Come si è diffuso il movimento #MeToo su Twitter

Il seguente articolo contiene materiale che potrebbe turbare alcuni lettori. Si basa interamente su analisi dei dati di tweet contenenti l'hashtag #MeToo nelle ultime settimane. Un link al codice utilizzato per le analisi è riportato nella conclusione di questo articolo. Accogliamo con favore e incoraggiamo ulteriori analisi e il dialogo.

Nuvola di parole dei tweet dal 24 ottobre al 7 novembre

Nuvola di parole dei tweet del 10 e 11 novembre

Ho usato le API di Twitter per estrarre mezzo milione di tweet recenti che contengono l'hashtag #MeToo. Dato un numero simile, è impossibile riassumere tutto ciò che contengono. Un modo per dare un'idea delle parole più usate è una word cloud. Sopra ci sono due word cloud: la prima è generata dai tweet pubblicati tra il 24 ottobre e il 7 novembre; la seconda è del 10 e 11 novembre. Noti qualche differenza? Dai un'occhiata e vedi cosa trovi.

La differenza più evidente per me è il cambio nei nomi dei presunti responsabili: nella seconda nuvola di parole, "weinstein" è più piccolo e quindi meno rappresentato nei tweet, "billoreilly" non è più presente e sono comparsi nuovi nomi, come "louisck" (che ha ammesso che "Queste storie sono vere") e "roymoore". Sono comparsi anche termini correlati come "republican" (Roy Moore è un repubblicano). Molte delle parole che compaiono suoneranno familiari. Altre, che includono username di Twitter come "aliceglass", non sono ancora così chiare. In questo post, entrerò nel merito di questi tweet e vedremo lungo il percorso perché tali parole compaiono nelle word cloud. Se hai pensieri, risposte e/o riflessioni, contattami pure su Twitter: @hugobowne.

Da queste word cloud puoi estrarre molte delle idee principali attorno a #MeToo. Per più contesto, Wikipedia riporta che

"Me Too" (o "#MeToo", con alternative locali in altre lingue) si è diffuso viralmente come hashtag di due parole usato sui social media nell'ottobre 2017 per denunciare aggressioni e molestie sessuali, sulla scia delle accuse di cattiva condotta sessuale contro Harvey Weinstein. L'espressione, usata da tempo in questo senso dall'attivista Tarana Burke, è stata popolarizzata dall'attrice Alyssa Milano, che ha incoraggiato le donne a twittarla per rendere pubbliche le proprie esperienze e dimostrare la diffusione del comportamento misogino. Da allora, milioni di persone hanno usato l'hashtag per raccontare le proprie esperienze, tra cui molte celebrità.

Al momento della stesura, Wikipedia riportava anche che

L'espressione era stata usata più di 200.000 volte al 15 ottobre, e twittata più di 500.000 volte al 16 ottobre. Su Facebook, l'hashtag era stato usato da oltre 4,7 milioni di persone in 12 milioni di post nelle prime 24 ore. La piattaforma ha riferito che il 45% degli utenti negli Stati Uniti aveva un amico che aveva pubblicato utilizzando il termine.

e che "Il Parlamento europeo ha convocato una sessione in risposta diretta alla campagna Me Too, dopo che questa ha dato origine a denunce di abusi in Parlamento e negli uffici dell'Unione europea a Bruxelles". #MeToo è un movimento che ha acquisito un impulso decisivo nell'ultimo mese. In questo post, esaminerò come si è diffuso su Twitter.

Panoramica di due settimane di #MeToo su Twitter

Per questa analisi, ho usato le API di Twitter per estrarre i tweet contenenti #MeToo dal 24 ottobre al 7 novembre. Si tratta di due settimane di tweet a partire da circa una settimana dopo il primo tweet #MeToo. Le API di Twitter consentono di estrarre un sottoinsieme di tutti i tweet quindi, sebbene il numero assoluto non li comprenda tutti, potrai vedere l'andamento generale.

Per iniziare, guardiamo al numero di tweet nel tempo per le due settimane in questione:

Mentre la maggior parte degli hashtag ha un'emivita di minuti o ore, #MeToo è presente ormai da settimane, come si vede sopra. È un movimento abbastanza potente da manifestarsi non solo online ma anche in marce e proteste. Nota, nella figura sopra, che dal 23 al 30 ottobre, cioè da una settimana dopo il primo tweet con #MeToo fino a una settimana dopo, il tag non ha mostrato segni di calo significativo. Il numero totale di tweet al giorno è piuttosto stabile in quella settimana. Solo nella terza settimana mostra una diminuzione. Nota anche la periodicità delle 24 ore: il numero di tweet è costantemente al minimo tra le 22 e le 24 Eastern Time e al massimo intorno alle 12 Eastern Time. Questo è coerente con la maggioranza dei tweet provenienti dal Nord America.

Come detto sopra, c'è una diminuzione del numero di tweet nelle due settimane in questione, ma approfondiamo un po' osservando quanti fossero tweet originali e quanti retweet nel periodo:

Vediamo che il numero di retweet supera costantemente quello dei tweet originali. Inoltre, la diminuzione che abbiamo notato nel numero totale di tweet nelle due settimane è più marcata nei retweet che nei tweet originali. Guardando al numero dei soli tweet originali, si vede che c'è stata una diminuzione ma non quanto si potrebbe pensare dal grafico iniziale:

Ho notato sopra che i retweet erano più dei tweet originali. In effetti, durante questo periodo il 60% dei tweet con #MeToo erano retweet:

Sorge quindi la domanda: su mezzo milione di tweet, quanti tweet originali sono stati responsabili di tutti questi retweet? Al momento dell'analisi c'erano 100 tweet ritwittati più di 1.000 volte ciascuno (potrebbero essere di più ora, man mano che i retweet continuano). Rappresentano circa 62.000 (13 percento) dei tweet totali catturati. Nota che molti retweet non saranno stati catturati dalla nostra ricerca.

