論文の概要: Beyond Binary Classification: Detecting Fine-Grained Sexism in Social Media Videos

• arxiv url: http://arxiv.org/abs/2602.15757v1
• Date: Tue, 17 Feb 2026 17:45:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.145253
• Title: Beyond Binary Classification: Detecting Fine-Grained Sexism in Social Media Videos
• Title（参考訳）: 二項分類を超えて:ソーシャルメディアビデオにおけるきめ細やかな性差別を検出する
• Authors: Laura De Grazia, Danae Sánchez Villegas, Desmond Elliott, Mireia Farrús, Mariona Taulé,
• Abstract要約: 我々はスペイン語で新しいマルチモーダル性差別検出データセットであるFineMuSeを紹介する。 また、セクシズム、非セクシズム、および皮肉とユーモアの修辞的な装置を包含する包括的階層的分類も導入する。 以上の結果から, マルチモーダルLPMは, 性差別の微妙な形態を識別する上で, 人間のアノテータと競争的に機能することが示唆された。
• 参考スコア（独自算出の注目度）: 12.430871103040275
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online sexism appears in various forms, which makes its detection challenging. Although automated tools can enhance the identification of sexist content, they are often restricted to binary classification. Consequently, more subtle manifestations of sexism may remain undetected due to the lack of fine-grained, context-sensitive labels. To address this issue, we make the following contributions: (1) we present FineMuSe, a new multimodal sexism detection dataset in Spanish that includes both binary and fine-grained annotations; (2) we introduce a comprehensive hierarchical taxonomy that encompasses forms of sexism, non-sexism, and rhetorical devices of irony and humor; and (3) we evaluate a wide range of LLMs for both binary and fine-grained sexism detection. Our findings indicate that multimodal LLMs perform competitively with human annotators in identifying nuanced forms of sexism; however, they struggle to capture co-occurring sexist types when these are conveyed through visual cues.
• Abstract（参考訳）: オンライン性差別は様々な形で現れ、その検出は困難である。 自動ツールは性差別的コンテンツの識別を強化することができるが、しばしば二項分類に制限される。 その結果、より微妙な性差別の顕在化は、きめ細かな文脈に敏感なラベルが欠如しているため、未発見のままである。 この問題に対処するため,(1)スペインにおける二項および細粒のアノテーションを含む新しいマルチモーダル性差別検出データセットであるFinMuSe,(2)皮肉とユーモアの性差別,非性差別,修辞的デバイスを含む包括的階層的分類を導入し,(3)二項および細粒の性差別検出のための広い範囲のLCMを評価する。 以上の結果から,マルチモーダル LLM は人間のアノテータと競争して,性差別のニュアンスを識別するが,これらが視覚的手がかりによって伝達される際には,共起性差別を捉えるのに苦慮していることがわかった。

関連論文リスト

• Demographic Biases and Gaps in the Perception of Sexism in Large Language Models [43.77504559722899]
  ソーシャルメディアのテキストで性差別を検出するための,様々な大規模言語モデルの能力について検討する。 我々は、モデルに存在する人口統計バイアスを分析し、統計分析を行う。 以上の結果から, LLMは集団の全体的意見を考えるとある程度性差別を検出できるが, 異なる集団間での認識の多様性を正確に再現するものではないことが示唆された。
  論文  参考訳（メタデータ） (2025-08-25T17:36:58Z)
• MuSeD: A Multimodal Spanish Dataset for Sexism Detection in Social Media Videos [12.555579923843641]
  我々は、TikTokとBitChuteから抽出された11時間分のビデオを$approx$で提供する、Sexism Detectionのための新しいMultimodal Spanishデータセットを紹介した。 視覚情報は、人間とモデルの両方に性差別的コンテンツをラベル付けする上で重要な役割を担っている。
  論文  参考訳（メタデータ） (2025-04-15T13:16:46Z)
• The Root Shapes the Fruit: On the Persistence of Gender-Exclusive Harms in Aligned Language Models [91.86718720024825]
  我々はトランスジェンダー、ノンバイナリ、その他のジェンダー・ディバースのアイデンティティを中心とし、アライメント手順が既存のジェンダー・ディバースバイアスとどのように相互作用するかを検討する。 以上の結果から,DPO対応モデルは特に教師付き微調整に敏感であることが示唆された。 DPOとより広範なアライメントプラクティスに合わせたレコメンデーションで締めくくります。
  論文  参考訳（メタデータ） (2024-11-06T06:50:50Z)
• "I'm fully who I am": Towards Centering Transgender and Non-Binary Voices to Measure Biases in Open Language Generation [69.25368160338043]
  トランスジェンダーとノンバイナリ(TGNB)の個人は、日常生活から差別や排除を不当に経験している。 オープン・ランゲージ・ジェネレーションにおいて,経験豊富なTGNB人物の疎外化を取り巻く社会的現実がいかに貢献し,持続するかを評価する。 我々はTGNB指向のコミュニティからキュレートされたテンプレートベースの実世界のテキストのデータセットであるTANGOを紹介する。
  論文  参考訳（メタデータ） (2023-05-17T04:21:45Z)
• SemEval-2023 Task 10: Explainable Detection of Online Sexism [5.542286527528687]
  オンライン性差別(EDOS)の説明可能な検出に関するSemEval Task 10について紹介する。 i)セクシズムの細粒度ベクトルを含むセクシズムコンテンツの新しい階層的分類,i)細粒度ラベルによる2万件のソーシャルメディアコメントデータセット,およびモデル適応のための大きな未ラベルデータセット,iii)ベースラインモデル,および,課題への参加者の提出方法,結果,エラーの分析である。
  論文  参考訳（メタデータ） (2023-03-07T20:28:39Z)
• "Call me sexist, but...": Revisiting Sexism Detection Using Psychological Scales and Adversarial Samples [2.029924828197095]
  我々は、性差別の異なる側面を心理学的尺度でそれらの実践に基礎を置いて概説する。 このスケールから、ソーシャルメディアにおける性差別のためのコードブックを導き、既存のデータセットや新しいデータセットに注釈を付けるために使用します。 結果は、現在の機械学習モデルは、性差別の非常に狭い言語マーカーの集合を拾い上げ、ドメイン外の例にうまく一般化しないことを示唆している。
  論文  参考訳（メタデータ） (2020-04-27T13:07:46Z)

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。