Sesgos de género ocultos en los macrodatos y revelados mediante redes neurales¿hombre es a mujer como trabajo es a madre?

  1. Capitolina Díaz Martínez 1
  2. Pablo Díaz García
  3. Pablo Navarro Sustaeta 1
  1. 1 Universitat de València
    info

    Universitat de València

    Valencia, España

    ROR https://ror.org/043nxc105

Revista:
REIS: Revista Española de Investigaciones Sociológicas

ISSN: 0210-5233

Año de publicación: 2020

Número: 172

Páginas: 41-60

Tipo: Artículo

DOI: 10.5477/CIS/REIS.172.41 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: REIS: Revista Española de Investigaciones Sociológicas

Resumen

Los actos sociales se convierten en big data. El análisis de big data se convierte en conocimiento sobre la sociedad. Si los big data están sesgados, el sesgo se transmite al análisis y a nuestro conocimiento. Proponemos una herramienta para descubrir los sesgos de género y, potencialmente, eliminarlos de los big data antes del análisis. Utilizamos la técnica de análisis neural mediante el procedimiento de encaje de palabras. Es la primera vez que esta técnica se prueba con un cuerpo de datos en español. Como prueba de concepto, la red neural analiza la mitad de la Wikipedia en español. Más de 28 millones de palabras. Se describen las técnicas y los conocimientos especializados necesarios para poder discernir los sesgos de género y se evalúa si es posible dividir el trabajo de análisis en microtareas externalizables.

