el fenómeno de la exclusión cultural encubierta basada en los prejuicios culturales subyacentes, que pueden estar relacionados con el miedo a la imposición cultural o a miedos latentes relacionados con el ‘peligro amarillo’ o invasión asiática.

Sin embargo, el objetivo del estudio, que se ha basado en clarificar la conceptualización sobre los discursos que se manifiestan y se difunden en las redes sociales hacia minorías migrantes, en este caso hacia el colectivo chino, requiere de nuevas investigaciones. Desde el punto de vista cualitativo, cabe destacar dos tipos de discursos, a partir de las publicaciones online de la red social Twitter, frente a los cuatro analizados en la muestra de la investigación. Por un lado, el discurso de odio hace referencia a un rechazo encubierto, latente, que se relaciona con los prejuicios que prevalecen hacia el colectivo chino por su distancia cultural, y que puede incitar a la violencia. Se proyecta hacia la dimensión cultural más introvertida, es decir, el modo de vida de la comunidad china, que se ve reflejado en las costumbres, en concreto en su forma alimenticia. Este tipo de discurso puede proyectar un miedo encubierto a la imposición de la cultura china sobre la española.

Por otro lado, el discurso ofensivo hace referencia a un rechazo explícito, basado en la hostilidad manifiesta hacia el colectivo chino durante el período en el que se lleva a cabo la muestra del análisis de los tuits. Un discurso que muestra la no aceptación hacia las personas de origen chino asociándolas con los aspectos más negativos de lo que configura su identidad. Es un discurso que en definitiva viola las normas sociales de respeto, cortesía o decoro en la comunicación y a su vez puede causar como reacción emocional el malestar indignación o rechazo en la comunidad china.

El discurso ofensivo emplea palabras o expresiones que pueden ser consideradas vulgares, groseras, insultantes o despectivas, y que pueden afectar la dignidad, la reputación o la autoestima de una persona o un grupo (ONU, 2019), y se incluye dentro de la categoría (Miró, 2016) que aborda un ataque a los valores comunitarios, a la sensibilidad colectiva, en los que se desea repudio a un determinado grupo por razón de pertenencia, negando la realidad de una situación injusta que ha sufrido, en este caso, en el contexto de la pandemia causada por el Covid-19.

Son escasos los estudios que se centran en el discurso ofensivo hacia grupos y colectivos vulnerables, por lo que se requiere continuar en esta línea, abordando de forma específica el estudio de los valores y sensibilidad colectiva, así como la indignación moral y su expresión a través del discurso online explícito en las redes sociales. En este estudio, centrado en el discurso hacia la comunidad china, se concluye que el discurso de odio viene marcado por los acontecimientos políticos y sociales. Conclusión que tiene su validez por su coincidencia con los resultados obtenidos en las investigaciones del Oberaxe.

Por otra parte, cada vez son más los estudios que sugieren la necesidad de abordar la diferenciación entre el discurso de odio y el discurso ofensivo. No obstante, se aprecia claramente la dificultad de distinguir claramente las fronteras entre un discurso y otro. Por ello, podría ser de ayuda, en primer lugar, el uso de estudios longitudinales que permitan, por un lado, apreciar las variaciones en los discursos a lo largo del tiempo para detectar los patrones de odio y de expresión de desprecio hacia un grupo vulnerable; y, por otro, para crear predicciones sobre potenciales conflictos culturales a largo plazo. Segundo, aunque el contexto en el que se realizan los discursos puede variar en función del colectivo que se está analizando, sería interesante comparar análisis de sinofobia con análisis de islamofobia. Tercero, tener en cuenta estudios que visibilicen como categorías de análisis no solamente aquellos que abarcan el rechazo cultural online (mediante mensajes de odio, ofensa, insultos y amenazas) hacia una comunidad cultural, sino también la reacción cultural online a través de mensajes defensivos o upstander de la comunidad cultural ofendida. Cuarto, por último, la utilización de un punto de vista multidisciplinar, añadiendo estudios desde las relaciones internacionales, podría profundizar las variaciones de los discursos de rechazo hacia colectivos vulnerables, como forma de predicción de futuras relaciones conflictivas internacionales, considerando las dimensiones de la diversidad cultural y civilizatoria.

