論文の概要: Victim or Perpetrator? Analysis of Violent Characters Portrayals from
Movie Scripts
- arxiv url: http://arxiv.org/abs/2008.08225v2
- Date: Sat, 29 Aug 2020 19:00:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 11:41:08.516112
- Title: Victim or Perpetrator? Analysis of Violent Characters Portrayals from
Movie Scripts
- Title（参考訳）: 被害者か加害者か?
映画脚本からの暴力的文字ポートフォリオの分析
- Authors: Victor R Martinez and Krishna Somandepalli and Karan Singla and Anil
Ramanakrishna and Yalda T. Uhls and Shrikanth Narayanan
- Abstract要約: メディアにおける暴力的なコンテンツは、視聴者の社会に対する認識に影響を与える可能性がある。
本稿では,映画における暴力の大規模分析を支援する計算手法を提案する。
- 参考スコア（独自算出の注目度）: 37.32711420774085
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Violent content in the media can influence viewers' perception of the
society. For example, frequent depictions of certain demographics as victims or
perpetrators of violence can shape stereotyped attitudes. We propose that
computational methods can aid in the large-scale analysis of violence in
movies. The method we develop characterizes aspects of violent content solely
from the language used in the scripts. Thus, our method is applicable to a
movie in the earlier stages of content creation even before it is produced.
This is complementary to previous works which rely on audio or video post
production. In this work, we identify stereotypes in character roles (i.e.,
victim, perpetrator and narrator) based on the demographics of the actor casted
for that role. Our results highlight two significant differences in the
frequency of portrayals as well as the demographics of the interaction between
victims and perpetrators : (1) female characters appear more often as victims,
and (2) perpetrators are more likely to be White if the victim is Black or
Latino. To date, we are the first to show that language used in movie scripts
is a strong indicator of violent content, and that there are systematic
portrayals of certain demographics as victims and perpetrators in a large
dataset. This offers novel computational tools to assist in creating awareness
of representations in storytelling
- Abstract（参考訳）: メディア内の暴力的なコンテンツは、視聴者の社会に対する認識に影響を与える可能性がある。
例えば、被害者や加害者としての特定の人口の描写は、ステレオタイプ化された態度を形作ることができる。
本稿では,映画における暴力の大規模分析を支援する計算手法を提案する。
本手法は,スクリプトで使用される言語からのみ暴力的コンテンツの側面を特徴付ける。
このように、本手法は、制作前のコンテンツ制作の初期段階の映画に適用可能である。
これは、オーディオやビデオのポストプロダクションに依存する以前の作品と相補的である。
本研究では,その役を演じる俳優の人口動態に基づいて,登場人物役(被害者,加害者,ナレーター)のステレオタイプを特定する。
以上の結果から, 被害者と加害者との相互作用の人口動態と, その頻度に有意な差が認められた。(1) 被害者として女性キャラクターの方が多く現れ, 2) 被害者が黒もしくはラテン系である場合, 白人であることが示唆された。
これまでのところ、映画脚本で使われる言語は暴力的なコンテンツの強い指標であり、特定の人口動態を大きなデータセットで被害者や加害者として体系的に描写していることを示す最初の例である。
これはストーリーテリングにおける表現の認知の創出を支援する新しい計算ツールを提供する
関連論文リスト
- Computational Analysis of Gender Depiction in the Comedias of Calderón de la Barca [6.978406757882009]
