texto en 
Inglés (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
La actual agenda feminista sobre la violencia contra las mujeres incluye las demandas de justicia tanto por el aumento de los casos de violencia de género y feminicidios, como por el difícil acceso a la justicia para las mujeres y la impunidad sistémica de los casos de feminicidio en toda la región (Álvarez Enríquez, 2020; Segato, 2016).
Estas denuncias y demandas han sido expresadas en las redes sociales, en particular en Twitter, por medio de hashtags que han adquirido notoriedad pública. Etiquetas como #niunamenos, #25N, #niunamas, #vivasylibresnosqueremos y #yositecreo son parte de un conglomerado extenso de hashtags que se vinculan entre sí y modelan la protesta feminista como un conjunto de luchas, demandas y denuncias interconectadas (Esquivel Domínguez, 2019).
Este trabajo retoma un interrogante de Clark-Parsons (2021) acerca de la importancia de conocer los alcances y las limitaciones de las protestas digitales, y así poder visualizar horizontes de acción que aporten a visibilizar las violencias. Con el fin de comprender dichos alcances y limitaciones, este estudio se enfoca en un conjunto de hashtags de uso recurrente que demandan justicia ante casos de violencia, generalmente feminicidios no resueltos. Se componen de la cadena “#justiciapor” o “#justiciapara” a la que se agrega el nombre de la mujer víctima de la violencia feminicida, o bien de la misma cadena seguida de alguna adjetivación, como “#justiciamachista” o “#justiciaparatodas”. Estos hashtags cumplen un rol que excede el de marcador temático al instalar una acción colectiva para posicionar una reivindicación, construir identidad, agruparse en contextos de violencia y llamar la atención sobre los mensajes (Flores Mérida, 2022).
Este artículo se propone indagar el alcance de las demandas de justicia efectuadas en Twitter, sus condiciones de visibilidad y las limitaciones para su difusión. Se desarrolla a través de dos preguntas de investigación: ¿Qué nivel de visibilidad algorítmica adquieren las demandas de justicia en el contexto general de la protesta en países latinoamericanos aglutinada por el hashtag #niunamenos en Twitter? Y, determinada dicha visibilidad, ¿qué características adquieren aquellas demandas más visibles, y qué las diferencian de las demandas menos visibles? Estas preguntas se contestan con el análisis de 927 tuits cuyos hashtags mencionan la palabra “justicia” recolectados entre el 24 de octubre y el 2 de diciembre de 2021.
El artículo se desarrolla del siguiente modo: se presenta el encuadre teórico, establecido entre dos líneas conceptuales: los estudios críticos de datos y algoritmos, y los estudios feministas sobre feminicidios y demandas de justicia. Posteriormente, se da cuenta del diseño metodológico, para luego presentar los hallazgos que responden a las preguntas de investigación. En las conclusiones se da cuenta de los alcances y limitaciones de las demandas de justicia en Twitter, y de cómo estos se vinculan a los funcionamientos algorítmicos de la plataforma.
Datificación crítica, visibilidad algorítmica y feminicidios impunes
Este trabajo se sitúa conceptualmente entre dos líneas de investigación: la primera la constituyen encuadres centrados en el estudio crítico de datos y algoritmos, y la segunda, en los estudios feministas sobre violencia, feminicidios y demandas de justicia. A continuación se describen cada una de ellas.
Datificación crítica y feminismo de datos
Dentro del primer encuadre retomamos dos conceptos que abordan los datos como mediaciones sociales que develan una desigual distribución del poder, y que mediante estrategias analíticas deciden visibilizar críticamente problemas sociales a través de la producción y el análisis de datos. Estos son: la datificación crítica y el feminismo de datos.
La datificación crítica propone reorientar los datos producidos en redes sociales para crear narrativas divergentes que visibilicen inequidades sociales y exclusiones. Los autores reconocen que, a pesar de que los datos generados en redes sociodigitales son reutilizados por gobiernos y empresas para fines de segmentación de públicos y vigilancia, pueden ser aprovechados por la investigación social para visibilizar problemas sociales y contribuir a su instalación en las agendas mediáticas y gubernamentales (Ábrego Molina & Flores Mérida, 2021).