Referencias

Almagro, M., & Villanueva, N. (2021). Exactly, what do you mean? Daimon: Revista Internacional de Filosofía, 84, 97-113. https://dx.doi.org/10.6018/daimon.482231

Arcila-Calderón, C., Sánchez-Holgado, P., Quintana-Moreno, C., Amores, J., & Blanco-Herrero, D. (2022). Discurso de odio y aceptación social hacia migrantes en Europa: análisis de tuits con geolocalización. Comunicar, 71, 21-35. https://doi.org/10.3916/C71-2002-02

Burnap, P., Rana, O., Avis, N., Williams, M., Housley, W., & Edwards, A. (2013). Detecting tension in online communities with computational Twitter analysis. Technol Forecast and Social Change, 95, 96-108. https://doi.org/10.1016/j.techfore.2013.04.013

Burnap, P., Williams, M., Sloan, L., Rana, O., Housley, W., & Edwards, A. (2014). Tweeting the terror: modelling the social media reaction to the Woolwich terrorist attack. Social Network Analysis and Mining, 4(1). https://doi.org/10.1007/s13278-014-0206-4

Bustos Martínez, L., De Santiago Ortega, P. P., Martínez Miró, M. A., & Rengifo Hidalgo, M. S. (2019). Discursos de odio: una epidemia que se propaga en la red. Estado de la cuestión sobre el racismo y la xenofobia en las redes sociales. Mediaciones Sociales, 19, 25-42. https://doi.org/10.5209/meso.64527

Cea D’Ancona, M. Á. (2009). La compleja detección del racismo y la xenofobia a través de encuesta. Un paso adelante en su medición. Revista Española de Investigaciones Sociológicas(REIS), 125, 13-45. https://bit.ly/3ojQeeS

Comisión Europea contra el Racismo y la Intolerancia (ECRI), Consejo de Europa. (2015). Recomendación de Política General Nº 15 relativa a la lucha contra el discurso de odio y memorándum explicativo. https://bit.ly/3zMx9Er

Cortina, A. (2017). ¿Cómo superar los conflictos entre el discurso del odio y la libertad de expresión en la construcción de una sociedad democrática? Anales de la Real Academia de Ciencias Morales y Políticas, 94, 77-92 https://www.boe.es/biblioteca_juridica/anuarios_derecho/abrir_pdf.php?id=ANU-M-2017-10007700092

Gagliardone, I., Gal, D., Alves, T., & Martínez, G. (2015). Countering online hate speech. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000233231

Greevy, E., & Smeaton, A. (2004). Classifying racist texts using a support vector machine. In SIGIR ’04: Proceedings of the27thAnnual International ACM SIGIR Conference on Research and Development in Information Retrieval (pp. 468-469). https://doi.org/10.1145/1008992.1009074

Huertas, A., & Peres-Neto, L. (2023). Racismo en redes. El discurso de odio contra la comunidad china durante la pandemia de Covid-19. En M. I. Míguez-González & A. Dafonte-Gómez (Coords.), Narrativas digitales contra la desinformación. Verificación de datos y alfabetización en la sociedad de la información (pp. 161-171). Comunicación Social Ediciones y Publicaciones.

Human Rights Watch (HRW). (2020). El Covid-19 aumenta la xenofobia y el racismo contra los asiáticos en todo el mundo. https://www.hrw.org/es/news/2020/05/12/el-covid-19-aumenta-la-xenofobia-y-el-racismocontra-los-asiaticos-en-todo-el-mundo

International Federation Journalism (IFJ). (2021). The Covid-19 story: unmasking China’s global strategy. https://bit.ly/3zVhfYs

Kafeza, E., Kanavos, A., Makris, C., & Vikatos, P. (2014). Predicting information diffusion patterns in Twitter. In L. Iliadis, I. Maglogiannis & H. Papadopoulus (Eds.), Artificial intelligence applications and innovations (pp. 79-89). Springer. https://doi.org/10.1007/978-3-662-44654-6_8

Karalis, T. (2020). Conflating culture with Covid-19: xenophobic repercussions of a global pandemic. Social Sciences & Humanities Open, 2(1). https://doi.org/10.1016/j.ssaho.2020.100044

Li, Z. (2019). Representaciones sociales e imagen de China: aportaciones y miradas de los trabajadores y organizaciones chinas en España [tesis doctoral, Universidad Complutense de Madrid].

Lumban Gaol, F., Matsuo, T., & Maulana, A. (2019). Network model for online news media landscape in Twitter. Information, 10(9), 277. https://doi.org/10.3390/info10090277

Meijiao, S. (2019). Estereotipos sobre China “made in Spain”: un análisis a través del discurso informativo del periódico El País. Asiadémica: Revista Universitaria de Estudios sobre Asia Oriental, 14, 11-26.

Ministerio de Inclusión, Seguridad Social y Migraciones. (2017). Protocolo y sistema de indicadores para la detección del discurso de odio en redes sociales. https://bit.ly/3QImKnr

Miró, F. (2016). Taxonomía de la comunicación violenta y discurso del odio en internet. Revista de Internet, Derecho y Política, 22.

Movimiento contra la Intolerancia. (2015). Informe Raxen: racismo, xenofobia, antisemitismo, islamofobia, neofascismo y otras manifestaciones de intolerancia a través de los hechos. https://bit.ly/3zLu3QW

Nayel, H., & Shashirekha, H. (2019). Deep at HASOC 2019: a machine learning framework for hate speech and offensive language detection. https://bit.ly/3oksVl9

Nieto, G. (2003). La inmigración china en España. Definiciones y actuaciones sobre integración social. Revista CIDOB, (63), 167-183. https://bit.ly/3m9VSxI

Observatorio Español del Racismo y la Xenofobia (Oberaxe). (2017a). Evolución del racismo, la xenofobia y otras formas de intolerancia en España. Ministerio de Trabajo, Migraciones y Seguridad Social.

