論文の概要: Gender Bias in YouTube Exposure: Allocative and Structural Inequalities in Political Information Environments
- arxiv url: http://arxiv.org/abs/2604.27479v1
- Date: Thu, 30 Apr 2026 06:20:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:53.954092
- Title: Gender Bias in YouTube Exposure: Allocative and Structural Inequalities in Political Information Environments
- Title（参考訳）: YouTube公開のジェンダーバイアス:政治情報環境におけるアロケート性と構造的不平等
- Authors: Jipeng Tan, Weifeng Zhang, Ye Wu, Jialin Guo, Yong Min,
- Abstract要約: また,YouTube上では,男女別プロフィールの偏見に統計的に有意な差がみられた。
我々は、異なるクラスタリングパターンを特徴とする政治情報環境における構造バイアスを観察する。
我々は、レコメンデーションシステムにおけるジェンダーバイアスは、政治コンテンツの配分だけでなく、コミュニティ構造がこれらの環境をどう形成するかにも反映されていると論じる。
- 参考スコア（独自算出の注目度）: 1.8651424236446505
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recommendation algorithms have become the dominant mechanism for information distribution on digital platforms, profoundly shaping personalized information consumption environments. However, gender bias, as a significant form of algorithmic discrimination, may cause users to experience unequal exposure within different political information environments. Taking YouTube as a case, we conduct a controlled social-bot field experiment, where male-coded and female-coded profiles are constructed. We track the exposure and click patterns of these bots to analyze their recommendation trajectories. We analyze the distribution of recommended content from two dimensions: allocative bias and structural bias. First, we find statistically significant differences in allocative bias across male-coded and female-coded profiles, particularly in terms of issue distribution, ideological orientation, and political entities. Secondly, we observe structural bias in the political information environments, characterized by distinct clustering patterns. Additionally, time-series analysis shows that exposure pathways continue to be shaped over time by both communities detected in the co-occurrence network and individual profile-level dynamics. Finally, we construct a simple collaborative-filtering model that reproduces the observed gender bias. We argue that gender bias in recommendation systems is reflected not only in the allocation of political content, but also in how community structures shape these environments, reinforcing societal inequalities and highlighting the need for algorithmic fairness.
- Abstract（参考訳）: レコメンデーションアルゴリズムはデジタルプラットフォーム上での情報配信において支配的なメカニズムとなり、パーソナライズされた情報消費環境を根本的に形成している。
しかし、アルゴリズムによる差別の重要な形態として、性別の偏見は、ユーザーが異なる政治的情報環境の中で不平等な露出を経験する原因となる可能性がある。
YouTubeを例にとり、私たちは、男性コードと女性コードによるプロフィールが構築される、制御されたソーシャルボットフィールド実験を実施している。
これらのボットの露出とクリックパターンを追跡して、レコメンデーショントラジェクトリを分析する。
推奨コンテンツの分布を2次元から分析する。
