Explorando la hipersexualización femenina en Instagram: un estudio de caso sobre hashtags e imágenes generadas por inteligencia artificial

um estudo de caso sobre hashtags e imagens geradas por inteligência artificial

Palabras clave: hashtags, redes sociales, mujeres, minería de texto, inteligencia artificial

Resumen

El objetivo de este estudio es investigar el papel de los hashtags y de las tecnologías avanzadas de inteligencia artificial, como las Redes Generativas Antagónicas (GAN), en la amplificación y difusión de imágenes hipersexualizadas de mujeres en Instagram. A través del análisis de casos basado en datos públicos de Instagram, la recopilación de información se llevó a cabo mediante técnicas de web scraping y el análisis de hashtags relacionados con imágenes generadas por IA, en particular aquellos asociados a la hipersexualización de mujeres. Se empleó una combinación de minería de texto, análisis de frecuencia y análisis de redes con el software Gephi para interpretar los datos. Los resultados indicaron que hashtags como #aigirl, #aiart y #stablediffusion se utilizan con frecuencia en publicaciones que presentan imágenes hipersexualizadas de mujeres, lo que facilita la rápida y organizada difusión de este tipo de contenido y plantea importantes preocupaciones éticas y de seguridad. El estudio también puso de manifiesto la presencia de contenido problemático incluso en hashtags moderados, evidenciando las limitaciones de las prácticas actuales de moderación de contenido. En conclusión, si bien los hashtags constituyen una herramienta eficaz para organizar y promover contenido en las redes sociales, también pueden contribuir a la propagación de estereotipos perjudiciales y a la objetivación de las mujeres, fenómeno que se ve agravado por el uso de imágenes generadas por inteligencia artificial.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Geovana José, Universidad Federal de Goiás

Geovana José es licenciada en Gestión de la Información por la Universidad Federal de Goiás (2024) y es candidata a un MBA en Ciencia de Datos y Analítica en la Universidad de São Paulo. Actualmente, realiza un máster en Comunicación, en la línea de Medios e Información, en la Universidad Federal de Goiás. Sus intereses de investigación incluyen la ciencia de datos, la inteligencia artificial, las redes sociales y la minería de datos.

Rizia Rocha-Silva, Universidad Federal de Goiás

Candidata a doctorado en Ciencias de la Salud en la Universidad Federal de Goiás (UFG). Máster en Educación Física por la Universidad Federal del Triângulo Mineiro. Licenciada en Educación Física por la Universidad Estatal de Bahía. Miembro del Laboratorio de Evaluación del Movimiento Humano (LAMOVH/UFG), con investigación en los campos de la Epidemiología de la Actividad Física, enfermedades neurológicas y la aplicación de Inteligencia Artificial Generativa.

Douglas Cordeiro, Universidad Federal de Goiás

Es profesor de la Facultad de Información y Comunicación de la Universidad Federal de Goiás (UFG), coordinador del Grupo de Investigación en Tecnologías y Computación Aplicadas a la Información y Comunicación (GTA/UFG) y docente del programa de posgrado en Comunicación (PPGCOM/UFG). Posee un posdoctorado en la Facultad de Información y Medios Audiovisuales de la Universidad de Barcelona y un posdoctorado en Periodismo por la Universidad Fernando Pessoa, Portugal, así como un doctorado en Ciencias de la Computación y Matemática Computacional por la Universidad de São Paulo, Brasil. Es especialista en inteligencia artificial aplicada por el Instituto Federal de Goiás, Brasil, y licenciado en Ciencias de la Computación por la Universidad Federal de Goiás, Brasil.

Ver citas

Descarga artículo

Crossmark

Métricas

Publicado
2026-03-11
Cómo citar
José G., Rocha-Silva R. y Cordeiro D. (2026). Explorando la hipersexualización femenina en Instagram: un estudio de caso sobre hashtags e imágenes generadas por inteligencia artificial: um estudo de caso sobre hashtags e imagens geradas por inteligência artificial. Documentación de las Ciencias de la Información, 49, 223-233. https://doi.org/10.5209/dcin.104448