論文の概要: The Legibility Gap: How Gender Equity Interventions Redistribute Recognition Across Cultures

• arxiv url: http://arxiv.org/abs/2608.20827v1
• Date: Fri, 21 Aug 2026 07:45:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.449541
• Title: The Legibility Gap: How Gender Equity Interventions Redistribute Recognition Across Cultures
• Title（参考訳）: ジェンダー・エクイティ・インターベンション(ジェンダー・エクイティ・インターベンション)が文化全体でどのように再認識するか
• Abstract要約: 科学におけるジェンダーエクイティを促進する努力は、ますます名前に基づく推論に依存している。 性別を示す言語的手がかりは文化によって異なり、しばしば名前が英語に翻訳されるときに曖昧にされる。 我々は、名前が性別を知らせる女性に対して、名前が翻訳においてそのような手口を失うことを回避しながら、公平な介入が体系的にどのような利益をもたらすかを示す。
• 参考スコア（独自算出の注目度）: 11.618277254028238
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efforts to promote gender equity in science increasingly rely on name-based inference to quantify representation and guide policy and behavior. Yet linguistic cues that signal gender vary across cultures and are often obscured when names are transliterated into English. Here we identify a pattern we call the "legibility gap": when gender is inferred from names, equity interventions systematically benefit women whose names signal gender while bypassing those whose names lose such cues in translation. Using both observational and experimental evidence, we show how this gap reshapes recognition in science. Analyzing citation diversity statements-an emerging practice in which authors report the algorithmically estimated gender composition of their reference lists-we find that papers that include this practice cite women more frequently, but the gains accrue almost entirely to authors with gender-signaling Western names. By contrast, women whose names lose gender cues in English transliteration, predominantly those with East Asian names, receive fewer citations in these same papers. Two preregistered experiments (N = 2,250) corroborate this pattern and identify its mechanism: linguistic legibility, not cultural unfamiliarity, determines who is recognized as a woman and who benefits from policies designed to support women in science. Overall, these findings expose a previously unrecognized layer of inequity embedded in global equity infrastructures. As science becomes increasingly global and equity efforts increasingly algorithmic, the legibility gap reveals how uneven identity recognition reshapes fairness. In global systems of recognition, equity depends not only on whether policies are effective on average, but also on whether they are equitable across cultures.
• Abstract（参考訳）: 科学におけるジェンダー・エクイティの促進への取り組みは、表現の定量化と政策と行動の指針となる名前に基づく推論にますます依存している。 しかし、ジェンダーを示唆する言語的手がかりは文化によって異なり、名前が英語に翻訳されるとしばしば曖昧になる。 ここでは、性別が名前から推測されるとき、名前が性別を示す女性に対して、名前が翻訳でそのような手がかりを失うことを回避しながら、組織的に利益を得る。 観察的証拠と実験的証拠の両方を用いて、このギャップが科学における認識にどのように影響するかを示す。 引用多様性のステートメントの分析-著者が参照リストのアルゴリズムによって推定された性別構成を報告する新興のプラクティス-このプラクティスを含む論文は女性をより頻繁に引用するが、この傾向は、ほぼ完全に西洋の性別を記した著者に及んでいる。 対照的に、英語の発音において性的な手がかりを失う女性(主に東アジア語名を持つ女性)は、これらの論文では引用が少なくなる。 2つの事前登録された実験(N = 2,250)は、このパターンを裏付け、そのメカニズムを特定する。 全体として、これらの発見は、グローバルエクイティインフラストラクチャに埋め込まれた、これまで認識されていなかった不平等の層を明らかにしている。 科学がますますグローバル化し、エクイティの努力がアルゴリズム化されていくにつれ、正当性格差は、不均一なアイデンティティ認識が公正さをいかに再認識するかを明らかにしている。 グローバルな認識システムでは、エクイティは、政策が平均的に有効であるかどうかだけでなく、文化全体にわたって公平であるかどうかにも依存する。

