機械学習におけるジェンダーバイアス：公式労働統計とテキスト分析からの洞察

科学分野:

• 計算言語学
• テクノロジーの社会学
• ジェンダー研究

背景:

• 機械学習システムは、特に職業的文脈において、既存のジェンダーのステレオタイプを反映および増幅させることがよくある。
• 労働市場における永続的なジェンダーの不平等とアルゴリズムバイアスへの懸念は、欧州委員会のジェンダー平等戦略2020-2025によって強調されている。
• 言語翻訳技術は、機械学習におけるジェンダーバイアスが現れ、永続される可能性のある重要な分野である。

研究 の 目的:

• 職業におけるジェンダーバイアスを理解し、分析するための新しいフレームワークを開発すること。
• 機械学習が言語翻訳においてジェンダーのステレオタイプを永続または増幅させる方法を調査すること。
• EUのジェンダー平等戦略目標に沿った、より包括的なデジタルシステムを育成すること。

主な方法:

• 定量的および定性的手法を組み合わせた学際的アプローチ。
• テキスト分析および計算言語学のための機械学習技術の適用。
• 歴史的な職業データ（国際標準職業分類-ISCO-08）の統計分析と、英語、フランス語、ギリシャ語の200,920のテキストインスタンスからのジェンダー化された職業分布の抽出。

主要な成果:

• 機械学習システムにおけるジェンダーバイアスの分類を特定した。
• 公式労働統計と機械学習モデルで使用されるトレーニングデータとの間に、重大な不一致が明らかになった。
• ジェンダーの不均衡とテキストデータにおける永続的なステレオタイプ表現に対処するための介入が必要な専門分野を強調した。

結論:

• 機械学習、特に翻訳においては、職業上のジェンダーのステレオタイプを固定化する可能性があり、標的を絞った介入が必要である。
• 開発されたフレームワークは、より公平なAIシステムを作成するための洞察を提供する。
• 機械学習におけるジェンダーバイアスに対処することは、デジタル時代におけるより広範なジェンダー平等目標を達成するために不可欠である。