論文の概要: Othering and low status framing of immigrant cuisines in US restaurant reviews and large language models
- arxiv url: http://arxiv.org/abs/2307.07645v2
- Date: Mon, 25 Mar 2024 18:52:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-28 01:20:23.384086
- Title: Othering and low status framing of immigrant cuisines in US restaurant reviews and large language models
- Title(参考訳): 米国のレストランレビューと大規模言語モデルにおける移民料理の他と低地位フレーミング
- Authors: Yiwei Luo, Kristina Gligorić, Dan Jurafsky,
- Abstract要約: 移民料理は、社会的に構築された真正さの枠組みにより、異質になりがちである。
非ヨーロッパ料理は、価格を抑えつつも、安価で汚いと表現されることが多い。
- 参考スコア(独自算出の注目度): 27.948015645095563
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Identifying implicit attitudes toward food can mitigate social prejudice due to food's salience as a marker of ethnic identity. Stereotypes about food are representational harms that may contribute to racialized discourse and negatively impact economic outcomes for restaurants. Understanding the presence of representational harms in online corpora in particular is important, given the increasing use of large language models (LLMs) for text generation and their tendency to reproduce attitudes in their training data. Through careful linguistic analyses, we evaluate social theories about attitudes toward immigrant cuisine in a large-scale study of framing differences in 2.1M English language Yelp reviews. Controlling for factors such as restaurant price and neighborhood racial diversity, we find that immigrant cuisines are more likely to be othered using socially constructed frames of authenticity (e.g., "authentic," "traditional"), and that non-European cuisines (e.g., Indian, Mexican) in particular are described as more exotic compared to European ones (e.g., French). We also find that non-European cuisines are more likely to be described as cheap and dirty, even after controlling for price, and even among the most expensive restaurants. Finally, we show that reviews generated by LLMs reproduce similar framing tendencies, pointing to the downstream retention of these representational harms. Our results corroborate social theories of gastronomic stereotyping, revealing racialized evaluative processes and linguistic strategies through which they manifest.
- Abstract(参考訳): 食品に対する暗黙の態度を識別することは、民族的アイデンティティの指標としての食品のサリエンスによる社会的偏見を軽減することができる。
食品に関するステレオタイプは、人種化された談話に寄与し、レストランの経済的成果に悪影響を及ぼす可能性のある代表的害である。
テキスト生成における大規模言語モデル(LLM)の利用の増加と,そのトレーニングデータにおける態度を再現する傾向を考えると,特にオンラインコーパスにおける表現的害の存在を理解することは重要である。
言語学的に慎重に分析し,210万件の英語Yelpレビューにおけるフレーミングの違いに関する大規模研究において,移民料理に対する態度に関する社会的理論を評価する。
レストランの価格や近隣の人種の多様性などの要因をコントロールした結果、移民料理は社会的に構築された真正性(例えば「オーセンティック」や「伝統」など)の枠組みで、特に非ヨーロッパ料理(例えば「インド」や「メキシコ」)は、ヨーロッパ料理(例えば「フランス」)よりもエキゾチックであると説明されている。
また、ヨーロッパ以外の料理は、価格を抑えつつも、最も高価なレストランの中でも、安価で汚いと表現される傾向にあることもわかりました。
