Algorithmic Recommendation for Gender Stereotypes Online
算法推荐系统被广泛用于个性化用户体验并提供基于个人兴趣和喜好的相关内容、产品、服务和信息。但是，这些系统通常依赖于数据分析技术，这些技术可能存在偏见，并可能延续性别陈规定型观念，从而导致妇女在搜索结果和社交媒体提要中的代表性有限。本文将探讨此类算法如何促进性别规范的复制，加强传统性别角色和性客观化。算法如何加强性别陈规定型观念算法如何处理数据并提供建议会受到决定其产生内容类型的主要领域文化观念的影响。例如，研究表明，谷歌正在为"女人"和"男人"寻找图像，结果不同：更多女性照片出现在美容和时尚类别中，而男性更有可能出现在专业和职业领域。这些差异反映了社会对男人或女人意味着什么的期望，有助于性别行为正常化。性客观化性客观化是算法建议在强化性别陈规定型观念方面发挥重要作用的领域之一。搜索引擎（例如Google和Bing）经常显示色情图像，因为用户输入了性暗示的反思关键字，而其他平台（例如Facebook和Twitter）则宣传包含坦率语言和图像的帖子。这种接触可以加强关于妇女作为性对象的性别假设，这些对象主要是为了男性愉悦而存在的，从而导致对妇女及其身体的有害态度。限制女性代表性
与算法推荐系统相关的另一个问题是女性在在线空间（包括搜索结果，社交媒体供稿和广告活动）中的代表性有限。研究发现，只有25％的技术和科学文章以女性作者为特色，而另一项研究指出，针对女性的新闻报道比男性撰写的新闻报道更不可能达到更高的收视率。这些结果表明，算法系统如何使现有的权力结构永存，从而促进了男性声音的主导地位和观点胜过他人。算法推荐系统不是中性的，而是积极地塑造我们对性别的感知和理解。通过使传统的性别角色和性客观化长期存在，这些系统助长了妇女的边缘化并加剧了对妇女的有害态度。必须通过开发更具包容性，多样性和代表所有性别的算法来解决这个问题，并实施限制冒犯性内容暴露的政策。
算法建议如何加强互联网上的性别陈规定型观念？
众所周知，Facebook和Instagram等社交媒体平台上的算法准则通过宣传根据用户的人口特征（包括性别特征）量身定制的预期兴趣和喜好的内容，加强了性别陈规定型观念。这可能导致传统性别角色和期望的永久化，这对男性和女性都有害。