Η παρούσα έρευνα προσπαθεί να εξετάσει την ανατομία της ελληνικής έκδοσης του
hashtag MeToo και να αναλύσει την δυναμική της κοινότητας του κινήματος, με τη
χρήση πρακτικών Social Network Analysis και Natural Language Processing.
Συγκεκριμένα, η εργασία προσπαθεί να αξιολογήσει τις στάσεις της ελληνικής
κοινωνίας, γύρω από το θέμα της σεξουαλικής κακοποίησης και παρενόχλησης, καθώς
και την συζήτηση που δημιουργείται σε μια πλατφόρμα κοινωνικής δικτύωσης, για την
προαγωγή κοινωνικών αλλαγών. Για την διεξαγωγή της έρευνας, χρησιμοποιήθηκε o
συνδυασμός διαφορετικών τεχνικών, σε δεδομένα του Twitter, με λέξη κλειδί MeToo,
κατά τους πρώτους μήνες εκδήλωσης του κινήματος. Ειδικότερα, με την εφαρμογή της
Ανάλυσης Κοινωνικού Δικτύου (SNA) και την παρατήρηση των μετρικών της,
εντοπίστηκαν οι αλληλεπιδράσεις μεταξύ των χρηστών, και οι σχέσεις μεταξύ των
διαφορετικών hashtags, που χρησιμοποιήθηκαν συνδυαστικά με το MeToo.
Ακολουθήσε ο καθαρισμός και η ομαλοποίηση των δεδομένων κειμένου, με πρακτικές
της NLP. Στο επεξεργασμένο κείμενο εφαρμόστηκε η Συναισθηματική Ανάλυση, η
οποία και αποτύπωσε την συναισθηματική φόρτιση των απόψεων των χρηστών του
ελληνικού Twitter. Ταυτόχρονα εφαρμόστηκε η τεχνική της Named Entity Recognition
και του Topic Modeling, για να εντοπιστούν οι θεματικές και τα πρόσωπα των
συζητήσεων. Συνολικά, η έρευνα εντόπισε ότι τους πρώτους μήνες εκδήλωσης του
κινήματος MeToo, στο ελληνικό Twitter, οι χρήστες δεν εμφάνισαν ισχυρές
αλληλεπιδράσεις, ωστόσο προσπάθησαν, με το περιεχόμενο των αναρτήσεων τους, να
στηρίξουν τα θύματα. Οι χρήστες δεν μοιράστηκαν προσωπικές τους ιστορίες, αλλά
συζήτησαν υποθέσεις της επικαιρότητας. Το περιεχόμενο των δημοσιεύσεών τους
συνοδεύτηκε και από αντιδράσεις για την πολιτική σκηνή της χώρας, για την
αντιμετώπιση του ζητήματος των κακοποιήσεων. Οι αναρτήσεις χαρακτηρίστηκαν από
την κοινωνική μάχη αντιμετώπισης του φαινομένου των κακοποιήσεων, με την
ενθάρρυνση και την στήριξη θυμάτων, καθώς και από την πολιτική μάχη,
δημιουργώντας τα πλαίσια ενός ακτιβιστικού κινήματος.
(EL)
This research paper attempts to examine the anatomy of the Greek version of the
hashtag MeToo and to analyze the dynamics of the community of the movement, using
Social Network Analysis and Natural Language Processing. Specifically, the paper
attempts to evaluate the attitudes of Greek society, around the issue of sexual abuse and
harassment, as well as the discussion, created on a social media platform, to promote
social changes. In order to conduct the research, a combination of different techniques
was used on Twitter data, with the keyword MeToo, during the first months of the
movement’s manifestation. In particular, by applying Social Network Analysis (SNA)
and observing its metrics, we observed the interactions between users, and the
relationships between different hashtags, used in combination with MeToo. The
research continued with the cleaning and normalization of the text data, using NLP
practices. Sentiment Analysis was applied to the cleaned text format and captured the
emotional load of the opinions of the Greek Twitter users. At the same time, Named
Entity Recognition and Topic Modeling were applied to identify the topics and main
characters of the discussions. Overall, the research identified that, during the first
months of the MeToo movement on Greek Twitter, users did not formed strong
interactions, but tried, through the content of their posts, to support the victims. Users
did not share their personal stories but discussed current affairs. The content of their
posts was also accompanied by reactions to the political scene and its practices of
dealing with the issue of abuse. The posts were characterized by the social battle to
address the phenomenon of abuse, by encouraging and supporting victims, as well as
the political battle, that created the context of an activist movement.
(EN)
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