Por su parte, el feminismo de datos se define “como una manera de pensar sobre los datos, sus usos y sus límites, apoyada en la experiencia, el compromiso a la acción y el pensamiento feminista interseccional” (D’Ignazio & Klein, 2020, p. 8). De esta manera, dicha corriente busca reconocer sistemas de poder y estructuras de dominación que reproducen inequidades embebidas en las prácticas de recolección, comunicación, análisis y presentación de datos.
Poder y visibilidad algorítmica
En las redes sociodigitales, la distribución desigual del poder se expresa en regímenes de visibilidad de contenidos. Si bien cualquier usuario con una cuenta puede publicar, no todos los contenidos se hacen visibles de la misma forma (Cotter, 2019). Según la propia plataforma, los algoritmos de recomendación de Twitter seleccionan, priorizan y muestran contenidos de acuerdo a ciertos atributos de los tuits. Estos incluyen su inmediatez, su popularidad considerada a partir de métricas de circulación y reacciones, y la inclusión de contenidos multimedia, como imágenes y videos.
Twitter posee dos formas de mostrar contenidos a los usuarios en sus líneas de tiempo: la primera las ordena cronológicamente, y la segunda según su algoritmo de recomendación (Twitter Help Center, 2022). En la jerarquización algorítmica, los rankings tienden a mostrar menor cantidad de tuits con enlaces externos, por ejemplo, a sitios de noticias (Bandy & Diakopoulos, 2021). Las operaciones automatizadas de selección y jerarquización establecen así una relación de modelado mutuo: tanto los algoritmos seleccionan y priorizan contenidos que cumplen con sus parámetros, como los contenidos toman las formas preferidas por los algoritmos.
Además de su lógica de visibilidad, resulta importante la relación recíproca de construcción de agenda entre Twitter y los medios. Lo que se expresa en Twitter adquiere mayor visibilidad a través de la cobertura de los medios masivos y de prensa (Suh & Borah, 2019), pues se ha señalado en repetidas oportunidades su función como sensor social ante los aspectos de coyuntura, así como su rol de amplificador y reproductor de una reducida cantidad de mensajes a modo de cámara de eco (Colleoni et al., 2014).
Los movimientos sociales han sabido desafiar la desigual distribución de poder de la visibilidad algorítmica, convertida en un escenario de luchas y un objetivo hacia donde se orientan esfuerzos políticos (Velkova & Kaun, 2021). Se ha estudiado que la alta visibilidad algorítmica de mensajes políticos promueve ciertos tipos de mensajes modelados por las plataformas, visibilidad denominada vernácula, por apropiarse de las pautas comunicativas de las plataformas para la producción de mensajes virales (Sued et al., 2022). A la vez, deben ser considerados también los mensajes de baja visibilidad, ya que estos pueden contener otro tipo de significaciones interesantes para la política y el activismo, pues en ellos se materializa la participación política cotidiana de la ciudadanía (Castillo-González et al., 2022).
Feminicidios y demandas de justicia
En América Latina, dos tercios de las mujeres han sufrido alguna forma de violencia en razón de género (CEPAL, 2020). Los feminicidios son el resultado progresivo de la aplicación de estas violencias. De acuerdo con Lagarde (2004), el feminicidio “sucede como culminación de una situación caracterizada por la violencia reiterada y sistemática de los derechos humanos de las mujeres” (p.1). Además, en el contexto de países latinoamericanos, la impunidad está intrínsecamente ligada al fenómeno del feminicidio, puesto que la impartición de justicia ejercida por el Estado está permeada por una “mirada profundamente misógina” (Lagarde, 2006, p. 223). Según Segato (2016), los feminicidios no solo son consecuencia de la impunidad, sino que son sus productores y reproductores, porque sellan pactos de silencio entre complicidades colectivas y grupos patriarcales que expresan su poder en la agresión y el abuso de los cuerpos femeninos.
