LLC presentó una herramienta denominada The Purple Check, que con inteligencia artificial comprueba si los titulares de noticias tienen algún sesgo.
Esta herramienta funciona de manera sencilla. Se introduce un titular y la solución comprueba si las palabras utilizadas están en línea con las reglas de buenas prácticas derivadas de las guías United Nations Development Programme (UNDP) y Mediterranean Network of Regulatory Authorities (MNRA). En caso contrario, recomendará cómo decir lo mismo para informar sin promover la desigualdad y así devolver el foco a la comunicación. Esta es una herramienta de libre acceso
The Purple Check surge a raíz de las conclusiones del informe ‘Desenfocadas: Cómo opinar e informar mejor sobre la violencia de género’ que ha realizado LLYC en el marco del 8M, Día Internacional de la Mujer. El estudio concluye que aunque los medios de comunicación conciencian, sensibilizan y previenen sobre violencia de género el doble que las redes sociales, queda mucho trabajo por delante. Todavía el 20% de las noticias publicadas justifican las agresiones y una de cada seis vulnera la intimidad de las víctimas exponiendo datos personales que estas preferirían evitar. Además, en general, sabemos mucho de ellas y poco del agresor. Hay un 75% más de menciones a los atributos de las víctimas. El negacionismo se retroalimenta: una insinuación en medios se multiplica por cuatro en la conversación social.
Para la elaboración de este informe el equipo de Deep Learning de LLYC ha analizado 226,2 millones de artículos de noticias generales, 5,4 millones de noticias sobre violencia de género y 14 millones de mensajes en la red social X relacionados con la violencia de género en 12 países en los que la consultora está presente (Argentina, Brasil, Chile, Colombia, Ecuador, España, Estados Unidos, México, Panamá, Perú, Portugal y República Dominicana). En la investigación se han empleado Large Language Models (LLMs- GPT4) para identificar y aislar descriptores dirigidos a víctima y agresor, en noticias públicas obtenidas mediante modelos de scrapers, así como técnicas de Procesamiento de Lenguaje Natural (NLP) en 4 idiomas para analizar el cumplimiento de 21 reglas de buenas prácticas derivadas de las guías UNDP y MNRA.
