El discurso de odio hacia las candidatas a la Comunidad de Madrid 2023, sesgo de género y virulencia

Autor: Patricia Zamora-Martínez, Patricia Gascón-Vera, Salvador Gómez García
Jazyk: English<br />Spanish; Castilian
Rok vydání: 2024
Předmět:
Zdroj: La Revista Icono 14, Vol 22, Iss 1 (2024)
Druh dokumentu: article
ISSN: 1697-8293
DOI: 10.7195/ri14.v22i1.2079
Popis: El odio se distingue de la opinión democrática por su intención dañina. La difusión del hate speech (Paz-Rebollo et al., 2020) a través de las redes sociales se caracteriza por su virulencia (Zamora-Medina et al., 2021; Moreno & Morales, 2022), especialmente cuando se dirige hacia la clase política y, en particular, hacia las mujeres que son cuestionadas en clave diferente a sus homólogos masculinos (Soriano, 2019). Esta violencia desencadena una reacción antifeminista (Wilhelm & Joeckel, 2018) caracterizada por su misoginia extrema, reactividad y tendencia a los ataques personales (Bonet-Martín, 2020). De este modo, la agresividad ejercida por los haters contra este colectivo considerado vulnerable está contaminando la esfera pública y afectando negativamente la calidad de las democracias. Partiendo de esta realidad, la presente investigación tratará de identificar y analizar las expresiones de odio dirigidas hacia las cinco mujeres candidatas a la presidencia de la Comunidad de Madrid (Isabel Díaz del Partido Popular, Mónica García de Más Madrid, Rocío Monasterio de Vox, Alejandra Jacinto de Podemos, IU y Alianza Verde, y Aruca Gómez de Ciudadanos) en los comentarios realizados en sus cuentas oficiales de Instagram durante la campaña electoral de mayo de 2023. Además, pretende examinar los discursos de odio que pueden estar relacionados tanto con un sesgo de género femenino como con otros colectivos vulnerables a través de temas como la aporofobia o la xenofobia, entre otros. Los resultados revelan el hecho de que la política desvía el odio hacia las mujeres políticas con gran intensidad (Lacalle et al., 2023).
Databáze: Directory of Open Access Journals