C'erano 1.000 tweet ritwittati almeno 100 volte ciascuno e questi rappresentavano oltre il 25% di tutti i tweet catturati.

Quali erano i tweet principali? Vediamo i 5 tweet con più retweet al momento dell'analisi:

Questi erano i più ritwittati in assoluto al momento dell'analisi. E quelli più ritwittati all'interno dei dati raccolti? Diamo un'occhiata:

"ALICEGLASS" era uno username nella prima word cloud. Ora è chiaro che il suo username compariva perché è stata molto ritwittata nei tweet raccolti. Alice Glass è una cantautrice che ha cofondato ed è stata la frontwoman della band elettronica Crystal Castles; ha lasciato la band e puoi leggere la sua dichiarazione qui. L'elevato numero di retweet è anche il motivo per cui le parole "Crystal" e "Castle" compaiono nella word cloud.

Abbiamo quindi altre lingue rappresentate in numero significativo, il che è interessante. Quello che è iniziato come un movimento in Nord America e in lingua inglese non solo si è diffuso in altre lingue, ma lo ha fatto in modo rilevante, come dimostra il fatto che tweet in spagnolo, francese e coreano compaiono nella top 5 dei più ritwittati nelle due settimane analizzate. Esploriamo ora un po' più a fondo la distribuzione dei tweet tra le varie lingue.

La diffusione di #MeToo nel mondo

Per cominciare, guardiamo alle lingue rappresentate in tutti i tweet contenenti #MeToo e vediamo con quale frequenza compaiono:

L'inglese domina, poi le lingue non identificate. Poi abbiamo francese, olandese, tedesco, svedese, giapponese, spagnolo e coreano. Poiché abbiamo conteggi su scale diverse (migliaia, decine di migliaia e centinaia di migliaia), ha senso tracciare questa figura con un asse y logaritmico, il che significa che la distanza visiva tra 10^3 (mille) e 10^4 (diecimila) è la stessa della distanza visiva tra 10^4 e 10^5 (centomila):

Ora vediamo che, sebbene l'inglese domini, ci sono diverse altre lingue con decine di migliaia di tweet ciascuna: francese (32K), olandese (23K) e giapponese (16K), per citarne alcune. In effetti, quasi il 40% dei tweet è rappresentato da lingue straniere o non identificate (45K, che spesso sono lingue straniere semplicemente non rilevate dall'algoritmo usato da Twitter).

Vediamo ora come l'uso delle diverse lingue con l'hashtag #MeToo è variato nelle due settimane:

Ci sono almeno tre aspetti di questa figura che attirano la mia attenzione e meritano ulteriori approfondimenti:

• il 26 ottobre, c'è un picco di lingue non identificate quando l'inglese è ai minimi;
• il 30 ottobre, il numero di tweet in francese schizza fino a raggiungere quello dei tweet in inglese;
• l'8 novembre c'è un picco nei tweet in olandese che si avvicina al numero dei tweet in inglese.

Indaghiamo questi punti.

Il picco dei tweet in lingua non identificata

Una spiegazione del picco dei tweet in lingua non identificata è il retweet del seguente tweet in catalano di Eva Piquer:

I la diputada s'ha quedat sola denunciant l'assetjament sexual a les dones. Quina pena i quina vergonya. #MeToo
© Patrick Hertzog/AFP pic.twitter.com/AtCxumRu5Z

— Eva Piquer (@EvaPiquer) October 25, 2017

L'algoritmo di Twitter non ha saputo identificare la lingua di questo tweet, il catalano, che è stato ritwittato ben 4.876 volte giovedì 26 ottobre.

Il picco dei tweet in francese

Il 30 ottobre, il picco dei tweet in francese è stato dovuto al retweet dei tre tweet seguenti, che hanno avuto rispettivamente 555, 347 e 327 retweet:

Nota anche che il primo tweet sopra contiene l'hashtag #Balancetonporc che in inglese si traduce con "expose your pig". #balancetonporc e leggere varianti compaiono nel 27% dei tweet #MeToo in francese e sono ormai considerati l'equivalente francese di #MeToo. Puoi leggere di più qui.

E il piccolo picco dei tweet in olandese? Lo lascio come sfida al lettore più curioso.

Conclusione

In questo post, hai visto che il movimento #MeToo ha acquisito un impulso costante e che, sebbene sia iniziato in Nord America, la sua portata si è diffusa in tutto il mondo. Hai visto, grazie alla sola visualizzazione dei dati di Twitter (word cloud di mezzo milione di tweet), che dopo il primo utilizzo dell'hashtag ci sono state nuove rivelazioni e accuse, ed è ragionevole concludere che questo stia contribuendo al suo slancio nel tempo. Hai visto anche che molti tweet sono retweet, il che suggerisce un alto livello di coinvolgimento, anche da parte di chi non pubblica tweet originali. Nei prossimi giorni renderò disponibile il codice usato per estrarre i tweet da Twitter ed eseguire l'analisi sopra. Ti incoraggio caldamente a vedere cos'altro puoi trovare nei dati. Questo non sostituisce il leggere ampiamente sull'argomento e discuterne con le persone IRL.

Se hai pensieri, risposte e/o riflessioni, contattami pure su Twitter: @hugobowne.

Puoi trovare il codice utilizzato per questa analisi in questo repository.