論文の概要: Text-mining forma mentis networks reconstruct public perception of the STEM gender gap in social media

• arxiv url: http://arxiv.org/abs/2003.08835v1
• Date: Wed, 18 Mar 2020 13:39:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-28 19:56:40.932869
• Title: Text-mining forma mentis networks reconstruct public perception of the STEM gender gap in social media
• Title（参考訳）: テキストマイニングフォーマメンティスネットワークはソーシャルメディアにおけるSTEM性差の一般認識を再構築する
• Authors: Massimo Stella
• Abstract要約: Textual Forma Mentis Network (TFMN) は、マインドセットの構造を抽出し、表現し、理解するために導入されたガラスボックスである。 TFMNは、近年の研究によって歪んだ考え方と強く結びついている科学における男女差のケーススタディに適用された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mindset reconstruction maps how individuals structure and perceive knowledge, a map unfolded here by investigating language and its cognitive reflection in the human mind, i.e. the mental lexicon. Textual forma mentis networks (TFMN) are glass boxes introduced for extracting, representing and understanding mindsets' structure, in Latin "forma mentis", from textual data. Combining network science, psycholinguistics and Big Data, TFMNs successfully identified relevant concepts, without supervision, in benchmark texts. Once validated, TFMNs were applied to the case study of the gender gap in science, which was strongly linked to distorted mindsets by recent studies. Focusing over social media perception and online discourse, this work analysed 10,000 relevant tweets. "Gender" and "gap" elicited a mostly positive perception, with a trustful/joyous emotional profile and semantic associates that: celebrated successful female scientists, related gender gap to wage differences, and hoped for a future resolution. The perception of "woman" highlighted discussion about sexual harassment and stereotype threat (a form of implicit cognitive bias) relative to women in science "sacrificing personal skills for success". The reconstructed perception of "man" highlighted social users' awareness of the myth of male superiority in science. No anger was detected around "person", suggesting that gap-focused discourse got less tense around genderless terms. No stereotypical perception of "scientist" was identified online, differently from real-world surveys. The overall analysis identified the online discourse as promoting a mostly stereotype-free, positive/trustful perception of gender disparity, aware of implicit/explicit biases and projected to closing the gap. TFMNs opened new ways for investigating perceptions in different groups, offering detailed data-informed grounding for policy making.
• Abstract（参考訳）: マインドセット再構成(Mindset reconstruction)は、個人の構造と知識の知覚のマッピングであり、言語とその人間の心における認知的反射(精神の語彙)を調べることによって、ここで展開された地図である。 textual forma mentis networks (tfmn) は、文章データからマインドセットの構造を抽出、表現、理解するために導入されたガラスの箱である。 ネットワーク科学、心理言語学、ビッグデータを組み合わせることで、TFMNは、ベンチマークテキストにおいて、監督なしに関連する概念を特定できた。 ひとたび検証されると、tfmnは科学における男女格差のケーススタディに応用され、近年の研究によって歪んだ考え方に強く関連した。 ソーシャルメディアの認識とオンラインの談話に焦点を当て、この研究は1万の関連ツイートを分析した。 ジェンダー」と「ギャップ」はほとんど肯定的な認識を示し、信頼とジョーヨーの感情的プロファイルと意味的関連性: 女性科学者の成功、男女格差と賃金差の関連、将来の解決への期待。 女性」の認識は、科学における女性に対する性的嫌がらせとステレオタイプ的脅威(暗黙の認知バイアスの一形態)に関する議論を「成功のための個人的スキルを犠牲にする」ことを強調した。 人」の再構築された認識は、科学における男性の優越という神話に対する社会ユーザの認識を強調した。 人」に関する怒りは検出されず、ギャップに焦点をあてた談話が性別のない言葉に関して緊張しなくなったことを示唆している。 科学者」に対する定型的な認識は、実世界の調査とは異なるオンライン上では見つからなかった。 総合分析では、オンラインの談話は、主にステレオタイプフリーでポジティブで信頼に満ちたジェンダー格差の認識を促進し、暗黙の/説明的な偏見を認識し、ギャップを縮めると予測している。 TFMNは、異なるグループの認識を調査するための新しい方法を開き、政策決定のための詳細なデータインフォームド基盤を提供した。