第一に、男性と女性における偏見の統計的に有意な差が見られ、特に問題分布、イデオロギー指向、政治的実体の点で顕著である。
第2に、異なるクラスタリングパターンを特徴とする政治情報環境における構造バイアスを観察する。
さらに、時系列分析により、共起ネットワークで検出されたコミュニティと個々のプロファイルレベルのダイナミクスの両方によって、露光経路が時間とともに形成され続けることが示されている。
最後に、観察された性別バイアスを再現する単純な協調フィルタリングモデルを構築する。
我々は、レコメンデーションシステムにおけるジェンダーバイアスは、政治的コンテンツの配分だけでなく、コミュニティ構造がこれらの環境をどう形成するか、社会的不平等の強化、アルゴリズム的公正性の必要性を強調している。
関連論文リスト
- Alignment Reduces Expressed but Not Encoded Gender Bias: A Unified Framework and Study [3.679036235271287]
本研究では,大規模言語モデルにおける内在性および外在性バイアスを共同で分析するための統一的な枠組みを提案する。
統一されたプロトコルで測定すると、潜在性情報と表現バイアスが一貫した関連性を見出す。
以上の結果から,後者は表現バイアスを実際に減少させるが,測定可能な性別関連関係は依然として内部表現に存在していることが示唆された。
論文 参考訳（メタデータ） (2026-03-25T09:35:18Z) - From Preferences to Prejudice: The Role of Alignment Tuning in Shaping Social Bias in Video Diffusion Models [69.4332879415364]
本稿では,ビデオ生成における社会的表現を評価するためのフレームワークであるVideoBiasEvalを紹介する。
VideoBiasEvalでは、アクター属性からセマンティックコンテンツをアンタングルするために、イベントベースのプロンプト戦略を採用している。
我々は、人間の嗜好データセットにおけるバイアス、報酬モデルにおける増幅、アライメント調整されたビデオ拡散モデルによる伝播を結合する最初のエンドツーエンド分析を行う。
論文 参考訳（メタデータ） (2025-10-20T07:37:43Z) - More of the Same: Persistent Representational Harms Under Increased Representation [12.071592182704707]
生成したテキストにおける分布レベルのグループ表現バイアスを克服するための評価手法を開発した。
モデルがバイオグラフィーを生成するように促されたときのジェンダー分布は、女性の大きな表現につながるが、表現バイアスでさえ、異なるジェンダーの表現方法に持続する。
論文 参考訳（メタデータ） (2025-03-01T03:45:35Z) - Blind Men and the Elephant: Diverse Perspectives on Gender Stereotypes in Benchmark Datasets [12.798832545154271]
本稿では,内在型ステレオタイプベンチマークの不整合について検討する。
StereoSetとCrowS-Pairsをケーススタディとして,データ分布がベンチマーク結果に与える影響を検討した。
論文 参考訳（メタデータ） (2025-01-02T09:40:31Z) - 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) - Fairness in AI Systems: Mitigating gender bias from language-vision
models [0.913755431537592]
既存のデータセットにおける性別バイアスの影響について検討する。
本稿では,キャプションに基づく言語視覚モデルにおけるその影響を緩和する手法を提案する。
論文 参考訳（メタデータ） (2023-05-03T04:33:44Z) - Stable Bias: Analyzing Societal Representations in Diffusion Models [72.27121528451528]
本稿では,テキスト・ツー・イメージ(TTI)システムにおける社会的バイアスを探索する新しい手法を提案する。
我々のアプローチは、プロンプト内の性別や民族のマーカーを列挙して生成された画像の変動を特徴づけることに依存している。
我々はこの手法を利用して3つのTTIシステムによって生成された画像を分析し、そのアウトプットが米国の労働人口層と相関しているのに対して、彼らは常に異なる範囲において、限界化されたアイデンティティを低く表現している。
論文 参考訳（メタデータ） (2023-03-20T19:32:49Z) - Anatomizing Bias in Facial Analysis [86.79402670904338]
既存の顔分析システムでは、特定の集団群に対して偏りのある結果が得られることが示されている。
これらのシステムは、個人の性別、アイデンティティ、肌のトーンに基づいて差別されないようにすることが義務づけられている。
これはAIシステムにおけるバイアスの識別と緩和の研究につながった。
論文 参考訳（メタデータ） (2021-12-13T09:51:13Z) - Social Norm Bias: Residual Harms of Fairness-Aware Algorithms [21.50551404445654]
社会ノームバイアス (Social Norm Bias, SNoB) は、自動意思決定システムによって示される、微妙だが連続的な差別の一種である。
我々は、アルゴリズムの予測が性規範とどのように関連しているかを測定することでSNoBを定量化する。
後処理の介入は、この種のバイアスを全く軽減しないことを示す。
論文 参考訳（メタデータ） (2021-08-25T05:54:56Z)
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。