Simple Science

最先端の科学をわかりやすく解説

# コンピューターサイエンス# コンピュータビジョンとパターン認識# 計算と言語

スポーツにおけるジェンダーバイアスの問題を解決する

スポーツにおける女性の視認性への性別バイアスの影響を探る。

― 1 分で読む


スポーツにおける性別バイアスポーツにおける性別バイアスの表現題を浮き彫りにしてるよ。スポーツでの女性の可視性が直面している課
目次

言語や視覚におけるジェンダーバイアスは、有害なステレオタイプや不平等を生む可能性がある。この問題は、AIで使われるデータセットやモデルを通じて、男性と女性がスポーツでどう表現されているかを調べるときに明らかになる。この記事では、言語や視覚データにおける女性の過小評価について見ていき、これが女性アスリートの認識や名前付けにどう影響するかを議論する。

女性の過小評価

研究によれば、女性はデータセットで公平に表現されないことが多い。「ManyNames」という画像の名前を含む特定のデータセットでは、女性はあまり目立たないことが分かった。この過小評価は、特にスポーツにおける女性の業績が認められにくくなる原因となる。

ManyNamesは別のデータセット「VisualGenome」の画像を使っているが、男性に比べて女性が写っている画像はほんの少しだった。世界的な統計によると、女性は世界人口の約半分を占めている。これは、このデータセットでの現実と表現との間にかなりのギャップがあることを示していて、こうしたデータを使って訓練されたAIモデルにバイアスを生む可能性がある。

スポーツ関連のバイアス

スポーツに関しては、バイアスがさらに顕著だ。調査によると、人々は女性よりも男性に対してスポーツ関連の名前を使うことが少ない。例えば、アスリートの名前を見ると、男性には「テニスプレーヤー」と呼ぶことが多いが、女性にはあまりそう言わない。この名前の違いは、女性アスリートが男性と同じようにはアスリートとして見られていないことを示唆している。

データセットにおける女性のスポーツ選手の過小評価は心配だ。ManyNamesでは、女性アスリートが写っている画像の割合が男性アスリートに比べて小さい。この不均衡は、スポーツにおける性別役割に歪んだ認識をもたらし、男性が主要なアスリートであるというステレオタイプを強化する。

人間の名前付けの選択

これを調査するために、研究者たちはアスリートの画像に対する名前の付け方を分析した。男性と女性のアスリートの画像に与えられた名前を見て、男性のスポーツ画像にはスポーツ関連の名前を用いることが多いのに対し、女性にはそうでないことが分かった。これは、人々が女性アスリートを同じ目線で認識していないという潜在的なバイアスを反映している。

例えば、テニスをしている女性を見た場合、彼女を「テニスラケットを持った女性」と呼ぶかもしれないが、男性には「テニスプレーヤー」と呼ぶ可能性が高い。この名前の違いが、女性は真剣なアスリートとは見なされていないという考えにつながる。

モデルの挙動

さらに、これらのデータセットで訓練されたモデルもこのバイアスを反映していた。男性アスリートに対してスポーツ関連の名前が高い確率で付けられ、女性アスリートにはそうではなかった。

つまり、モデルはバイアスのあるデータを使っているだけでなく、既存のバイアスを助長している。これは、AIシステムがスポーツやその他の分野で女性をどのように扱い、表現するかについて懸念を生む。

文化的背景

このバイアスには文化的背景も影響している。多くの西洋社会では、スポーツは男性性と結びつけられてきた。これにより、女性はスポーツで疎外される歴史がある。1960年代以降、女性のスポーツへの参加は増えたが、依然として平等な認識や機会を得るのに苦労している。

女性アスリートのメディアでの表現は限られていて、この過少露出は「男性が主要なアスリート」というステレオタイプを強化する。女性スポーツの報道が少ないことは、若い女の子たちにとってのロールモデルが減る原因にもなり、この過小評価のサイクルを続ける。

倫理的含意

言語や視覚データセットのバイアスには倫理的な含意がある。モデルが女性の貢献を無視したり軽視したりすると、ステレオタイプが助長され、実際の害を引き起こす可能性がある。例えば、システムが女性をアスリートとして認識しない場合、女性スポーツへの資金やスポンサーシップ、メディア報道に影響を及ぼす。

このバイアスの影響は重大だ。女性のスポーツに対する価値が低下し、成長や成功の機会が制限されることにつながる。この過少評価は、若い女の子たちがスポーツや自身の可能性をどう見るかにも影響を与える。

今後の方向性

これらのバイアスに対処するためには、よりバランスの取れたデータセットを作るためのステップが必要だ。これは、スポーツに関する女性の画像や名前を積極的に探して含めることを意味する。こうした不均衡を修正することで、すべての性別が公平に表現されるモデルを訓練することが可能になる。

また、異なるデータセットやモデル全体でのバイアスの程度を理解するために、さらなる研究が必要だ。今後の研究では、バイナリ分類を超えた性別の他の次元、つまり非バイナリーのアイデンティティも考慮すべきだ。

結論

この調査結果は、言語や視覚におけるジェンダーバイアスを解決する重要性を強調している。スポーツが女性の間で人気を増している中、彼女たちの貢献を認識し、データセットで公平に表現されるようにすることが重要だ。ジェンダーバイアスは単なる技術的な問題ではなく、私たちの価値観や信念を反映する社会的な問題だ。これらのバイアスを認めて対処することで、すべてのアスリートが性別に関係なく公平な未来に向けて努力できるようになる。

オリジナルソース

タイトル: Run Like a Girl! Sports-Related Gender Bias in Language and Vision

概要: Gender bias in Language and Vision datasets and models has the potential to perpetuate harmful stereotypes and discrimination. We analyze gender bias in two Language and Vision datasets. Consistent with prior work, we find that both datasets underrepresent women, which promotes their invisibilization. Moreover, we hypothesize and find that a bias affects human naming choices for people playing sports: speakers produce names indicating the sport (e.g. 'tennis player' or 'surfer') more often when it is a man or a boy participating in the sport than when it is a woman or a girl, with an average of 46% vs. 35% of sports-related names for each gender. A computational model trained on these naming data reproduces the bias. We argue that both the data and the model result in representational harm against women.

著者: Sophia Harrison, Eleonora Gualdoni, Gemma Boleda

最終更新: 2023-05-23 00:00:00

言語: English

ソースURL: https://arxiv.org/abs/2305.14468

ソースPDF: https://arxiv.org/pdf/2305.14468

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。

類似の記事