Verantwortung beim Berichten über geschlechtsspezifische Gewalt neu überdenken

Verschiedene Arten, Geschichten über Gewalt zu erzählen, können verändern, wie Leute darüber denken, wer für die Taten verantwortlich ist. Das gilt besonders für geschlechtsspezifische Gewalt, wo die Sprache in Nachrichtenberichten die Sichtweisen über Opfer und Täter beeinflussen kann. Manche Formulierungen können den Eindruck erwecken, dass das Opfer einen Teil der Schuld trägt, während andere mehr die Rolle des Täters hervorheben.

Dieser Artikel schaut sich an, wie wir die Art und Weise ändern können, wie wir über solche Ereignisse schreiben. Indem wir Beschreibungen von geschlechtsspezifischer Gewalt umformulieren, können wir Einfluss darauf nehmen, wie viel Schuld demjenigen zugeschrieben wird, der den Schaden angerichtet hat. Wir haben einen Datensatz mit Sätzen erstellt, die verschiedene Schuldzuweisungen für den Täter zeigen. Mit modernen Techniken haben wir Methoden getestet, um diese Sätze so umzuformulieren, dass die Verantwortung mehr auf den Täter gelegt wird.

Zum Beispiel beschreiben die Sätze "Ein tragisches Ereignis zwischen Ehemann und Ehefrau" und "Der Ehemann hat seine Frau getötet" denselben Gewaltakt, wecken aber unterschiedliche Gefühle und Gedanken bei den Lesern. Der erste Satz könnte den Leser dazu bringen, sowohl an den Ehemann als auch an die Ehefrau gleich zu denken, während der zweite die Schuld klar beim Ehemann verankert. Dieser Unterschied in der Darstellung kann schädliche Stereotypen hervorrufen, die andeuten, dass Opfer irgendwie eine Verantwortung für die ihnen zugefügte Gewalt tragen.

Eine Studie von italienischen Forschern zeigt, wie verbreitet diese Stereotypen sein können. Viele junge Leute glauben, dass Opfer, insbesondere Frauen, zumindest teilweise für die Gewalt verantwortlich sind, die sie erleiden. Das zeigt, dass es einen Bedarf an Veränderungen in der Berichterstattung über solche Ereignisse in den Medien gibt. Sprache spielt eine entscheidende Rolle bei der Formung von Wahrnehmungen und kann bestehende Stereotypen entweder verstärken oder herausfordern.

#Die Aufgabe

Um diese Probleme anzugehen, haben wir einen neuen Ansatz namens „Verantwortungs-Perspektivübertragung“ eingeführt. Diese Methode konzentriert sich darauf, Sätze über Femizide so umzuformulieren, dass mehr Verantwortung auf die Täter gelegt wird. Unser Ziel ist es, die ursprüngliche Botschaft beizubehalten und gleichzeitig zu verändern, wie Menschen Verantwortung für die gewalttätige Handlung wahrnehmen.

Wir haben einen Datensatz aus italienischen Nachrichtenberichten erstellt, der Sätze mit sowohl geringer als auch hoher Schuld für die Täter enthält. Mit dieser Sammlung haben wir verschiedene Techniken untersucht, um die Sätze automatisch umzuformulieren. Wir haben verschiedene Modelle, darunter mBART und GPT-3, eingesetzt, um unsere Umformulierung durchzuführen. Wir wollten herausfinden, ob diese Modelle effektiv die Schuld vom Opfer auf den Täter verschieben können.

In unserer Studie haben wir Sätze einbezogen, die als „geringe“ Schuld charakterisiert wurden, die die Verantwortung des Täters herunterspielten, sowie „hohe“ Schuld, die klar die Schuld beim Täter anzeigte. Durch die Analyse der Modelle konnten wir bestimmen, ob unsere Umformulierungen zu einer signifikanten Veränderung des wahrgenommenen Verantwortungsgrads führten.

#Herausforderungen in der Berichterstattung

Eine der grössten Herausforderungen bei dieser Aufgabe ist, dass viele Nachrichtenberichte oft nicht genügend detaillierte Informationen über die Ereignisse enthalten, die sie beschreiben. Manchmal liefern Sätze nicht genug Kontext, was es schwierig macht, dass die Modelle genaue Umschreibungen generieren. Wenn unsere Modelle auf vage oder unvollständige Sätze stiessen, haben sie gelegentlich Annahmen getroffen, die zu irreführenden Informationen führten.

Die Natur von Femizid und geschlechtsspezifischer Gewalt fügt unserer Arbeit eine weitere Ebene der Komplexität hinzu. Diese Themen rufen starke Emotionen hervor, und Leser können unterschiedliche Reaktionen auf verschiedene Beschreibungen haben. Daher müssen wir vorsichtig sein, wenn wir verschiedene Umschreibungen testen. Wir wollen vermeiden, Texte zu generieren, die grafisch oder moralisch fragwürdig erscheinen.

