Der Einfluss von Geschlechtsidentität auf Online-Interaktionen

Viele nicht-binäre Personen sind aktiv in sozialen Netzwerken, aber wie Geschlecht Online-Interaktionen beeinflusst, ist nicht ganz klar. Diese Unklarheit kann zu unfairer Behandlung durch grosse Sprachmodelle auf digitalen Plattformen führen. Dieser Artikel untersucht, wie individuelle Identität auf Twitter ausgedrückt wird, besonders durch die Verwendung von Pronomen. Unsere Ergebnisse zeigen, dass nicht-binäre Nutzer oft weniger Aufmerksamkeit in Form von Likes und Followern bekommen.

Ausserdem beobachten wir, dass nicht-binäre Nutzer dazu neigen, Tweets zu senden und zu empfangen, die toxischer sind als die von binären Nutzern. Diese Forschung unterstreicht die Notwendigkeit, Geschlecht als Spektrum und nicht nur als zwei Kategorien zu betrachten, was entscheidend ist, um Online-Interaktionen und Ausdruck zu verstehen.

Identität spielt eine wichtige Rolle dabei, wie Menschen sich ausdrücken und sozial interagieren. Faktoren wie Alter, Rasse und sozialer Status prägen die eigene Identität. Da soziale Interaktionen online stattgefunden haben, werden diese Einflüsse in sozialen Medien immer offensichtlicher.

In den letzten Jahren hat sich die Vorstellung von Geschlecht von einer strikten binären Klassifizierung von 'männlich' und 'weiblich' zu einer umfassenderen Sichtweise entwickelt, die ein Spektrum anerkennt. Dies ist besonders wichtig für Geschlechtsminderheiten, einschliesslich LGBTQ+-Personen, die oft einem höheren Risiko von Belästigung, Diskriminierung und sozialer Isolation ausgesetzt sind. Viele LGBTQ+-Jugendliche sind jetzt sichtbarer in Online-Communities. Dennoch wurde nicht gründlich untersucht, wie ihre Beiträge aufgenommen werden.

Um Genderidentität online zu verstehen, konzentrieren wir uns auf die Pronomen, die Nutzer für ihre Social-Media-Profile auswählen. Diese Pronomen können traditionelle binäre sein, wie 'sie/ihr' und 'er/ihm', oder nicht-binäre Optionen wie 'they/them', 'she/ze' und 'she/they/xe'. Wir analysieren acht Pronomen-Gruppen, die die meisten Mitglieder haben, um die Vielfalt der Geschlechtsidentität online zu zeigen.

Unsere Studie untersucht, wie Geschlechtsidentität den Online-Ausdruck und die Interaktionen beeinflusst, wobei wir fortschrittliche Werkzeuge nutzen, um die Toxizität der Sprache in Beiträgen und Antworten zu bewerten. Wir wollen zwei Hauptfragen beantworten:

1. Welche Art von Aufmerksamkeit erhalten verschiedene Geschlechtsgruppen von anderen?
2. Bekommen nicht-binäre Nutzer negativere Antworten als binäre Nutzer?

Unsere Analyse zeigt, dass beide Gruppen, binär und Nicht-binär, online aktiv sind, sich aber in der Aufmerksamkeit, die sie erhalten, sowie in den Toxizitätslevels und der Häufigkeit von obszönen Ausdrücken in ihren Nachrichten unterscheiden. Indem wir die Bedeutung der Behandlung von Geschlechtsausdruck als Spektrum hervorheben, hoffen wir, zu verbesserten Methoden zur Analyse der Geschlechtergerechtigkeit in Online-Räumen beizutragen und sie inklusiver zu gestalten.

#Verwandte Konzepte

#Geschlecht und Identität

Identität ist ein Begriff, den Sozialwissenschaftler verwenden, um zu erklären, wie Individuen sich selbst sehen und mit anderen interagieren. Geschlecht ist ein wichtiger Teil dieser Identität. Inspiriert von feministischen Bewegungen haben die Leute angefangen, zwischen Geschlecht, das biologisch ist, und Geschlecht, das von der Kultur geprägt ist, zu unterscheiden. Diese Unterscheidung hilft, die Lücken zwischen der traditionellen Sichtweise von Geschlecht als binär und den realen Erfahrungen von nicht-binären Personen in der Gesellschaft zu schliessen.