我々は、ペドロ・カルデーン・デ・ラ・バルカ(Pedro Calder'on de la Barca)の非宗教作品(メディア)におけるジェンダー描写を研究する方法を開発した。
ジェンダー分類器を用いて100以上の戯曲のコーパスからインサイトを収集し,モデル説明可能性(属性)手法を適用した。
性別予測モデルでは, 女性と男性との特徴が異なり, 実際に有効な精度で識別できることがわかった。
論文 参考訳（メタデータ） (2024-11-06T13:13:33Z) - Inclusive content reduces racial and gender biases, yet non-inclusive content dominates popular culture [1.4204016278692333]
私たちは最先端の機械学習モデルを使用して、50年以上にわたって30万以上の画像を分類しています。
人種的少数派は白人よりもはるかに頻度が低く、それらが現れると、顕著に描写されなくなる。
また、女性は全身で描かれる傾向が強く、男性は顔で描かれる傾向が強いこともわかりました。
論文 参考訳（メタデータ） (2024-05-10T11:34:47Z) - Will the Prince Get True Love's Kiss? On the Model Sensitivity to Gender
Perturbation over Fairytale Texts [87.62403265382734]
近年の研究では、伝統的な妖精は有害な性バイアスを伴っていることが示されている。
本研究は,ジェンダーの摂動に対する頑健さを評価することによって,言語モデルの学習バイアスを評価することを目的とする。
論文 参考訳（メタデータ） (2023-10-16T22:25:09Z) - A Moral- and Event- Centric Inspection of Gender Bias in Fairy Tales at
A Large Scale [50.92540580640479]
7つの文化から得られた624個の妖精物語を含む妖精物語データセットにおいて,ジェンダーバイアスを計算的に解析した。
その結果,男性キャラクターの数は女性キャラクターの2倍であり,男女表現が不均等であることが判明した。
女性キャラクターは、注意、忠誠、尊厳に関する道徳的な言葉とより関連しているのに対し、男性キャラクターは、公正、権威に関する道徳的な単語とより関連している。
論文 参考訳（メタデータ） (2022-11-25T19:38:09Z) - Identifying gender bias in blockbuster movies through the lens of
machine learning [0.5023676240063351]
我々は、自然言語処理技術を用いて、異なるジャンルの映画と、派生した感情と感情のスクリプトを収集した。
映画では, 男女の性格的特徴が, 社会的ステレオタイプと一致していることが明らかとなった。
数学と機械学習のテクニックを使って、男性が女性よりも支配的かつ熱心であることが示されるバイアスを見つけました。
論文 参考訳（メタデータ） (2022-11-21T09:41:53Z) - Easily Accessible Text-to-Image Generation Amplifies Demographic
Stereotypes at Large Scale [61.555788332182395]
危険で複雑なステレオタイプを増幅する機械学習モデルの可能性を検討する。
さまざまな通常のプロンプトがステレオタイプを生成しており、それらは単に特性、記述子、職業、オブジェクトに言及するプロンプトを含む。
論文 参考訳（メタデータ） (2022-11-07T18:31:07Z) - Hollywood Identity Bias Dataset: A Context Oriented Bias Analysis of
Movie Dialogues [20.222820874864748]
映画に登場する社会的偏見やステレオタイプは、リーチによって大きなダメージを与える可能性がある。
同一性バイアスに注釈を付けた映画脚本のデータセットを新たに導入する。
データセットには、(i) バイアスラベルに、性別、人種/民族、宗教、年齢、職業、LGBTQ、その他の7つのカテゴリのダイアログがアノテートされている。
論文 参考訳（メタデータ） (2022-05-31T16:49:51Z) - Film Trailer Generation via Task Decomposition [65.16768855902268]
私たちは映画をグラフとしてモデル化し、ノードはショットであり、エッジはそれらの間のセマンティックな関係を表す。
スクリーンプレイから特権的テキスト情報を活用する共同コントラストトレーニングを用いて,これらの関係を学習する。
教師なしのアルゴリズムがグラフを横切り、人間の審査員が競争的な教師付きアプローチによって生成されるトレーラーを生成する。
論文 参考訳（メタデータ） (2021-11-16T20:50:52Z) - Computational appraisal of gender representativeness in popular movies [0.0]
本稿では、このような経験的観測をスケールアップするために、自動計算法がどのように用いられるかを説明する。
具体的には、30年以上にわたる人気映画の幅広いセットに顔と性別検出アルゴリズムを適用し、スクリーン上での男女のプレゼンスを大規模に評価する。
論文 参考訳（メタデータ） (2020-09-16T13:15:11Z) - Measuring Female Representation and Impact in Films over Time [78.5821575986965]
女性は常に映画で過小評価され、最近になって映画における女性の表現が改善されるまではそうではなかった。
そこで我々は,新しい尺度,女性キャスト比を提案し,一般的に使用されているベクデル試験結果と比較した。
論文 参考訳（メタデータ） (2020-01-10T15:29:18Z)
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。