通篇论文研究了性别偏见如何通过语言和语言技术表达，并且扩展了对多语言环境中性别偏见的研究，强调了多语言和多元文化视角对于理解社会偏见的重要性。

Mar, 2024

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

本文通过注释数据集来量化语言中的刻板印象，并使用预训练语言模型来预测句子的刻板印象。然后，探讨刻板印象与仇恨言论、性别歧视、情感以及弱势和优势群体等常见社会问题之间的联系和差异，并验证了当前研究的总体发现。此外，本研究表明，细粒度的刻板印象分数是社会问题研究中一个高度相关且具有竞争力的维度。

Jan, 2024

本文介绍了一种生成潜在变量模型，用于量化形容词（或动词）选用及其情感，并以头（或依赖）名词的自然性别为条件。研究发现男女名词描述之间存在显著差异，并且这些差异与常见的性别刻板印象相一致：用于描述女性的积极形容词更与其身体相关而不是用于描述男性的形容词。

Jun, 2019

本研究通过语言自动推断性别关联发现单词聚类，并针对其所代表的语义概念进行标记，并比较了两个不同领域写作中人们如何谈论妇女和男子之间的差异，证明了人们谈论妇女和男子的方式存在大规模差异，并且这些差异在不同领域中有所不同。

Aug, 2019

文化歌谣和诗歌是传递文化规范和社会角色的强大媒介，然而它们中普遍存在的性别刻板印象持续地造成偏见和限制个体身份的范围。过去的研究已经显示了刻板印象和偏见在幼儿时期就开始出现，因此对因果机制的发展性研究对于理解和控制刻板印象和偏见至关重要。本研究通过收集一份文化歌谣和诗歌的数据集来识别性别刻板印象，并提出了一个准确率达到 97% 的模型来识别性别偏见。通过使用大型语言模型（LLM）来纠正性别刻板印象，并在与人类教育家的纠正比较调查中评估其有效性。总的来说，本研究强调了文学作品中性别刻板印象的普遍性，并揭示了大型语言模型（LLMs）纠正性别刻板印象的潜力。这项研究引起了人们对性别平等问题的关注，促进了艺术表达的包容性，对性别平等的讨论做出了重要贡献。

Mar, 2024

通过自动生成的针对性别刻板印象的对立刻板印象，自称为男性和女性的研究参与者评估其冒犯性、可信度和潜在有效性，并发现对立事实和扩大普遍性（即无论群体成员如何都有某种特质）的策略是最有效的对策，相比较而言，幽默、换位思考、对立例子和对发言者的同理心等策略被认为效果较差。同时，对不同目标的刻板印象而言，评级的差异更明显，而对评级者的性别差异相对较小。然而，令人震惊的是，许多通过 AI 生成的对立刻板印象被认为具有冒犯性和 / 或不可信。我们的分析和收集到的数据集为对抗在线互动中的性别刻板印象提供了基础洞察，指导未来努力开发有效挑战性别刻板印象的策略。

Apr, 2024

本文通过 Twitter 用户语言风格和社交网络之间的关系，探讨了性别、语言风格和社交网络之间的关系，提出了一种细致的性别分类方法，发现语言风格与社交网络之间的同性别联系紧密相关。

Oct, 2012

通过对自然、性别敏感的 MuST-SHE 语料库进行 POS 和一致性链的语言学注释，在英法 / 意大利语 / 西班牙语三种语言方向上针对不同数量的数据和不同的词语分割技术进行多方面评估，揭示了性别偏见的模型行为，及其在多个细粒度层次上的检测价值。

Mar, 2022

本文旨在研究男女语言使用的差异。通过统计演讲者在公共演讲中的用词，发现男性演讲者在语言、心理、认知和社会等方面的特定词汇比女性演讲者使用频率高。

Nov, 2022