Proyectos

Investigación descriptiva sobre cosificación de la mujer en la industria musical

Por junio 28, 2019 julio 30th, 2019 No Comments

1. Introducción

La cosificación de la mujer es un fenómeno que la reduce a una cosa, algo insignificante que se puede intercambiar, poseer, exhibir, usar, reducir, maltratar, disponer y desechar.

Este proyecto propone realizar un análisis de los vídeos musicales incluidos en la lista “Lo más escuchado 2019” de Youtube. El sistema de análisis hace uso de inteligencia colectva e inteligencia artificial y está basado en el Test de Objeto Sexual diseñado por la socióloga americana Caroline Heldman.

2. Contexto

El proyecto ha sido iniciado y testeado a lo largo del taller «El poder de los datos» del #SummerLab19 organizado por Montera34 e HirikiLabs celebrado en Donostia los días 26, 27, 28 y 29 de junio.

Este proyecto se enmarca dentro de la actividad investigadora que MediaData desarrolla en el Grupo de I+D+i «Comunicación, arte y cultura visual» de la UPV.

3. Equipo

— Diego Álvarez. @diegoalsan
— Alejandro González. @algope_
— José J. Rodríguez. @JoseJoaqu1n
— Cristina Ubani. Asesora en gestión de proyectos de igualdad y Cooperación al Desarrollo. @Ubanibazan

4. Plan de trabajo

A. Fase conceptual

A1. Marco conceptual

Cosificación

Es un proceso sistemático por el que un ser sensible se deshumaniza, se reduce a una cosa a un ser insignificante sin estatus social, se convierte en algo que se puede intercambiar, poseer, trocar, guardar, exhibir, usar, maltratar, disponer y desechar.

Fuente: Bengoechea, Mercedes. (2006). «Rompo tus miembros uno a uno» (Pablo Neruda). De la reificación a la destrucción en la iconografía literaria de la amada. Cuadernos de Trabajo Social, 2006.

Sex Object Test (SOT)

Test del Objeto Sexual (TOS), diseñado por la socióloga americana Caroline Heldman, que permite identificar la presencia de cosificación sexual en las imágenes a través de las siguientes preguntas:

¿La imagen muestra únicamente una parte o partes del cuerpo de la persona?

¿Muestra la imagen una persona sexualizada que sustituye a un objeto, como por ejemplo un cuerpo humano utilizado como una silla o una mesa?

¿Muestra la imagen a una persona sexualizada que puede ser intercambiada o renovada en cualquier momento?

¿Muestra la imagen a una persona sexualizada que está siendo maltratada, por ejemplo violada o sin la capacidad de dar su consentimiento?

¿Sugiere la imagen que la característica definitoria de la persona es su disponibilidad sexual?

¿Muestra la imagen a una persona sexualizada que puede ser usada como una mercancía o alimento?

¿Trata la imagen el cuerpo de una persona sexualizada como si fuese un lienzo?
Fuente: Aquí

A2. Objetivos

Estudiar la utilización de la imagen de la mujer en los vídeos musicales a través de un sistema de análisis que combine la inteligencia artificial y la inteligencia colectiva.


Objetivos secundarios:

  1. Implementar un sistema de descarga y extracción de fotogramas de vídeos musicales de youtube.
  2. Desarrollo de un sistema de clasificación automático que permita determinar:
    1. Identificar la presencia de personas.
    2. Determinar si son hombres o mujeres.
    3. Determinar su grado de desnudez.
    4. Identificar las partes del cuerpo expuestas.
  3. Implementar un bot en Telegram para el análisis colaborativo basado en el Test de Objeto Sexual (TOS).
  4. Diseñar un cuadro de mando que facilite la comprensión de los datos de análisis generados.

A3. Pregunta de investigación

¿En qué medida se dan los factores incluidos en el Test de Objeto Sexual (TOS) en las mujeres que aparecen en los vídeos musicales de la lista de canciones más escuchadas en Youtube en 2019?

B. Fase de diseño

B1. Dimensión temporal

28 de junio de 2019.

B2. Población de estudio

150 vídeos incluidos en la lista «Lo más escuchado 2019» de Youtube.

B3. Unidades de recogida de datos

Vídeos musicales.

B4. Unidades de análisis

Fotogramas en los que aparecen mujeres.

