Nuove intuizioni sull'oggettivazione nel cinema attraverso l'IA

Nello studio dei film, c'è un'idea comune chiamata "sguardo maschile". Questo termine descrive come i film spesso mostrano i personaggi, soprattutto le donne, come oggetti di desiderio piuttosto che come individui con i propri pensieri e sentimenti. Questo articolo parla di un nuovo modo di analizzare i film usando l'intelligenza artificiale (AI) per vedere come i personaggi vengono oggettivati. L'obiettivo è identificare i modelli nei film che portano a questa percezione e misurare quanto spesso accade.

Per portare a termine questo compito, è stato creato un nuovo dataset chiamato ObyGaze12. Questo dataset consiste in 1914 clip di film che sono state etichettate con cura da esperti in base alle idee di oggettivazione trovate nello studio dei film e nella psicologia.

Valutiamo modelli di visione recenti per vedere se questo nuovo compito è possibile e per individuare dove ci sono ancora delle sfide.

#Rappresentanza di genere nel cinema moderno

Nei film di oggi, i personaggi, soprattutto le donne, sono spesso ritratti in modi che suggeriscono che siano oggetti piuttosto che persone reali. Questo include vari aspetti come angolazioni della telecamera, come i personaggi si guardano tra loro, cosa indossano e come sono allestite le scene. Questi ritratti possono portare a stereotipi dannosi e creare situazioni sociali scomode. C'è stata una crescente quantità di studi che esaminano questi argomenti, soprattutto in relazione a questioni sociali e tecnologia.

Le ricerche precedenti si sono concentrate principalmente sul conteggio di quante donne appaiono sullo schermo e quanto spesso parlano. Tuttavia, la ricerca nelle scienze sociali mostra che semplicemente contare non è sufficiente per capire realmente il quadro più ampio della disuguaglianza di genere nei film. Un test comune usato in questi studi, noto come test di Bechdel, non affronta pienamente come gli elementi visivi contribuiscono a come le donne vengono viste nel cinema.

Mentre alcune indagini hanno esaminato pubblicità sessiste o meme, gli studi che si concentrano specificamente su come il sessismo si manifesta nei film sono rari. In questo lavoro, introduciamo un compito importante per la visione computerizzata: rilevare come l'oggettivazione dei personaggi avviene nei film.

Questo compito mira a scomporre i segnali sottili del sessismo rappresentati nei film, concentrandosi sull'idea dello "sguardo maschile", considerando anche l'elemento del tempo, poiché questi modelli si sviluppano nel corso di un film. L'obiettivo è fornire un modo per misurare e analizzare questi modelli complessi e per trovare possibili connessioni relative al genere o alla razza dei personaggi. Per raggiungere questo, crediamo sia cruciale creare metodi chiari per spiegare come i nostri risultati si collegano a questioni reali.

#Creazione del dataset: ObyGaze12

Abbiamo sviluppato un nuovo compito impegnativo per comprendere i video: rilevare quando i personaggi vengono mostrati come oggetti. Attraverso la collaborazione con esperti dei media, abbiamo creato un vocabolario che definisce e spiega vari modi di mostrare l'oggettivazione sullo schermo.

Il dataset ObyGaze12 include 1914 clip di 12 film, tutte etichettate da esperti in base a concetti riconosciuti su come i personaggi possono essere oggettivati. Questo dataset rappresenta circa il 25% di un dataset più grande chiamato MovieGraphs, che funge da base per la nostra analisi.

#Processo di annotazione dei dati

Per ogni clip nel dataset ObyGaze12, gli esperti guardano il film e identificano le scene che potrebbero contenere oggettivazione. Poi categorizzano queste scene in base al loro livello di oggettivazione, che varia da nessun segno di oggettivazione a scene che mostrano chiaramente oggettivazione. I livelli includono:

• Facile Negativo: Non ci sono elementi che suggeriscono oggettivazione.
• Difficile Negativo: Ci sono elementi di oggettivazione, ma non portano alla conclusione di oggettivazione.
• Non Sicuro: Le scene accennano all'oggettivazione, ma non è chiaro.
• Sicuro: Le scene mostrano chiaramente elementi di oggettivazione.

#Comprendere i bias visivi nel cinema

Il compito di rilevare l'oggettivazione si collega a questioni più ampie di rilevamento dei bias nei media visivi. Studi hanno dimostrato che ci sono bias riguardo a come i personaggi sono rappresentati, in particolare in termini di genere. Le prime ricerche si sono concentrate semplicemente sul conteggio di quanto tempo i personaggi maschili e femminili trascorrono sullo schermo, rivelando che le donne spesso ricevono meno tempo sullo schermo e hanno meno agenzia nelle narrazioni.

Facciamo un passo significativo andando oltre queste misurazioni semplici. Il nostro obiettivo è applicare interpretazioni più complesse dell'oggettivazione provenienti da varie discipline, come la psicologia e gli studi sui media, per esaminare come l'oggettivazione si sviluppa nel tempo nei film.