Wir glauben, dass die Art und Weise, wie wir diese Diskussionen gestalten, wichtig ist. Die Sprache, die in Nachrichtenberichten verwendet wird, kann gesellschaftliche Einstellungen gegenüber Gewalt verstärken, was oft zu Schuldzuweisungen an die Opfer führt. Das zu erkennen, ist entscheidend, wenn wir Wahrnehmungen verändern und hartnäckige Stereotypen in der öffentlichen Diskussion herausfordern wollen.

#Methoden der Umschreibung

Um unsere Verantwortungsperspektivübertragung durchzuführen, haben wir ein paar grundlegende Ansätze verwendet. Eine Technik beruht auf unüberwachtem Lernen mit mBART, das wir auf verfügbaren Datensätzen von Femizid-Nachrichtenartikeln trainiert haben. Dieses Modell nutzt Übersetzungen, um zu lernen, den Stil von Sätzen zu ändern, während ähnliche Bedeutungen beibehalten werden.

Darüber hinaus haben wir die Verwendung von GPT-3 in einer Few-Shot-Art und Weise erkundet, bei der das Modell Beispiele nimmt und diese nutzt, um seine Umschreibungen zu informieren. Wir haben Eingabeaufforderungen erstellt, die GPT-3 anleiteten, sich mehr auf die Rolle des Täters in den Sätzen zu konzentrieren, die es generierte.

Um die Effektivität unserer Modelle zu bewerten, führten wir sowohl automatische als auch menschliche Bewertungen durch. Wir massen, wie gut die umgeschriebenen Sätze die Verantwortung verschoben und bewerteten, ob sie die Integrität des ursprünglichen Inhalts aufrechterhielten. Diese Bewertungen gaben uns Einblicke, welche Modelle am besten darin abschnitten, die Wahrnehmung von Schuld zu verändern.

#Ergebnisse und Erkenntnisse

Unsere Bewertungen zeigten unterschiedliche Ergebnisse zwischen den Modellen. Einige Methoden waren erfolgreicher darin, die wahrgenommene Schuld auf die Täter zu erhöhen, während sie auch die Kernbotschaft der ursprünglichen Sätze bewahrten. Das mBART-Modell, besonders wenn es mit zusätzlichen Details zu den Ereignissen kombiniert wurde, zeigte Potenzial für eine bessere Rahmenbildung seiner Umschreibungen.

Andererseits generierten die GPT-3-Modelle vielversprechende Ergebnisse, hatten aber manchmal Schwierigkeiten, genaue Details zu produzieren, wenn die Eingabe vage war. Diese Einschränkung hebt eine bedeutende Herausforderung hervor, wenn man mit realen Daten in sensiblen Kontexten arbeitet.

In der menschlichen Bewertung wurden die Teilnehmer gebeten zu bewerten, wie viel Schuld sie dem Täter nach dem Lesen der umgeschriebenen Sätze zuschrieben. Wir stellten fest, dass unsere Modelle die Teilnehmer dazu brachten, eine höhere Schuld auf die Täter im Vergleich zu den ursprünglichen Berichten wahrzunehmen. Obwohl keines der Modelle die Zielschuldlevels erreichte, gelang es ihnen dennoch, die Perspektiven in bemerkenswerter Weise zu verschieben.

#Ausblick

Unsere Erkenntnisse öffnen die Tür für zukünftige Arbeiten in diesem Bereich. Wir haben festgestellt, dass es noch erheblichen Raum für Verbesserungen bei unseren Modellen und Methoden gibt. Das Sammeln umfassenderer und paralleler Datensätze könnte unsere Fähigkeit verbessern, effektivere Umschreibungen zu produzieren.

Wir möchten die Systeme, die wir entwickelt haben, weiter verfeinern. Damit hoffen wir, Werkzeuge zu schaffen, die Journalisten und Autoren unterstützen, Geschichten über geschlechtsspezifische Gewalt so zu gestalten, dass sie Stereotypen herausfordern und ein besseres Verständnis von Verantwortung fördern.

Zudem bleiben ethische Überlegungen in unserer Arbeit unerlässlich. Wir müssen die Sensibilität rund um geschlechtsspezifische Gewalt und die Auswirkungen von Sprachentscheidungen erkennen. Die entwickelten Modelle sollten als Werkzeuge zur Analyse angesehen werden, nicht als vorschreibende Methoden dafür, wie man schreibt.

Abschliessend hebt die Arbeit, die wir geleistet haben, die entscheidende Rolle hervor, die Sprache bei der Formung der Wahrnehmungen von geschlechtsspezifischer Gewalt spielt. Indem wir uns auf Verantwortung in der Berichterstattung konzentrieren, können wir dazu beitragen, schädliche Narrative herauszufordern und genauere Darstellungen dieser ernsthaften Themen zu fördern. Während wir voranschreiten, wollen wir weiterhin unsere Ansätze verfeinern und uns gleichzeitig der ethischen Bedenken bewusst sein, die mit dieser wichtigen Arbeit verbunden sind.