哥本哈根大学计算机科学家的研究表明，人们通常用描述行为的词来描述男性，用描述外貌的形容词来描述女性。

这一研究通过机器学习分析了350万本书的文本数据。

“美丽”和“性感”等是常用来形容女性的两个词，而“正义”、“理性”和“勇敢”等则常被用来形容男性。

哥本哈根大学的一位计算机科学家和她的美国同事一起，分析了不计其数的文学作品，希望找出人们形容男性和女性时用语的区别。这些书都是在1990年到2008年之间出版的英文作品，体裁包含了小说和专业学术作品等。

分别形容男性和女性频率最高11个正面和负面的词汇

“我们可以清楚地看到，人们描述女性时使用的“外观形容词”比描述男性时使用得更多，在统计层面上我们已经确认了这种普遍的观点。”计算机科学家和助理教授Isabelle Augenstein说。

研究人员提取了与性别名词（例如“女儿”和“空姐”）相关的所有形容词和动词，比如“性感空姐”或“女孩八卦”这种组合。然后，他们分析了这些词是否具有正面，负面或中性倾向，最后分析了这些词应该被分配到哪些类别。

结果表明，有关外表的负面描述的使用频率中，女性是男性的五倍。有关外表的正面和中性形容词的使用频率中，女性是男性的两倍，而作者们通常用有关行为和其他特点的形容词描述男性。

技术的发展是研究进行必不可少的条件。以前，关注性别偏见现象的人主要是语言学家，且只使用少量的研究数据。但是，现在结合机器学习算法，计算机科学家能够利用大量数据来分析——这项研究分析了110亿个词。

Augenstein指出，虽然很多书都是在几十年前出版的，但它们仍然扮演着重要角色。被用于人工智能机器分析的文本数据都来源于网络，比如智能手机识别的声音以及Google提供的关键字提示。

photo by:Sergey Nivens

“算法所做的是识别词语，每次它们观察一个词语时，都视其为“正确的”(true)。如果某些词语带有偏见性的含义，结果也会显示“偏差”。系统收集人类的语言，也包括性别刻板印象和偏见类的词语，”Augenstein说。

“如果我们使用不同的词语形容男性和女性，比如在雇佣员工时，那么当公司使用IT系统对求职者进行筛选时，这将对选人结果产生影响。”

—— Augenstein

随着人工智能和语言技术的发展，人们应该意识到许多文本是带有性别偏见的。Augenstein说：“接下来，我们可以尝试在开发机器学习模型时考虑到这一点，方法是使用较少偏见的文本、强制模型忽略此类文本，或偏见词汇，这三件事都是可能的。“

研究人员指出，这项研究有其局限性，因为它没有考虑编写文本的人，以及词汇偏见程度是否有差别。此外，它没有区分文学流派，比如爱情小说和学术文学之间是否有不同，所以这项研究未完待续。

文字及图片来源：;utm_medium=email&utm_source=Main%20list%20-%20Live%20data-All_Users&fbclid=IwAR2cTbDuxzjrzOFBvdGLEA16IcMFlapSXy6CauPGCoDicsBFj6vmKQBKxMI；Colorbox

Website 官网:

Wechat Official 微信公众号: ambkina

Sina Weibo 新浪微博: 丹麦驻华大使馆

LinkedIn 领英: DKinChina

Facebook: AmbKina

Twitter: DKinChina