在自然语言处理技术中，虽然已经研究了年龄和性别等方面与语言产生之间的关系，但至今较少研究 社会经济阶级等因素。本研究通过对现有自然语言处理文献进行调查，发现只有 20 篇论文提及社会经济阶级，并且大多数论文仅限于收集注释者人口统计信息，而未深入研究该阶级。鉴于此项研究空白，我们提供了一个可在自然语言处理研究中操作的社会经济阶级定义，并主张在今后的语言技术中应包含社会经济阶级。

Mar, 2024

本论文介绍了一种估算全球语言技术的实用性的框架，并量化了 NLP 研究现状中存在的差异性，探讨了其相关的社会和学术因素，并为基于证据的政策制定提出了定制的建议，旨在促进更全球和公平的语言技术。

Oct, 2021

探讨了社会语言学的核心问题，即在全球范围内，个体的语言变异是受许多外部因素影响的，并利用法国最大的推特文本数据集和详细的社会经济地图，研究表明人们的社会经济地位、地理位置和社交网络等因素都对个体网络文本数据中的语言变量有显著影响。

Apr, 2018

本文通过全面评估最有影响力的最新大型语言模型（LLMs）在机器翻译和自动语音识别两个高使用频率应用领域上的功能，对多个高和低资源语言的地区方言进行了功能评估，并分析了地方方言差距与经济、社会和语言因素的相关性，从而为方言 NLP 领域的发展奠定基础，并通过有意识的数据收集，揭示明显的差异并寻找可能的解决途径。

Oct, 2023

人们的社会经济背景和他们使用标准语言形式相关联，在各种社会语言学研究中已有证明。然而，从定量的角度来看，不同社会经济阶层之间的混合可能会对这些相关性产生影响，而这方面的研究相对较少。本研究利用地理标记的推特和可转移的计算方法，在英格兰和威尔士的七千个行政区域上大规模地绘制非标准英语的偏离，与高分辨率的收入地图结合，为家庭位置用户分配一个代理社会经济指标。令人惊讶的是，在八个大都市区域，我们发现一个一致的模式，即不同社会经济阶层混合得越多，他们离标准语法的频率和收入的相互依赖性越小。此外，我们提出了一个基于代理人的语言多样性采纳模型，对产生数据中所观察到的现象提供了解释。

Jul, 2023

本研究针对 Twitter 用户的情况，使用低维向量表示的图形嵌入技术来提取用户的社交网络信息，并用此信息预测 Twitter 用户的职业阶层和收入水平，结果显示该方法优于现有的方法，并且将社交网络和语言信息相结合可以进一步提高预测结果。

Apr, 2018

该论文通过对 NLP 领域不同语言间存在的差异进行综合分析，基于现有的说话人口和活力等方面的语言分类，研究数据资源、NLP/CL 研究、多语言网络平台和预训练多语言模型的分布情况，发现许多语言并未被覆盖，同时明显存在差异，对此提出了一些原因和建议。

Oct, 2022

快速增长的自然语言处理在各种社会技术解决方案中的使用和应用突显了对偏见及其对社会的影响的全面理解的需求。虽然 NLP 中的偏见研究得到了扩展，但仍存在一些需要关注的挑战，包括有限地关注种族和性别以外的社会人口偏见、主要集中在模型上的狭窄分析范围，以及技术为中心的实施方法。本文解决了这些挑战，并倡导一种更加跨学科的方式来理解 NLP 中的偏见。该工作分为三个方面，每个方面探索 NLP 中的特定偏见方面。

Aug, 2023

本篇论文调查了 209 篇关于自然语言处理模型中的偏差的论文，提出了社会人口统计学偏见的定义，并确定了研究偏见的三个主要类别：偏见类型，偏见度量和去偏见。作者总结说，目前的去偏见技术是肤浅的，不能真正消除偏见；最后提供了未来工作的建议。

Jun, 2023

通过使用传统的分类器探测和最小描述长度探测技术，我们研究了不同的单 GPU 预训练语言模型对多个英文数据集的社会人口知识。结果表明，PLMs 确实编码了这些社会人口学方面的知识，并且在一些测试的 PLMs 的层之间分散。我们进一步进行了多语言分析，并调查了补充培训的影响，以进一步探讨在何种程度，何处以及何种数量的预训练数据的情况下编码知识。我们的总体结果表明，社会人口知识仍然是 NLP 领域的一大挑战。

Nov, 2022