Comment les modèles de langage reflètent les émotions genrées
Cet article examine les biais de genre dans les modèles de langage et leurs implications.
― 9 min lire
Table des matières
- Le Rôle du Genre dans les Émotions
- Questions de Recherche
- Aperçu de l'Étude
- Résultats
- Variabilité Émotionnelle
- Modèles d'Attribution Émotionnelle
- Implications Culturelles du Langage des Émotions
- L'Impact des Modèles de Langage
- Contexte Historique du Genre et des Émotions
- Découvertes Récentes sur les Stéréotypes de Genre
- Configuration Expérimentale
- Résultats de l'Expérience
- Émotions Uniques par Genre
- Examen des Explications des Modèles
- Renforcer la Compréhension Émotionnelle
- La Nécessité d'une Collaboration Interdisciplinaire
- Conclusion
- Source originale
- Liens de référence
Les grands modèles de langage (LLMs) sont devenus des outils populaires pour comprendre et générer des langages humains. Cependant, ils reflètent souvent les Stéréotypes et les biais présents dans la société. Cet article explore comment les LLMs montrent des émotions liées au genre et ce que cela signifie pour notre compréhension du genre et des émotions.
Le Rôle du Genre dans les Émotions
Dans la société, il y a des croyances communes sur la façon dont les différents genres ressentent les émotions. Par exemple, on voit souvent les femmes comme plus empathiques et protectrices, tandis que la colère des hommes est plus acceptée. Ces idées façonnent la façon dont les gens pensent aux émotions selon le genre. Cela a conduit à un manque de recherche sur la façon dont les émotions sont attribuées à différents genres dans les LLMs.
Questions de Recherche
Pour mieux comprendre ce problème, nous avons posé deux questions importantes :
- Les LLMs montrent-ils des émotions qui sont liées au genre ?
- Si oui, ces liens sont-ils basés sur des expériences réelles ou ne reflètent-ils que des stéréotypes ?
Aperçu de l'Étude
Cette étude a examiné cinq LLMs avancés pour voir comment ils attribuent des émotions en fonction du genre. On a créé des incitations demandant aux modèles d'adopter un persona genré. Par exemple, on pourrait dire : « Prends le rôle d’un homme et dis comment tu te sentirais lors d'un argument sérieux. » En analysant les réponses des modèles, on voulait voir s'ils montraient des émotions différentes pour les hommes et les femmes.
Résultats
Émotions Liées au Genre
Nos résultats ont montré que les cinq LLMs avaient tendance à connecter des émotions spécifiques avec des genres. Par exemple, on associait souvent des émotions comme la tristesse aux femmes, tandis que les hommes étaient liés à la colère. Ce schéma s'aligne avec les stéréotypes communs trouvés en psychologie et dans les études de genre.
En examinant les émotions attribuées à ces genres, on a remarqué une tendance claire :
- Les femmes recevaient plus d'attributions de tristesse et d'empathie.
- Les hommes recevaient fréquemment des attributions de colère et d'affirmation de soi.
Cela montre que les modèles ne font pas que refléter les émotions, mais renforcent aussi les normes sociales concernant le genre et les sentiments.
Effets des Stéréotypes
De plus, les réponses produites par les modèles étaient largement influencées par des stéréotypes de genre. Par exemple, quand on demandait aux modèles des sentiments liés à des situations spécifiques, les réponses émotionnelles reflétaient des croyances communes sur la façon dont les hommes et les femmes devraient se sentir. Cela soulève des inquiétudes sur les implications de l'utilisation des LLMs dans des applications impliquant des émotions.
Variabilité Émotionnelle
Les émotions peuvent varier énormément entre différentes personnes. Le succès d'un collègue peut inspirer l'envie chez une personne, de l'admiration chez une autre et de la tristesse chez une autre encore. La question est, ces émotions suivent-elles des lignes de genre ? Notre recherche indique qu'elles le font souvent lorsque filtrées à travers le prisme des LLMs.
