SRF DataKonto zweryfikowane

Doch die konstant tiefe Zahl an rechtskräftigen Fällen zeigt auch: Die wenigsten Opfer wehren sich. Die Dunkelziffer ist noch immer riesig. Die Angst vor den Tätern ist gross – und das Vertrauen in die Arbeitgeber klein. [6/7]

Wer sich vor einer Schlichtungsstelle wehrte, bekam meistens recht. Rund 70% der Fälle liessen sich da klären – und die Arbeitgeber mussten teils hohe Entschädigungen bezahlen. Wer ans Gericht weiterzog, hat öfter verloren. [5/7]

Weitere Erkenntnisse: 98% der Täter waren Männer, 93% der Opfer Frauen. Ein Grossteil der Belästiger waren die direkten Vorgesetzten. Macht schützt Täter. Wenn sich die Opfer wehrten, hatte das oft eine Kündigung zur Folge. [4/7]

Sowohl im Verdachtsfall wie auch präventiv. Sprich: unabhängige Anlaufstelle im Betrieb, klare Kommunikation usw. Bloss: In den untersuchten Fällen taten die meisten Firmen zu wenig, um sexuelle Belästigung zu verhindern. [3/7]

Dafür haben wir 218 rechtskräftig abgeschlossene Fälle  aus den letzten 28 Jahren analysiert . Sie wurden auf Basis des Gleichstellungsgesetzes verhandelt. Es verlangt von Arbeitgebern, dass sie ihre Mitarbeitenden schützen. [2/7]

Und so sind wir vorgegangen:https://twitter.com/pscllbssr/status/1491760915452211209 …

Unsere Kollegin @helepard von der #srfRundschau besuchte mehrere der extremsten Drohenden. Sie streiten ab die Inhalte geschrieben zu haben oder argumentieren mit Notwehr. Mehr jetzt in der #srftagesschau oder um 20.05 Uhr in der #srfrundschau. [7/n]

Aber: Es sind «nur» 8% der User, die 82% der toxischen Nachrichten schreiben. Aber sie sind besonders aktiv, verderben die Stimmung und vor allem: Sie normalisieren den aggressiven Ton. [6/n]

Zudem fanden wir Tausende Gewaltaufrufe und Morddrohungen, gegen Politiker:innen  , Journalist:innen , Wissenschaftler:innen und Polizist:innen . [5/n]

Besonders die Impfkampagne scheint den Hass auf Telegram befeuert zu haben. Das korrespondiert weitgehend mit den Ergebnissen des Machine Learning Modells, welches wir verwendet haben. [4/n]

Ergänzend zu unserem Podcast «Dark Social» analysierten wir rund eine Million Telegram-Nachrichten   aus über 90 Kanälen von Massnahmengegnern. Mit einem Machine Learning Modell (https://www.perspectiveapi.com/how-it-works/ ) überprüften wir die Nachrichten auf Toxizität und Drohungen. [2/n]