B5. Definición de las variables de estudio

  1. Variables de identificación:
    1. Título
    2. Artista
  2. Variables de análisis automático:
    1. Número de torsos masculinos.
    2. Número de torsos femeninos.
    3. Número de genitales masculinos.
    4. Número de genitales femeninos.
  3. Variables de análisis manual:
    1. Aparecen troceadas.
    2. Aparecen como objetos.
    3. Aparecen como algo intercambiable.
    4. Aparecen maltratadas.
    5. Aparecen sexualizadas.
    6. Aparecen como mercancía.
    7. Aparecen como lienzo.

B6. Estrategia para obtención de datos

  • Para la medición de las variables de identificación se usará la herramienta lyric-waffle.
  • Para la medición de las variables de análisis automático se usará la red neuronal Nudenet.
  • Para la medición de las variables de análisis manual se usará un bot de Telegram.

B7. Muestra de contenidos a analizar

  • Por cada uno de los vídeos publicados se seleccionará 1 fotograma cada 3 segundos y se seleccionarán, de forma estratégica, aquellos en los que aparecen mujeres.

C. Fase empírica

C1. Prueba piloto

C1 a. Diseño y desarrollo instrumentos de medida y análisis.

Para testear el diseño elaborado se ha realizado una prueba piloto con los siguientes elementos:

Diseño y desarrollo instrumentos de medida y análisis.

Estructura dataset:
    • “title”: String,
    • “artists”: String,
    • “ai_male_genitalia”: Boolean,
    • “ai_female_genitalia”: Boolean,
    • “ai_male_breast”: Boolean,
    • “ai_female_breast”: Boolean,
    • “tel_focused”: Boolean,
    • “tel_object”: Boolean,
    • “tel_decorative”: Boolean,
    • “tel_abused”: Boolean,
    • “tel_sexualized”: Boolean,
    • “tel_commodity”: Boolean,
    • “tel_canvas”: Boolean,
    • “usr_gender_training”: Boolean,
    • “usr_gender”: String,
    • “usr_age”: Integer,
    • “co_analyzed”: Boolean,
    • “ai_analyzed”: Boolean,
    • “frame_id”: Integer
Bot de Telegram para análisis colaborativo.
  • Nombre: cosificaBOT.
  • Diseño:
Cuadro de mando en Tableau para la visualización interactiva de los datos. Se presentarán los datos en tres niveles:
  • Lista.
  • Vídeo.
  • Fotograma.
  • Analistas.

C1 b. Testeo y obtención de datos

C2. Desarrollo e investigación

El resultado del testeo de las herramientas y estructura de datos generada ha sido el siguiente:

Se han seleccionado los tres vídeos musicales más vistos incluidos en la lista “Lo más escuchado 2019” de Youtube. La consulta y descarga se ha realizado el 28 de junio de 2019 ofreciendo el siguiente resultado:
Se han extraído los fotogramas de los vídeos con un ratio de 1 fotograma cada 3 segundos usando la herramienta lyric-waffle.
    • Vídeo 1. 85 fotogramas.
    • Vídeo 2. 59 fotogramas.
    • Vídeo 3. 77 fotogramas.
Se han seleccionado de forma manual los fotogramas en los que aparecen una o varias mujeres.
    • Vídeo 1. 27 fotogramas.
    • Vídeo 2. 26 fotogramas.
    • Vídeo 3. 33 fotogramas.
Se han seleccionado 6 perfiles para el testeo del bot de análisis con los siguientes perfiles:
El resultado de las pruebas ha sido el siguiente:

D. Fase de análisis

Análisis de datos.
Interpretación de los resultados.

5. Referencias

— Ítem de lista ordenadaInfography: Interventions at OccupyBoston General Assembly Jan. 10th 2012. Visita el enlace
— Film Dialogue from 2,000 screenplays, Broken Down by Gender and Age. Visita el enlace
IKASKETA FEMINISTAK ETA GENEROKOAK MASTERRA MASTER EN ESTUDIOS FEMINISTAS Y DE GÉNERO Curso académico 2014-2015 Ikasturtea. Visita el enlace
— El cuerpo como maniquí. Una visión gestáltica de las intervenciones estéticas. Visita el enlace
— Versión española de la Objectified Body Consciousness Scale (OBCS): resultados correspondientes a dos muestras de estudiantes. Visita el enlace