به گزارش سیناپرس، محققان دانشکده مهندسی دانشگاه کالیفرنیای جنوبی از فناوری‌های هوش مصنوعی استفاده کرده‌اند تا به این نتیجه برسند که شخصیت‌های مرد چهار برابر بیشتر از شخصیت‌های زن در عرصه ادبیات وجود داشته و استفاده می شوند.
مایانک کجریوال (Mayank Kejriwal) سرپرست تیم تحقیقاتی در مؤسسه علوم اطلاعات دانشگاه کالیفرنیای جنوبی از پروژه فعلی در مورد تعصبات جنسیتی ضمنی و تخصص خود در پردازش زبان طبیعی (NLP) الهام گرفته است. در حالی که بسیاری از مطالعات منتشر شده جنبه های کیفی بازنمایی زنان در ادبیات و رسانه ها را بررسی و تحلیل می کنند، تحقیقات کجریوال به ویژه از جمع آوری داده های کمی از طریق الگوریتم های یادگیری ماشینی موجود استفاده کرده است.
برای تولید این یافته ها، کجریوال و همکاران او از طریق مجموعه پروژه گوتنبرگ که شامل 3000 کتاب به زبان انگلیسی است، به داده‌ها دسترسی پیدا کردند. ژانر کتابها از ماجراجویی و علمی تخیلی گرفته تا رازآلود و عاشقانه و در دسته های مختلف از جمله رمان، داستان کوتاه و شعر متغیر بود.
آکارش ناگاراج (Akarsh Nagaraj) یکی دیگر از محققان این مطالعه و مهندس یادگیری ماشین در متا گفت: این مطالعات به کشف عدم تعادل ادبی بین زنان و مردان با نرخ 4:1 منجر شد.
کجریوال، استادیار پژوهشی در دپارتمان مهندسی صنایع گفت: سوگیری جنسیتی بسیار جدی و واقعی است و وقتی زنان را چهار برابر کمتر در ادبیات می بینیم، تأثیری پنهانی بر مصرف کنندگان فرهنگ دارد. به گزارش سیناپرس، ما به طور کمی به روشی غیرمستقیم نشان دادیم که تعصب در فرهنگ ادامه دارد.
ناگاراج به اهمیت اینکه چگونه روش ها و یافته های مطالعه به آنها درک بیشتری از سوگیری‌ها در جامعه و پیامدهای آن منجر می شود، اشاره کرد. او افزود، کتاب ها پنجره ای به گذشته هستند و نوشته های این نویسندگان به ما نگاهی اجمالی به درک مردم از جهان و چگونگی تغییر آن می دهد.
این مطالعه چندین روش را برای تعریف میزان مشارکت زنان در ادبیات تشریح می کند.
محققان از Named Entity Recognition (NER)، یک روش برجسته NLP استفاده کردند که برای استخراج شخصیت های خاص جنسیتی استفاده می شود. کجریوال گفت: یکی از راه هایی که ما به این نتیجه رسیدیم، بررسی تعداد ضمایر مؤنث در کتاب در مقایسه با ضمایر مذکر است. روش دیگر این است که تعداد شخصیت های زن را در آن تعیین کنیم. این اطلاعات به تیم تحقیقاتی اجازه داد تا تعیین کنند که آیا شخصیت‌های محوری داستان ها عمدتا مرد هستند یا زن.
یافته های این مطالعه همچنین نشان داد که اختلافات اجتماعی بین شخصیت‌های مرد و زن در آثار نویسندگان زن کاهش می یابد. ناگاراج گفت: نتایج به وضوح به ما نشان داد که زنان نویسنده بیشتر از یک نویسنده مرد نماینده گروه جنسی خودشان بودند.
به گزارش سیناپرس، کجریوال اذعان کرد که ابزارهای هوش مصنوعی برای شناسایی کلمات جمع مانند کلمه «آنها» که ممکن است به یک فرد غیر دوگانه اشاره کند، هنوز وجود ندارد. با این حال، یافته های این مطالعه چارچوبی را برای رویکرد به چنین مسائل اجتماعی ایجاد می کند که می تواند این کمبودها را برطرف کند.
کجریوال امیدوار است که این مطالعه در خدمت برجسته کردن تحقیقات بین رشته ای یعنی استفاده از فناوری هوش مصنوعی برای برجسته کردن مسائل اجتماعی و نابرابری هایی که می توان به آن ها پرداخت، سهم بزرگی ایفا کند.
مترجم: سامیه خسروی زاده
منبع: newswise