Esta dissertação vem explorar a dissiminação do discurso de ódio num conjunto de tweets em português, provenientes de Portugal, selecionados com base em palavras-chave que possam indicar a presença de discurso de ódio. Nesta investigação foi identificada uma lacuna na literatura existente relativamente à intersecção de dois temas dferentes, a análise de redes e o discurso de ódio. A literatura disponível centra-se predominantemente na classificação e deteção utilizando machine e deep learning e não na utilização de métodos de análise de redes sociais pelo que acaba por ser uma abordagem inovadora neste ramo. Utilizando esses métodos, este estudo fornece uma análise das métricas mostrando como se comporta a rede combinando com representações gráficas da rede que ajudam também na análise. Tal análise pode ajudar a identificar grupos específicos influentes na disseminação de informação e particularmente do discurso de ódio. A análise também inclui o estudo das mudanças de participação (p-shifts), que ajudam a compreender a dinâmica das interações e de que modo um utilizador consegue a sua vez de intervir, mostrando como estas podem evoluir para discursos de ódio ou contra-discursos. Os resultados provenientes deste estudo têm como objetivo informar possíveis ações de intervenção futura correspondendo com os objetivos e esforços recentes que a União Europeia mostra no combate ao discurso de ódio.

This dissertation explores the dissimination of hate speech in a set of tweets in Portuguese from Portugal, selected on the basis of keywords that might indicate the presence of hate speech. This research identified a gap in the existing literature regarding the intersection of two different topics, network analysis and hate speech. The available literature focuses predominantly on classification and detection using machine and deep learning and not on the use of social network analysis methods, so it turns out to be an innovative approach in this field. Using these methods, this study provides an analysis of the metrics showing how the network behaves combined with graphical representations of the network that also help in the analysis. Such analysis can help identify specific groups influential in the dissemination of information and particularly hate speech. The analysis also includes the study of p-shifts, which help to understand the dynamics of interactions and how a user gets their turn to intervene, showing how these can evolve into hate speech or counter-discourse. The results of this study aim to inform possible future intervention actions in line with the European Union's recent objectives and efforts to combat hate speech.