#arkipäivänseksismi ja twiittien visualisointi

Parina viime päivänä Twitterissä on jaettu tagilla #arkipäivänseksismi kokemuksia arkipäivisissä tilanteissa kohdatusta seksismistä. Mielenkiintoista keskustelua jota seurasin itsekin, vaikka omat kokemukseni seksismistä rajoittuvat lähinnä siihen, että minun odotetaan penikseni johdosta olevan jumalattoman kiinnostunut jääkiekosta.

Samoihin aikoihin tämän keskustelun kanssa puhaltelin tomua ohjelmointitaidoistani Pythonin parissa. Python on nätiksi tarkoitettu ohjelmointikieli, noin lyhyesti sanoen. Tarvitsin koeprojektin. Siitähän se ajatus irtosi, mitä jos Twitterissä käydyn keskustelun visualisoisi sukupuolen perusteella? Aiheen huomioiden ironinen lajitteluperuste.

Datankäpistelyvaroitus: Tässä postauksen keskivaiheilla on jonninverran teknistä höpöttelyä. Ei mitään järin hankalaa, mutta sellaista, joka ei vältsisti kaikkia kiinnosta. Postauksen lopusta löytyy kuvia niille, jotka niiden perässä tulivat tänne.

Let’s koodataan

Twitter ei rajapinnassaan suoraan kerro, mikä on käyttäjän sukupuoli. Loogista, koska eivät sitä rekisteröityessäkään kysele. Googlaus ehdotti sukupuolen päättelemiseksi ties mitä kiinnostusanalyysejä aikajanoista. Päädyin hakemaan Wikipediasta listat suomalaisista miesten ja naisten nimistä ja looppasin käyttäjätunnuksien tarkastuksen sitä vasten. Miksi käyttää skalpellia, jos leka on keksitty?

Toki, tällä etunimitunnistuksella jää kaikki teenagemutantninjahitler97-tyyppiset käyttäjät huomioimatta, mutta oman kokemukseni mukaan ne Twitter-tilit, joissa ei esiinnytä omalla nimellä, on yrityksiä lukuunottamatta täyttä tuubaa muutenkin. Riittävä tarkkuus omaan uteliaisuusprojektiin.

Kuvakaappaus koodista

Tässä pääpalat. Tweepy-kirjasto paiskaa tassua Twitterin rajapinnan kanssa ja imee sieltä #arkipäivänseksismi-aiheiset twiitit. Sen jälkeen twiittien luojien nimimerkit käydään läpi ja niitä peilataan suomalaiset etunimet sisältävään listaan, ja laitetaan oikeaan kategoriaan. Melko simppeliä. Kirjoitus tiedostoon ja käsiteltävä data on valmis. Sen jälkeen käytin Wordle-palvelua sanapilvien muodostamiseen. Tosihifisti olisi koodannut senkin itse.

Joo, koodini on epäeleganttia ja epätäydellistä. Koitetaan kestää. Ja nyt siihen asiaan, jota tultiin katsomaan, eli lopputuloksiin. Mitä miehet ja naiset twiittailivat hashtagilla #arkipäivänseksismi?

Naisten sanapilvi

Naisten twiittien sanapilvi

Moneen kertaan retweetattujen viestien sanat korostuvat. En katsonut järkeväksi siivota retweettejä koodissa, koska retweet on tarkoitettu “Olen samaa mieltä” -henkiseksi tapahtumaksi, jonka voi tulkita isommaksi painoarvoksi alkuperäisen viestin sisällölle.

Koulu ja lapset korostuvat viesteissä selvästi. Yläastetta, ala-astetta, tyttöjä ja poikia. Jääkiekko vs. ringette. Urheilu, huonompana pitämistä. Karkeahko analyysini on, että se on yleisesti naisten mielipiteen mukaan hanurista, jos kouluikäisenä ei anneta touhuta ja harrastaa sitä, mitä haluaisi. Paha tuosta on olla eri mieltä. Lapsena koetut epäreiluuden tunteet pysyvät mielessä pitkään.

Miesten sanapilvi

Päivän positiivinen yllätys. Poissa olivat odottamani “mielensäpahoittaja”-tyyliset avainsanat, mitä ehkä jossain toisessa some-kanavassa olisi löytynyt enemmänkin. Katson sinua, Facebook. Sen sijaan retweettien myötä siellä näkyi hyvin pitkälti naisten kertomat kokemukset. Itse asiassa miesten omat kokemukset jäivät sen verran jalkoihin naisten kokemuksien symppaamiselle, että harkitsin tulisiko näistä listauksista tehdä jonkinsortin termien ristiinpoisto paremman eroavuuden saamiseksi. Muttei se oikein tuntunut järkevältä touhulta, eikä sen puoleen reilultakaan.

Mitä tästä opimme?

Itse opin etupäässä Pythonin käyttöä, joka todennäköisesti tulee tarpeeseen vielä usein. Lisäksi toivottavasti tämän lukijat oppivat jollain tasolla, miten pienellä ohjelmoinnilla Twitteristä voi tehdä kevyttä analysointia ja datan visualisointia. Koodini on kaukana täydellisestä eikä sitä kannata käyttää vielä tälläisenään mihinkään liiketoiminnan kokemuksien tms. analysointiin some-kanavissa, mutta tästä on hyvä kehitellä itse kunkin ideoita.

Lisäksi opin sen, mitä olen jo pitkään epäillytkin: Negatiiviset kokemukset sosiaalisesta mediasta pohjautuvat todennäköisesti pieneen pösilölaumaan. En löytänyt indikaatiota siitä, että alentuva tai muuten vaan ikävä suhtautuminen #arkipäivänseksismi-keskusteluun olisi mitenkään noussut samalle tasolle aidosti asiaan kantaaottavien twiittien kanssa.

Viimeisimpänä opin sen, että tuntemukset epäreilusta kohtelusta ovat pääpiirteittäin sukupuolesta sen verran riippumattomia, että vertailevaan datan visualisointiin kannattanee jatkossa valita joku eri testikeissi.

Semmoista. Olkaahan ihmiset mukavia toisillenne. Verotus on korkea ja huomenna sataa vettä. Ei tässä maassa kukaan viihdy jos ei osata edes ajatella toisiamme. Over & Out.

Viimeisimmät artikkelit

Timo Kataja Kirjoittanut:

Kirjoittaja on digitaalisen palvelukehityksen parissa touhuava bisneksen ja teknologian tulkki, joka vierastaa ylimääräistä digihypeä mutta tykkää pelata Flappy Birdiä.

Yksi kommentti

  1. Vesa Linja-aho
    15.06.2016
    Vastaa

    Hienoa työtä ja hieno visualisointi! ”Mitä tästä opimme” -otsikon alle voisi vielä lisätä, että kun sanot: ”minun odotetaan penikseni johdosta olevan jumalattoman kiinnostunut jääkiekosta”, niin se ei johdu peniksestä vaan siitä että olet mies. Jos olisit nainen jolla on penis, voit kohdata vakavampaa seksismiä kuin oletuksen jääkiekosta kiinnostuneisuudesta.

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *