How do you speak about immigrants? Taxonomy and StereoImmigrants dataset for identifying stereotypes about immigrants

La lucha contra la xenofobia y el racismo ha sido una constante en las democracias occidentales desde el final de la segunda guerra mundial y, sin embargo, muchos colectivos - como por ejemplo, la población inmigrante- siguen atrapados en los estereotipos asociados a determinadas categorías sociales. El objetivo de este trabajo interdisciplinar era investigar si las técnicas de procesamiento automático del lenguaje natural nos permitían analizar cómo de manera no explícita se manifiesta el prejuicio hacia los inmigrantes en el discurso político. Para ello analizamos los discursos en el Congreso de los Diputados en tres momentos históricos, 1996-1997, 2006-2007 y 2016-2018. El aspecto más innovador de esta investigación consistió en aplicar al análisis de los discursos una visión más compleja de los estereotipos mostrando que el fenómeno de la estereotipia va más allá de la definición de un colectivo sobre la base de unos rasgos u atributos. En ese sentido, nos propusimos detectar en los discursos de los diputados y diputadas no tanto los atributos personales asignados a la categoría inmigrante sino en qué marcos, es decir, en qué escenarios narrativos, el grupo “inmigrantes” era mencionado. Anotamos manualmente un total de 3635 frases en las que un diputado o diputada se refería al problema de la inmigración, en 1673 la categoría “inmigrantes” se asociaba a uno de los escenarios narrativos incluido en la taxonomía y en 1962 no se asociaba a ninguno de los marcos que contribuyen a la creación de un estereotipo. Cada una de las frases fueron anotadas por cinco personas entrenadas en la utilización de dicha taxonomía y con ello se elaboró Stereoimigrant, el primer corpus en español que contiene discursos políticos que presentan a los inmigrantes de forma estereotipada. Con este corpus se entrenaron varios modelos de machine learnig para detectar si los algoritmos podían clasificar los discursos igual que los humanos. Un resultado importante fue comprobar que los modelos de machine learning se equivocaban más con las frases pronunciadas por políticos de derechas (PP) que con el resto de partidos, concluyendo que las estrategias retóricas que jugaban con la ambivalencia, es decir presentaban primero a los inmigrantes como víctimas y luego como una amenaza, para los humanos resultan evidentes y, sin embargo, no lo eran para los modelos de procesamiento del lenguaje natural.