Observatorio Español del Racismo y la Xenofobia (Oberaxe), Centro de Investigaciones Sociológicas. (2017b). Actitudes hacia la inmigración X. Estudio Nº 3190. https://bit.ly/3ohwSqD

Observatorio Español del Racismo y la Xenofobia (Oberaxe). (2020a). Boletín monitorización de discurso de odio en redes sociales (25 de mayo al 30 de julio). https://bit.ly/3udzSFG

Observatorio Español del Racismo y la Xenofobia (Oberaxe). (2020b). Boletín monitorización de discurso de odio en redes sociales (1º de agosto al 30 de septiembre). https://bit.ly/3icIlnJ

Observatorio Español del Racismo y la Xenofobia (Oberaxe). (2020c). Boletín monitorización de discurso de odio en redes sociales (1º de octubre al 31 de diciembre). https://bit.ly/3AQaVCO

Observatorio Español del Racismo y la Xenofobia (Oberaxe). (2021a). Boletín monitorización de discurso de odio en redes sociales (1º de enero al 28 de febrero). https://bit.ly/3m1p9dD

Observatorio Español del Racismo y la Xenofobia (Oberaxe). (2021b). Boletín monitorización de discurso de odio en redes sociales (1º de marzo al 31 de abril). https://bit.ly/3kLqGVL

Organización de las Naciones Unidas (ONU). (2019). La estrategia y plan de acción de las Naciones Unidas para la lucha contra el discurso de odio. https://bit.ly/3ibIWpU

Pérez, A. L. (2020). Las políticas de las grandes plataformas sobre discurso de odio durante el Covid-19. UNESCO.

Plaza del Arco, F., Montejo-Ráez, A., Ureña-López, A. & Martín-Valdivia T. (2021). OffendES: a new corpus in Spanish for offensive language research. InProceedings of the International Conference on Recent Advances in Natural Language Processing (RANLP 2021) (pp. 1096-1108). Incoma Ltd.

Rinken, S. (2021). Las actitudes ante la migración y los inmigrantes en España: datos recientes y necesidades de conocimiento. Presentación en el Seminario del Observatorio Español del Racismo y la Xenofobia, Secretaría de Estado de Migraciones.

Román, A., Sánchez Gey, N., & Elías, R. (2020). Las fake news durante el estado de alarma por Covid-19. Análisis desde el punto de vista político en la prensa española. Revista Latina de Comunicación Social, (78), 359-391. https://doi.org/10.4185/RLCS-2020-1481

Simón, C. (2023). Detección del discurso de odio mediante inteligencia artificial: un desafío tecnológico. Algoritmo Legal. https://www.algoritmolegal.com/inteligencia-artificial/discurso-de-odio-ia/

UNESCO. (2021). Addressing hate speech on social media: contemporary challenges. http://unesdoc.unesco.org/ark:/a48223/pf0000379177

Valle De Frutos, S., Zaharía, A. M., & Del Paso, A. (2022). Análisis de la imagen china a partir del estudio de su estrategia informativa en el periodismo internacional durante la pandemia de la Covid-19. Giro del uso del soft power al hard power. En S. Liberal & M. Rodríguez, Redes sociales en tiempos de la Covid-19: narrativas, bulos, algoritmos y marcos normativos. McGraw-Hill.

Vidgen, B., & Yasseri, T. (2019). Detecting weak and strong Islamophobic hate speech on social media. Journal of Information Technology & Politics, 17(1), 66-78. https://doi.org/10.1080/19331681.2019.1702607

Wang, L. (2020). De SARS a Covid-19: la diferencia entre la imagen de China en los periódicos españoles de 2003 y 2020. Análisis de contenido aplicado a El País, El Mundo, ABC, El Periódico y La Vanguardia. Ediciones Complutense. https://doi.org/10.5209/hics.74238

Yunpeng, Z., & Xu, F. (2020). Ignorance, Orientalism and Sinophobia in knowledge production on Covid-19. Tijdschrift voor Economische en Sociale Geografie. https://doi.org/10.1111/tesg.12441

Zampieri, M., Malmasi, S., Nakov, P., Rosenthal, S., Farra, N., & Kumar, R. (2019). SemEval-2019 task 6: identifying and categorizing offensive language in social media (OffensEval). In Proceedings of the13^thInternational Workshop on Semantic Evaluation (pp. 75-86). Association for Computational Linguistics. https://doi.org/10.18653/v1/S19-2010

Zigang, W. (2021). Breve análisis de la imagen de China y estereotipo de chinos en el mundo hispanohablante. Ibero-América Studies, 2(1), 1-13.

Para citar este artículo: