La violencia de género constituye un problema social persistente que, lamentablemente, sigue manifestándose a través de nuevos casos, afectando particularmente a mujeres en diversos ámbitos de la sociedad. La Universidad, como institución dedicada a la generación y transmisión de conocimiento y valores, tiene la responsabilidad de implementar herramientas para detectar y erradicar la violencia de género. La erradicación de este problema social es una tarea que nos concierne a todos, y junto a los esfuerzos políticos y administrativos, la participación social y ciudadana es fundamental.
Formación para la Detección y Prevención
Se han diseñado 5 Unidades Didácticas, impartidas entre marzo y abril, con una duración de dos horas por unidad en modalidad online y una carga de 0.8 créditos ECTS. Estas unidades abordan aspectos cruciales para la comprensión y prevención de la violencia y la discriminación:
Unidad Temática 1: Violencia de Género I
Se centra en las conceptualizaciones de las violencias basadas en género y las distintas formas en que estas se manifiestan.
Unidad Temática 2: Violencia de Género II
Explora el impacto de la violencia de género, analizando hasta dónde llega sus efectos y cómo nos afecta en nuestra vida.
Unidad Temática 3: Relaciones Afectivas y Sexuales
Examina las relaciones que construimos en el contexto afectivo, sexual, de ocio, formativo o laboral. Se abordan los mitos del amor romántico, la distinción entre amor y violencia, los vínculos afectivos, el enamoramiento y el amor.
Unidad Temática 4: Acoso I
Define el acoso, identifica los factores de riesgo y las características asociadas. Se profundiza en conceptos clave como el mobbing, el acoso sexual, la discriminación por orientación sexual, y la discriminación por identidad sexual y/o expresión de género.
Unidad Temática 5: Acoso II
Continúa el análisis del acoso, abordando sus diversas manifestaciones y consecuencias.
Esta formación está dirigida exclusivamente al alumnado en activo de la UNIA, en cualquiera de los programas ofertados.
Procedimientos Académicos y Certificación
La anulación de matrícula y la devolución de derechos se regirán por lo establecido en los artículos 16 y 17 del Reglamento de Régimen Académico de la Universidad. El alumnado matriculado que acredite al menos la asistencia al 80% de la formación recibirá un certificado de asistencia, que incluirá las materias cursadas y la duración del curso (4 créditos ECTS). Aquellos estudiantes que superen el sistema de evaluación previsto obtendrán un diploma de aprovechamiento, con la calificación obtenida.
La Universidad Internacional de Andalucía, como complemento a las convocatorias de la Administración General del Estado y de la Comunidad Autónoma, y de acuerdo con su disponibilidad presupuestaria, establecerá un programa de becas y ayudas al estudio para cada curso académico.
Información y Soporte Técnico
Para cualquier incidencia técnica durante el proceso de automatrícula, los estudiantes pueden contactar a través de la dirección de correo electrónico proporcionada. La eficacia de la matrícula formalizada y los actos administrativos derivados de ella quedarán demorados hasta la totalidad del pago de los precios públicos establecidos.
Detección Temprana de Alteraciones del Desarrollo
En el ámbito pediátrico, la detección temprana de retrasos y alteraciones del desarrollo es crucial. Un estudio publicado en Acta Pediatr. Méx evalúa la validez de los Indicadores de Riesgo del Perfil de Conductas de Desarrollo-Revisados (INDIPCD-R) como instrumento de tamizado para la detección temprana de estas alteraciones en infantes de 6 meses a 4 años de edad.
El estudio transversal comparativo incluyó 145 infantes. Los resultados mostraron que los INDIPCD-R son un instrumento de tamizado eficaz que permite discriminar entre niños con alteraciones en su desarrollo y aquellos con desarrollo normal. Se obtuvieron altas sensibilidades (100% en clínica y 94% en CENDI) y especificidades adecuadas (69% en clínica y 84% en CENDI), con una consistencia interna alta (alfa de Cronbach: 0.938).
Público Objetivo para la Formación en Delitos de Odio
La formación sobre delitos de odio está dirigida a un público amplio y diverso, incluyendo:
- Alumnado universitario de grado y postgrado de titulaciones afines (Educación Social, Psicología, Trabajo Social, Criminología, Sociología, Pedagogía, CC Políticas, Enfermería).
- Alumnado de Ciclos Formativos de Grado Superior de Técnico Superior en Integración Social.
- Personal docente de centros de educación secundaria.
- Todas aquellas personas interesadas en temas de delitos de odio.
El delito de odio se define como una infracción penal motivada por prejuicios contra personas pertenecientes a un determinado grupo social. Para la inscripción, se requiere adjuntar el DNI y un documento de Cesión de datos personales debidamente rellenado y firmado.
Identificación de Discriminación en el Entorno Laboral
La discriminación en el lugar de trabajo puede manifestarse de diversas formas. Algunas señales de alerta incluyen:
- ¿Se llevan los trabajadores más jóvenes todas las oportunidades de capacitación, promoción y proyectos interesantes?
