Fugu-MT 論文翻訳(概要): Estimating Gender Completeness in Wikipedia

論文の概要: Estimating Gender Completeness in Wikipedia

arxiv url: http://arxiv.org/abs/2401.08993v1
Date: Wed, 17 Jan 2024 06:03:31 GMT
ステータス: 処理完了
システム内更新日: 2024-01-18 16:49:34.053631
Title: Estimating Gender Completeness in Wikipedia
Title（参考訳）: Wikipediaにおけるジェンダー完全性の推定
Authors: Hrishikesh Patel, Tianwa Chen, Ivano Bongiovanni, Gianluca Demartini
Abstract要約: 本論文の目的は,ウィキペディアコミュニティに対して,異なるエンティティタイプに対する問題の規模を推定する手段を提供することである。以上の結果から,ウィキペディアでは,異なるサブクラスの人に対してどのジェンダーが一般的かだけでなく,異なるジェンダーとサブクラスの人に対するカバー範囲の完全性についても考察した。
参考スコア（独自算出の注目度）: 4.292453466361998
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Gender imbalance in Wikipedia content is a known challenge which the editor community is actively addressing. The aim of this paper is to provide the Wikipedia community with instruments to estimate the magnitude of the problem for different entity types (also known as classes) in Wikipedia. To this end, we apply class completeness estimation methods based on the gender attribute. Our results show not only which gender for different sub-classes of Person is more prevalent in Wikipedia, but also an idea of how complete the coverage is for difference genders and sub-classes of Person.
Abstract（参考訳）: Wikipediaコンテンツにおけるジェンダーの不均衡は、編集者コミュニティが積極的に取り組んでいる既知の課題である。本論文の目的は、ウィキペディアコミュニティに、ウィキペディアの異なるエンティティタイプ(クラスとも呼ばれる)の問題の大きさを推定する手段を提供することである。この目的のために,性別属性に基づくクラス完全性推定手法を適用する。以上の結果から,ウィキペディアでは,異なるサブクラスの人に対してどのジェンダーが一般的かだけでなく,異なるジェンダーとサブクラスの人に対するカバー範囲の完全性についても考察した。

関連論文リスト

Survival of the Notable: Gender Asymmetry in Wikipedia Collective Deliberations [0.0]
ウィキペディアにおける削除記事(AfD)の議論により、編集者は既存の記事の可読性を評価することができる。編集長が女性削除の合意に達するまでに長い時間を要するにもかかわらず、女性の伝記は男性よりも早く削除にノミネートされていることが判明した。歴史人物に関するAfDは、議論中の伝記を他の百科事典にリダイレクトまたはマージする傾向が強い。
論文参考訳（メタデータ） (2024-11-07T00:37:24Z)
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)
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)
Auditing Gender Presentation Differences in Text-to-Image Models [54.16959473093973]
我々は、テキスト・ツー・イメージ・モデルにおいて、ジェンダーがどのように異なる形で提示されるかを研究する。入力テキスト中の性指標を探索することにより、プレゼンテーション中心属性の周波数差を定量化する。このような違いを推定する自動手法を提案する。
論文参考訳（メタデータ） (2023-02-07T18:52:22Z)
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)
Gendered Language in Resumes and its Implications for Algorithmic Bias in Hiring [0.0]
我々は応募者の性別を分類するために一連のモデルを訓練する。我々は、履歴書から性別を難読化できるかどうか検討する。難読化後も履歴書には男女情報が多く存在することが判明した。
論文参考訳（メタデータ） (2021-12-16T14:26:36Z)
Controlled Analyses of Social Biases in Wikipedia Bios [27.591896251854724]
ウィキペディアの伝記ページの分析において,共起変数の効果を低減する手法を提案する。本研究では,比較コーパスと目的コーパスとの適合度を測定する指標の開発により,提案手法を評価する。以上の結果から,共起変数に対する制御の失敗は,異なる結論とマスクバイアスをもたらす可能性が示唆された。
論文参考訳（メタデータ） (2020-12-31T21:27:12Z)
Gender Stereotype Reinforcement: Measuring the Gender Bias Conveyed by Ranking Algorithms [68.85295025020942]
本稿では,性別ステレオタイプをサポートする検索エンジンの傾向を定量化するジェンダーステレオタイプ強化(GSR)尺度を提案する。 GSRは、表現上の害を定量化できる情報検索のための、最初の特別に調整された尺度である。
論文参考訳（メタデータ） (2020-09-02T20:45:04Z)
Multiple Texts as a Limiting Factor in Online Learning: Quantifying (Dis-)similarities of Knowledge Networks across Languages [60.00219873112454]
ウィキペディアを通して、ある話題に関する情報を入手する程度が、相談される言語に依存するという仮説を考察する。ウィキペディアはウェブベースの情報ランドスケープの中心的な部分であるため、言語に関する言語的偏見を示している。この論文は、研究、教育科学、ウィキペディア研究、計算言語学の橋渡しとなっている。
論文参考訳（メタデータ） (2020-08-05T11:11:55Z)
Global gender differences in Wikipedia readership [14.112831377937107]
ウィキペディアの読者層における性別差の新たな証拠と,そのユーザの行動記録にどのように現れるかを示す。より具体的には、(1)ウィキペディアの読者の間では女性が不足していること、(2)女性は男性よりも読書セッション当たりのページ数が少ないこと、(3)男女が同様の理由でウィキペディアを訪れていること、(4)男女が特定のトピックの好みを示すことを報告している。
論文参考訳（メタデータ） (2020-07-20T18:40:32Z)
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。