Ante la ineficiencia de los estados y los medios, las redes sociales han constituido un espacio alterno de reclamo para las mujeres, quienes “como ciudadanas exigen a sus autoridades ser tratadas con dignidad y derecho” (Cerva Cerna, 2020, p. 181). Así, las demandas de justicia se articulan, por un lado, como reclamo ante la negativa de medios, autoridades e instituciones por “visualizar la existencia de un tipo particular de estos crímenes, que deben ser discriminados, tipificados e investigados en su especificidad” (Segato, 2016, p. 87), y por el otro, como un acuerpamiento, entendido como una acción para resistir ante las injusticias que viven otros cuerpos que aportan cercanía y nuevas fuerzas “para recuperar la alegría sin perder la indignación” (Cabnal, s.f., s.p.). En palabras de Reguillo (2021), permiten la producción de una contramáquina que se propone “rememorar a las víctimas y denunciar las consecuencias de la violencia” (p. 156).
Metodología
Para llevar a cabo esta investigación, se diseñó una estrategia basada en el uso crítico de métodos digitales, los que se basan en la recolección y procesamiento de datos y métricas producidos en plataformas sociales, para ampliar el conocimiento tanto sobre los tópicos sociales que expresan, como sobre las pautas de interacción de las plataformas (Burgess & Green, 2018; Rogers, 2019). El trabajo se dividió en dos etapas: la primera incluyó la recolección, limpieza y construcción de las bases de datos y la segunda, su análisis mediante técnicas cuantitativas y cualitativas.
Se realizó una recogida de datos longitudinal entre los días 24 de octubre y 2 de diciembre de 2021 de tuits en idioma español, etiquetados con los hashtags #niunamenos y #25N. El período se seleccionó por su contigüidad a la conmemoración del Día Internacional de la Eliminación contra las Mujeres, celebrado el 25 de noviembre. Se recolectaron 87 875 tuits referidos al primer hashtag, y 162 985 referidos al segundo, dejando fuera los retuits. Los datos se acopiaron con la librería Rtweet (Kearney, 2020) para Rstudio2, mediante credenciales de acceso a la API V1 de Twitter. Se realizó una limpieza cuidadosa de la base obtenida y se obtuvo una base final de 53 963 tuits denominada en adelante Base 1. Posteriormente, se aislaron los tuits de esa base de datos que contenían al menos un hashtag en el que se mencionaba la palabra “justicia”, denominada en adelante Base 2, y conformada por 927 tuits.
Los datos de ambas bases se procesaron y analizaron con técnicas cuantitativas y cualitativas, empleando las librerías dplyr (Wickham et al., 2022) y ggplot2 (Wickham et al., 2020) en el entorno RStudio. Para responder la pregunta 1 se aplicaron técnicas cuantitativas, mientras que las cualitativas se utilizaron para contestar la pregunta 2.
Siguiendo la definición de visibilidad algorítmica de Cotter (2019), se adoptaron las métricas de engagement como indicadores de visibilidad algorítmica. Rogers (2018) lo define como la suma de todos los indicadores de interacciones entre un tuit original y usuarios que lo comentan con un tuit citado, lo difunden con un retuit, y marcan su acuerdo con un like. Para calcular la visibilidad de los tuits incluidos en las dos bases de datos, se consideró el total de las métricas de reacciones, que incluyen los likes, retuits, tuits citados y likes de tuits citados.
Para segmentar la visibilidad de la base de datos, se extendió la caracterización de visibilidad alta y ordinaria determinada por Omena et al. (2020) a cuatro categorías: visibilidad alta, media, baja y nula, y se aplicó sobre las dos bases de datos. La visibilidad alta se consideró para un total de reacciones > 1000, la media para las reacciones entre 999 y 100, la baja para las reacciones entre 99 y 1, y la nula para las que no obtuvieron ninguna reacción. Estos casos se consideraron además con relación al tipo de violencia sufrida y al país de localización de los hechos violentos.
