Racismo y discurso en la era digital: el caso de la revista Hola y los discursos en las redes
Bibliographic record
Abstract
El artículo tiene como objetivo estudiar manifestaciones del discurso racista en la era digital. El centro de análisis es la controvertida foto publicada por la revista Hola en Colombia durante noviembre de 2011, así como los comentarios que aparecieron en redes sociales como Facebook, Twitter y otros foros electrónicos. A partir de una metodología interdisciplinar en la que se consideran elementos de la teoría de la complejidad, las humanidades digitales, la semiótica así como el análisis del discurso, el artículo discute que, a pesar de la transparencia y la relación de horizontalidad que se ha promocionado en relación con las tecnologías digitales, éstas reproducen estructuras discursivas racistas que aseguran la diseminación y el fortalecimiento del racismo como discurso histórico-cultural. Asimismo, el artículo propone mirar los discursos dentro de las redes sociales digitales como una red en sí misma que se basa en relaciones complejas de procedimientos discursivos llevados a cabo en diferentes escalas de la misma. Finalmente, como conclusión, el artículo sugiere prestar mucha atención a los discursos minoritarios –de escala local- que se constituyen en puentes para la reproducción, crítica y reproducción del racismo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.014 | 0.018 |
| Scholarly communication | 0.021 | 0.010 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".