論文の概要: The Effects of Gender Signals and Performance in Online Product Reviews
- arxiv url: http://arxiv.org/abs/2001.09955v2
- Date: Tue, 28 Jan 2020 09:32:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-05 11:42:00.729272
- Title: The Effects of Gender Signals and Performance in Online Product Reviews
- Title(参考訳): オンライン製品レビューにおけるジェンダー信号とパフォーマンスの影響
- Authors: Sandipan Sikdar, Rachneet Singh Sachdeva, Johannes Wachs, Florian
Lemmerich and Markus Strohmaier
- Abstract要約: 本研究は,一般的なアマゾン・ショッピング・プラットフォーム上でのレビューの成功に対するシグナリングとジェンダーの実行の影響を定量化する。
著者の性別をユーザ名から抽出し、著者の性別を推測できるレビューを識別する。
- 参考スコア(独自算出の注目度): 6.834372116658832
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work quantifies the effects of signaling and performing gender on the
success of reviews written on the popular amazon shopping platform. Highly
rated reviews play an important role in e-commerce since they are prominently
displayed below products. Differences in how gender-signaling and
gender-performing review authors are received can lead to important biases in
what content and perspectives are represented among top reviews. To investigate
this, we extract signals of author gender from user names, distinguishing
reviews where the author's likely gender can be inferred. Using reviews
authored by these gender-signaling authors, we train a deep-learning classifier
to quantify the gendered writing style or gendered performance of reviews
written by authors who do not send clear gender signals via their user name. We
contrast the effects of gender signaling and performance on review success
using matching experiments. While we find no general trend that gendered
signals or performances influence overall review success, we find strong
context-specific effects. For example, reviews in product categories such as
Electronics or Computers are perceived as less helpful when authors signal that
they are likely woman, but are received as more helpful in categories such as
Beauty or Clothing. In addition to these interesting findings, our work
provides a general chain of tools for studying gender-specific effects across
various social media platforms.
- Abstract(参考訳): 本研究は,一般的なアマゾン・ショッピング・プラットフォーム上でのレビューの成功に対するシグナリングとジェンダーの実行の影響を定量化する。
評価の高いレビューは、製品の下に目立つので、eコマースにおいて重要な役割を果たす。
ジェンダーシグナリングとジェンダーパフォーマンスレビューの著者の受け取り方の違いは、トップレビューの中でどのコンテンツや視点が表現されるかに重要なバイアスをもたらす可能性がある。
そこで本研究では,著者の性別を推測可能なレビューを識別し,ユーザ名から著者の性別のシグナルを抽出する。
これらの性記号作成者によるレビューを用いて,深層学習分類器を訓練し,ユーザ名による明確な性別信号の送信を行わない著者による評価の男女別文体や性別別評価を定量化する。
一致実験を用いて,性別信号とパフォーマンスがレビュー成功に与える影響を比較検討した。
性別による信号やパフォーマンスが全体のレビュー成功に影響を及ぼす一般的な傾向は見つからないが、強い文脈特異的な影響がある。
例えば、ElectronicsやComputersのような製品カテゴリーのレビューは、著者が女性である可能性を示唆するときにあまり役に立たないと見なされるが、美容や衣服のようなカテゴリーでは、より役に立ちます。
これらの興味深い発見に加えて、さまざまなソーシャルメディアプラットフォームにまたがるジェンダー特有の効果を研究するための一般的なツールも提供しています。
関連論文リスト
- It's Not You, It's Me: The Impact of Choice Models and Ranking Strategies on Gender Imbalance in Music Recommendation [7.94306624344211]
本研究では、ランク付け戦略とユーザー選択モデルがジェンダーフェアネス指標に及ぼす影響について検討する。