Trotz der wachsenden Anerkennung dieser Unterschiede behandeln viele maschinelles Lernen-Systeme Geschlecht weiterhin binär. Einige Systeme versuchen beispielsweise, das Geschlecht einer Person anhand ihres Namens, ihrer Handschrift oder ihrer Stimme zu bestimmen. Diese Systeme berücksichtigen möglicherweise nicht das gesamte Spektrum der Geschlechtsidentitäten. Unternehmen wie Meta haben festgestellt, dass sie die benutzerdefinierten Geschlechter wieder auf das Geschlecht zurücksetzen, das ihnen bei der Geburt zugewiesen wurde, was ein Muster der Missachtung geschlechtsqueerer Identitäten fortsetzt.

Twitter-Biografien wurden verwendet, um nachzuvollziehen, wie Menschen ihre Identitäten und kulturellen Verschiebungen ausdrücken. Frühere Studien verwendeten ein Verfahren namens Longitudinal Online Profile Sampling (LOPS), um zu sehen, wie sich die Biografien von 1,35 Millionen Twitter-Nutzern über fünf Jahre hinweg veränderten. Es wurde festgestellt, dass die häufigsten Begriffe in Profilen 'er', 'ihm', 'sie' und 'ihr' waren. Diese Methode betont, wie Individuen ihre eigenen Identitäten ausdrücken.

#Toxizitätserkennung

Schädliche Sprache umfasst Beleidigungen, Drohungen, Belästigungen und Hassrede, die sich gegen bestimmte Gruppen richten. Solche Sprache kann Online-Communities vergiften. Um dieses Problem anzugehen, haben Forscher Werkzeuge zur Erkennung von Toxizität entwickelt. Ein weit verbreitetes Werkzeug ist die Perspective API, die auf Social-Media-Beiträgen trainiert wurde, die nach verschiedenen Arten von Schäden gekennzeichnet sind. Diese API hat jedoch Vorurteile gezeigt und höhere Toxizitätswerte für bestimmte ethnische oder Geschlechtsgruppen aufgezeichnet.

Um diese Vorurteile zu reduzieren, wurde die Detoxify API entwickelt, die sich auf schädliche Sprache bezieht, die sich gegen spezifische Identitäten richtet. Wir nutzen dieses Werkzeug, um die Toxizität in Beiträgen von Nutzern unterschiedlicher Geschlechtsidentitätsgruppen sowie den Inhalten, die sich gegen sie richten, zu bewerten.

Die Daten für diese Studie stammen aus über 2 Milliarden Tweets, die mit der Covid-19-Pandemie in Zusammenhang stehen und zwischen dem 21. Januar 2020 und dem 5. November 2021 gesammelt wurden. Die meisten Twitter-Nutzer haben während dieser Zeit über Covid-19 getwittert, was eine breite Stichprobe aktiver Nutzer bietet. Unser Datensatz umfasst Tweets von über 2 Millionen Nutzern, die ihre Pronomen in ihren Profilen angegeben haben.

#Geschlechtsspektrum

Geschlechtsidentität, wie z. B. Frau sein, unterscheidet sich von den Pronomen, die man wählen kann, wie 'sie' oder 'sie'. In diesem Kontext beziehen wir uns auf Geschlechtsausdruck als Identität einer Person in Bezug auf Geschlecht, nicht als das Label, das ihnen zugeordnet wird. Nicht-binär beschreibt jeden, der nicht in die Kategorien Mann oder Frau passt.

Um Unterschiede basierend auf Geschlecht zu verstehen, kategorisieren wir Nutzer nach den Pronomen, die sie verwenden, wobei wir anerkennen, dass dies ungefähre Masse sind. Wir gruppieren Pronomen in fünf Serien: she/her/hers, he/him/his, they/them/theirs, xe/xem und ze/zem. Wir erstellen ein Codierungssystem für diese Pronomen und sammeln Daten von allen 2 Millionen Nutzern.

Wir analysieren Gruppen mit mindestens 1.000 Mitgliedern und wählen zufällig bis zu 600 Nutzer aus jeder Gruppe aus. Dies ergibt acht Pronomen-Gruppen mit jeweils über 350 Nutzern.