関連論文リスト

• 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)
• A Holistic Indicator of Polarization to Measure Online Sexism [2.498836880652668]
  ソーシャルネットワークにおけるマノアとフェミニストの議論のオンライン傾向は、オンラインコミュニティにおける性差別のレベルを包括的に測定する必要がある。 この指標は、オンラインコミュニティの政策立案者やモデレーターにとって重要である。 我々は、男性と女性のアイデンティティと男女の個人を対象とする毒性の総合的な指標を提供するモデルを構築した。
  論文  参考訳（メタデータ） (2024-04-02T18:00:42Z)
• "I'm fully who I am": Towards Centering Transgender and Non-Binary Voices to Measure Biases in Open Language Generation [69.25368160338043]
  トランスジェンダーとノンバイナリ(TGNB)の個人は、日常生活から差別や排除を不当に経験している。 オープン・ランゲージ・ジェネレーションにおいて,経験豊富なTGNB人物の疎外化を取り巻く社会的現実がいかに貢献し,持続するかを評価する。 我々はTGNB指向のコミュニティからキュレートされたテンプレートベースの実世界のテキストのデータセットであるTANGOを紹介する。
  論文  参考訳（メタデータ） (2023-05-17T04:21:45Z)
• Beyond Fish and Bicycles: Exploring the Varieties of Online Women's Ideological Spaces [12.429096784949952]
  Redditのコメント6万件と、14件のサブレディットからの投稿について、大規模なデータ駆動分析を実施しています。 オンライン女性のイデオロギー空間は,いわゆるマンスフィアからジェンダー批判フェミニズムまで様々である。 私たちはovarit.comとthepinkpill.coという2つのプラットフォームに光を当てました。
  論文  参考訳（メタデータ） (2023-03-13T13:39:45Z)
• Towards Understanding Gender-Seniority Compound Bias in Natural Language Generation [64.65911758042914]
  本研究では,事前学習したニューラルジェネレーションモデルにおける性別バイアスの程度に,高齢者がどのような影響を及ぼすかを検討する。 以上の結果から, GPT-2は, 両領域において, 女性を中年, 男性を中年として考えることにより, 偏見を増幅することが示された。 以上の結果から, GPT-2を用いて構築したNLPアプリケーションは, プロの能力において女性に害を与える可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-19T20:05:02Z)
• Theories of "Gender" in NLP Bias Research [0.0]
  NLPにおけるジェンダーバイアスに関する200近い記事を調査した。 記事の大多数は、性別に関する理論を明示していない。 多くの人は、トランス、ノンバイナリ、インターセックスの人々の存在と経験を無視した方法で、性の特徴、社会的性別、言語性について説明している。
  論文  参考訳（メタデータ） (2022-05-05T09:20:53Z)
• Towards Gender-Neutral Face Descriptors for Mitigating Bias in Face Recognition [51.856693288834975]
  最先端のディープネットワークは、顔認識のために訓練されている間、性別情報を暗黙的にエンコードする。 ジェンダーは顔を識別する上で重要な属性と見なされることが多い。 本稿では,顔ディスクリプタに存在する性別情報を減らすために,新たにAGENDA(Adversarial Gender De-biasing Algorithm)を提案する。
  論文  参考訳（メタデータ） (2020-06-14T08:54:03Z)
• 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)
• Unsupervised Discovery of Implicit Gender Bias [38.59057512390926]
  我々は、女性に対する性的偏見をコメントレベルで識別するために、教師なしのアプローチをとる。 主な課題は、データ内の他のアーティファクトではなく、暗黙のバイアスの兆候にモデルを集中させることです。
  論文  参考訳（メタデータ） (2020-04-17T17:36:20Z)
• A Framework for the Computational Linguistic Analysis of Dehumanization [52.735780962665814]
  我々は1986年から2015年にかけてニューヨーク・タイムズでLGBTQの人々に関する議論を分析した。 LGBTQの人々の人為的な記述は、時間とともにますます増えています。 大規模に非人間化言語を分析する能力は、メディアバイアスを自動的に検出し、理解するだけでなく、オンラインで乱用する言語にも影響を及ぼす。
  論文  参考訳（メタデータ） (2020-03-06T03:02:12Z)

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。