関連論文リスト

• GKnow: Measuring the Entanglement of Gender Bias and Factual Gender [47.39675194552945]
  gknowは、性別関連予測の異なるタイプの言語モデルにおいて、性別に関する知識と性別バイアスを評価するためのベンチマークである。 我々は,ニューロンのアブレーションが,ステレオタイプや事実を異にするベンチマークに与える影響を検証した。
  論文  参考訳（メタデータ） (2026-05-12T15:52:30Z)
• Relating Word Embedding Gender Biases to Gender Gaps: A Cross-Cultural Analysis [6.057865461877989]
  本稿では,単語埋め込みにおけるジェンダーバイアスの定量化手法を提案する。 次に、これらの指標を使用して、教育、政治、経済学、健康における統計的男女格差を特徴づけます。 これらの指標は、米国51か国と99か国にまたがる2018年のTwitterデータで検証します。
  論文  参考訳（メタデータ） (2026-01-23T22:18:36Z)
• Gender Inequality in English Textbooks Around the World: an NLP Approach [0.0]
  本研究では,7つの文化圏にまたがる22カ国の英語教科書において,ジェンダー不平等を定量化する自然言語処理手法を適用した。 指標には、文字数、第一性(性別が最初に言及される)、TF-IDF単語の関連がある。 結果は、数、優先性、名前付き実体という観点から、男性文字の一貫性のある過剰表現を示す。
  論文  参考訳（メタデータ） (2025-06-03T04:16:09Z)
• Identifying Gender Stereotypes and Biases in Automated Translation from English to Italian using Similarity Networks [0.25049267048783647]
  本論文は,自動翻訳システムにおけるステレオタイプとバイアスを評価するために,言語学,法学,計算機科学の協力的な取り組みである。 ジェンダーインクルージョンを促進し,機械翻訳の客観性を向上させる手段として,ジェンダーニュートラル翻訳を提唱する。
  論文  参考訳（メタデータ） (2025-02-17T09:55:32Z)
• GenderCARE: A Comprehensive Framework for Assessing and Reducing Gender Bias in Large Language Models [73.23743278545321]
  大規模言語モデル(LLM)は、自然言語生成において顕著な能力を示してきたが、社会的バイアスを増大させることも観察されている。 GenderCAREは、革新的な基準、バイアス評価、リダクションテクニック、評価メトリクスを含む包括的なフレームワークである。
  論文  参考訳（メタデータ） (2024-08-22T15:35:46Z)
• Beyond Binary Gender: Evaluating Gender-Inclusive Machine Translation with Ambiguous Attitude Words [85.48043537327258]
  既存の機械翻訳の性別バイアス評価は主に男性と女性の性別に焦点を当てている。 本研究では,AmbGIMT (Gender-Inclusive Machine Translation with Ambiguous attitude words) のベンチマークを示す。 本研究では,感情的態度スコア(EAS)に基づく性別バイアス評価手法を提案する。
  論文  参考訳（メタデータ） (2024-07-23T08:13:51Z)
• Leveraging Large Language Models to Measure Gender Representation Bias in Gendered Language Corpora [9.959039325564744]
  大規模言語モデル(LLM)は、しばしば、トレーニングデータに埋め込まれた社会的バイアスを継承し、増幅する。 性バイアスとは、特定の役割や特性と特定の性別の関連性である。 ジェンダー表現バイアスは、性別の異なる個人への参照の不平等な頻度である。
  論文  参考訳（メタデータ） (2024-06-19T16:30:58Z)
• Exploring the Impact of Training Data Distribution and Subword Tokenization on Gender Bias in Machine Translation [19.719314005149883]
  機械翻訳における性別バイアスに対するトークン化の効果について検討する。 職業名の女性および非ステレオタイプ性差は、サブワードトークンに分割される傾向にある。 その結果, 単語分割の分析は, トレーニングデータにおける性別形態の不均衡の予測に有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-09-21T21:21:55Z)
• "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)
• Measuring Gender Bias in Word Embeddings of Gendered Languages Requires Disentangling Grammatical Gender Signals [3.0349733976070015]
  単語埋め込みは、文法性のある言語における名詞とその文法性との関係を学習することを示した。 単語埋め込みから文法的ジェンダー信号を引き離すことは、セマンティック機械学習タスクの改善につながる可能性があることを示す。
  論文  参考訳（メタデータ） (2022-06-03T17:11:00Z)
• Towards Understanding Gender-Seniority Compound Bias in Natural Language Generation [64.65911758042914]
  本研究では,事前学習したニューラルジェネレーションモデルにおける性別バイアスの程度に,高齢者がどのような影響を及ぼすかを検討する。 以上の結果から, GPT-2は, 両領域において, 女性を中年, 男性を中年として考えることにより, 偏見を増幅することが示された。 以上の結果から, GPT-2を用いて構築したNLPアプリケーションは, プロの能力において女性に害を与える可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-19T20:05:02Z)
• Investigating writing style as a contributor to gender gaps in science and technology [0.0]
  文章のスタイルは性別によって大きく異なり、女性はより関連性のある特徴を用いている。 より関連性の高い論文や特許も女性によって引用される傾向にある。 以上の結果から, 科学的テキストは人格を欠くものではないことが示唆され, 評価のバイアスに寄与する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-04-28T22:33:36Z)
• 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)

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。