Una vez segmentadas ambas bases, se trabajó solamente con la Base 2 en un análisis cualitativo a fin de identificar las características de forma, contenido y uso de la interfaz de Twitter que otorgan mayor visibilidad a las demandas de justicia. Las variables que se analizaron fueron: apropiación de los elementos técnicos de la plataforma (tuits citados, imágenes, enlaces), destinatarios de las demandas, intensidad afectiva del tuit, y finalmente se consideró el acceso a Twitter por parte de la población femenina de los países desde donde se realizaban las demandas de justicia.
Resultados
Los hallazgos se dividen en dos apartados. En el primero se analizan los niveles visibilidad de la Base 2 (#justiciapornombre) alta, media, baja y nula, con relación a los mismos niveles en la Base 1 (#niunamenos y #25N). En el segundo se da cuenta de las características que contienen los tuits de acuerdo con su nivel de visibilidad.
Visibilidad de las demandas de justicia
Dentro de la Base 1, compuesta por 53 963 tuits, se identificaron 927 que demandan justicia, por lo que estos ocupan un lugar reducido dentro de la base de datos general, correspondientes al 1.7 por ciento. Estos tuits corresponden a un total de 96 casos particularizados mediante la estructura del hashtag #justiciapornombre o #justiciaparanombre (Figura 1).
Morado: feminicidios. Rosa: casos de violencias.
Fuente: Elaboración propia.
Figura 1 Demandas de justicia con nombre de la víctima
Con el fin de visibilizar y nombrar a las víctimas por quienes se pide justicia y evitar una objetualización académica, la Tabla 1 resulta en un conglomerado de los nombres de las mujeres por quienes ha existido una demanda de justicia generada en países latinoamericanos a través de la plataforma de Twitter. Se expone así la segmentación de los casos, que se vinculan en su mayoría a reportes y casos caratulados como feminicidios, pero con resolución pendiente, donde solamente en tres el significado de #justicia alude a un veredicto y a condenas obtenidas para los agresores. Estos juicios se han resuelto entre dos a cuatro años después de sucedido los feminicidios, y en dos se indica que se ha llegado a la instancia del juicio. El resto de los 81 casos demuestra una demanda actual de justicia en el periodo estudiado, al no conseguir resolución para las víctimas.
Tabla 1 Segmentación de demandas de justicia
| Visibilidad | |||||
|---|---|---|---|---|---|
| Tipo de caso reportado | Alta | Media | Baja | Nula | Total genera |
| Feminicidio | 6 | 9 | 42 | 12 | 69 |
| Feminicidio de Menores | 1 | 4 | 5 | ||
| Feminicidio con Condena | 1 | 2 | 3 | ||
| Feminicidio Trans | 2 | 2 | |||
| Feminicidio a Juicio | 1 | 1 | 2 | ||
| Feminicidio (sospecha) | 1 | 1 | |||
| Asesinato | 1 | 1 | |||
| Asesinato con Condena | 1 | 1 | |||
| Muerte por Intento de aborto | 1 | 1 | |||
| Muerte por Aborto-violencia de estado | 1 | 1 | |||
| Subtotal | 86 | ||||
| Desaparición | 1 | 2 | 3 | ||
| Detención | 1 | 1 | |||
| Abuso sexual | 4 | 4 | |||
| Agresión física grave | 1 | 1 | |||
| Embarazo Forzado | 1 | 1 | |||
| Total general | 8 | 15 | 61 | 12 | 96 |
Fuente: Elaboración propia.
Los tuits que no particularizan casos se reparten entre hashtags generales como #justicia, #justiciaparatodas, y #justiciaparalasniñas. La diferencia entre el primer grupo y el segundo, es que solo los tuits que particularizan las demandas alcanzan visibilidad alta, media o baja. Los que piden justicia en términos generales se encuentran en el segmento bajo o nulo. Por este motivo, el análisis se centra en los tuits del primer tipo, mientras que los segundos se mencionan en los segmentos de baja y nula visibilidad.