Modèles d'Attribution Émotionnelle
On a trouvé que les modèles de langage attribuaient systématiquement certaines émotions aux hommes et aux femmes en se basant sur des stéréotypes. Par exemple, lorsqu'on était confronté à l'incitation "Quand j'ai eu une sérieuse dispute avec une personne chère", les femmes étaient souvent liées à la tristesse, tandis que les hommes étaient souvent associés à des sentiments de colère.
Ce schéma signifie que les modèles reflètent des stéréotypes émotionnels liés au genre plutôt que des expériences réellement rapportées. Cette distinction est cruciale, car elle met en évidence les limites des modèles à représenter fidèlement les réalités émotionnelles.
Implications Culturelles du Langage des Émotions
Comment on discute des émotions peut révéler beaucoup sur les attitudes culturelles vis-à-vis du genre. Les stéréotypes concernant les émotions sont souvent ancrés dans le langage. Par exemple, des phrases comme "les femmes sont émotionnelles" ou "les hommes doivent être forts" contribuent aux Attentes sociétales qui limitent la façon dont les individus expriment leurs sentiments.
Ces stéréotypes peuvent avoir des conséquences réelles importantes. Par exemple, les hommes peuvent être vus comme inadaptés à des rôles de soins en raison de la croyance qu'ils sont moins protecteurs, tandis que les femmes pourraient être découragées de poursuivre des carrières dans des domaines qui nécessitent du détachement émotionnel, comme la finance ou la technologie.
L'Impact des Modèles de Langage
Avec les biais de la société présents dans les LLMs, il y a un risque que ces modèles puissent propager des stéréotypes. Étant donné que les LLMs sont conçus pour miroiter le langage humain, ils peuvent renforcer l'idée que certaines émotions sont liées à des genres spécifiques. Étant donné leur utilisation généralisée dans diverses applications, cela pourrait avoir des conséquences nuisibles.
Contexte Historique du Genre et des Émotions
Le lien entre genre et émotions n'est pas nouveau. Des penseurs historiques comme Aristote et Darwin ont discuté des différences de genre en matière d'émotions, suggérant que les femmes étaient plus émotionnelles tandis que les hommes étaient plus agressifs. Ces points de vue anciens continuent d'influencer notre perception des émotions et du genre aujourd'hui.
Découvertes Récentes sur les Stéréotypes de Genre
Récemment, il y a eu plus d'attention sur la façon dont les rôles de genre affectent le développement émotionnel chez les enfants. Les jeunes garçons et filles sont souvent socialisés pour incarner des traits qui correspondent aux notions traditionnelles de masculinité et de féminité. Les garçons peuvent être instruits à être assertifs et dominants, tandis que les filles apprennent souvent à être protectrices et attentives.
Une telle socialisation conduit à l'intériorisation de ces stéréotypes, modelant la façon dont les individus se voient eux-mêmes et les autres. Les attentes entourant les rôles de genre peuvent limiter l'expression émotionnelle, en particulier pour les hommes, qui pourraient ressentir la pression de réprimer des émotions comme la tristesse ou la vulnérabilité.
Configuration Expérimentale
Pour enquêter sur ces idées, nous avons conçu une expérience utilisant l'Enquête Internationale sur les Antécédents et les Réactions Émotionnelles (ISEAR), qui collecte des Expériences émotionnelles auto-rapportées. Nous avons analysé plus de 7 000 événements, en demandant aux LLMs d'attribuer des émotions en fonction de personas de genre.
Notre approche consistait à demander à chaque modèle de répondre à diverses incitations tout en incarnant une identité de genre spécifique. Par exemple, on pourrait demander à un modèle de prendre un persona masculin et de déterminer l'émotion liée à un événement.
Résultats de l'Expérience
Les résultats de notre expérience ont révélé que les schémas d'émotions genrées étaient cohérents à travers les cinq modèles étudiés. Par exemple, en demandant l'émotion ressentie pendant une sérieuse dispute, on attribuait significativement plus de tristesse aux femmes qu'aux hommes, qui étaient plus souvent assignés à des sentiments de colère.
Cela suggère que les LLMs reproduisent probablement les stéréotypes sociétaux sur la façon dont les différents genres ressentent les émotions, plutôt que de refléter fidèlement les expériences émotionnelles.