再ランク戦略は、ユーザの選択モデルよりも、時間の経過とともにリコメンデーションフェアネスに影響を及ぼす。
論文 参考訳(メタデータ) (2024-08-22T11:44:46Z) - Beyond Binary Gender: Evaluating Gender-Inclusive Machine Translation with Ambiguous Attitude Words [85.48043537327258]
既存の機械翻訳の性別バイアス評価は主に男性と女性の性別に焦点を当てている。
本研究では,AmbGIMT (Gender-Inclusive Machine Translation with Ambiguous attitude words) のベンチマークを示す。
本研究では,感情的態度スコア(EAS)に基づく性別バイアス評価手法を提案する。
論文 参考訳(メタデータ) (2024-07-23T08:13:51Z) - Women Wearing Lipstick: Measuring the Bias Between an Object and Its
Related Gender [1.4322753787990035]
画像キャプションシステムにおける対象物が性差に与える影響について検討する。
本稿では, 画像キャプションシステムのプラグインとして使用できる, 偏見の度合いを計測する視覚的意味に基づく性別スコアを提案する。
論文 参考訳(メタデータ) (2023-10-29T19:39:03Z) - VisoGender: A dataset for benchmarking gender bias in image-text pronoun
resolution [80.57383975987676]
VisoGenderは、視覚言語モデルで性別バイアスをベンチマークするための新しいデータセットである。
We focus to occupation-related biases in a hegemonic system of binary gender, inspired by Winograd and Winogender schemas。
我々は、最先端の視覚言語モデルをいくつかベンチマークし、それらが複雑な場面における二項性解消のバイアスを示すことを発見した。
論文 参考訳(メタデータ) (2023-06-21T17:59:51Z) - Auditing Gender Presentation Differences in Text-to-Image Models [54.16959473093973]
我々は、テキスト・ツー・イメージ・モデルにおいて、ジェンダーがどのように異なる形で提示されるかを研究する。
入力テキスト中の性指標を探索することにより、プレゼンテーション中心属性の周波数差を定量化する。
このような違いを推定する自動手法を提案する。
論文 参考訳(メタデータ) (2023-02-07T18:52:22Z) - Much Ado About Gender: Current Practices and Future Recommendations for
Appropriate Gender-Aware Information Access [3.3903891679981593]
情報アクセス研究(と開発)は時にジェンダーを利用する。
この研究は、ジェンダーが何であるかの現在の理解と一致していないジェンダーについて様々な仮定を下している。
私たちがレビューするほとんどの論文は、性別が2つのカテゴリに分けることができないことを認めたとしても、性別のバイナリな概念に依存しています。
論文 参考訳(メタデータ) (2023-01-12T01:21:02Z) - Investigating writing style as a contributor to gender gaps in science and technology [0.0]
文章のスタイルは性別によって大きく異なり、女性はより関連性のある特徴を用いている。
より関連性の高い論文や特許も女性によって引用される傾向にある。
以上の結果から, 科学的テキストは人格を欠くものではないことが示唆され, 評価のバイアスに寄与する可能性が示唆された。
論文 参考訳(メタデータ) (2022-04-28T22:33:36Z) - Gender bias in magazines oriented to men and women: a computational
approach [58.720142291102135]
女性指向の雑誌の内容と男性指向の雑誌の内容を比較する。
トピック・モデリングの手法により、雑誌で議論されている主要なテーマを特定し、これらのトピックの存在が時間とともに雑誌間でどの程度異なるかを定量化する。
以上の結果から,セクシュアオブジェクトとしての家族,ビジネス,女性の出現頻度は,時間とともに消失する傾向にあることが示唆された。
論文 参考訳(メタデータ) (2020-11-24T14:02:49Z) - Gender Stereotype Reinforcement: Measuring the Gender Bias Conveyed by
Ranking Algorithms [68.85295025020942]
本稿では,性別ステレオタイプをサポートする検索エンジンの傾向を定量化するジェンダーステレオタイプ強化(GSR)尺度を提案する。
GSRは、表現上の害を定量化できる情報検索のための、最初の特別に調整された尺度である。
論文 参考訳(メタデータ) (2020-09-02T20:45:04Z) - Gender Gap in Natural Language Processing Research: Disparities in
Authorship and Citations [31.87319293259599]
最初の著者の約29%が女性であり、最後の著者の約25%が女性である。
平均的に、女性ファースト作家は、経験と研究領域を制御している場合でも、男性ファースト作家より少ない引用がなされている。
論文 参考訳(メタデータ) (2020-05-03T01:31:12Z) - Multi-Dimensional Gender Bias Classification [67.65551687580552]
機械学習モデルは、性別に偏ったテキストでトレーニングする際に、社会的に望ましくないパターンを不注意に学習することができる。
本稿では,テキスト中の性バイアスを複数の実用的・意味的な次元に沿って分解する一般的な枠組みを提案する。
このきめ細かいフレームワークを用いて、8つの大規模データセットにジェンダー情報を自動的にアノテートする。
論文 参考訳(メタデータ) (2020-05-01T21:23:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。