- Si los trabajadores mayores levantan la mano pero siempre se les ignora, puede ser una señal de discriminación por razones de edad.
- Las palabras abusivas son suficientes para crear un ambiente laboral hostil. Comentarios diversos sobre la edad pueden hacer que un trabajador se sienta incómodo.
- Comentarios de que los trabajadores mayores no comprenden la tecnología y los medios sociales, o que no pueden trabajar tan duro, pueden indicar una actitud discriminatoria.
El Papel de la Inteligencia Artificial en la Detección del Discurso de Odio
La detección precisa del discurso de odio en línea presenta numerosos desafíos, especialmente en el contexto de las redes sociales donde se publican miles de millones de mensajes diariamente. La ausencia de una definición única para el discurso de odio complica el desarrollo de algoritmos precisos.
El discurso de odio se distingue del lenguaje ofensivo. Mientras que el lenguaje ofensivo puede ser grosero o irrespetuoso, el discurso de odio busca activamente discriminar o incitar a la violencia hacia un individuo o colectivo, con mayores implicaciones legales y sociales.
Evolución de los Modelos de Detección
Inicialmente, los algoritmos clásicos de aprendizaje automático como Naive Bayes y Support Vector Machines (SVM) fueron fundamentales. Estos modelos son eficientes, rápidos y requieren menos datos, pero tienen limitaciones para comprender el lenguaje complejo, el sarcasmo y el contexto, además de depender de representaciones de texto que no capturan el significado real.
Los modelos de lenguaje transformadores, como BERT, GPT y RoBERTa, han representado un avance significativo. Preentrenados con grandes volúmenes de texto, capturan el significado y el contexto de las palabras con una profundidad sin precedentes, permitiendo distinguir entre un insulto y un ataque discriminatorio.
Los discursos de odio en la era digital | Raúl Gómez | TEDxUniversidadNacionaldeCórdoba
Desafíos y Consideraciones Éticas
A pesar del potencial de la inteligencia artificial, persisten desafíos importantes:
- Sesgos en los datos de entrenamiento: Pueden llevar a decisiones injustas y perpetuar la discriminación.
- Variabilidad del lenguaje: Factores culturales y sociales influyen en el lenguaje, añadiendo complejidad.
- Naturaleza dinámica del discurso de odio: Requiere vigilancia continua y actualización de modelos.
- Equilibrio entre detección y libertad de expresión: Evitar la censura injustificada y el silenciamiento de voces legítimas.
El éxito de la inteligencia artificial en la lucha contra el discurso de odio depende de la mitigación de sesgos, la mejora de la precisión y el uso responsable. La construcción de una cultura digital respetuosa e inclusiva es un esfuerzo colectivo que requiere intervención humana, regulación y educación.
Proyecto Hatemedia: Detección de Odio en Medios Digitales
El proyecto Hatemedia, desarrollado por UNIR en colaboración con otras instituciones, busca comprender las redes y procesos de difusión de expresiones de odio en medios informativos digitales en España, así como detectar y monitorear estas expresiones. El proyecto utiliza algoritmos de clasificación entrenados con un dataset de mensajes recopilados de redes sociales y medios de información, junto con una librería de expresiones de odio.
Clasificación Multietiqueta de Mensajes de Odio
Para abordar la complejidad de los mensajes de odio, Hatemedia emplea una clasificación multietiqueta:
- Detección de odio (Sí/No): Determina si el mensaje contiene odio.
- Tipo de odio: Identifica el colectivo o grupo al que va dirigido (político, misógino, sexual, racial, general).
- Intensidad de odio: Distingue entre mensajes incívicos, mal intencionados, expresiones abusivas, o aquellos asociados a insultos y amenazas.
Los algoritmos de machine learning utilizados han obtenido exactitudes cercanas al 90% en la detección de odio. Para la clasificación de tipos e intensidades, se emplearon técnicas de sobremuestreo debido al desbalanceo de clases. Un modelo entrenado con BERT obtuvo un 77% de exactitud en la clasificación de tipos de odio, y un 70% en la detección de intensidades.
Estos resultados demuestran la viabilidad de la detección automática del discurso de odio y la necesidad de contar con herramientas automáticas para su promoción y prevención.
Glosario de Términos
Para una mejor comprensión, se definen los siguientes términos:
- Algoritmos: Conjunto de instrucciones sistemáticas, ordenadas y finitas para resolver un problema o realizar una tarea específica.
- Técnicas de clasificación automática: Métodos que utilizan algoritmos de aprendizaje automático para categorizar datos, incluyendo enfoques tradicionales (Naive Bayes, SVM) y modelos avanzados (BERT, GPT, RoBERTa).
- Machine learning: Subconjunto de la inteligencia artificial que permite a las computadoras aprender de los datos y mejorar su desempeño con la experiencia, identificando patrones y relaciones para hacer predicciones.
tags: #deteccion #prematura #de #la #discriminacion