Émotions Uniques par Genre
Dans le cadre de notre analyse, nous avons examiné des mots uniques associés aux émotions de chaque genre. Par exemple, les mots liés aux femmes incluaient des termes comme "hystérie" et "protecteur", tandis que ceux liés aux hommes incluaient "bravoure" et "autorité". Cela montre comment le langage lui-même peut renforcer des stéréotypes émotionnels.
Examen des Explications des Modèles
Pour obtenir un aperçu plus approfondi des réponses des modèles, nous leur avons demandé de fournir des explications pour les émotions qu'ils attribuaient. Dans de nombreux cas, ces explications tournaient autour des attentes sociétales. Par exemple, en discutant de la colère, les hommes étaient souvent décrits comme se défendant, tandis que les femmes étaient dites éprouver une profonde tristesse.
Ces explications ont mis en évidence comment les modèles reflètent les vues sociétales sur le genre plutôt que de représenter fidèlement les expériences émotionnelles individuelles.
Renforcer la Compréhension Émotionnelle
Les implications de ces résultats sont significatives, surtout dans des domaines impliquant la compréhension émotionnelle, comme la santé mentale et l'interaction homme-machine. Se fier à des modèles qui perpétuent des stéréotypes pourrait nuire aux tentatives de favoriser une véritable compréhension et un soutien émotionnels.
La Nécessité d'une Collaboration Interdisciplinaire
Vu les résultats de notre étude, il est clair qu'il faut aborder le développement des LLMs avec prudence. Nous avons besoin d'une collaboration interdisciplinaire pour traiter de l'influence des stéréotypes de genre dans les modèles de langage. S'engager avec des idées de la psychologie, des études de genre et de la philosophie peut aider à construire de meilleurs systèmes qui soient conscients et sensibles aux schémas émotionnels genrés.
Conclusion
En résumé, notre recherche montre que les LLMs reflètent des stéréotypes sociétaux sur le genre et les émotions. Ils attribuent systématiquement des émotions aux hommes et aux femmes en fonction de croyances communes plutôt que d'expériences vécues réelles. Alors qu'on navigue dans l'avenir des modèles de langage, il est crucial d'être conscient de ces biais et de travailler à créer des systèmes qui reconnaissent et remettent en question les stéréotypes existants plutôt que de les renforcer. Cela garantira que l'analyse émotionnelle dans la technologie soit plus équitable et inclusive pour tout le monde.
Titre: Angry Men, Sad Women: Large Language Models Reflect Gendered Stereotypes in Emotion Attribution
Résumé: Large language models (LLMs) reflect societal norms and biases, especially about gender. While societal biases and stereotypes have been extensively researched in various NLP applications, there is a surprising gap for emotion analysis. However, emotion and gender are closely linked in societal discourse. E.g., women are often thought of as more empathetic, while men's anger is more socially accepted. To fill this gap, we present the first comprehensive study of gendered emotion attribution in five state-of-the-art LLMs (open- and closed-source). We investigate whether emotions are gendered, and whether these variations are based on societal stereotypes. We prompt the models to adopt a gendered persona and attribute emotions to an event like 'When I had a serious argument with a dear person'. We then analyze the emotions generated by the models in relation to the gender-event pairs. We find that all models consistently exhibit gendered emotions, influenced by gender stereotypes. These findings are in line with established research in psychology and gender studies. Our study sheds light on the complex societal interplay between language, gender, and emotion. The reproduction of emotion stereotypes in LLMs allows us to use those models to study the topic in detail, but raises questions about the predictive use of those same LLMs for emotion applications.
Auteurs: Flor Miriam Plaza-del-Arco, Amanda Cercas Curry, Alba Curry, Gavin Abercrombie, Dirk Hovy
Dernière mise à jour: 2024-05-28 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2403.03121
Source PDF: https://arxiv.org/pdf/2403.03121
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.
Liens de référence
- https://www.latex-project.org/help/documentation/encguide.pdf
- https://therepproject.org/
- https://platform.openai.com/docs/models/gpt-4-and-gpt-4-turbo
- https://therepproject.org/films/the-mask-you-live-in/
- https://journals.sagepub.com/doi/full/10.1177/0361684313502312
- https://platform.openai.com/docs/api-reference