最後に、LLMが生成したレビューは、これらの表現的害の下流に保持されていることを指摘し、同様のフレーミング傾向を再現することを示した。
以上の結果から,胃科ステレオタイピングの社会的理論を裏付け,人種的評価プロセスと言語戦略を明らかにすることができた。
関連論文リスト
- Does Mapo Tofu Contain Coffee? Probing LLMs for Food-related Cultural Knowledge [21.87066736535593]
FmLAMA(FmLAMA)は、食品関連の文化的事実と食実践のバリエーションに着目した多言語データセットである。
我々は,LLMを様々なアーキテクチャや構成にわたって分析し,その性能を単言語と多言語の両方で評価する。
論文 参考訳(メタデータ) (2024-04-10T08:49:27Z) - Dialect prejudice predicts AI decisions about people's character,
employability, and criminality [36.448157493217344]
言語モデルが方言偏見の形で隠蔽的人種差別を具現化することを示す。
我々の発見は、言語技術の公正かつ安全な利用に、はるかに影響している。
論文 参考訳(メタデータ) (2024-03-01T18:43:09Z) - Not All Countries Celebrate Thanksgiving: On the Cultural Dominance in
Large Language Models [89.94270049334479]
本稿では,大規模言語モデル(LLM)における文化的優位性について述べる。
LLMは、ユーザーが非英語で尋ねるときに期待する文化とは無関係な、不適切な英語文化関連の回答を提供することが多い。
論文 参考訳(メタデータ) (2023-10-19T05:38:23Z) - Yelp Reviews and Food Types: A Comparative Analysis of Ratings,
Sentiments, and Topics [1.6472523885111179]
本研究はYelpのレビューと食品タイプとの関係について検討する。
評価と評価は、食品の種類によって異なる。
評価と感情に基づく4種類の食品の種類を特定し,特定の食品の種類をレビューする際,レビュアーは異なる話題に注目する傾向にあることを示した。
論文 参考訳(メタデータ) (2023-07-20T12:41:35Z) - Building Socio-culturally Inclusive Stereotype Resources with Community
Engagement [9.131536842607069]
インド社会の文脈における評価資源の社会的に意識した拡大、特にステレオタイピングの害について示す。
結果として得られた資源は、インドの文脈で知られているステレオタイプの数を増やし、多くのユニークなアイデンティティにわたって1000以上のステレオタイプを拡大する。
論文 参考訳(メタデータ) (2023-07-20T01:26:34Z) - Comparing Biases and the Impact of Multilingual Training across Multiple
Languages [70.84047257764405]
ダウンストリーム感情分析タスクにおいて,イタリア語,中国語,英語,ヘブライ語,スペイン語のバイアス分析を行う。
我々は、既存の感情バイアスのテンプレートを、人種、宗教、国籍、性別の4つの属性で、イタリア語、中国語、ヘブライ語、スペイン語に適応させる。
以上の結果から,各言語の文化に支配的な集団の嗜好など,バイアス表現の類似性を明らかにした。
論文 参考訳(メタデータ) (2023-05-18T18:15:07Z) - 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) - Biased Bytes: On the Validity of Estimating Food Consumption from
Digital Traces [17.890674216192277]
ソーシャルメディア(Twitter)と食品追跡アプリケーション(MyFoodRepo)による食事行動の関連を定量化する。
例えば、パンはTwitterよりも消費食品や追跡食品の2.5倍、ケーキはTwitterの12倍の頻度である。
食べ物の種類によって、Twitterに投稿された食べ物は、消費された食品や追跡された食品と比べて、美味しく、カロリーが高く、健康が悪く、家庭で消費された可能性が低く、より複雑で、より大きいものと見なされている。
論文 参考訳(メタデータ) (2022-08-30T17:13:16Z) - Annotators with Attitudes: How Annotator Beliefs And Identities Bias
Toxic Language Detection [75.54119209776894]
本研究では,アノテータのアイデンティティ(誰)と信念(なぜ)が有害な言語アノテーションに与える影響について検討する。
我々は、アンチブラック言語、アフリカ系アメリカ人の英語方言、俗語という3つの特徴を持つポストを考察する。
以上の結果から,アノテータのアイデンティティと信念と毒性評価の相関が強く示唆された。
論文 参考訳(メタデータ) (2021-11-15T18:58:20Z) - Towards Understanding and Mitigating Social Biases in Language Models [107.82654101403264]
大規模事前訓練言語モデル(LM)は、望ましくない表現バイアスを示すのに潜在的に危険である。
テキスト生成における社会的バイアスを軽減するためのステップを提案する。
我々の経験的結果と人的評価は、重要な文脈情報を保持しながらバイアスを緩和する効果を示す。
論文 参考訳(メタデータ) (2021-06-24T17:52:43Z)
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。