Sesgo de género en el aprendizaje automático: perspectivas de las estadísticas laborales oficiales y el análisis...

Área de la Ciencia:

• Lingüística Computacional
• Sociología de la Tecnología
• Estudios de Género

Sus antecedentes:

• Los sistemas de aprendizaje automático a menudo reflejan y amplifican los estereotipos de género existentes, particularmente en contextos ocupacionales.
• Las persistentes desigualdades de género en el mercado laboral y las preocupaciones sobre el sesgo algorítmico son destacadas por la Estrategia de Igualdad de Género 2020-2025 de la Comisión Europea.
• Las tecnologías de traducción de idiomas son un área clave donde el sesgo de género en el aprendizaje automático puede manifestarse y perpetuarse.

Objetivo del estudio:

• Desarrollar un marco novedoso para comprender y analizar el sesgo de género ocupacional en el aprendizaje automático.
• Investigar cómo el aprendizaje automático en la traducción de idiomas perpetúa o amplifica los estereotipos de género.
• Fomentar sistemas digitales más inclusivos alineados con los objetivos estratégicos de la UE para la igualdad de género.

Principales métodos:

• Enfoque interdisciplinario que combina métodos cuantitativos y cualitativos.
• Aplicación de técnicas de aprendizaje automático para el análisis textual y la lingüística computacional.
• Análisis estadístico de datos ocupacionales históricos (Clasificación Internacional Uniforme de Ocupaciones - ISCO-08) y extracción de distribuciones ocupacionales de género de 200.920 instancias de texto en inglés, francés y griego.

Principales resultados:

• Identificación de una clasificación de sesgos de género dentro de los sistemas de aprendizaje automático.
• Revelación de discrepancias significativas entre las estadísticas laborales oficiales y los datos de entrenamiento utilizados en los modelos de aprendizaje automático.
• Ponderación de áreas profesionales que requieren intervención para abordar los desequilibrios de género y las representaciones estereotipadas duraderas en los datos textuales.

Conclusiones:

• El aprendizaje automático, particularmente en la traducción, puede afianzar los estereotipos de género ocupacionales, lo que requiere intervenciones específicas.
• El marco desarrollado proporciona información para la creación de sistemas de IA más equitativos.
• Abordar el sesgo de género en el aprendizaje automático es crucial para lograr objetivos más amplios de igualdad de género en la era digital.