#Ricerche precedenti sulla rilevazione dell'oggettivazione

Negli ultimi anni, c'è stata una spinta a esplorare compiti interpretativi nella elaborazione del linguaggio naturale che rivelano diverse forme di bias, come discorsi d'odio, razzismo e sessismo. Questi costrutti sono spesso complicati e si estendono oltre le osservazioni superficiali.

Mentre alcuni studi hanno esaminato contenuti sessisti in meme e pubblicità, c'è una notevole mancanza di ricerca focalizzata sui dati video. La nostra analisi cerca di colmare quella lacuna creando un dataset progettato per misurare l'oggettivazione dei personaggi nei film.

Ci rifacciamo a ricerche esistenti su come il framing narrativo nei film possa rivelare diverse dimensioni della rappresentazione di genere. L'obiettivo è sviluppare un modo sistematico per analizzare i film e esaminare come vari elementi si combinano per creare percezioni di oggettivazione.

#Approccio alla comprensione dei video

Nuovi modelli di AI hanno compiuto notevoli progressi nell'analisi video. Questi modelli utilizzano grandi dataset per addestrarsi a identificare oggetti, persone e azioni all'interno dei video. Ci sono modelli specificamente progettati per compiti legati ai video, che sono stati confrontati con la nostra nuova sfida di rilevazione dell'oggettivazione.

Usando modelli avanzati, cerchiamo di valutare quanto bene possono identificare casi di oggettivazione nel nostro dataset. Ci concentriamo sull'efficacia di questi modelli e cerchiamo anche aree in cui mostrano delle carenze.

#Sperimentazione con il dataset ObyGaze12

Eseguiamo esperimenti per valutare quanto bene i modelli AI pre-addestrati possono eseguire il compito di rilevazione dell'oggettivazione. I nostri test esaminano sia l'accuratezza dei modelli sia la loro capacità di rappresentare diversi concetti di oggettivazione.

#Accuratezza del compito

Il primo passo è misurare quanto accuratamente i modelli possono identificare l'oggettivazione nelle clip. Stabiliremo prestazioni di base e poi misureremo come quelle prestazioni cambiano quando utilizziamo esempi più impegnativi, come clip che potrebbero solo accennare all'oggettivazione.

I nostri risultati mostrano che mentre il compito è effettivamente complesso, i modelli possono distinguere tra clip con livelli più elevati di oggettivazione e quelle senza. Tuttavia, la qualità delle loro performance varia, indicando aree per miglioramenti.

#Rappresentazione dei concetti

Successivamente, indaghiamo quanto bene i modelli rilevano aspetti specifici dell'oggettivazione, come angolazioni della telecamera e linguaggio del corpo. Scopriamo che alcuni concetti sono più facili da identificare per i modelli rispetto ad altri. In particolare, i concetti legati alla postura, all'abbigliamento e all'aspetto sono più difficili da classificare con precisione.

Questa analisi fornisce intuizioni su come l'oggettivazione venga comunicata attraverso varie tecniche visive nei film. Riflette la complessità dello sguardo oggettivante e mette in evidenza la necessità di modelli migliori per catturare accuratamente queste sottigliezze.

#Analisi degli errori e delle sfide

Durante i nostri esperimenti, notiamo schemi negli errori commessi dai modelli. Alcune caratteristiche, come l'abbigliamento, sembrano confondere i modelli, portando a errate classificazioni. Mentre approfondiamo i dati, osserviamo che le specifiche caratteristiche visive legate all'oggettivazione richiedono strategie di rilevazione più sfumate.

Gli errori evidenziano la necessità di future ricerche per concentrarsi sul perfezionamento dei modelli AI che possono catturare le complessità dello storytelling visivo. Fare questi miglioramenti ci aiuterà a capire meglio come i film rappresentino il genere e contribuiscano a nozioni sociali di oggettivazione.

#Considerazioni etiche

Questa ricerca mira a mettere in evidenza le implicazioni sociali dell'oggettivazione nei film. Utilizzando l'AI per analizzare i film, affrontiamo la questione importante ma complessa di come i personaggi siano rappresentati e percepiti dal pubblico. Questo sforzo è critico poiché potrebbe portare a discussioni sulle norme sociali e sul modo in cui i media modellano la percezione pubblica.

La natura soggettiva dell'interpretazione dell'oggettivazione nel film aggiunge un ulteriore livello di complessità ai nostri risultati. Sottolinea l'importanza di metodi trasparenti e rigorosi quando si conducono tali analisi interpretative.

#Conclusione

Abbiamo introdotto un nuovo metodo per analizzare i film, concentrandoci sull'oggettivazione dei personaggi. Il dataset ObyGaze12 serve come una risorsa preziosa per i ricercatori che studiano la rappresentazione visiva nei media. Valutando i modelli AI esistenti, abbiamo confermato che, mentre il compito è fattibile, ci sono ancora molte sfide da affrontare.

Attraverso questo lavoro, miriamo a migliorare la comprensione di come i modelli visivi contribuiscano all'oggettivazione nei film. Illuminando queste questioni, speriamo di incoraggiare ulteriori ricerche che possano sfidare e potenzialmente cambiare le pratiche rappresentative nell'industria cinematografica.