論文の概要: AI Advice Reinforces Traditional Gender Roles

• arxiv url: http://arxiv.org/abs/2610.14036v1
• Date: Thu, 01 Oct 2026 23:03:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 23:41:37.185492
• Title: AI Advice Reinforces Traditional Gender Roles
• Title（参考訳）: AIアドバイザーが伝統的なジェンダーの役割を強化
• Abstract要約: 職業交渉の文脈において,大規模言語モデル(LLM)が男女の求職者に対して異なるアドバイスを提供するかどうかを検討した。 我々の発見は、パーソナライズされたAIアドバイスが職場におけるジェンダーの不平等を強化する微妙な経路を特定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Professionals are increasingly turning to artificial intelligence (AI) for career advice. We tested whether large language models (LLMs) provide different advice to female and male job candidates in the context of career negotiations. Across two large-scale audit experiments, including four leading models, the LLMs not only recommended lower salary targets for female than male personas, but also constructed distinct negotiation agendas, prioritizing flexibility, caregiving, and well-being more highly for female candidates, and financial rewards, mobility, and advancement more highly for male candidates. These differences closely tracked independent human ratings of employment terms associated with primary caregiver and breadwinner roles, respectively. Our findings identify a subtle pathway through which personalized AI advice may reinforce gender inequality at work: steering otherwise equivalent users toward traditional gender roles.
• Abstract（参考訳）: プロフェッショナルは、キャリアアドバイスのために人工知能(AI)に変わりつつある。 職業交渉の文脈において,大規模言語モデル(LLM)が男女の求職者に対して異なるアドバイスを提供するかどうかを検討した。 4つの主要なモデルを含む2つの大規模監査実験において、LSMは男性よりも低い給与目標を推奨するだけでなく、柔軟性の優先順位付け、介護、女性候補者に対する幸福度の向上、経済的報酬、モビリティ、男性候補者に対する進歩度の向上など、異なる交渉の議題を構築した。 これらの違いは、それぞれがプライマリ・ケアギバーとブレッドウィンナー・ロールに関連する雇用条件の独立した人間格付けをしっかりと追跡した。 我々の発見は、パーソナライズされたAIアドバイスが職場におけるジェンダーの不平等を強化するための微妙な道を見つける。

関連論文リスト

• When AI Enters the Workplace, Who Faces Greater Risks? A Gendered Analysis [7.980803890619189]
  我々は、AIによるイノベーションへの露出が、男性や女性に支配される職業によってどのように異なるかを検討する。 AIの露出は一般的に、男性支配の職業において高度な職業と高給の職業に集中しているが、女性支配の職業は、高いスキル、高給、低スキルの両方で比較的均一なレベルの被曝を示す。 LLM関連曝露は女性優位の職業において高いが、より広範なAIへの曝露は男性優位の職業においてより集中している。
  論文  参考訳（メタデータ） (2026-09-18T13:27:50Z)
• Quantifying Gender Bias in Large Language Models: When ChatGPT Becomes a Hiring Manager [0.0]
  我々は,大規模言語モデルが社会的バイアスを持続する程度を定量化し,バイアス緩和手法としての迅速な工学を考察する。 以上の結果から, LLMは女性候補者を雇用し, 男性候補者に対する低い給与を推奨する傾向が示唆された。
  論文  参考訳（メタデータ） (2026-03-10T00:27:00Z)
• Gender and Positional Biases in LLM-Based Hiring Decisions: Evidence from Comparative CV/Résumé Evaluations [0.0]
  本研究は,言語モデル (LLM) の履歴やCVに基づく職業的候補の評価における行動について検討する。 すべてのLLMは、70の異なる職業にまたがる女性の名前の候補者を一貫して好んだ。 CVに性フィールド(男性/女性)を追加することで、女性応募者の嗜好がさらに高まった。
  論文  参考訳（メタデータ） (2025-05-16T06:19:35Z)
• Who Gets the Callback? Generative AI and Gender Bias [0.030693357740321777]
  大規模言語モデル(LLM)は特に高賃金の役割において男性を好む傾向にある。 求人広告における言語的特徴の包括的分析は、モデルレコメンデーションと伝統的なジェンダーステレオタイプとの強い整合性を示す。 我々の調査結果は、AIによる雇用が労働市場のバイアスを持続させ、企業内の公正性と多様性に影響を及ぼす可能性があることを強調している。
  論文  参考訳（メタデータ） (2025-04-30T07:55:52Z)
• 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)
• Revealing and Reducing Gender Biases in Vision and Language Assistants (VLAs) [82.57490175399693]
  画像・テキスト・ビジョン言語アシスタント(VLA)22種における性別バイアスの検討 以上の結果から,VLAは実世界の作業不均衡など,データ中の人間のバイアスを再現する可能性が示唆された。 これらのモデルにおける性別バイアスを排除するため、微調整に基づくデバイアス法は、デバイアス化と性能維持の最良のトレードオフを実現する。
  論文  参考訳（メタデータ） (2024-10-25T05:59:44Z)
• 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)
• GenderBias-\emph{VL}: Benchmarking Gender Bias in Vision Language Models via Counterfactual Probing [72.0343083866144]
  本稿では,GenderBias-emphVLベンチマークを用いて,大規模視覚言語モデルにおける職業関連性バイアスの評価を行う。 ベンチマークを用いて15のオープンソースLVLMと最先端の商用APIを広範囲に評価した。 既存のLVLMでは男女差が広くみられた。
  論文  参考訳（メタデータ） (2024-06-30T05:55:15Z)

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。