May, 2020

自然语言处理研究中的性别差距：作者和引用的不平等

PDF
TL;DR研究了 NLP 领域自 1965 年至 2019 年间的女性第一作者占比以及她们论文的引用，发现只有 29％的女性是第一作者，并且女性第一作者的论文引用较男性第一作者更少。作者还探讨了自动人口统计分析中涉及的伦理道德问题。
gender disparitiesauthorshipcitationsnlpethics
发现论文，激发创造
  • 学术作者性别的作用

    研究表明，尽管在学术界中，诸如助研资金、雇佣、在学术期刊上发表文章，以及学术产出等方面的性别差距正在逐渐减少，但仍存在许多被低估和持久的性别不平等现象，尤其在某些领域，男性占据了显赫的第一作者和最后作者的位置，而女性在单一作者论文中的表现显著不足，需要引起学者的注意。

    Nov, 2012

  • 分析 AI 出版世界中性别差异

    本研究通过对 AI Scholar 数据集的分析，发现 AI 领域存在性别差异，包括论文引用、合著者中性别同质性和女性第一作者论文具有更长的文本长度、更多积极情感词和更容易引起读者注意的标题。这些发现有助于促进 AI 领域的性别平等和多样性。

    May, 2023

  • 自然语言处理中的性别偏见调查

    本文调查了 304 篇关于自然语言处理中的性别偏见的论文，分析了社会科学中性别及其类别的定义，并将其与自然语言处理中性别偏见的正式定义联系起来，概述了应用于性别偏见研究的词汇和数据集，并比较和对比了检测和缓解性别偏见的方法。我们发现性别偏见研究存在四个核心限制，提出了解决这些限制的建议作为未来研究的指南。

    Dec, 2021

  • 不同国家和学科科学事业中的性别不平等的历史比较

    本文采用文献计量学方法，对包含 83 个国家和 13 个学科领域内超过 150 万名女性作者的完整出版历史进行研究，发现过去 60 年女性在科学领域参与度的增加伴随着生产力和影响力方面的性别差异增加。对同样的工作规模，男性和女性每年的发表率相近，影响力也相当。辍学率和职业生涯长度的差异是解释性别差异的原因。

    Jul, 2019

  • 探究书写风格对科技领域性别差距的影响

    本文研究了作者的性别是否会影响其在学术论文和专利申请中的写作风格，并发现女性在写作时更多地使用了涉及性的特征。研究表明，不同性别的作者所著作的文字在信息性和参与性特征上存在差异，这可能导致性别偏见并影响科学工作的公正性。

    Apr, 2022

  • 自然语言处理偏差研究中 “性别” 理论

    该研究回顾了近 200 篇关于 NLP 中有关性别偏见的文章，发现大部分文章没有明确说明他们如何理解性别，甚至没有使用包容性的模型，对非二元性别人群的存在和经验忽视，提出建议以便在 NLP 研究中融入女性学理论和方法，以期实现更加包容的性别偏见研究。

    May, 2022

  • 自然语言处理中减轻性别偏见：文献综述

    本文回顾了当今关于识别和减轻 NLP 中的性别偏置的研究，并分析了四种代表性偏置基础上的性别偏见和认识其方法，同时探讨了现有性别去偏方法的优缺点和未来的研究。

    Jun, 2019

  • 男性自我引用率的跨领域和跨时间研究

    这项研究通过对包括范围从 1779 年至 2011 年，15 万篇学术论文在内的学术数据库 JSTOR 的数据分析发现，学术论文作者引用自己的文献的比例近 10%，并且男性作者引用自己的论文的比例明显高于女性作者，并且这种差别在过去五十年间一直存在，而且会影响学术界的职业发展。

    Jun, 2016

  • 自然语言生成中性别与资历复合偏见的理解

    本研究探讨性别偏见在自然语言处理中的影响，发现预训练神经生成模型 GPT-2 在生成文本时更倾向于将女性视为下级，男性视为上级，这可能会对女性在职业领域带来不利影响。

    May, 2022

  • 揭示法学硕士职业领域中的性别偏见：分析与解决社会学意义

    该研究探讨了大型语言模型中的性别偏见问题，特别关注 GPT-2 和 GPT-3.5 等多个语言模型之间的比较，通过对生成的文本进行全面的文献综述和定量分析，发现了性别化词汇关联、语言使用和偏见叙述的问题，并提出了减少性别偏见的算法和数据增强技术。该研究强调了学科间合作的重要性和社会学研究在减少 AI 模型性别偏见中的作用。

    Jul, 2023