May, 2023

分析 AI 出版世界中性别差异

PDF
TL;DR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。
gender biasai communitycitationsco-authorshiplinguistic styles
发现论文，激发创造
  • 自然语言处理研究中的性别差距：作者和引用的不平等

    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。

    May, 2020

  • 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

  • 女性、人工智能和协作网络中的重要职位：迈向更平等的科学生态系统

    本文使用社交网络分析、自然语言处理和机器学习，重点关注 2000 年至 2019 年的人工智能出版物，全面调查了几个驱动因素对在科学合作网络中获得关键位置的影响，发现科学表现在数量和影响方面对于在网络中具有 “社交研究员” 角色至关重要 。然而，女性研究人员和男性研究人员在获得 “地方影响者” 角色方面存在微小差异。

    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

  • 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

  • AI 系统公平性：缓解语言视觉模型中的性别偏见

    本研究尝试减轻语言视觉模型中的性别偏见问题，通过研究现有数据集中性别偏见的影响程度，并提出一种缓解方法。

    May, 2023

  • 从语言中自动推断性别联想

    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

  • 人工智能研究的文献研究：全球概览与印度出现

    通过科学映射方法的文献计量研究，本研究确定和评估了 2015-2020 年间人工智能研究的参考文献趋势。使用 Scopus 数据库收集了所需的数据，并进行数据转换和映射技术分析，结果显示神经网络和深度学习是顶尖人工智能研究论文的主题之一。

    Jul, 2023

  • Transformer 模型中的性别偏见：全面调查

    本篇论文从语言学角度全面调查了 Transformer 模型中的性别偏见，批判性地审查了现有文献关于 Transformer 中性别偏见的方法和度量标准，并提出了当前方法的局限性，强调了在开发和部署语言技术时，促进公平的重要性。

    Jun, 2023

  • 评估大型语言模型中的性别和种族刻板印象

    通过比较研究和建立评估框架，在专业环境中研究语言模型的两种偏见：性别和种族。我们发现，尽管较新的模型相比较老模型来说性别偏见大大减少，但种族偏见仍然存在。

    Nov, 2023