論文の概要: GENDIS: Gender-Related Discourse and Stance in Multilingual YouTube Comments from India, Kenya, and Nigeria

• arxiv url: http://arxiv.org/abs/2610.17778v1
• Date: Tue, 13 Oct 2026 06:04:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 17:19:26.525761
• Title: GENDIS: Gender-Related Discourse and Stance in Multilingual YouTube Comments from India, Kenya, and Nigeria
• Title（参考訳）: GENDIS:インド、ケニア、ナイジェリアの多言語YouTubeコメントにおけるジェンダー関連談話とスタンス
• Abstract要約: GENDISは、インド、ケニア、ナイジェリアのYouTubeコメントを多言語で注釈付けした9600のデータセットである。 2段階のフレームワークは、性別が参照されているかどうかを特定し、その後、性別に関連するコンテンツをネガティブ、ポジティブ、中立と分類する。 均一なランダムな地層では、23.8-35.0%のコメントがジェンダー関連であり、解決されたスタンスを持つ者のうち82%が中立または肯定的である。
• 参考スコア（独自算出の注目度）: 10.472978264332406
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Research on gender-related online content is often operationalized through harm-centered tasks that collapse non-harmful gender-related and unrelated content, while existing datasets remain concentrated in high-resource languages and Global North settings. To bridge these gaps, we introduce GENDIS, a dataset of 9,600 multilingual, human-annotated YouTube comments from India, Kenya, and Nigeria (3,200 per country), annotated using a two-level framework that first identifies whether gender is referenced and then classifies gender-related content as negative, positive, or neutral. This separation provides a denominator for gender-related discourse independent of harm, enabling both prevalence estimation and characterization of its evaluative range. In the uniform random stratum, 23.8-35.0% of comments are gender-related, and among those with a resolved stance, 82% are neutral or positive. Across models, gender-reference detection is substantially easier than stance classification, especially for positive and neutral speech. Lightly supervised classifiers match frontier zero-shot large language models at substantially lower cost and outperform generic toxicity detection, while cross-country transfer remains limited. GENDIS provides a locally grounded resource for measuring when gender is invoked online and how that reference is framed.
• Abstract（参考訳）: ジェンダー関連オンラインコンテンツの研究は、非有害なジェンダー関連および非関連コンテンツを破壊するハーネス中心のタスクによって行われることが多いが、既存のデータセットは高ソース言語やグローバルノースの設定に集中している。 これらのギャップを埋めるために、インド、ケニア、ナイジェリアから9,600件の多言語、人間による注釈付きYouTubeコメントのデータセットであるGENDISを紹介します。 この分離は、性に関する言論を害とは無関係に分類し、その有病率推定と評価範囲の評価の両方を可能にする。 均一なランダムな地層では、23.8-35.0%のコメントがジェンダー関連であり、解決されたスタンスを持つ者のうち82%が中立または肯定的である。 モデル全体では、性差検出は、特に肯定的および中立的な発話において、スタンス分類よりもかなり容易である。 軽量教師付き分類器は、フロンティアゼロショット大言語モデルと大幅に低コストで一致し、汎用毒性検出に優れる一方、クロスカントリー転送は制限されている。 GENDISは、ジェンダーがオンラインに呼び出された時間と、その参照がフレーム化されているかを測定するための、ローカルな基盤リソースを提供する。

関連論文リスト

• LLMs Mirror Country-Specific Gender Patterns If Asked, but Skew Male When Generating Media in Local Languages [10.267072090941562]
  大規模言語モデル (LLM) はメディア生成にますます利用されているが、その内容がジェンダーステレオタイプを持続するかどうかは不明である。 我々は、米国、インド、ケニア、ナイジェリアの695人の回答者から、22の職種と国内の役割についてジェンダー・アソシエーションを集めている。 モデルでは、調査対象の関連を直接の質問の下で追跡するが、主要言語細胞では、メディア生成下では男性の方がかなり多い。
  論文  参考訳（メタデータ） (2026-09-06T11:34:41Z)
• Neuron-Level Interventions for Gendered and Gender-Neutral Generation in Language Models [4.464224430863637]
  言語モデル(LM)は、中立なプロンプトが与えられた場合でも、性的な言語やステレオタイプを生成できる。 女性、男性、性別ニュートラルの3つのカテゴリーにまたがる性特化ニューロンについて検討した。 本稿では,各性別カテゴリーに強く結びついているニューロンを同定するためのニューロンレベルの介入法を提案する。
  論文  参考訳（メタデータ） (2026-05-29T01:21:40Z)
• The Lou Dataset -- Exploring the Impact of Gender-Fair Language in German Text Classification [57.06913662622832]
  ジェンダーフェア言語は、すべての性別に対処したり、中立形を使用することによって包摂性を促進する。 ジェンダーフェア言語はラベルを反転させ、確実性を減らし、注意パターンを変化させることで予測に大きな影響を及ぼす。 ドイツ語のテキスト分類への影響について最初の知見を提供する一方で、他の言語にもその知見が当てはまる可能性が高い。
  論文  参考訳（メタデータ） (2024-09-26T15:08:17Z)
• 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)
• Gender Lost In Translation: How Bridging The Gap Between Languages Affects Gender Bias in Zero-Shot Multilingual Translation [12.376309678270275]
  並列データが利用できない言語間のギャップを埋めることは、多言語NTTの性別バイアスに影響を与える。 本研究では, 言語に依存しない隠蔽表現が, ジェンダーの保存能力に及ぼす影響について検討した。 言語に依存しない表現は、ゼロショットモデルの男性バイアスを緩和し、ブリッジ言語におけるジェンダーインフレクションのレベルが増加し、話者関連性合意に対するより公平なジェンダー保存に関するゼロショット翻訳を超越することがわかった。
  論文  参考訳（メタデータ） (2023-05-26T13:51:50Z)
• "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)
• 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。

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。