De la comparación que surge en la Figura 2 se pudo inferir que, mientras que la visibilidad de la lucha feminista contra la violencia de género (color rosado) adquiere alta visibilidad, que va en aumento hasta alcanzar puntos máximos el 25 de noviembre y días posteriores, podemos observar un patrón diferente en las demandas de justicia (color morado). En este segmento, la visibilidad se relaciona con la inmediatez de los casos ocurridos en ese período, pero no a una conmemoración o visibilización de asesinatos de mujeres ocurridos en el pasado. En estos casos, la co-ocurrencia entre los hashtags que demandan justicia y los más generales #niunamenos, #25N logran la visibilidad del caso y lo relacionan con otros.
No obstante, la Figura 3 muestra que en comparación a los tuits de la base de datos general, las demandas de justicia tienen una visibilidad más alta, sobre todo en los segmentos altos y medios. Mientras que las publicaciones de alta visibilidad constituyen el 1.5 por ciento de la Base 1; las de la base 2 ascienden al cinco por ciento. En el caso de la visibilidad media, los tuits de la primera base incluyen el 4 por ciento, mientras que la de la segunda asciende al 6 por ciento.
Características y tácticas de las demandas de justicia
Retomando la necesidad expuesta por Salguero (D’Ignazio & Klein, 2020) de hacer hincapié en el registro de los datos y detalles de cada caso de violencia de género, incluyendo nombre, edad, lugar de los hechos, etc., nombramos los casos de mayor visibilidad: Marisol Cuadras, activista feminista mexicana de 18 años, asesinada el 25 de noviembre del 2021, justamente cuando Marisol se encontraba en una manifestación en Guaymas, Sonora, contra la violencia de género en el marco del 25N. Brisa Formoso, de 19 años de edad: víctima de feminicidio el 15 de noviembre del 2021 en Ranelagh, Buenos Aires, Argentina. El tercer caso corresponde al recordatorio por la desaparición de Wendy Sánchez en el estado de Nayarit, México, en el día de su cumpleaños. El 9 de enero del 2021, Wendy cumplía 33 años cuando desapareció mientras se trasladaba hacia la ciudad de Guadalajara.
Del análisis de estos casos de alta visibilidad se desprenden las siguientes características. Primero, los casos de alta visibilidad responden a la inmediatez, no a la conmemoración del día por la eliminación de la violencia de género, lo que sí se verifica para la base de #niunamenos en la Figura 1. La inmediatez refiere a que los seis feminicidios, la detención y la conmemoración del natalicio de Wendy Sánchez, desaparecida, ocurrieron en el mismo período en que se recogieron los datos de la muestra. Segundo, estos casos circulan rápida y masivamente entre las usuarias. Se difunden y amplifican al contener varios recursos disponibles en la interfaz de Twitter. El principal de estos es el tuit con comentario, que sucede cuando una usuaria retoma un tuit existente y le agrega su propio comentario.
Otros recursos incluyen videos, especialmente el que captura el momento en que el padre de Brisa Formoso se entera del feminicidio de su hija, apelando a una fuerte carga emotiva, y menciones a figuras públicas, funcionarios, políticos y fiscalías. Las usuarias que difunden y comentan demuestran empatía hacia las víctimas, se incluyen en un colectivo: “nos están matando a todas” y se posicionan subjetivamente. Si bien los casos más visibles son de exposición mediática, no se amplifica la voz de los medios ni la noticia, sino otros relatos, otras voces presentes al interior de Twitter. Lo anterior visibiliza una expresión autónoma e independiente de los medios tradicionales y de prensa. De acuerdo con estas características, estas demandas de justicia son visibles porque se ajustan a las características del algoritmo de Twitter mencionado más arriba: inmediatez, popularidad, viralización de videos de alta sensibilidad y enlaces a contenidos producidos dentro de la red. Incluso puede inferirse que la visibilidad más alta de la base 2 en comparación con la base 1 se da por la inmediatez de los tuits respecto de los acontecimientos. Las visibilidades altas muestran picos aislados en la Figura 2, ya que, si bien los casos de este segmento son altamente visibles en términos de engagement, también debe decirse que esta visibilidad es efímera: los casos mediáticos que logran alta visibilidad lo hacen por pocos días.
