Skip to main content

​
Situación

Tras el brote de COVID-19, hubo un aumento de incidentes de odio dirigidos a los estadounidenses de origen asiático y de las islas del Pacífico (AAPI). Aunque algunos de estos incidentes fueron cubiertos por los medios, miles de personas presentaron denuncias al centro nacional de reportes Stop AAPI Hate, que responde y aborda los incidentes de odio mediante investigación, incidencia y creación de capacidades. Durante este tiempo se fundó The American Asian Foundation (TAAF). Esta organización se convirtió en la fuerza motriz detrás del equipo que decidió aprovechar X para proporcionar una nueva ventana a cómo estos incidentes afectan personalmente a las personas objetivo.

​
Solución

El pequeño equipo de dos ingenieros recurrió a X como su fuente de datos sobre incidentes. Eligieron esta plataforma por dos razones: primero, contiene información rica y diversa, como noticias, ideas de las personas, pensamientos, eventos de la vida diaria y cosas que suceden en sus comunidades. Debido a esto, X ofrece una muestra única e íntima de diversas poblaciones. X también es la única plataforma con una API verdaderamente abierta donde los desarrolladores de TAAF podían acceder a los datos y cuenta con herramientas profundas para recopilar y analizar esos datos. Utilizando los endpoints search Tweets y Tweets lookup de la X API v2, el equipo pudo buscar estados de publicaciones e identificar cuándo las personas reportaban un incidente de odio (e incluso qué hashtags usarían). Esto ayudó al equipo a diseñar una consulta de búsqueda de 1023 caracteres que redujo los miles de millones de posts a una cantidad con la que el equipo podía trabajar. A continuación vino la tarea de verificar que las publicaciones fueran realmente sobre incidentes de odio. El equipo desarrolló una herramienta con procesamiento de lenguaje natural para ayudar a filtrar miles de posts y encontrar los relevantes para el proyecto. Tras aplicar su modelo entrenado de machine learning, los posts fueron verificados por un humano para aumentar aún más la precisión. En 2021, TAAF también coescribió el Documenting Anti-AAPI Hate Codebook con la coalición Stop AAPI Hate. Este recurso incluye borradores de estándares y prácticas para la recopilación de datos basada en la comunidad, lo que ayudó al equipo a clasificar los incidentes que las personas compartían a través de X. A partir de ahí, el siguiente reto fue presentar estos datos de una manera fácil de asimilar. TAAF creó una herramienta de visualización de datos, Decoding Hate, que muestra su gran cantidad de datos de forma interactiva. Con la ayuda de un estudio de visualización de datos, pudieron tomar los datos anotados de X y convertir miles de posts en historias reveladoras que exponen la verdad detrás de lo que estaba ocurriendo dentro de las comunidades AAPI.

​
Impacto

El proyecto Decoding Hate ayudó a detectar miles de incidentes relacionados con el odio que de otro modo no se habrían reportado, y sigue haciéndolo hoy. Este proyecto se ha convertido en una herramienta continua para difundir la conciencia sobre las experiencias individuales que ocurren dentro de la comunidad AAPI. Para la siguiente fase del trabajo, TAAF se asociará con Stop AAPI Hate para pilotar respuestas humanas individuales a las personas que reportan incidentes de odio en X. Durante esta fase, Stop AAPI Hate interactuará activamente con muchas de las personas que envían posts hablando del odio que han experimentado y las animará a reportar los incidentes a través del Stop AAPI Hate Reporting Center. Cuantas más personas reporten a Stop AAPI Hate, mejor podrá la coalición y sus socios entender la naturaleza de los incidentes de odio que están ocurriendo y abogar por las soluciones políticas más efectivas. Junto con exponer los incidentes relacionados con el odio en las comunidades AAPI, el proyecto también pone de relieve el valor de la API de X. Este caso nos muestra que, aprovechando los datos correctos con las herramientas adecuadas, los desarrolladores pueden usar X para innovar por una buena causa.