Referencias bibliográficas

  • Bengoechea, Mercedes (2000). «Historia (española) de una sugerencia para evitar el androcentrismo lingüístico». Revista Iberoamericana de Discurso y Sociedad, 2(3): 33-58.
  • Bergvall, Victoria; Bing, Janet M. y Freed, Alice F. (eds.) (1996). Rethinking Language and Gender Research: Theory and Practice. London: Addison Wesley Longman.
  • Bolukbasi, Tolga; Chang, Kai-Wei; Zou, James; Saligrama, Venkatesh y Kalai, Adam (2016). «Man is to Computer Programmer as Woman is to Homemaker? Debiasing Word Embeddings». Disponible en: https://arxiv.org/abs/ 1607. 06520- https://arxiv.org/abs/1607.06520m, acceso el 5 agosto de 2016.
  • Buolamwini, Joy y Gebru, Timnit (2018). «Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification». PMLR, 81: 77-91. Disponible en: https://www.ted.com/ talks/joy_buolamwini_how_i_m_fighting_bias_ in_algorithms/transcript, acceso el 20 de enero de 2020.
  • Caliskan, Aylin; Bryson, Joanna J. y Narayanan, Arvind (2017). «Semantics Derived Automatically from Language Corpora Contain Human-like Biases». Science, 356(6334): 183-186.
  • Díaz Martínez, Capitolina (1996). El presente de su futuro. Modelos de autopercepción y de vida entre los adolescentes españoles. Madrid: Siglo XXI.
  • Díaz Martínez, Capitolina (2000). «El análisis sociosemántico en la psicología social: una propuesta teórica y una técnica para su aplicación». Psicothema, 12(3): 451-457.
  • Dunlop, Claire A. (2013). «Epistemic Communities». En: Howlett, M.; Fritzen, S.; Xun, W. y Araral, E. (eds.). Routledge Handbook of Public Policy. London: Routledge.
  • García Dauder, S. y Romero Bachiller, Carmen (2018). «De epistemologías de la ignorancia a epistemologías de la resistencia: correctores epistémicos desde el conocimiento activista». En: Cordero, M.ª T. (comp.). Discusiones sobre investigación y epistemología de género en la ciencia y la tecnología. San José: Universidad de Costa Rica, pp. 145-164.
  • Garg, Nikhil;  Schiebinger,  Londa; Jurafsky, Dan y Zou, James (2018). «Word Embeddings Quantify 100 Years of Gender and Ethnic Stereotypes». Proceedings of the National Academy of Sciences, 115(16).
  • Glott, Ruedige; Ghosh, Rishab y Schmidt, Philipp (2010). «Wikipedia Survey. Technical Report, UNU-MERIT». Disponible en: http://wikipediasurvey.org/, acceso el 4 de abril de 2019.
  • Goddard, Angela y Patterson, Lindsey M. (2005). Lenguaje y Género. Cuenca: Ediciones de la Universidad de Castilla La Mancha.
  • Greenwald, Anthony G.; McGhee, Debbie E. y Schwartz, Jordan L. K. (1998). «Measuring Individual Differences in Implicit Cognition: the Implicit Association Test». Journal of Personality and Social Psychology 74(6): 1464-1480.
  • Haraway, Donna J. (1995). Ciencia, cyborgs y mujeres. La reinvención de la naturaleza. Madrid: Cátedra.
  • Harding, Sandra (1991). Whose Science? Whose Knowledge? Thinking from Women’s Lives. Milton Keynes: Open University Press.
  • Harding, Sandra (1996). Ciencia y feminismo. Madrid: Morata.
  • Hass, Peter (2016). Epistemic Communities, Constructivism, and International Environmental Politics. London: Routledge.
  • Healy, Bernadine (1991). «The Yentl Syndrome». New England Journal of Medicine, 325(4): 274- 276.
  • Lakoff, Robin T. (2004). Language and Woman’s Place. Oxford: Oxford Universty Press.
  • Keller, Evelyn F. (1991). Reflexiones sobre género y ciencia. Valencia: Edicions Alfons el Magnànim.
  • Lam, Heidi; Bertini, Enrico; Isenberg, Petra; Plaisant, Catherine y Carpendale, Sheelagh (2011). «Empirical Studies in Information Visualization: Seven Scenarios». IEEE Transactions on Visualization and Computer Graphics, 18(9): 1520-1553.
  • Longino, Hellen E. (2002). The Fate of Knowledge. Princeton: Princeton University Press.
  • Maffía, Diana H. (2001). «El sexo oculto de la ciencia. Historia de la ciencia y política sexual». En: Pérez-Sedeño, E. y Cortijo, P. (coords.). Ciencia y Género. Madrid: UCM, pp. 407-416.
  • Mako Hill, Benjamin y Shaw, Aaron (2013). «The Wikipedia Gender Gap Revisited: Characterizing Survey Response Bias with Propensity Score Estimation». Disponible en: http://www.oalib.com/ paper/ 3023720#. WA1GXeCLQ2w, acceso el 6 de julio de 2018.
  • Navarro, Pablo y Ariño, Antonio (2015). «La investigación social ante su segunda revolución digital». En: García Ferrando, M.; Alvira, F. R.; Alonso, L. E. y Escobar, M. (coords.). El análisis de la realidad social. Métodos y técnicas de investigación. Madrid: Alianza Editorial, pp. 110-141.
  • Proctor, Robert N. (1995). Cancer Wars: How Politics Shapes What We Know and Don’t Know About Cancer. New York: Basic Books.
  • Proctor, Robert N. y Schiebinger, Londa (2008). Agnotology: the Making and Unmaking of Ignorance. Stanford, California: Stanford University Press.
  • Reagle, Joseph y Rhue, Lauren (2011). «Gender Bias in Wikipedia and Brittanica». International Journal of Communication, 5: 1138-1158. Disponible en: http://ijoc.org., acceso el 7 de agosto de 2016.
  • Shiebinger, Londa (2004). ¿Tienes sexo la mente? Madrid: Cátedra.
  • Sousa Santos, Boaventura (2010). Descolonizar el saber, reinventar el poder. Montevideo: Trilce.
  • Sullivan, Shannon y Tuana, Nancy (2007). Race and Epistemologies of Ignorance. New York: State University of New York Press.
  • Swinger,  Nathaniel; Arteaga, Maria de; Heffernan, Neil Thomas IV; Leiserson, Mark D. M. y Tauman, Kalai Adam (2018). «What are the biases in my word embedding? ». Proc. of the AAAI/ ACM Conference on Artificial Intelligence, Ethics, and Society (AIES). Disponible en: https://doi. org/10.1145/3306618.3314270, acceso el 7 de marzo de 2019.
  • Thomas, Gillian (1992). A position to command respect: Women and the Eleventh Britannica. Metuchen. New Jersey: The Scarecrow Press.
  • Tuana, Nancy y Sullivan, Shannon (2006). «Introduction: Feminist Epistemologies of Ignorance». Hypatia, 21(3): 1-19.
  • Wagner, Claudia; García, David; Jadidi, Mohsen y Strohmauier, Markus (2015). «It’s a Man’s Wikipedia? Assessing Gender Inequality in an Online Encyclopedia». Proceedings of the 9th International AAAI Conference on Weblogs and Social Media.
  • Wikipedia (2008). Wikipedia: WikiProject countering systemic gender bias. Disponible en: http:// en.wikipedia.org/?oldid=183541656 Wikipedia, acceso el 11 de enero.
  • Wikipedia (2009). Wikipedia: WikiProject gender studies/countering systemic gender bias. Disponible en: http://en.wikipedia.org/?oldid=2746106583, acceso el 11 de marzo.
Fuente de los datos: Dialnet