Se buscaron asimismo ciertas correlaciones entre la visibilidad y el acceso a Twitter de las mujeres en los diferentes países (Figura 4). Para sustentarlas, se calculó el porcentaje de usuarias mujeres en Twitter por cada país donde se localizan los casos incluidos en la muestra.3 Así, resultó que para Argentina las usuarias mujeres presentes en Twitter representan un 5.88% de la población total, para Chile es del 5.54%, mientras que para México este porcentaje es del 4.02%. A pesar de ser cifras menores a la de usuarios varones en Twitter (México con 6.32%, Argentina con 9.25% y Chile con 12.13%), demuestran una lucha considerable, en su mayoría generada por usuarias mujeres con interés en posicionar una agenda y demandas feministas en el espacio digital. Esto se da especialmente en países con pocas mujeres usuarias, como es el caso de Guatemala (1.64%), que a pesar de su baja cantidad de usuarias logra posicionar casos en los segmentos altos y medios. Los que más casos posicionan son México y Argentina, países que poseen un activismo joven y consolidado a través de la lucha por la legalización del aborto y por la eliminación de las violencias (Larrondo et al., 2019). Los datos indican que el activismo digital en Twitter es efectivo para colocar demandas, y lo sería más si se pudiera ampliar las bases de mujeres usuarias y activistas. Esto resulta paradójico dado el nivel de violencia y discriminación hacia ellas presente en la plataforma (Luchadoras MX, 2017). Sin embargo, esta correlación debe matizarse, pues como se ha visto más arriba, la visibilización de las demandas también depende de factores como la inmediatez y la mediatización del caso, que puede variar entre países para el período estudiado.
Se realizó además, un seguimiento en medios de prensa del avance judicial de los casos de alta visibilidad. Se encontró que sólo en cuatro casos se ha efectuado una detención preventiva de los acusados por feminicidio a pesar del esfuerzo del activismo, la academia y la sociedad civil por posicionar la necesidad de justicia en el contexto de las demandas del feminismo hacia gobiernos e instituciones judiciales.4
La táctica que predomina en la visibilidad intermedia, en cambio, es la demanda de difusión y de visibilización de los casos. En ese caso, periodistas feministas y figuras públicas son interpelados por familiares o activistas para que colaboren en la difusión del caso, o en el caso de las fiscalías, para que avancen en el esclarecimiento de los hechos. El tuit citado no se produce tan rápida ni espontáneamente como en los casos de alta visibilidad, pero el recurso sigue siendo importante. Se refuerza en este segmento, con estas menciones, la performatividad como acto comunicativo cuya función es provocar la acción en su destinatario, embebida en estas publicaciones: el sentido de la mención es el pedido de la visibilidad, y la presión para que se haga justicia. Si bien la visibilidad de estos casos es menor, es en este segmento que se percibe la táctica de resistencia contra el algoritmo: el pedido de ayuda al otro, la colaboración, la solidaridad. Dos de los tres feminicidios que ocupan este nivel, uno de ellos transfeminicidio, son casos inmediatos, mientras que solo uno corresponde a la instalación de la memoria de un hecho anterior.
Correlacionándose con el nivel de acceso a Twitter y de activismo digital, los casos que se presentan en este segmento son en su mayoría diferentes. Dentro de la visibilidad baja se encuentran la mayoría de los casos de la muestra. Se localizan aquí 61, la mayoría de ellos reportados como feminicidios, de los 96 casos identificados. Corresponden en su mayoría a casos no recientes, no mediáticos e impunes, a noviembre de 2021. También son más los países que presentan casos en este segmento (ver Figura 3).