#Antwortensammlung

Wir sammeln Antworten, indem wir 100 Nutzer aus jeder Pronomen-Gruppe auswählen und bis zu 10 Antworten auf ihre ursprünglichen Tweets sammeln. Dies führt zu insgesamt 95.381 Antworten aus 29.537 einzigartigen Gesprächen. Die begrenzte Anzahl an Antworten liegt an den Beschränkungen des Twitter-API-Zugriffs.

#Toxizitätsinferenz

Um die Toxizität zu bewerten, verwenden wir ein spezifisches Detoxify-Modell, das auf vielfältigen Datensätzen trainiert wurde. Dieses Modell hat eine hohe Genauigkeitsbewertung.

#Ergebnisse

#Nutzeraktivität und Aufmerksamkeit

Nutzeraktivität bezieht sich darauf, wie engagiert jemand auf Twitter ist, einschliesslich wie viele originale Tweets sie posten, wie viele Tweets sie liken und wie vielen Konten sie folgen. Insgesamt stellen wir fest, dass die Aktivitätslevel der Nutzer zwischen binären und nicht-binären Nutzern ziemlich ähnlich sind, mit nur geringen Unterschieden.

Wir untersuchen auch, wie viel Aufmerksamkeit Nutzer bekommen, gemessen an durchschnittlichen Likes, Retweets und Followern. Unsere Ergebnisse zeigen, dass Pronomen-Gruppen mit weniger Vertretung tendenziell weniger Aufmerksamkeit erhalten.

Grössere Gruppen, wie die, die sich als 'sie' und 'er' identifizieren, neigen dazu, mehr Interaktionen zu bekommen als kleinere Gruppen wie 'they/xe' oder 'he/they/xe'. Dieses Muster ist deutlich, wenn man die durchschnittliche Anzahl an Likes und Retweets vergleicht, die verschiedene Gruppen erhalten.

#Toxizität in Tweets und Antworten

Wir untersuchen die Toxizität sowohl der Tweets, die Nutzer senden, als auch der Antworten, die sie erhalten. Im Allgemeinen stellen wir fest, dass alle Gruppen Tweets senden, von denen ein kleiner Teil hochtoxisch ist. Interessanterweise erhalten fünf von acht Pronomen-Gruppen mehr toxische Antworten, als sie selbst veröffentlichen. Die Gruppen 'er' und 'he/they' haben bemerkenswert hohe Toxizitätswerte für ihre Tweets.

Nicht-binäre Gruppen posten oft toxischere Tweets im Vergleich zu binären Gruppen, was überraschend ist, da sie auch tendenziell weniger obszöne Ausdrücke verwenden. Dies wirft Fragen zu möglichen Vorurteilen in den verwendeten Toxizitätserkennungstools auf.

Insgesamt deuten unsere Ergebnisse darauf hin, dass nicht-binäre Tweets mehr Aufmerksamkeit erhalten und häufiger als toxisch gekennzeichnet werden. Es scheint keine direkte Verbindung zwischen dem Vorhandensein von Obszönitäten und dem Toxizitätswert zu geben.

#Fazit

Zusammenfassend wirft unsere Analyse Licht auf das Online-Verhalten von acht Pronomen-Gruppen, wobei wir Aspekte wie Aktivität, Aufmerksamkeit, Emotionen und Toxizität betrachten. Wir stellen fest, dass nicht-binäre Gruppen mit weniger Präsenz auf Twitter weniger Engagement als grössere Gruppen erhalten.

Während sie genauso aktiv sind wie ihre binären Kollegen, erfahren sie höhere Berichte über Toxizität in ihren Tweets. Diese Forschung deutet auf ein tieferliegendes Problem hin, bei dem soziale Medien-Tools die Sprache in queeren Gemeinschaften möglicherweise falsch interpretieren. In Zukunft könnte eine genauere Untersuchung, wie Toxizitätsdetektoren mit verschiedenen Geschlechtsausdrücken interagieren, wertvolle Einblicke bieten.

Wir erkennen den begrenzten Umfang dieser Studie an, zum Beispiel den Fokus nur auf Twitter-Nutzer mit spezifischen Pronomen und die Untersuchung von Daten zu einem einzelnen Ereignis (Covid-19). Zukünftige Studien könnten ein breiteres Spektrum an Daten umfassen und das Verhalten von nicht-binären Individuen in sozialen Medien weiter untersuchen.