論文の概要: Crossing the Gender Binary: Modelling Gendered Reference in Science Fiction and General Fiction

• arxiv url: http://arxiv.org/abs/2610.19028v1
• Date: Tue, 13 Oct 2026 18:20:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.743393
• Title: Crossing the Gender Binary: Modelling Gendered Reference in Science Fiction and General Fiction
• Title（参考訳）: ジェンダーバイナリを横断する:サイエンス・フィクションとジェネラル・フィクションにおけるジェンダー参照のモデル化
• Abstract要約: 男性/男性、女性/女性、および同時代のSFや一般フィクションのコーパスを覆い隠す。 両方のコーポラは、両方の方向で男女のバイナリを横切るが、不平等に、女性がマスクされている場所では、女性は女性用語の約2倍の頻度で男性用語を予測する。
• 参考スコア（独自算出の注目度）: 7.787057414368654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Science fiction is widely credited with unsettling gender. This article asks whether that holds at the linguistic level, in how readily gendered reference gives way to its counterpart, a neutral term, or other social category, and whether it separates the genre from general fiction. It does so by masking man/men, woman/women, and person/people across same-period science fiction and general fiction corpora and classifying RoBERTa's five likeliest substitutes by gender. Retention and displacement are permutation-tested over five resampling rounds, and the underlying sentences are read closely. Both corpora cross the gender binary in both directions, but unequally: where woman is masked, the model predicts a masculine term about twice as often as it predicts a feminine term where man is masked. Each mismatch marks a statistical surprise, a word the corpus did not expect there. Against this shared pattern, science fiction shows greater gender permeability than the general fiction corpus, placing man in feminine contexts more often than general fiction while the reverse rate holds steady. Its degendering tendency is stronger too, drawing both gendered terms toward the neutral. Beyond the binary, a masked woman also draws substitutes naming a social category and no gender far more often than a masked man does. In measuring the gender permeability of man, woman, and person in linguistic distribution and testing whether genre changes it, the study gives science fiction studies linguistic evidence for thematic claims and computational literary studies a pipeline applicable to other category vocabularies, such as race and class.
• Abstract（参考訳）: SFは、未解決のジェンダーとして広く認められている。 本稿は、それが言語レベルで成り立つか、ジェンダー化された参照が、その相手、中立用語、あるいは他の社会的カテゴリーにいかに容易に道を与えるか、そして、それが一般的なフィクションからそのジャンルを分離するかどうかを問う。 男性・男性・女性・人・人を同時代のSFや一般フィクションのコーパスでマスキングし、RoBERTaの5つの最愛の代用品を性別別に分類することで実現している。 保持と変位は5回の再サンプリングラウンドで置換試験され、基礎となる文はよく読まれる。 両方のコーポラは、両方の方向で男女のバイナリを横切るが、不平等に、女性がマスクされている場所は、男性がマスクされている女性用語の約2倍の頻度で男性用語を予測する。 それぞれのミスマッチは統計上の驚きであり、コーパスは期待していなかった。 この共有されたパターンに対して、サイエンス・フィクションは一般的なフィクション・コーパスよりも性的な透過性を示し、一般的なフィクションよりも女性的な文脈に男性を配置する一方、逆レートは安定している。 優劣の傾向も強く、男女ともに中立国に向かっている。 2人称の他に、仮面の女性は、仮面の男性よりもはるかに頻繁に、社会的カテゴリーと性別を命名する代名詞も描いている。 言語分布における男性、女性、人物の性透過性を測り、ジャンルが変化したかどうかをテストするために、この研究は、科学フィクション研究において、主題的クレームの言語的証拠と計算文学研究に、人種や階級などの他のカテゴリーの語彙に適用可能なパイプラインを与える。

関連論文リスト

• ProText: A benchmark dataset for measuring (mis)gendering in long-form texts [4.180685366029136]
  ProTextは、スタイリスティックに多彩な長文の英文で性別や性差を測定するためのデータセットである。 ProTextは3つの次元にまたがる: Theme nouns(名前、職業、タイトル)、Theme category(ステレオタイプ:男性、ステレオタイプ:女性、性中立/非ジェンダー)、Pronoun category(男性、女性、性中立)。 このデータセットは、要約や書き直しといったテキスト変換において、最先端の大規模言語モデルを使って(ミスを)探すように設計されている。
  論文  参考訳（メタデータ） (2026-03-29T19:45:31Z)
• Gender Trouble in Language Models: An Empirical Audit Guided by Gender Performativity Theory [0.19116784879310028]
  言語モデルは有害な性別のステレオタイプをエンコードし、永続する。 これらのバイナリカテゴリの1つに適切に該当しない性的な用語は削除され、謝罪される。 以上の結果から,言語モデルにおける性障害の定義と対処方法の再評価の必要性が示唆された。
  論文  参考訳（メタデータ） (2025-05-20T08:36:47Z)
• 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)
• Building Bridges: A Dataset for Evaluating Gender-Fair Machine Translation into German [17.924716793621627]
  英独機械翻訳(MT)におけるジェンダーフェア言語の研究 2つの商用システムと6つのニューラルMTモデルを含む最初のベンチマーク研究を行う。 以上の結果から,ほとんどのシステムでは男性型が主流であり,性別ニュートラル変種は稀である。
  論文  参考訳（メタデータ） (2024-06-10T09:39:19Z)
• The Causal Influence of Grammatical Gender on Distributional Semantics [87.8027818528463]
  言語間のジェンダー割り当てがどの程度意味を持つかは、言語学と認知科学における研究の活発な領域である。 我々は、名詞の文法的性別、意味、形容詞選択の間の相互作用を共同で表現する、新しい因果的グラフィカルモデルを提供する。 名詞の意味を制御した場合、文法的性別と形容詞的選択の関係は、ほぼゼロであり、無意味である。
  論文  参考訳（メタデータ） (2023-11-30T13:58:13Z)
• VisoGender: A dataset for benchmarking gender bias in image-text pronoun resolution [80.57383975987676]
  VisoGenderは、視覚言語モデルで性別バイアスをベンチマークするための新しいデータセットである。 We focus to occupation-related biases in a hegemonic system of binary gender, inspired by Winograd and Winogender schemas。 我々は、最先端の視覚言語モデルをいくつかベンチマークし、それらが複雑な場面における二項性解消のバイアスを示すことを発見した。
  論文  参考訳（メタデータ） (2023-06-21T17:59:51Z)
• Model-Agnostic Gender Debiased Image Captioning [29.640940966944697]
  イメージキャプションモデルは、トレーニングセットにおける有害な社会的バイアスを永続化し、増幅することが知られている。 我々は、合成バイアスされたサンプルから学習し、両方のバイアスを減少させるLIBRAというフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-07T15:30:49Z)
• A Moral- and Event- Centric Inspection of Gender Bias in Fairy Tales at A Large Scale [50.92540580640479]
  7つの文化から得られた624個の妖精物語を含む妖精物語データセットにおいて,ジェンダーバイアスを計算的に解析した。 その結果,男性キャラクターの数は女性キャラクターの2倍であり,男女表現が不均等であることが判明した。 女性キャラクターは、注意、忠誠、尊厳に関する道徳的な言葉とより関連しているのに対し、男性キャラクターは、公正、権威に関する道徳的な単語とより関連している。
  論文  参考訳（メタデータ） (2022-11-25T19:38:09Z)
• 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。