Dentro de la visibilidad nula se encuentran publicaciones de medios de comunicación de pequeña escala y alternativos que informan avances de causas o convocatorias a movilizaciones locales. Pocos son los casos que aparecen por primera vez en este segmento, 12 de 96, por lo que el resto ha logrado alguna clase de visibilidad. También son feminicidios no inmediatos e impunes, en algunos posteos se señalan adelantos en las causas: por ejemplo, audiencias y detenciones. Se encuentran también demandas generales, por ejemplo, #justicia, #justiciaparatodas y #justiciaparalasniñas.
La visibilidad baja y nula se correlacionan con la inmediatez que reclama el algoritmo de recomendación de Twitter. De acuerdo con lo que se conoce sobre su funcionamiento, los pedidos de justicia sin relación con un caso reciente no cumplen con la inmediatez relevante para el algoritmo. Sin embargo, en estos segmentos, la demanda de justicia representa un esfuerzo para que el nombre de las mujeres asesinadas continúe visible a pesar del paso del tiempo. Se construye una visibilidad no algorítmica, pero sí humana y persistente, basada en la memoria y en la permanencia del caso en la esfera pública.
Conclusiones
Retomando el interrogante formulado por Clark-Parsons (2021) acerca de las posibilidades y limitaciones de la protesta digital, este trabajo identificó alcances, limitaciones y funcionamientos algorítmicos de la visibilidad de las demandas de justicia en Twitter. Los abordajes de datificación crítica, el feminismo de datos y los estudios críticos de algoritmos posibilitaron pensar la visibilidad algorítmica en términos de una desigual distribución del poder. Es necesario ir más allá de la visibilización de problemáticas sociales a través de los datos (Ábrego Molina & Flores Mérida, 2021). Los hallazgos demuestran que dicha visibilización debe abordarse en combinación con el funcionamiento sociotécnico de algoritmos, los condicionamientos de las plataformas y las tácticas de uso de hashtags, considerando que el uso estratégico de cada uno de estos elementos constituye un elemento de lucha por el sentido en la arena digital (Velkova & Kaun, 2021).
En términos relativos, la visibilidad de las demandas de justicia es comparativamente mayor a la de los tuits de la base #niunamenos. Los tuits con mayor visibilidad se correlacionan con los niveles más altos de uso de Twitter por país, así como con la visibilidad de su activismo digital, lo que demuestra su importancia para posicionar las demandas de justicia, aunque la violencia que experimentan las activistas digitales (Luchadoras MX, 2017) puede funcionar como limitante para la promoción de ampliación de la base de usuarias.
Entre las limitaciones, el análisis de datos evidenció que la cantidad de tuits que demandan justicia es baja. Frente a la gran cantidad de feminicidios que se cometen a diario en toda América Latina, solo una pequeña parte se visibiliza en Twitter pese a los esfuerzos de activistas y familiares. Aunque se requieren estudios con muestras que abarquen un mayor período para confirmarlo, la baja cantidad de casos puede correlacionarse también con el bajo uso de la plataforma por parte de las mujeres en los diferentes países de la región. Además, la violencia digital funciona como obstáculo para la ampliación de una base de usuarias (Luchadoras MX, 2017).
