論文の概要: Are Fairy Tales Fair? Analyzing Gender Bias in Temporal Narrative Event Chains of Children's Fairy Tales

• arxiv url: http://arxiv.org/abs/2305.16641v1
• Date: Fri, 26 May 2023 05:29:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 16:49:07.073713
• Title: Are Fairy Tales Fair? Analyzing Gender Bias in Temporal Narrative Event Chains of Children's Fairy Tales
• Title（参考訳）: 妖精の物語はフェアか? 童話の時間的物語イベントチェーンにおけるジェンダーバイアスの分析
• Authors: Paulina Toro Isaza, Guangxuan Xu, Akintoye Oloko, Yufang Hou, Nanyun Peng, Dakuo Wang
• Abstract要約: 社会的バイアスやステレオタイプは、私たちの物語における彼らの存在を通じて、私たちの文化に埋め込まれています。 そこで本稿では,各キャラクタに対して,物語の時間的動詞に基づくイベントチェーンを自動的に抽出する計算パイプラインを提案する。 また、従来のステレオタイプと整合するカテゴリを含むことで、バイアス分析を容易にする動詞ベースのイベントアノテーションスキームを提案する。
• 参考スコア（独自算出の注目度）: 46.65377334112404
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Social biases and stereotypes are embedded in our culture in part through their presence in our stories, as evidenced by the rich history of humanities and social science literature analyzing such biases in children stories. Because these analyses are often conducted manually and at a small scale, such investigations can benefit from the use of more recent natural language processing methods that examine social bias in models and data corpora. Our work joins this interdisciplinary effort and makes a unique contribution by taking into account the event narrative structures when analyzing the social bias of stories. We propose a computational pipeline that automatically extracts a story's temporal narrative verb-based event chain for each of its characters as well as character attributes such as gender. We also present a verb-based event annotation scheme that can facilitate bias analysis by including categories such as those that align with traditional stereotypes. Through a case study analyzing gender bias in fairy tales, we demonstrate that our framework can reveal bias in not only the unigram verb-based events in which female and male characters participate but also in the temporal narrative order of such event participation.
• Abstract（参考訳）: 人文科学の豊かな歴史や社会科学の文献で証明されているように、社会バイアスとステレオタイプは私たちの文化に部分的に組み込まれています。 これらの分析は手作業や小規模で行われることが多いため、モデルやデータコーパスの社会的偏見を調査するより最近の自然言語処理手法の恩恵を受けることができる。 我々の研究はこの学際的な取り組みに加わり、物語の社会的バイアスを分析する際に、出来事の物語構造を考慮したユニークな貢献をする。 本研究では,物語の時間的物語に基づくイベントチェインと,性別などの性格属性を自動的に抽出する計算パイプラインを提案する。 また,従来のステレオタイプに適合するカテゴリを含めることでバイアス分析を容易にする,動詞ベースのイベントアノテーションスキームを提案する。 童話における男女の偏見を分析するケーススタディを通じて, 男女が参加する一グラムの動詞に基づく出来事だけでなく, イベント参加の時間的物語の順序にも偏見を明らかにすることができることを示した。

関連論文リスト

• 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)
• NECE: Narrative Event Chain Extraction Toolkit [64.89332212585404]
  NECEはオープンアクセス型文書レベルのツールキットで,その発生の時間順に物語のイベントを自動的に抽出・アライメントする。 NECEツールキットの高品質さを示し、性別に関するナラティブバイアスを分析するために、その下流の応用を実証する。 また、現状のアプローチの欠点と、今後の研究で生成モデルを活用する可能性についてもオープンに論じる。
  論文  参考訳（メタデータ） (2022-08-17T04:30:58Z)
• Computational Lens on Cognition: Study Of Autobiographical Versus Imagined Stories With Large-Scale Language Models [95.88620740809004]
  GPT-3を用いた自伝的物語と想像的物語における出来事の物語の流れの相違について検討した。 想像された物語は自伝的物語よりも逐次性が高いことがわかった。 想像された物語と比較すると、自伝的な物語は、最初の人物に関連するより具体的な言葉と単語を含んでいる。
  論文  参考訳（メタデータ） (2022-01-07T20:10:47Z)
• Uncovering Implicit Gender Bias in Narratives through Commonsense Inference [21.18458377708873]
  モデル生成物語における主人公に関連する性別バイアスについて検討する。 暗黙のバイアスに注目し、コモンセンス推論エンジンを使ってそれらを明らかにする。
  論文  参考訳（メタデータ） (2021-09-14T04:57:45Z)
• Men Are Elected, Women Are Married: Events Gender Bias on Wikipedia [16.892630505629224]
  ウィキペディアのコーパスにおいて,ジェンダーバイアスに関する最初のイベント中心の研究を提示する。 我々は、最先端のイベント検出モデルを用いてイベントを検出し、戦略的に生成されたテンプレートを用いて結果を校正し、性別と非対称な関係を持つイベントを抽出する。
  論文  参考訳（メタデータ） (2021-06-03T05:22:16Z)
• Exploring aspects of similarity between spoken personal narratives by disentangling them into narrative clause types [13.350982138577038]
  本稿では,594本の映像から10,296の物語節を含む実世界の音声物語のコーパスを紹介する。 第2に,非ナラティブな専門家に,ラボフの社会言語的個人的物語モデルの下で,これらの節に注釈を付けるよう依頼する。 第3に、最上位の節に対して84.7%のFスコアに達する分類器を訓練する。 我々のアプローチは、個人の物語を研究または表現することを目的とした機械学習の手法を情報提供することを目的としている。
  論文  参考訳（メタデータ） (2020-05-26T14:34:07Z)
• 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。