論文の概要: Run Like a Girl! Sports-Related Gender Bias in Language and Vision

• arxiv url: http://arxiv.org/abs/2305.14468v1
• Date: Tue, 23 May 2023 18:52:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 23:56:09.237349
• Title: Run Like a Girl! Sports-Related Gender Bias in Language and Vision
• Title（参考訳）: 女の子のように走れ! 言語と視覚におけるスポーツ関連ジェンダーバイアス
• Authors: Sophia Harrison, Eleonora Gualdoni, Gemma Boleda
• Abstract要約: ジェンダーバイアスを2つの言語とビジョンのデータセットで分析する。 両者のデータセットは女性を過小評価しており、女性の視認を促進する。 これらの命名データに基づいて訓練された計算モデルはバイアスを再現する。
• 参考スコア（独自算出の注目度）: 5.762984849322816
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gender bias in Language and Vision datasets and models has the potential to perpetuate harmful stereotypes and discrimination. We analyze gender bias in two Language and Vision datasets. Consistent with prior work, we find that both datasets underrepresent women, which promotes their invisibilization. Moreover, we hypothesize and find that a bias affects human naming choices for people playing sports: speakers produce names indicating the sport (e.g. 'tennis player' or 'surfer') more often when it is a man or a boy participating in the sport than when it is a woman or a girl, with an average of 46% vs. 35% of sports-related names for each gender. A computational model trained on these naming data reproduces the bias. We argue that both the data and the model result in representational harm against women.
• Abstract（参考訳）: 言語や視覚データセットやモデルにおけるジェンダーバイアスは、有害なステレオタイプや差別を永続する可能性がある。 ジェンダーバイアスを2つの言語とビジョンのデータセットで分析する。 先行研究と一致して、両方のデータセットが女性を過小評価していることが分かりました。 話者は、男性である場合や、女性である場合よりも、スポーツに参加している少年である場合の方が、性別ごとにスポーツに関連する名前の46%に対して、スポーツに関連する名前の35%よりも多く、その名前(例えば「テニス選手」や「サーファー」など)を生成する。 これらの命名データに基づいて訓練された計算モデルはバイアスを再現する。 我々は、データとモデルの両方が女性に対する表現上の害をもたらすと論じている。

関連論文リスト

• Gender Bias in Decision-Making with Large Language Models: A Study of Relationship Conflicts [15.676219253088211]
  大規模言語モデル(LLM)におけるジェンダーエクイティを意思決定レンズを用いて検討する。 我々は3つの名前リスト(男性、女性、中立)にまたがる名前ペアを通して9つの関係構成を探索する。
  論文  参考訳（メタデータ） (2024-10-14T20:50:11Z)
• The Causal Influence of Grammatical Gender on Distributional Semantics [87.8027818528463]
  言語間のジェンダー割り当てがどの程度意味を持つかは、言語学と認知科学における研究の活発な領域である。 我々は、名詞の文法的性別、意味、形容詞選択の間の相互作用を共同で表現する、新しい因果的グラフィカルモデルを提供する。 名詞の意味を制御した場合、文法的性別と形容詞的選択の関係は、ほぼゼロであり、無意味である。
  論文  参考訳（メタデータ） (2023-11-30T13:58:13Z)
• 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)
• Exploring the Impact of Training Data Distribution and Subword Tokenization on Gender Bias in Machine Translation [19.719314005149883]
  機械翻訳における性別バイアスに対するトークン化の効果について検討する。 職業名の女性および非ステレオタイプ性差は、サブワードトークンに分割される傾向にある。 その結果, 単語分割の分析は, トレーニングデータにおける性別形態の不均衡の予測に有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-09-21T21:21:55Z)
• The Impact of Debiasing on the Performance of Language Models in Downstream Tasks is Underestimated [70.23064111640132]
  我々は、幅広いベンチマークデータセットを用いて、複数の下流タスクのパフォーマンスに対するデバイアスの影響を比較した。 実験により、デバイアスの効果は全てのタスクにおいて一貫して見積もられていることが示されている。
  論文  参考訳（メタデータ） (2023-09-16T20:25:34Z)
• 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)
• Model-Agnostic Gender Debiased Image Captioning [29.640940966944697]
  イメージキャプションモデルは、トレーニングセットにおける有害な社会的バイアスを永続化し、増幅することが知られている。 我々は、合成バイアスされたサンプルから学習し、両方のバイアスを減少させるLIBRAというフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-07T15:30:49Z)
• Wikigender: A Machine Learning Model to Detect Gender Bias in Wikipedia [0.0]
  機械学習モデルを使用して、男女のウィキペディアでの描写方法に違いがあることを証明する。 モデルへの入力として形容詞のみを用いることで,女性を描写する形容詞は,男性を描写する形容詞よりも主観性が高いことを示す。
  論文  参考訳（メタデータ） (2022-11-14T16:49:09Z)
• Don't Forget About Pronouns: Removing Gender Bias in Language Models Without Losing Factual Gender Information [4.391102490444539]
  英語のテキストでは、ジェンダー情報とジェンダーバイアスの2つのタイプに焦点を当てている。 ジェンダーシグナルを保存しながら表現のステレオタイプバイアスを小さくすることを目的としている。
  論文  参考訳（メタデータ） (2022-06-21T21:38:25Z)
• Quantifying Gender Bias Towards Politicians in Cross-Lingual Language Models [104.41668491794974]
  代名詞として政治家の名前を取り巻く言語モデルによって生成される形容詞と動詞の用法を定量化する。 死者や指定された言葉が男女の政治家と関連しているのに対し、美人や離婚といった特定の言葉が主に女性政治家に関係していることが判明した。
  論文  参考訳（メタデータ） (2021-04-15T15:03:26Z)
• 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。