La visibilidad algorítmica funciona en consonancia con el poder patriarcal (D’Ignazio & Klein, 2020): son pocos los casos en el segmento de visibilidad alta, y la mayoría de ellos no obtienen ni visibilidad ni justicia, y funcionan en dependencia con el algoritmo de Twitter, ya que la visibilidad se logra en la subordinación a todas sus propiedades La inmediatez de los tuits respecto al momento en que se cometen los feminicidios es relevante para su visibilidad. Dicha inmediatez se suma a la visibilidad mediática de los casos, dado que Twitter y los medios de prensa y televisión funcionan complementariamente en la delimitación de las agendas mediáticas (Su & Borah, 2019). A estos elementos debe agregarse que las visibilidades cuantitativamente altas son efímeras y contingentes. Las demandas de justicia no reproducen ni las voces ni la información mediática, sino que construyen tácticas de difusión horizontales y de red, apelando a la amplificación de las voces de las propias usuarias y a los mensajes intensivos en sentimientos, empatía e identificación, construyendo una expresión pública que elude la cámara de eco y refuerza su rol de esfera pública (Colleoni et al., 2014). Este efecto podría ser causado por el propio algoritmo de Twitter si las usuarias privilegian la selección algorítmica en sus perfiles (Bandy & Diakopoulos, 2021).
Sin embargo, se identificó otra visibilidad, no dependiente de lo cuantitativo, sino de prácticas recurrentes por parte de las usuarias feministas: una visibilidad insistente. Por ejemplo, el hecho de que los hashtags #justiciapornombre se usen de manera recurrente y de forma transnacional, contribuye a producir identificación, acción colectiva, visibilización y reconocimiento de los hechos, como afirma Flores Mérida (2022), incorporando a este análisis una perspectiva feminista, la inclusión de los nombres de las mujeres afectadas produce identidad, acuerpa (Cabnal, s.f.) y encarna a los datos. El patrón emergente en el uso de los hashtags denota una visibilidad constante, basada en la repetición, diferente a los tuits etiquetados como #niunamenos y #25N cuya visibilidad es contingente, y aumenta especialmente el 25 de noviembre y en fechas cercanas. Se construye en esa repetición e insistencia otra clase de visibilidad, no dependiente de lo cuantitativo, pero afín a compartir significados y a enfrentar colectivamente la ausencia de justicia, lo que concuerda con la productividad del análisis de las trazas de baja visibilidad (Castillo-González et al., 2022).
El uso insistente y transnacional de los hashtags, las estrategias colaborativas de amplificación de las voces de las usuarias y los esfuerzos por visibilizar las demandas de justicia construyen una contramáquina (Reguillo, 2021), a contramano de los olvidos y del poder algorítmico, que de otra manera funcionaría sellando pactos de silencio y en sincronía con los grupos patriarcales (Segato, 2016). Tanto la visibilidad dependiente del algoritmo como la visibilidad constante lograda con las prácticas feministas recurrentes se agregan a la resistencia algorítmica y la visibilidad vernácula identificadas por Sued et al. (2022). Este hallazgo devela que existen diferentes modos en los que datos y algoritmos y prácticas interactúan, y anticipan la posibilidad de ser estudiadas con mayor profundidad.
La correlación entre la visibilidad de los tuits y el modelado algorítmico no debe ser desmerecida. Lo que evidencia es que la obtención de visibilidad para tópicos de resistencia social requiere un conocimiento para reorientar los algoritmos de recomendación en favor de las demandas pendientes de justicia.
Por otra parte, la mayor parte de las demandas estudiadas son espontáneas y aunque se identificaron acciones colectivas en red, carecen de una estrategia que permita aumentar la visibilidad y por consiguiente la presión sobre las instituciones. La identificación de casos corrobora también la impunidad que teóricas y organismos internacionales señalan en toda la región. En Twitter se pide justicia, no se muestra que se ha hecho justicia: solo tres casos de los 96 identificados han usado el hashtag como resolución y no como demanda, y en el segmento de alta visibilidad solo se lograron cuatro detenciones preventivas.
En esta oportunidad, la recolección de la muestra se limitó a la co-ocurrencia de los hashtags que demandan justicia con los hashtags de la protesta contra la violencia hacia la mujer, #25N y #niunamenos. Futuros trabajos podrán enfocarse directamente en las demandas de justicia, fuera del contexto de dichos hashtags, así como en la identificación de los tópicos más visibles de la protesta digital feminista y cómo estos se correlacionan con sus preocupaciones y prioridades.
